Bab 3 Prosstok
Bab 3 Prosstok
Ilustrasi
Rantai Markov
Peluang n-langkah
Peluang Transisi Tak Bersyarat
Latihan
Program MATLAB
Jenis Keadaan
Limit Peluang Transisi
LATIHAN
Silabus
Tujuan
Silabus
Silabus
Tujuan
Tujuan
Ilustrasi 1
Perilaku bunuh diri kini kian menjadi-jadi. Hesti (nama
sebenarnya) adalah sebuah contoh. Dia pernah melakukan
percobaan bunuh diri, namun gagal. Menurut pakar, kalau pada
suatu waktu seseorang melakukan percobaan bunuh diri maka
besar kemungkinan dia akan melakukannya lagi di masa
mendatang. Jika seseorang belum pernah melakukan percobaan
bunuh diri, di masa mendatang orang tersebut akan mungkin
melakukan percobaan bunuh diri. Deskripsikan fenomena diatas
sebagai model peluang (probability model).
Ilustrasi 2
Pada 23 Juni lalu sekitar pukul 21.30 mobil yang dikemudikan
suami saya terperosok masuk lubang di jalan tol lingkar luar
Jakarta, kira-kira 2 kilometer dari Pintu Tol Pondok Ranji arah
Jakarta. Ban dan gadi-gading roda rusak. Esoknya saya
mengajukan klaim asuransi Sinar Mas kepada SiMas Bekasi. Pada
1 Juli saya mendapat jawaban bahwa klaim asuransi ditolak dengan
alasan: bagian yang rusak hanya ban dan gading-gading roda. Tak
mengenai badan mobil.
Ilustrasi 3
Permainan. Foto.
Ilustrasi 4
Loyalitas konsumen terhadap suatu merek barang. Wilkie (1994)
mendefinisikan brand loyalty as a favorable attitude toward and
consistent purchase of a particular brand. Lyong (1998): brand
loyalty is a function of a brands relative frequency of purchase in
both time-independent and time-dependent situations. Seorang
konsumen pembeli merek barang A diharapkan akan terus membeli
barang A. Mungkinkah ini terjadi? Apakah model statistika yang
dapat dengan tepat (atau mendekati tepat) merinci peluang
terjadinya hal ini? Apakah model ini membantu dalam strategi
pemasaran suatu barang?
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Ilustrasi 5
Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih
berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin
hujan mungkin juga panas. Tentu saja peluang besok hujan akan
lebih besar dibanding peluang besok akan panas. Begitu pula jika
hari ini panas. Besok akan lebih mungkin panas dibandingkan
hujan. Jika hari Senin hujan, berapa peluang bahwa hari Selasa
akan hujan? Berapa peluang bahwa hari Kamis akan hujan?
Ilustrasi 6
Sebagai calon atlet, setiap pagi Swari meninggalkan rumahnya
untuk berlari pagi. Swari akan pergi lewat pintu depan atau
belakang dengan peluang sama. Ketika meninggalkan rumah,
Swari memakai sepatu olah raga atau bertelanjang kaki jika sepatu
tidak tersedia di depan pintu yang dia lewati. Ketika pulang, Swari
akan masuk lewat pintu depan atau belakang dan meletakkan
sepatunya dengan peluang sama. Diketahui bahwa Swari memiliki
4 pasang sepatu olah raga. Berapa peluang bahwa Swari akan
sering berolah raga dengan bertelanjang kaki?
