Bab 5 PengProsStok

Ilustrasi
Waktu Antar Kedatangan dan Waktu Tunggu

Mengapa Proses Poisson?
Definisi Proses Poisson
Jumlahan Proses Poisson Saling Bebas
Thinning dari Proses Poisson
MA4181 PENGANTAR PROSES STOKASTIK

Bab 5 Proses Poisson
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
“S MART AND S TOCHASTIC ”
Dosen: Khreshna I.A. Syuhada, MSc. PhD. MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson
Ilustrasi
MA4181 PENGANTAR PROSES STOKASTIK

Bab 5 Proses Poisson
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
“S MART AND S TOCHASTIC ”
Ilustrasi
Pengantar
Seperti sudah disampaikan sebelumnya, analog dengan percobaan

Bernoulli, percobaan atau proses Poisson akan mengkaji (i) banyak
sukses dalam suatu periode waktu, dan (ii) waktu (kontinu) yang
dibutuhkan untuk mendapatkan sukses yang pertama. Distribusi yang
terlibat dalam (i) adalah distribusi Poisson, sedangkan distribusi yang
berkaitan dengan (ii) adalah distribusi eksponensial. Sebagai
gambaran untuk melihat proses Poisson, perhatikan ilustrasi-ilustrasi
berikut.
Ilustrasi
Ilustrasi-1
Para nasabah datang ke suatu tempat layanan dengan dua meja

layanan. Nasabah yang datang akan menuju meja 1, meja 2, lalu
pulang. Misalkan waktu layanan setiap meja adalah peubah acak
eksponensial dengan parameter µ1 dan µ2 .
Ilustrasi
Waktu yang dihabiskan nasabah di tempat layanan adalah...
Ilustrasi
Ilustrasi-2
Para nasabah datang ke suatu tempat layanan dengan dua meja

layanan. Ketika nasabah baru datang, setiap nasabah yang ada harus
segera meninggalkan tempat layanan tersebut. Nasabah yang datang
akan menuju meja 1, meja 2, lalu pulang. Jika waktu layanan setiap
meja adalah peubah acak eksponensial dengan parameter µ1 dan µ2 .
Tentukan proporsi nasabah yang selesai di meja 2.
Ilustrasi
Ilustrasi-3
Para nasabah datang ke suatu tempat layanan, dengan dua meja

layanan, mengikuti proses Poisson dengan laju λ. Ketika nasabah
baru datang, setiap nasabah yang ada harus segera meninggalkan
tempat layanan tersebut. Nasabah yang datang akan menuju meja 1,
meja 2, lalu pulang. Jika waktu layanan setiap meja adalah peubah
acak eksponensial dengan parameter µ1 dan µ2 . Tentukan proporsi
nasabah yang selesai di meja 2.
Ilustrasi
Jawab:
Misalkan Si menyatakan waktu layanan meja ke-i. Misalkan X waktu
hingga kedatangan nasabah berikutnya. Peluang/proporsi nasabah
yang dilayani kedua meja adalah
P(X > S1 + S2 )
= P(X > S1 + S2 |X > S1 )P(X > S1 )
µ2 µ1
=
µ2 + λ µ 1 + λ
Ilustrasi
Waktu Antar Kedatangan
Waktu Tunggu
Latihan
Misalkan T1 menyatakan waktu dari kejadian/kedatangan pertama.

Untuk n > 1, misalkan Tn menyatakan waktu tersisa antara kejadian
ke-(n − 1) dam kejadian ke-n. Barisan {Tn , n = 1, 2, . . .} adalah
barisan waktu antar kejadian (interarrival times).
Ilustrasi
Waktu Tunggu
Latihan
Untuk menentukan distribusi dari Tn , perhatikan bahwa kejadian

{T1 > t} terjadi jika dan hanya jika tidak ada kejadian dari proses
Poisson yang terjadi pada interval [0, t], sehingga
P(T1 > t) = P(Nt = 0) = e−λt
Jadi T1 berdistribusi eksponensial dengan mean 1/λ.
Ilustrasi
Waktu Tunggu
Latihan
Perhatikan juga bahwa

P(T2 > t) = E P(T2 > t | T1 ) ,
sedangkan
P(T2 > t | T1 = s) = P(tidak ada kejadian pada (s, s + t] | T1 = s)

= P(tidak ada kejadian pada (s, s + t])
= e−λt
Dengan demikian, T2 juga peubah acak eksponensial dengan mean

