Bab 4 ProsStok PDF

Tentang Kuliah Proses Stokastik
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Definisi Proses Poisson
Waktu Antar Kedatangan dan Waktu Tunggu
Latihan
Kilas Balik Proses Poisson
MA4081 PENGANTAR PROSES STOKASTIK

Bab 4 Proses Poisson: Suatu Pengantar
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
“Orang Pintar Belajar Stokastik”
Dosen: Khreshna I.A. Syuhada, MSc. PhD. MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Bab 1 : Tentang Peluang

Bab 2 : Peluang dan Ekspektasi Bersyarat*
Bab 3 : Rantai Markov
Bab 4 : Distribusi Eksponensial
Bab 5 : Pengantar Proses Poisson
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Ujian tanggal 4.12.12 sebanyak 5 soal:

1 soal rantai Markov
3 soal distribusi eksponensial
1 soal proses Poisson
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Soal yang dijawab BENAR akan menaikkan Indeks Nilai Akhir!
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Orang-orang (atau tamu) yang datang ke suatu kantor administrasi

akan dilayani satu per satu oleh petugas P1, lalu petugas P2, lalu
pulang. Waktu layanan petugas Pi adalah p.a eksponensial dengan
parameter λi , i = 1, 2. Ketika Nelavi datang, terlihat P1 sedang
kosong (tidak sedang melayani tamu). Sedangkan 2 tamu antre di
P2. Berapa waktu yang dihabiskan (expected amount of time)
Nelavi di kantor admin tersebut?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi: Misalkan Si waktu layanan petugas Pi. Asumsikan S1 < S2

dan Nelavi segera bergabung dengan 2 orang yang antre di P2.
Banyaknya tamu selain Nelavi adalah 3 orang; 1 orang sedang
dilayani P2, dua yang lain antre di P2. Misalkan TN p.a. waktu
yang dihabiskan Nelavi di kantor admin,
E (TN ) = E (SNP1 ) + E (SNP2 ) + 3 · E (SP2 )

= 1/λ1 + 1/λ2 + 3 · 1/λ2
= 1/λ1 + 4 · 1/λ2
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Urusan admin(istrasi) untuk wisuda Juli nanti di ITB lumayan

ribet. Mahasiswa harus ke meja 1 lalu ke meja 2 dan terakhir ke
meja 3. Waktu yang dihabiskan di setiap meja i adalalah p.a.
eksponensial dengan parameter θi , i = 1, 2, 3. Saat Iger datang ke
gedung RACC, terlihat seorang mahasiswa A sedang berada di
meja 3. Berapa peluang Iger masih ada di gedung RACC ketika
mahasiswa A selesai berurusan dengan meja 3?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi: 1
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Ilustrasi-1
Mobil-mobil yang lewat dijalanan Dago melewati McD akan datang

menurut Proses Poisson dengan parameter/laju λ = 3 per menit.
Jika Li menyebrang jalan tanpa menoleh kanan kiri (blindly run
accross), berapa peluang bahwa Li tidak akan mengalami
kecelakaan jika waktu yang dibutuhkan Li untuk menyeberang
adalah 2 detik? 20 detik?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Ilustrasi-2
Dua orang pasien, A dan B, membutuhkan ginjal. Jika dia tidak

mendapatkan ginjal baru, maka A akan meninggal setelah suatu
waktu yang berdistribusi exponensial dengan parameter µA . Begitu
juga dengan B, akan meninggal setelah suatu waktu yang
berdistribusi eksponensial dengan parameter µB . Ginjal akan
tersedia menurut proses Poisson dengan parameter λ. Telah
ditentukan bahwa ginjal pertama yang datang diberikan ke pasien
A (atau ke pasien B jika B masih hidup dan A meninggal saat itu)
lalu ke pasien B (jika masih hidup). Berapa peluang A mendapat
ginjal baru? B?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi:
Misalkan
TA waktu ketika A meninggal tanpa ginjal
TB waktu ketika B meninggal tanpa ginjal
T1 waktu ketika ginjal pertama datang
T2 durasi waktu antara kedatangan ginjal pertama dan kedua
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
P(A mendapat ginjal baru)

λ
= P(TA > T1 ) =
λ + µA
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Ilustrasi-3
Lama waktu (number of hours) kedatangan kereta yang berturutan

adalah p.a uniform pada selang nol dan satu. Para penumpang
datang menurut Proses Poisson dengan mean 7 per jam. Misalkan
sebuah kereta baru saja meninggalkan stasiun. Misalkan X
banyaknya penumpang yang akan masuk ke kereta berikutnya.
Hitung E (X ).
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi:
Misalkan T ∼ U(0, 1) (waktu antar kedatangan kereta atau train
interarrival time) dan Xt p.a yang menyatakan kedatangan
penumpang menurut Proses Poisson.
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
∞
X (λ t)n
E (X |t) = E (X |T = t) = n exp(−λ t) = λt
n!
n=0
Jadi,
Z 1
E (X ) = E (E (X |T )) = E (λ T ) = λ t dt = λ/2
0
Diketahui λ = 7, jadi E (X ) = 3.5.
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Peubah Acak Poisson -1
Suatu peubah acak X dikatakan sebagai peubah acak Poisson