Ilustrasi 7
P=
0.85
0.05
0.03
0.01
0.00
0.00
0.00
0.09
0.76
0.08
0.04
0.02
0.00
0.00
0.01
0.12
0.70
0.03
0.07
0.00
0.00
0.00
0.04
0.15
0.70
0.03
0.00
0.00
0.01
0.01
0.03
0.12
0.88
0.00
0.00
0.01
0.00
0.00
0.00
0.00
1.00
0.00
0.03
0.02
0.01
0.00
0.00
0.00
1.00
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Proses stokastik {Xn } adalah Rantai Markov:
n = 0, 1, 2, . . .
nilai yang mungkin adalah hingga atau terhitung
P Xn+1 = j|Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0 = Pij ()
distribusi bersyarat Xn+1 , diberikan keadaan-keadaan lampau
(past states) X0 , X1 , . . . , Xn1 dan keadaan sekarang (present
state) Xn , hanya bergantung pada keadaan sekarang (Sifat
Markov)
keadaan-keadaan (states): i0 , i1 , . . . , in1 , i, j
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Definisi
Peluang Transisi
Contoh/Latihan
Pij = 1, i = 0, 1, . . .
j=0
Matriks
peluang transisi
P00 P01 P02
P10 P11 P12
..
..
..
.
.
P=
.
Pi0 Pi0 Pi0
..
..
..
.
.
.
Definisi
Peluang Transisi
Contoh/Latihan
Pij adalah
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Perhatikan (*):
P Xn+1 = j|Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
= P Xn+1 = j|Xn = i
= Pij ,
yang disebut sebagai peluang transisi 1-langkah atau one-step
transition probability.
Definisi
Peluang Transisi
Contoh/Latihan
Peluang bersama
P Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
Definisi
Peluang Transisi
Contoh/Latihan
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi:
1
P=
1
dengan keadaan-keadaan:
0 tidak mengajukan klaim
1 mengajukan klaim
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi: 0
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi:
0.7 0 0.3 0
0.5 0 0.5 0
P=
0 0.4 0 0.6
0 0.2 0 0.8
dengan keadaan-keadaan:
0 (00) = hari ini dan kemarin hujan
1 (10) = hari ini hujan, kemarin tidak hujan
2 (01) = hari ini tidak hujan, kemarin hujan
3 (11) = hari ini dan kemarin tidak hujan
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi:
0
1
0
0
1/9 4/9 4/9 0
P=
0 4/9 4/9 1/9
0
0
1
0
dengan keadaan-keadaan:
0 terdapat 0 produk A di paket
1 terdapat 1 produk A di paket
2 terdapat 2 produk A di paket
3 terdapat 3 produk A di paket
pertama
pertama
pertama
pertama
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi:
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Definisi
Peluang Transisi
Contoh/Latihan
Solusi:
3/4 1/4 0
0
1/4 1/2 1/4 0
P=
0 1/4 1/2 1/4
0
0 1/4 1/2
0
0
0 1/4
dengan keadaan-keadaan:
0 (4,0) = 4 sepatu didepan,
1 (3,1) = 3 sepatu didepan,
2 (2,2) = 2 sepatu didepan,
3 (1,3) = 1 sepatu didepan,
4 (0,4) = 0 sepatu didepan,
Definisi
Peluang Transisi
Contoh/Latihan
0
0
0
1/4
3/4
0
1
2
3
4
dibelakang
dibelakang
dibelakang
dibelakang
dibelakang
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Definisi
Misalkan Pijn menyatakan peluang transisi n-langkah suatu proses
di keadaan i akan berada di keadaan j,
Pijn = P(Yk+n = j|Yk = i), n 0, i, j 0.
Persamaan Chapman-Kolmogorov adalah alat untuk menghitung
peluang transisi n + m-langkah:
Pijn+m =
m
Pikn Pkj
, (Buktikan!)
k=0
m menyatakan peluang
untuk semua n, m 0 dan semua i, j. Pikn Pkj
suatu proses dalam keadaan i akan berada di keadaan j dalam
n + m transisi, melalui keadaan k dalam n transisi/langkah.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Contoh/Latihan
1. Jika hari ini hujan maka besok akan hujan dengan peluang
= 0.7; jika hari ini tidak hujan maka besok akan hujan
dengan peluang = 0.4. Matriks peluang transisi 4 langkah
adalah...
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Solusi:
0.5749 0.4251
4
P =
0.5668 0.4332
Persamaan Chapman-Kolmogorov
Contoh/Latihan
P=
0 0.4 0 0.6
0 0.2 0 0.8
Jika hari Senin dan Selasa hujan, berapa peluang bahwa hari
Kamis akan hujan?