1/λ, dan T2 saling bebas dengan T1 . Demikian seterusnya untuk
T3 , T4 , . . . , Tn yang juga berdistribusi eksponensial dan peubah
acak-peubah acak tersebut saling bebas.
Ilustrasi
Waktu Tunggu
Latihan
Waktu Tunggu
Statistik lain yang kita perhatikan berikut adalah Sn yaitu waktu

kedatangan kejadian ke-n atau waktu tunggu (waiting time) hingga
kejadian ke-n,
Sn = T1 + · · · + Tn , n ≥ 1
yang berdistribusi...
(distribusi Erlang?)
Ilustrasi
Waktu Tunggu
Latihan
Latihan
Misalkan turis-turis datang ke suatu pulau mengikuti Proses Poisson

dengan parameter λ = 1 per hari.
1 Berapa waktu yang diharapkan hingga turis kesepuluh datang?
2 Berapa peluang bahwa waktu yang dibutuhkan (elapsed time)
antara turis kesepuluh dan kesebelas datang melebihi 2 hari?
Ilustrasi
Waktu Tunggu
Latihan
Jawab:
E(S10 ) = E(T1 + · · · + T10 ) = E(T1 ) + · · · + E(T10 ) = 10 · (1/λ) = 10
P(T11 > 2) = exp(−2λ) = exp(−2(1)) = exp(−2)
Ilustrasi
Waktu Tunggu
Latihan
Misalkan TK menyatakan waktu yang dibutuhkan (elapsed time)

untuk klaim-klaim asuransi diproses; T1 menyatakan waktu yang
dibutuhkan hingga klaim pertama diproses. Diketahui T1 , T2 , . . .
saling bebas dan berdistribusi dengan fungsi peluang
f (t) = 0.1 e−0.1 t , t > 0
dengan t diukur dalam setengah-jam. Hitung peluang bahwa

setidaknya sebuah klaim akan diproses pada 5 jam kedepan. Berapa
peluang bahwa setidaknya 3 klaim diproses dalam 5 jam?
Ilustrasi
Waktu Tunggu
Latihan
Jawab:
P(T1 ≤ 10) = 1 − P(T > 10) = 1 − e−1
Selanjutnya, N10 ∼ POI(10(1/10) = POI(1).
Jadi,
P(N10 ≥ 3) = 1 − P(N10 = 0) − P(N10 = 1) − P(N10 = 2)

= 1 − e−1 − (1/1!) e−1 − (12 /2!) e−1
= ···
Ilustrasi
Ilustrasi dan kajian tentang peubah acak waktu antar kedatangan serta
waktu tunggu diatas telah menggiring kita untuk memahami lebih
jauh tentang proses Poisson dan alasan mengapa proses ini penting.
Proses Poisson (PP) adalah proses menghitung (counting
process) untuk banyaknya kejadian yang terjadi hingga suatu
waktu tertentu
Proses ini sering disebut proses lompatan (jump process karena
keadaan akan berpindah ke yang lebih tinggi setiap kali kejadian
terjadi
Ilustrasi
Proses Menghitung
Suatu proses stokastik {Nt , t ≥ 0} adalah proses menghitung

(counting process) jika Nt merupakan total banyaknya kejadian
(events) yang terjadi sampai waktu t. Sebagai contoh, (i) banyaknya
orang yang masuk ke suatu restoran pada waktu/sampai waktu t, (ii)
banyaknya gol yang diciptakan pemain, dan (iii) banyaknya klaim
asuransi yang masuk.
Ilustrasi
Proses menghitung {Nt , t ≥ 0} haruslah memenuhi kriteria berikut:

Nt ≥ 0
Nt bernilai integer
Jika s < t maka Ns ≤ Nt
Untuk s < t, Nt − Ns adalah banyaknya kejadian pada interval
(s, t]
Ilustrasi
Dua sifat penting yang melekat pada proses menghitung adalah

sebagai berikut. Pertama, kenaikan independen (independent
increments). Suatu proses menghitung {Nt } memiliki independent
increments jika banyak kejadian yang terjadi pada [s, t], yaitu Nt − Ns ,
saling bebas dengan banyak kejadian sampai waktu s. Dengan kata
lain, banyak kejadian yang terjadi pada selang waktu yang saling
asing adalah saling bebas. Kedua, kenaikan stasioner (stationary
increments). Suatu proses menghitung {Nt } memiliki stationary
increments jikadistribusi banyak kejadian pada setiap selang hanya
bergantung pada panjang selang.
Ilustrasi
Latihan
Definisi-1
Proses menghitung {Nt , t ≥ 0} adalah proses Poisson dengan laju

