Oleh karena itu, reliabilitas suatu komponen pada waktu t, yaitu R(t), adalah:
R ( t )=P(T > t)
∞
¿ ∫ f ( t ) dt=1−F (t)
t
F¿¿
Jika dibagi dengan ∆ t dan ∆ t → 0, akan kita peroleh tingkat kegagalan yang
dinotasikan oleh Z( t)
lim F ( t+ ∆ t )−F (t )
∆t →0 1
Z ( t )= .
∆t R( t)
F !(t ) f ( t ) f (t)
¿ − −
R( t) R(T ) 1−F (T )
R' (t )
Z ( t )= =−d ¿ ¿
R (t)
ln R ( t )=−∫ Z ( t ) dt
− Z ( t ) dt
R ( t )=e ∫ TC
C adalah konstanta yang akan memenuhi asumsi bahwa R ( 0 )=1 atau
F ( 0 )=1−R ( 0 ) =0
Proses stochastic ini dapat dipandang sebagai suatu fungsi dari dua
variabel t dan s, dimana domain s adalah set S dan domain t adalah set bilanan
riil. Untuk suatu outcome si tertentu, ekspresi , x (t , si ) menyatakan suatu
fungsi waktu tunggal, sedangkan untuk suatu harga t i tertentu, x (t¿ ¿i , s)¿
adalah suatu besaran yang bergantung pada s, dan disebut sebagai variabel
random. Akhirnya, , x (t ¿ ¿i , s i)¿ adalah suatu bilangan murni.
Contoh:
Dari suatu eksperimen pembuatan generator diketahui bahwa gaya
elektromotif untuk generator tertentu merupakan gelombang sinus sebagai
berikut :
Gambar
Maka x ( t ) terdiri atas dua kurva yang sangat teratur. Namun, ini adalah
suatu proses stochastic juga.
Kelas yang penting dari sistem stochastic ini adalah yang dikenal
sebagai proses Markov dan rantai Markov. Rantai markov ini sebenarnya
suatu kasus khusus dari proses Markov yang digunakam untuk
mempelajari perilaku sistem stochastic tertentu.
Proses Markov adalah suatu sistem stochastic yang mempunyai
karakter bahwa terjadinya suatu state pada suatu saat bergantung pada dan
hanya pada state sebelumnya. Maka apabila
t 0< t 1 <…< t n (n = 0, 1, ...)
Sebagai probabilitas transisi dari state i pada t n−1 ke state j pada saat t n,
dan asumsikan bahwa probabilitas ini tetap sepanjang waktu. Maka
probabilitas transisi dari state si ke state s jini akan lebih mudah jika
disusun dalam suatu bentuk matriks sebagai berikut :
[
P10
P= P20
P30
.
P11
P21
P31
.
P12
P22
P32
.
P13
P23
P33
.
…
… .¿.¿.¿¿ .¿.¿.¿.¿¿
…
¿
]
Matriks P ibni disebut sebagai transisi homogen atau matriks Stochastic karena
seluruh probabilitas transisi Pij berharga tetap dan independen terhadap waktu.
Berdasarkan { a j } dan P dari suatu rantai Markov, maka probabilitas absolut dari
(0)
sistem yang telah menjalani sejumlah transisi ditentukan sebagai berikut : jika
{ a j(0) } adalah probabilitas absolut dari sistem setelah transisi , yaitu pada saat t n,
maka seara umum { a j } dapat dinyatakan sebagai :
(0)
(0)
¿ ∑ ai pi j
i
Demikian juga
probabilitas transisi order kedua, yaitu probabilitas dari state k ke state j dalam
( 0) ( n−1 )
pk j =∑ ai(0) pi j n ¿ ¿
(n )
dua transisi. Maka :a j =∑ ai (∑ p k i
)
i k i