dengan parameter λ jika, untuk suatu λ > 0, memiliki fungsi
peluang
λk
P(X = k) = e −λ , k = 0, 1, . . .
k!
Catatan: Salah satu sifat penting dari p.a Poisson adalah bahwa
p.a ini dapat digunakan untuk mendekati p.a Binomial saat n besar
dan p kecil. (Buktikan!)
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Contoh:
1 Banyaknya kesalahan ketik di suatu halaman sebuah buku
2 Banyaknya mahasiswa yang tinggal di daerah Dago
3 Banyaknya nasabah yang ada di Bank
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Peubah Acak Poisson -2
Definisi lain mengenai p.a Poisson adalah sbb. Banyaknya kejadian

pada interval dengan panjang t adalah p.a Poisson dengan
parameter λt,
(λt)k
P(Nt = k) = e −λt , k = 0, 1, . . .
k!
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Contoh:
1 Banyaknya kejadian gempa di pulau Jawa dan Madura per
minggu adalah 2. Berapa peluang terjadi setidaknya 3 gempa
selama 2 minggu kedepan?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Definisi
Suatu proses stokastik {Nt , t ≥ 0} adalah proses menghitung

(counting process) jika Nt merupakan total banyaknya kejadian
(events) yang terjadi sampai waktu t.
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Contoh:
1 Banyaknya orang yang masuk ke suatu toko pada
waktu/sampai waktu t
2 Banyaknya bayi yang lahir
3 Banyaknya pasien yang bertahan hidup
4 Banyaknya gol yang diciptakan pemain
5 Banyaknya klaim asuransi yang masuk
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Kriteria
Proses menghitung {Nt , t ≥ 0} haruslah memenuhi hal-hal

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
Peubah Acak Poisson
Proses Menghitung
Latihan
Diskusi
Kenaikan independen (independent increments) ?

Kenaikan stasioner (stationary increments) ?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
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
Peubah Acak Poisson
Proses Menghitung
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
Peubah Acak Poisson
Waktu Antar Kedatangan
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
Latihan
Misalkan T1 menyatakan waktu dari kejadian 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
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
Latihan
Untuk menentukan distribusi dari Tn , perhatikan bahwa kejadian

{T1 > t} terjadi j.h.j tidak ada kejadian dari proses Poisson yang
terjadi pada interval [0, t], sehingga
P(T1 > t) = P(Nt = 0) = exp(−λt)
Jadi T1 berdistribusi eksponensial dengan mean 1/λ.
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
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])
= exp(−λt)
Dengan demikian, T2 juga peubah acak eksponensial dengan mean

1/λ, dan T2 saling bebas dengan T1 .
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
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...
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
Latihan
Contoh/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
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
Latihan
Solusi:
E (T1 + · · · + T10 ) = E (T1 ) + · · · + E (T10 ) = 10 · 1 = 10
atau
E (S10 ) = (10)(1/λ) = 10
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Waktu Tunggu
Contoh/Latihan
Latihan
Solusi:
P(T11 > 2) = exp(−2λ) = exp(−2(1)) = exp(−2)
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Latihan
1. 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 f.p
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
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi:
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
Peubah Acak Poisson
Proses Menghitung
Latihan
2. 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.
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi: Diketahui,
NTS ∼ POI (1/2), NDS ∼ POI (3/2)
dan NTS + NDS = NT ∼ POI (2).
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Solusi: Karena λ = 2 = 1/2 + 3/2, maka T1 ∼ Exp(2),
P(T1 > 3) = e −6
E (Tk ) = 1/2
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Peubah acak dan distribusi Poisson, eksponensial

Proses menghitung
Independent dan stationary increments
Proses Poisson sebagai proses menghitung
Banyak kejadian vs waktu terjadinya kejadian
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Terminologi “Sesat”
T1 adalah p.a. yang menyatakan waktu yang dibutuhkan atau

waktu yang tersisa atau elapsed time untuk terjadinya
kejadian yang pertama; P(T1 > t)
Nt p.a. yang menyatakan banyak kejadian pada waktu [0, t];
P(Nt = 0)
Waktu yang diharapkan hingga orang/subyek ke-i datang atau
waktu tunggu atau waiting time
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
“peluang bahwa setidaknya sebuah klaim akan diproses pada 5 jam

kedepan”
P(T1 ≤ 10) atau P(T1 < 10) ?
P(N10 ≥ 1)
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
“peluang bahwa setidaknya tiga klaim akan diproses dalam 5 jam”