λ(> 0), jika
N0 = 0
Proses memiliki kenaikan independen
Banyaknya kejadian di sebarang interval dengan panjang t
berdistribusi Poisson dengan mean λt. Untuk setiap s, t ≥ 0
(λt)n
P {Ns+t − Ns = n} = e−λt

, n = 0, 1, 2, . . .
n!
Ilustrasi
Latihan
Definisi-2
Proses menghitung {Nt , t ≥ 0} adalah proses Poisson dengan laju

λ(> 0), jika
N0 = 0
Proses memiliki kenaikan stasioner dan independen

P {Nh = 1} = λh + o(h)

P {Nh ≥ 2} = o(h)
Ilustrasi
Latihan
Diskusi
Tunjukkan bahwa kedua definisi proses Poisson diatas identik.
Ilustrasi
Latihan
Latihan
Misalkan {Nt } proses Poisson dengan laju λ = 2. Hitung (i)

P(N5 = 4), (ii) P(N5 = 4, N6 = 9), (iii) E(2N3 − 4N5 ), (iv)
Var(2N3 − 4N5 )
Ilustrasi
Latihan
Jawab:
e−2·5 (2 · 5)4
P(N5 = 4) =
4!
Ilustrasi
Latihan
P(N5 = 4, N6 = 9)
= P(N5 = 4, N6 − N5 = 5)
= P(N5 = 4) P(N6 − N5 = 5)
e−2·5 (2 · 5)4 e−2·2 (2 · 2)5
=
4! 5!
Ilustrasi
Latihan
E(2N3 − 4N5 )
= 2E(N3 ) − 4E(N5 )
= 2(2 · 3) − 4(2 · 5)
Ilustrasi
Latihan
Var(2N3 − 4N5 )
= 4Var(N3 ) + 16Var(N5 − N3 )
= 4(2 · 3) + 16(2 · 2)
Ilustrasi
Latihan
Misalkan {Nt } proses Poisson dengan laju λ. Misalkan s, t > 0, dan

k ≥ j ≥ 0. Tentukan distribusi Ns+t diberikan Ns = j.
Ilustrasi
Latihan
Kita ketahui bahwa Ns dan Ns+t − Ns saling bebas. Jadi,
P(Ns+t = k|Ns = j)
= P(Ns+t − Ns = k − j|Ns = j)
= P(Ns+t − Ns = k − j)
= P(Nt = k − j)
Dengan kata lain, Ns+t |Ns = j ∼ · · ·
Ilustrasi
Latihan
Misalkan {Nt } proses Poisson dengan laju λ. Misalkan s, t ≥ 0.

Tentukan distribusi Nt diberikan Ns+t = n.
Ilustrasi
Latihan
Jawab:
t
Nt |Ns+t = n ∼ Bin(n, ).
s+t
Ilustrasi
Latihan
Misalkan {Nt } proses Poisson dengan laju λ = 3. Hitung peluang

T2 > 5 diberikan N4 = 1.
Ilustrasi
Latihan
Jawab:
P(T2 > 5|N4 = 1)

= P(T2 > 5|T1 ≤ 4)
= P(T2 > 5)
= e−15
Ilustrasi
Latihan
Pandang dua proses Poisson {N1 (t)} dan {N2 (t)} yang saling bebas
dengan parameter, berturut-turut, λ1 dan λ2 . Kita mendapatkan
N(t) = N1 (t) + N2 (t),
yang juga merupakan proses Poisson dengan parameter λ1 + λ2 .
Ilustrasi
Latihan
Bukti: Misalkan N(t) = N1 (t) + N2 (t).