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Solusi:
P2 =
0.2 0.12 0.2 0.4
0.1 0.16 0.1 0.64
Peluang hujan pada hari Kamis adalah
2 + P 2 = 0.49 + 0.12 = 0.61
P00
01
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Pijn+m = 1, i = 0, 1, . . .
j=0
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Solusi:
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Solusi:
P=
dengan
0, 1,
Persamaan Chapman-Kolmogorov
Contoh/Latihan
0
0
0
1
0
0
1
0
1
0
1
0
0
keadaan-keadaan:
2, 3 yang menyatakan jumlah payung
Persamaan Chapman-Kolmogorov
Contoh/Latihan
0 1/2 1/2
P = 1/2 0 1/2
1/2 1/2 0
Hitung P(Xn = 0| X0 = 0) untuk n = 0, 1, 2.
Hitung P(X3 = 1| X1 = 0).
Persamaan Chapman-Kolmogorov
Contoh/Latihan
Solusi:
P(Xn = 0| X0 = 0) = P(X0 = 0)
P(X1 = 0| X0 = 0) = 0
P(X2 = 0| X0 = 0) = 1/2
P(X3 = 1| X0 = 0) = 1/4
Definisi
Contoh/Latihan
Definisi
Misalkan
i = P(X0 = i), i 0,
P
i=0
Pijn i
i=0
Definisi
Contoh/Latihan
1. Pandang
soal yang
lalu dengan matriks peluang transisi:
0.7 0.3
P=
0.4 0.6
Jika diketahui 0 = P(X0 = 0) = 0.4 dan
1 = P(X0 = 1) = 0.6, maka peluang (tak bersyarat) bahwa
hari akan hujan 4 hari lagi adalah...
Definisi
Contoh/Latihan
Solusi:
4
4
+ 0.6 P10
P(X4 = 0) = 0.4 P00
Definisi
Contoh/Latihan
Definisi
Contoh/Latihan
Solusi :
Keadaan-keadaannya adalah
1 jumlah uang sebanyak 1 yang H punya di akhir bulan
2 jumlah uang sebanyak 2 yang H punya di akhir bulan
3 jumlah uang sebanyak 3 yang H punya di akhir bulan
Matriks
peluang transisi
P2 + P3 + P4 P1
0
P3 + P4
P2
P1
P=
P4
P3 P1 + P2
Definisi
Contoh/Latihan
3/4 1/4 0
P = 1/2 1/4 1/4
1/4 1/4 1/2
Peluang uangnya akan 1 atau kurang setiap saat selama 4 bulan
4 = 201/256.
berikut adalah P31
Latihan
1. Pandang suatu proses {Xn , n = 0, 1, . . .} yang bernilai 0, 1, 2.
Misalkan
P Xn+1 = j|Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
(
PijI , n genap,
=
PijII , n ganjil,
P
P
dimana 2j=0 PijI = 2j=0 PijII = 1, i = 0, 1, 2. Apakah
{Xn , n 0} suatu rantai Markov?
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Solusi: Bukan.