P(N10 ≥ 3)
P(S3 = T1 + T2 + T3 ≤ 10)
P(T1 < 10)
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Proses:
N(t) = N1 (t) + N2 (t),
juga merupakan proses Poisson dengan parameter λ1 + λ2 .
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
N0 = N1 (0) + N2 (0) = 0 + 0 = 0
Untuk setiap s, t > 0, N1 (t) dan N1 (t + s) − N1 (t) saling
bebas; N1 (t) dan N2 (t) juga saling bebas. Akibatnya,
N1 (t) + N2 (t) dan N1 (t + 2) + N2 (t + s) − N1 (t) − N2 (t)
saling bebas. Jadi N1 (t) + N2 (t) memiliki independent
increments
Untuk s < t, N1 (t) − N1 (s) ∼ POI (λ1 (t − s)) dan sifat
distribusi Poisson,
N2 (t) − N2 (s) + N1 (t) − N1 (s) ∼ POI ((λ1 + λ2 )(t − s))
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
“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?”
P(T1 > 3) atau P(N3 = 0) ?
E (Tk ) atau E (Nt ) ?
P(TDS < TTS ) ?
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Misalkan kita punyai proses Poisson {NDS } dan {NTS },
P(NDS = 1|NDS + NTS = 1)

P(NDS + NTS = 1, NDS = 1)
=
P(NDS + NTS = 1)
P(NDS = 1, NDS = 0)
=
P(NDS + NTS = 1)
λ1 e −λ1 e −λ2
=
(λ1 + λ2 ) e −(λ1 +λ2 )
λ1
=
λ1 + λ2
Ilustrasi
Peubah Acak Poisson
Proses Menghitung
Latihan
Bagaiman dengan “Mobil-mobil yang lewat McD Dago datang

menurut proses Poisson dengan laju λ. Laila yang ingin
menyeberang di depan McD akan menunggu hingga tidak ada
mobil lewat pada T waktu ke depan. Hitung waktu harapan Laila
menunggu sebelum menyeberang” ?

Bab 4 ProsStok PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

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 4 ProsStok PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Tentang Kuliah Proses Stokastik

MA4081 PENGANTAR PROSES STOKASTIK

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

“Orang Pintar Belajar Stokastik”

Tentang Kuliah Proses Stokastik

Bab 1 : Tentang Peluang

Ujian tanggal 4.12.12 sebanyak 5 soal:

Soal yang dijawab BENAR akan menaikkan Indeks Nilai Akhir!

Orang-orang (atau tamu) yang datang ke suatu kantor administrasi

Solusi: Misalkan Si waktu layanan petugas Pi. Asumsikan S1 < S2

E (TN ) = E (SNP1 ) + E (SNP2 ) + 3 · E (SP2 )

Urusan admin(istrasi) untuk wisuda Juli nanti di ITB lumayan

Mobil-mobil yang lewat dijalanan Dago melewati McD akan datang

Dua orang pasien, A dan B, membutuhkan ginjal. Jika dia tidak

P(A mendapat ginjal baru)

Lama waktu (number of hours) kedatangan kereta yang berturutan

Diketahui λ = 7, jadi E (X ) = 3.5.

Peubah Acak Poisson -1

Suatu peubah acak X dikatakan sebagai peubah acak Poisson

Peubah Acak Poisson -2

Definisi lain mengenai p.a Poisson adalah sbb. Banyaknya kejadian

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

Proses menghitung {Nt , t ≥ 0} haruslah memenuhi hal-hal

Kenaikan independen (independent increments) ?

Proses menghitung {Nt , t ≥ 0} adalah Proses POISSON dengan

Proses menghitung {Nt , t ≥ 0} adalah Proses POISSON dengan

Waktu Antar Kedatangan

Misalkan T1 menyatakan waktu dari kejadian pertama. Untuk

Untuk menentukan distribusi dari Tn , perhatikan bahwa kejadian

P(T1 > t) = P(Nt = 0) = exp(−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

E (T1 + · · · + T10 ) = E (T1 ) + · · · + E (T10 ) = 10 · 1 = 10

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

1. Misalkan TK menyatakan waktu yang dibutuhkan (elapsed

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)

2. Mahasiswa-mahasiswa MA ITB akan datang ke Gedung

NTS ∼ POI (1/2), NDS ∼ POI (3/2)

dan NTS + NDS = NT ∼ POI (2).

Solusi: Karena λ = 2 = 1/2 + 3/2, maka T1 ∼ Exp(2),

Kilas Balik Proses Poisson

Peubah acak dan distribusi Poisson, eksponensial

T1 adalah p.a. yang menyatakan waktu yang dibutuhkan atau

“peluang bahwa setidaknya sebuah klaim akan diproses pada 5 jam

“peluang bahwa setidaknya tiga klaim akan diproses dalam 5 jam”

N2 (t) − N2 (s) + N1 (t) − N1 (s) ∼ POI ((λ1 + λ2 )(t − s))

“Berapa peluang tidak ada mahasiswa yang datang pada selang

Misalkan kita punyai proses Poisson {NDS } dan {NTS },

P(NDS = 1|NDS + NTS = 1)

Bagaiman dengan “Mobil-mobil yang lewat McD Dago datang

Anda mungkin juga menyukai