Untuk 0 ≤ t1 < t2 < · · · < tT ,
N1 (t1 ), N1 (t2 ) − N1 (t1 ), . . . , N1 (tT ) − N1 (tT−1 ),
N2 (t1 ), N2 (t2 ) − N2 (t1 ), . . . , N2 (tT ) − N2 (tT−1 )

saling bebas. Jadi,
N(t1 ), N(t2 ) − N(t1 ), . . . , N(tT ) − N(tT−1 )
saling bebas.
Ilustrasi
Latihan
Kita ketahui,
N1 (tj ) − N1 (tj−1 ) ∼ POI(λ1 (tj − tj−1 ))
dan
N2 (tj ) − N2 (tj−1 ) ∼ POI(λ2 (tj − tj−1 )).
Jadi,
N(tj ) − N(tj−1 ) ∼ POI (λ1 + λ2 )(tj − tj−1 )
atau, dengan kata lain, {Nt } proses Poisson dengan rate λ1 + λ2 .
Ilustrasi
Latihan
Latihan
Mahasiswa-mahasiswa MA ITB akan datang ke Gedung Matematika

melewati pintu Tamansari atau pintu DayangSumbi. Kedatangan
mahasiswa melalui kedua pintu tersebut, berturut-turut, mengikuti
proses Poisson dengan parameter λ1 = 1/2, λ2 = 3/2 per menit.
Berapa peluang tidak ada mahasiswa yang datang pada selang waktu
3 menit? Hitung mean waktu antara kedatangan
mahasiswa-mahasiswa. Berapa peluang seorang mahasiswa
benar-benar datang melalui pintu DayangSumbi?
Ilustrasi
Latihan
Jawab:
NTS ∼ POI(1/2), NDS ∼ POI(3/2)
dan NTS + NDS = NT ∼ POI(2).
Ilustrasi
Latihan
Karena λ = 2 = 1/2 + 3/2, maka T1 ∼ exp(2),
P(T1 > 3) = e−6
E(Tk ) = 1/2
P(TDS < TTS ) = 3/4
Ilustrasi
Latihan
Penjualan tiket pertandingan semifinal AFF 2014 mengikuti tiga

proses Poisson sbb:
penjualan tiket harga sebenarnya: 2/jam
penjualan tiket harga diskon (harga tembak kali...): 4/jam
penjualan tiket VIP: 0.3/jam
Ilustrasi
Latihan
Hitung: (a) waktu harapan hingga penjualan tiket berikutnya, (b)

waktu harapan hingga penjualan tiket VIP berikutnya, (c) peluang
bahwa penjualan tiket setelah tiket harga sebenarnya adalah tiket
harga sebenarnya yang lain, (d) peluang bahwa tiket VIP akan
dijual/terjual pada 30 menit kedepan, (e) peluang bahwa setidaknya 2
dari 3 tiket yang dijual berikutnya adalah tiket diskon
Ilustrasi
Latihan
Jawab:
Nt = NTS (t) + NTD (t) + NTVip (t),
dengan parameter λ = λTS + λTD + λTVip = 6.3. Jadi
(a) E(T) = 1/6.3 = 0.1587
(b) 1/0.3=3.33
(c) λTS /λ = 0.3175
(d) TVIP ∼ Eksp(λTVIP ); P(TVIP < 1/2) = 1 − e−(0.3)(1/2)
(e) N ∼ B(3, λTD /λ), dimana N banyak tiket harga diskon yang
terjual; P(N ≥ 2) = · · · = 0.6975
Ilustrasi
Latihan
Di suatu terminal bis, Bis A dan Bis B datang saling bebas mengikuti
proses Poisson. Ada sebuah bis A datang setiap 12 menit dan sebuah
bis B setiap 8 menit. Misalkan Yun untuk melakukan observasi
terhadap bis-bis tersebut. Berapa peluang bahwa tepat 2 bis A akan
datang pada 24 menit pertama dan tepat 3 bis B datang pada 36 menit
pertama? Hitung mean waktu tunggu (expected waiting time) hingga
sebuah bis datang. Berapa peluang bahwa diperlukan waktu
setidaknya 20 menit untuk 2 bis B datang?
Ilustrasi
Latihan
Jawab:
NA adalah PP dengan λ = 1/12
NB adalah PP dengan λ = 1/8

P(NA (24) = 2, NB (36) = 3) = e−2 22 /2! e−4.5 4.53 /3!
Ilustrasi
Latihan
Diketahui: TA (1) ∼ exp(1/12), TB (1) ∼ exp(1/8). Jadi,
T = min(TA (1), TB (1)) ∼ exp(5/24)
E(T) = 24/5
Ilustrasi
Latihan
P(TB (1) + TB (2) ≥ 20) = 3.5 e−2.5