Solusi:
1/5
0
4/5
P = 2/7 3/7 2/7
3/10 4/10 3/10
dengan keadaan-keadaan:
0 Merah
1 Putih
2 Biru
Solusi:
0.2 0.8 0
0
0
0 0.6 0.4
P=
0.6 0.4 0
0
0
0 0.6 0.4
dengan keadaan-keadaan:
0 (SS) = hari ini dan kemarin SUKSES
1 (SG) = hari ini GAGAL, kemarin SUKSES
2 (GS) = hari ini SUKSES, kemarin GAGAL
3 (GG) = hari ini dan kemarin GAGAL
Solusi:
P=
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
1/15 4/15
0
2/15
0
8/15
0
0
1/20
0
1/5 3/20
0
0
3/5
0
1/240 1/24 1/24 1/24 11/60 1/8 39/240 24/60
dengan keadaan-keadaan:
0, A, B, C, AB, AC, BC, ABC
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Solusi:
E (Y2 )
= 0 P(Y2 = 0) + 1 P(Y2 = 1) + 2 P(Y2 = 2)
= 0 + P(Y2 = 1|Y0 = 0) P(Y0 = 0) + P(Y2 = 1|Y0 = 1) P(Y0 = 1)
+ P(Y2 = 1|Y0 = 2) P(Y0 = 2) + 2 P(Y2 = 2|Y0 = 0) P(Y0 = 0)
+ P(Y2 = 2|Y0 = 1) P(Y0 = 1) + P(Y2 = 2|Y0 = 2) P(Y0 = 2)
2
2
2
2
2
2
= P01
0.25 + P11
0.25 + P21
0.5 + 2 P02
0.25 + P12
0.25 + P22
0.5
= 71/72
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Solusi:
1-
1-
0,0
00
0,1
1,0
1-
1-
1-
2,3
3,2
4,1
2,4
1-
1-
1-
1,4
2,2
3,1
1-
1,3
1-
1-
0,4
2,1
4,0
1,2
2,0
1-
0,3
1-
1,1
3,0
1-
0,2
1-
1-
3,3
4,2
3,4
4,3
Contoh
Kode MATLAB
Contoh
Model penyebaran suatu penyakit adalah sbb: Jumlah populasi
adalah N = 5, sebagian sakit dan sisanya sehat. Dalam setiap
waktu, 2 orang akan dipilih secara acak dari populasi tersebut dan
keduanya berinteraksi. Pemilihan orang-orang tersebut dilakukan
sdh interaksi antara setiap pasangan adalah sama. Jika satu orang
dari suatu pasangan sakit, yang lain sehat, maka penyakit akan
disebarkan ke orang yang sehat dengan peluang 0.1. Diluar kondisi
tersebut, tidak ada penyakit yang disebarkan. Misalkan Xn
menyatakan jumlah orang yang sakit dalam populasi diakhir
periode ke-n. Bentuklah suatu matriks peluang transisi yang
mungkin.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Contoh
Kode MATLAB
Solusi:
Keadaan: 0, 1, 2, 3, 4, 5, yang menyatakan jumlah orang yang
sakit.
P00 = 1, P55 = 1. Cukup jelas. Jika tidak ada/semua orang sakit
maka PASTI keadaan berubah ke tidak ada/semua orang sakit.
Pi,i+1 = 0.1
C1i C15i
= 0.01(i)(5 i),
C25
P=
Contoh
Kode MATLAB
1
0
0
0
0
0
0 0.96 0.04
0
0
0
0
0
0.94 0.06
0
0
0
0
0
0.94 0.06
0
0
0
0
0
0.96 0.04
0
0
0
0
0
1
Contoh
Kode MATLAB
Kode:
function transprob;
% the function calculate transition probability
% for a Markov chain
%
% created by K Syuhada, 12/03/2011
clear
clc
m = input(m = ); % number of states
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
P = zeros(m,m);
for i = 1:m
for j = 1:m
if i == j
P(i,j)
elseif i+1
P(i,j)
else
P(i,j)
end
end
end
Contoh
Kode MATLAB
= 1 - 0.01*(i-1)*(5-(i-1));
== j
= 0.01*(i-1)*(5-(i-1));
= 0;
Contoh
Kode MATLAB
Contoh
Kode MATLAB
----------------------------------------------------------m = 6
matriks peluang transisi:
P =
1.0000
0
0
0
0
0
0
0.9600
0
0
0
0
0
0.0400
0.9400
0
0
0
0
0
0.0600
0.9400
0
0
0
0
0
0.0600
0.9600
0
0.040
1.000
Contoh
Kode MATLAB
n = 2
matriks peluang transisi n-langkah:
Pn =
1.0000
0
0
0
0
0
0
0.9216
0
0
0
0
0
0.0760
0.8836
0
0
0
0
0.0024
0.1128
0.8836
0
0
0
0
0.0036
0.1140
0.9216
0
0.002
0.078
1.000
Contoh/Latihan
0.7 0 0.3 0
0.5 0 0.5 0
P=
0 0.4 0 0.6
0 0.2 0 0.8
(ii)
0
1
0
0
1/9 4/9 4/9 0
P=
0 4/9 4/9 1/9
0
0
1
0
(iii)
1
0
0
P = 1/2 1/4 1/4
1/4 1/4 1/2
2. Diketahui
matrik peluangtransisi:
0.5 0.5
0
P=
0.25 0.25 0.25 0.25 ?
