Proses Kelahiran dan Kematian

Definisi:
Suatu sistem yang state-nya pada sembarang waktu menyatakan
banyaknya orang dalam sistem.
Seseorang akan masuk kedalam sistem dengan laju eksponensial
n

dan meninggalkan sistem dengan laju eksponensial
n
.
Waktu sampai kedatangan berikutnya berdistribusi eksponensial
dengan rata-rata 1/
n
dan bebas dari waktu sampai keberangkatan
berikutnya yang berdistribusi eksponensial dengan rata-rata 1/
n
.
Mempunyai state (0, 1, 2, } dimana transisi dari state n hanya
mungkin ke state n 1 atau n + 1.




0

1

2

3


State 0 1 2 3 4 . . .


1

4


Gambar 1. Proses kelahiran dan kematian
Hubungan antara tingkat kelahiran (
i
), tingkat kematian (
i
),
laju transisi state (v
i
), dan peluang transisi (P
ij
)
v
0
=
0

v
i
=
i
+
i
, i > 0
P
01
= 1
P
i,i+1
= , dan P
i,i-1
= , i > 0

i i
i


+
i i
i


+
Teorema 1. Persamaan Backward Kolmogorof
Untuk semua state i, j dan waktu t > 0,


dimana : = laju (rate) dimana proses melakukan
transisi ketika berada dalam state i .
= laju (rate), ketika dalam state i,
proses mengalami transisi ke dalam state k.


) ( ) ( ) (
'
t P t P q t P
ij i
i k
kj ik ij
v =

=
i
v
ik
q
Contoh 1: Persamaan backward untuk proses
kelahiran murni
Pada proses kelahiran murni, transisi hanya terjadi dari state i
ke state i + 1 dengan
i
= . Sedangkan transisi dari state i ke
state i 1 adalah tidak mungkin karena tidak terjadi kematian
(
i
= 0). Karena itu

P
ij
(t) = 0 untuk j < i dan t > 0
Untuk suatu proses Poisson berlaku





dengan menggunakan hasil di atas dan induksi matematika,
diperoleh persamaan backward secara umum untuk proses
kelahiran murni yaitu:


0 > i
, 0 =
i
0 > i
, =
i
, = + =
i i i
v
0 > i

+ =
=
lainnya untuk 0
1 i k untuk
ik
q
) ( ) ( ) (
, 1
'
t P t P t P
ij i j i i ij
=
+
Contoh 2: Persamaan backward untuk proses kelahiran
dan kematian
Dengan cara yang sama seperti pada proses kelahiran murni,
dan mengingat bahwa untuk proses ini
v
0
=
0
,
v
i
=
i
+
i
, untuk i > 0,

=
+ =
=
lainnya untuk 0
1 - i k untuk
1 i k untuk
i
i ik
q

Persamaan backward untuk proses kelahiran dan

kematian:

i > 0


Teorema 2. Persamaan Forward Kolmogorov
Di bawah kondisi sifat beraturan yang sesuai,
) ( ) ( [ ) (
0 , 0
'
0
t P t P t P
j j i j
=
, ) ( ) ( ) ( ) ( ) (
, 1 , 1
'
t P t P t P t P
ij i i j i i j i i ij
+ + =
+
) ( ) ( ) (
'
t P t P q t P
ij j
j k
ik kj ij
v =

=
Peluang Limit (Limiting Probabilities)
Peluang bahwa suatu rantai Markov waktu-kontinu akan berada
pada state j pada waktu seringkali konvergen ke suatu nilai limit
yang independen dengan state awalnya. Jika kita notasikan nilai ini
dalam , maka


dengan asumsi bahwa limit ini adalah ada
Suatu rantai Markov akan mempunyai peluang limit , jika
memenuhi beberapa kondisi berikut :
1. Semua state dari rantai Markov adalah communicate,
2. Rantai Markov adalah recurrent positif.

) ( lim t P P
ij
t
j

Persamaan Keseimbangan
State Laju yang meninggalkan = Laju yang memasuki
0
1
2
n, n > 1
1 1 0 0
P P =
0 0 2 2 1 1 1
) ( P P P + = +
1 1 3 3 2 2 2
) ( P P P + = +
1 1 1 1
) (
+ +
+ = +
n n n n n n n
P P P
Berdasarkan persamaan keseimbangan, setelah dilakukan
penjabaran diperoleh peluang limit berikut:
(1)


(2)


Persamaan (2) ini juga menunjukkan bahwa kondisi peluang limit
akan ada, jika

=

+
=
1 2 1
1 1 0
0
1
1
n n
n
P

|
|
.
|

\
|
+
=

1 2 1
1 1 0
2 1
1 1 0
1
n n
n
n
n
n
P

<

=

1 2 1
1 1 0
n n
n

Contoh 3: Rantai Markov waktu-kontinu dengan dua state

Sebuah mesin bekerja selama sejumlah waktu yang
berdistribusi eksponensial dengan rata-rata 1/ sebelum
mengalami kerusakan. Andaikan bahwa untuk memperbaiki
mesin tersebut membutuhkan sejumlah waktu yang
berdistribusi eksponensial dengan rata-rata 1/. Proses
tersebut serupa dengan proses kelahiran dan kematian, namun
dalam hal ini hanya ada 2 state yaitu state 0 berarti mesin
sedang bekerja dan state 1 berarti mesin sedang diperbaiki,
dengan parameter-parameter
0
= ,
1
= 0,
0
= 0, dan
1
= .
Proses ini dapat digambarkan sebagai berikut:











Gambar 3. Rantai Markov waktu-kontinu
dengan dua state

State 0:
Mesin bekerja
State 1:
Mesin rusak
Dengan menggunakan persamaan backward dan menyelesaikan
serangkaian persamaan diferensial akhirnya diperoleh peluang transisi
berikut:













+
+
+
+
=
t
e t P
) (
) (
00
t
e t P
) (
) (
10





+
+

+
=
t
e t P
) (
) (
01





+
+

+
=
t
e t P
) (
) (
11





+
+
+
+
=
Peluang limit kedua state dapat diperoleh dengan menggunakan
persamaan (1) dan (2),


dan





Hasil yang sama akan diperoleh dengan mencari limit untuk
pada fungsi peluang transisinya

+
=
+
=
1
1
0
P

+
=
+
=
1
1
0
P
t