Catatan:
S = TB (1) + TB (2) ∼ Ga(2, 1/8)
Ilustrasi
Latihan
Diketahui suatu proses Poisson {Nt } dengan parameter λ. Misalkan

setiap kali terdapat suatu kejadian, kejadian tersebut dapat
diklasifikasi ke Tipe I dengan peluang p atau Tipe II dengan peluang
1 − p, yang saling bebas untuk seluruh kejadian.
Ilustrasi
Latihan
Jika N1 (t) dan N2 (t) berturut-turut adalah kejadian tipe I dan II pada
selang [0, t] maka
{N1 (t)} adalah proses Poisson dengan parameter λ p
{N2 (t)} adalah proses Poisson dengan parameter λ (1 − p)
Kedua proses saling bebas
Ilustrasi
Latihan
Latihan
Seorang pemulung menemukan koin-koin sepanjang jalan. Koin-koin

ditemukan menurut proses Poisson dengan rate 0.5 koin/menit.
Perinciannya sbb:
• 60% koin 100
• 20% koin 500
• 20% koin 1000
Tentukan ekspektasi bersyarat koin-koin yang didapat pemulung
sepanjang satu jam perjalanan, diberikan dia mendapat 10 koin 500.
Ilustrasi
Latihan
Jawab: Misalkan N1 (t), N2 (t), N3 (t) menyatakan banyak koin 100,

500, 1000 yang didapat hingga waktu t. Ketiga proses Poisson
{N1 (t)}, {N2 (t)}, {N3 (t)} saling bebas; rate ketiga proses adalah
λ1 = 0.5(0.6) = 0.3; λ2 = 0.5(0.2) = 0.1; λ1 = 0.5(0.2) = 0.1.
Ilustrasi
Latihan
Jadi,

E 100N1 (60) + 500N2 (60) + 1000N1 (60)N2 (60) = 10 = · · ·
Ilustrasi
Latihan
Sebuah perusahaan asuransi memiliki dua jenis polis yaitu polis K

dan M. Pengajuan klaim yang datang mengikuti proses Poisson
dengan parameter 9 (per hari). Pemilihan klaim secara acak
menunjukkan bahwa peluang polis jenis K terpilih adalah 1/3. Hitung
peluang bahwa klaim-klaim polis jenis K (atau M) yang diajukan
pada suatu hari kurang dari 2. Berapa peluang bahwa total klaim yang
diajukan pada suatu hari kurang dari 2?
Ilustrasi
Latihan
Jawab:
NK (t) adalah proses Poisson dengan parameter λ p = 3; NM (t) adalah
proses Poisson dengan parameter λ (1 − p) = 6.
P(NK (1) < 2) = P(NK (1) = 0) + P(NK (1) = 1) = 4 e−3
P(NM (1) < 2) = P(NM (1) = 0) + P(NM (1) = 1) = 7 e−6

P(N1 < 2) = P(N1 = 0) + P(N1 = 1) = 10 e−9
Ilustrasi
Latihan
Ike datang ke halte bis transjakarta pukul 8.15 pagi. Informasi yang
ada sbb:
- hingga pukul 9, bis akan datang mengikuti proses Poisson dengan
parameter 1 (per 30 menit)
- mulai pukul 9, bis akan datang mengikuti proses Poisson dengan
parameter 2 (per 30 menit)
Berapa waktu tunggu yang diharapkan (expected waiting time) Ike
hingga sebuah bis datang?
Ilustrasi
Latihan
Jawab:
Tw p.a. yang menyatakan waktu tunggu; Tw ∼ exp(1/30), Tw ≤ 45;
Tw ∼ exp(1/15), TT > 45;
E(Tw ) = E(Tw |Tw ≤ 45)P(Tw ≤ 45) + E(Tw |Tw > 45)P(Tw > 45)

Bab 5 PengProsStok

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 5 PengProsStok

Diunggah oleh

Hak Cipta:

Format Tersedia

Ilustrasi

Waktu Antar Kedatangan dan Waktu Tunggu

MA4181 PENGANTAR PROSES STOKASTIK

Dosen: Khreshna I.A. Syuhada, MSc. PhD.

“S MART AND S TOCHASTIC ”

MA4181 PENGANTAR PROSES STOKASTIK

Dosen: Khreshna I.A. Syuhada, MSc. PhD.

“S MART AND S TOCHASTIC ”

Seperti sudah disampaikan sebelumnya, analog dengan percobaan

Para nasabah datang ke suatu tempat layanan dengan dua meja

Waktu yang dihabiskan nasabah di tempat layanan adalah...