0
0
0
1
Empat gadis bermain bola: Tris, Sri, Berlian dan Yani. Jika Tris
memegang bola, dia akan melemparkan bola tersebut ke Sri dan
Yani dengan peluang sama. Jika Sri memegang bola, dia akan
melemparkannya ke Tris dengan peluang 1/3 dan melemparkan ke
Yani dengan peluang 2/3. Jika Berlian memegang bola, dia akan
melemparkan bola ke Sri. Buatlah matriks peluang transisi untuk
kasus:
(i) Jika Yani memegang bola, dia akan melemparkannya ke Tris
dengan peluang 2/3 atau membawa lari bola tersebut dengan
peluang 1/3
(ii) Jika Yani memegang bola pertama kali, dia akan melemparkan
ke Tris; Jika Yani memegang bola yang kedua kali, dia akan lari
membawa bola tersebut.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Solusi:
P=
dengan
0 0.5 0 0.5
1/3 0 0 2/3
0
1 0 0
2/3 0 0 1/3
keadaan 0 Tris; 1 Sri; 2 Berlian; 3 Yani.
Misalkan
1, Yn = i;
In =
0,PYn 6= i.
Misalkan
n=0 In menyatkan banyak periode/kali bahwa proses
berada dalam keadaan i, dan
!
X
X
E
In |Y0 = i =
E (In |Y0 = i)
n=0
n=0
=
=
X
n=0
P(Yn = i|Y0 = i)
Piin
n=0
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Proposisi
Keadaan i adalah
recurrent jika
Piin =
n=0
transient jika
Piin <
n=0
Catatan:
Pada rantai Markov dengan keadaan hingga, tidak semua
keadaan bersifat transient (Mengapa?)
Jika keadaan i recurrent dan keadaan i berkomunikasi
(communicate) dengan keadaan j maka keadaan j recurrent
(Bagaimana jika keadaan i transient?)
Semua keadaan pada rantai Markov (hingga) yang tidak
dapat direduksi adalah recurrent (PENTING!)
Contoh/Latihan
P=
0 1 0
0
0 1 0
0
Tentukan keadaan mana yang recurrent dan keadaan mana
yang transient!
Solusi:
Semua keadaan recurrent.
0
0.5 0.5 0
P= 0
?
0
0
0.5 0.5 0
0.25 0.25 0
0 0.5
Solusi:
Keadaan 0,1,2,3 recurrent, keadaan 4 transient.
0.5 0.5
0
0
0.5 0.5
0
0
P=
0.25 0.25 0.25 0.25
0
0
0
1
Tentukan keadaan mana yang recurrent dan keadaan mana
yang transient!
Solusi:
Keadaan 0,1,3 recurrent, keadaan 2 transient.
1
0
0
0
0
0
0 0.96 0.04
0
0
0
0
0
0.94 0.06
0
0
P=
0
0
0.94 0.06
0
0
0
0
0
0
0.96 0.04
0
0
0
0
0
1
Tentukan sifat keadaan dari rantai Markov diatas.
Solusi:
Keadaan 0,5 recurrent, keadaan 1,2,3,4 transient.
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Matriks
peluang transisi 8dan 12 langkahnya:
0.7542 0.2458
P8 =
0.7374 0.2626
dan
0.7505 0.2495
12
P =
0.7484 0.2516
...dst.
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Definisi
Perhatikan 2 sifat keadaan berikut:
Keadaan i dikatakan memiliki periode d jika Piin = 0 untuk n yang
tidak dapat dibagi oleh d (d suatu integer). Contoh, suatu proses
dimulai dari keadaan i akan kembali ke i pada waktu 2, 4, 6, 8, . . . ,
maka keadaan i memiliki periode 2. Suatu keadaan yang memiliki
periode 1 disebut aperiodik. Jika keadaan i memiliki periode d dan
keadaan i berkomunikasi dengan keadaan j maka keadaan j juga
memiliki periode d.
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Teorema
Untuk rantai Markov yang ergodik dan tidak dapat direduksi,
lim Pijn
i Pijn , j 0,
i=0
dengan
j=0
j = 1.
Ilustrasi
Definisi
Contoh/Latihan
Catatan:
Perhatikan bahwa
P(Xn+1 = j) =
i=0
Pij P(Xn = i)
i=0
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Contoh/Latihan
1. Jika hari ini hujan maka besok akan hujan dengan peluang ;
jika hari ini tidak hujan maka besok akan hujan dengan
peluang . Jika 0 00 adalah keadaan hujan dan 0 10 adalah
keadaan tidak hujan maka peluang hujan dan tidak hujan
untuk jangka panjang adalah
Ilustrasi
Definisi
Contoh/Latihan
Solusi:
1
P=
,
1
dan kita punyai persamaan-persamaan:
0 = 0 + 1
1 = (1 ) 0 + (1 ) 1
0 + 1 = 1
Ilustrasi
Definisi
Contoh/Latihan
Kita peroleh peluang hujan dan tidak hujan pada jangka panjang:
0 =
1+
1 =
1
1+
dan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Solusi:
0.8 0.2 0
0
0
0 0.5 0.5
P=
0.5 0.5 0
0
0
0 0.5 0.5
dengan keadaan-keadaan:
0 (SS) = hari ini dan kemarin SUKSES
1 (SG) = hari ini GAGAL, kemarin SUKSES
2 (GS) = hari ini SUKSES, kemarin GAGAL
3 (GG) = hari ini dan kemarin GAGAL
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Ilustrasi
Definisi
Contoh/Latihan
Catatan:
Peluang jangka panjang j , j 0, disebut juga peluang
stasioner (stationary probability). Jika keadaan awal dipilih
berdasarkan peluang j , j 0, maka peluang akan menjadi
keadaan j pada setiap waktu n adalah sama dengan j .
Untuk keadaan j, definisikan mjj yaitu banyak transisi yang
diharapkan (expected number of transitions) hingga suatu
rantai Markov, dimulai dari keadaan j akan kembali ke
keadaan tersebut:
1
j =
mjj
Solusi:
Solusi:
0.7 0.3
P=
0.6 0.4
dengan keadaan 1 Koin 1; 2 Koin 2. Diketahui
P(X0 = 1) = P(X0 = 2) = 0.5,
sehingga
3
3
P(X3 = 1) = P11
P(X0 = 1) + P21
P(X0 = 2) = 2/3
Solusi:
Tidak ada matriks peluang transisi yang memenuhi semua aturan.
Solusi:
2/3 1/3 0
P = 1/6 3/6 2/6
0 1/6 5/6
dengan keadaan 0=(2,0); 1=(1,1); 2=(0,2). Diperoleh
0 =; 1 =; 2 =
Jadi, peluang Vivian akan sering berolahraga dengan memakai
sepatu adalah
(2/3)0 + 1 + (1/3)2 =
Solusi:
0.6 0.4
P=
0.3 0.7
dengan keadaan 0 Area A; 1 Area B. Diperoleh
0 = 3/7, 1 = 4/7.
Misalkan X keuntungan dalam suatu pelayanan
E (X ) = E (X |A) 0 + E (X |B) 1
= [(0.6)(6) + (0.4)(12)](3/7) + [(0.3)(12) + (0.7)(8)](4/7)
= 62/7
7. Misalkan
peluang transisi untuk keadaan 0,1,2:
matriks
1 0 0
P= a b c
0 0 1
dengan syarat a > 0, b > 0, c > 0. Keadaan 0 dan 2 adalah
keadaan yang absorbing.