Para nasabah datang ke suatu tempat layanan dengan dua meja

Para nasabah datang ke suatu tempat layanan, dengan dua meja

Waktu Antar Kedatangan

Misalkan T1 menyatakan waktu dari kejadian/kedatangan pertama.

Untuk menentukan distribusi dari Tn , perhatikan bahwa kejadian

P(T1 > t) = P(Nt = 0) = e−λt

Jadi T1 berdistribusi eksponensial dengan mean 1/λ.

Perhatikan juga bahwa

P(T2 > t | T1 = s) = P(tidak ada kejadian pada (s, s + t] | T1 = s)

Dengan demikian, T2 juga peubah acak eksponensial dengan mean

Statistik lain yang kita perhatikan berikut adalah Sn yaitu waktu

Misalkan turis-turis datang ke suatu pulau mengikuti Proses Poisson

E(S10 ) = E(T1 + · · · + T10 ) = E(T1 ) + · · · + E(T10 ) = 10 · (1/λ) = 10

P(T11 > 2) = exp(−2λ) = exp(−2(1)) = exp(−2)

Misalkan TK menyatakan waktu yang dibutuhkan (elapsed time)

f (t) = 0.1 e−0.1 t , t > 0

dengan t diukur dalam setengah-jam. Hitung peluang bahwa

P(N10 ≥ 3) = 1 − P(N10 = 0) − P(N10 = 1) − P(N10 = 2)

Mengapa Proses Poisson?

Suatu proses stokastik {Nt , t ≥ 0} adalah proses menghitung

Proses menghitung {Nt , t ≥ 0} haruslah memenuhi kriteria berikut:

Dua sifat penting yang melekat pada proses menghitung adalah

Proses menghitung {Nt , t ≥ 0} adalah proses Poisson dengan laju

Proses menghitung {Nt , t ≥ 0} adalah proses Poisson dengan laju

Tunjukkan bahwa kedua definisi proses Poisson diatas identik.

Misalkan {Nt } proses Poisson dengan laju λ = 2. Hitung (i)

Misalkan {Nt } proses Poisson dengan laju λ. Misalkan s, t > 0, dan

Kita ketahui bahwa Ns dan Ns+t − Ns saling bebas. Jadi,

Dengan kata lain, Ns+t |Ns = j ∼ · · ·

Misalkan {Nt } proses Poisson dengan laju λ. Misalkan s, t ≥ 0.

Misalkan {Nt } proses Poisson dengan laju λ = 3. Hitung peluang

P(T2 > 5|N4 = 1)

Jumlahan Proses Poisson Saling Bebas

N(t) = N1 (t) + N2 (t),

yang juga merupakan proses Poisson dengan parameter λ1 + λ2 .

Bukti: Misalkan N(t) = N1 (t) + N2 (t).

N1 (t1 ), N1 (t2 ) − N1 (t1 ), . . . , N1 (tT ) − N1 (tT−1 ),

N2 (t1 ), N2 (t2 ) − N2 (t1 ), . . . , N2 (tT ) − N2 (tT−1 )

N(t1 ), N(t2 ) − N(t1 ), . . . , N(tT ) − N(tT−1 )

N1 (tj ) − N1 (tj−1 ) ∼ POI(λ1 (tj − tj−1 ))

Mahasiswa-mahasiswa MA ITB akan datang ke Gedung Matematika

Karena λ = 2 = 1/2 + 3/2, maka T1 ∼ exp(2),

P(T1 > 3) = e−6

Penjualan tiket pertandingan semifinal AFF 2014 mengikuti tiga

Hitung: (a) waktu harapan hingga penjualan tiket berikutnya, (b)

Diketahui: TA (1) ∼ exp(1/12), TB (1) ∼ exp(1/8). Jadi,

T = min(TA (1), TB (1)) ∼ exp(5/24)

P(TB (1) + TB (2) ≥ 20) = 3.5 e−2.5

Thinning dari Proses Poisson

Diketahui suatu proses Poisson {Nt } dengan parameter λ. Misalkan

Seorang pemulung menemukan koin-koin sepanjang jalan. Koin-koin

Jawab: Misalkan N1 (t), N2 (t), N3 (t) menyatakan banyak koin 100,

λ1 = 0.5(0.6) = 0.3; λ2 = 0.5(0.2) = 0.1; λ1 = 0.5(0.2) = 0.1.