Kegiatan Belajar.
10.1. Persamaan Chapman-kolmogorov.
Pada kuliah sebelumnya telah dibahas peluang transisi satu langkah Pij , kemudian
pada kuliah ini akan dilanjutkan pembahasan tentang peluang transisi n langkah (step) yang
dinotasikan dengan Pij( n ) dan matriks peluang transisi n langkah yang ditulis dengan lambang
P ( n ) P n Pij( n ) .
Definisi 10.1.
Peluang transisi n langkah dan dinyatakan dengan Pij( n ) adalah peluang bahwa proses
yang sekarang di state i akan pergi dan berada ke state j setelah n kali transisi. Secara secara
matematis formal dinyatakan
Pij( n ) P( X m n j | X m i ) , n 0, i, j 0 (10.1)
Persamaan (10.1) tentunya berlaku untuk Pij(1) Pij yang sudah dibahas sebelumnya.
di mana didefinisikan
1, jika i j
Pij(0) .
0, jika i j
Bukti :
Berdasarkan teorema peluang total didapat
Pij( n ) P( X n j | X 0 i ) P( X n j , X 1 k | X 0 i )
k 0
P( X 1 k | X 0 i ) P( X n j | X 0 j , X 1 k )
k 0
P( X 1 k | X 0 i ) P( X n j | X 1 k )
k 0
Pik Pkj( n 1) .■
k 0
P( X n k | X 0 i ) P( X n m j | X n k )
k 0
Pikn Pkjm .■
k 0
Persamaan (10.2) atau (10.3) dikenal dengan nama persamaan Chapman_Kolmogorov, yaitu
suatu metode untuk menghitung peluang transisi atau matriks transisi dalam n langkah.
Misalkan P ( n ) adalah matriks peluang transisisi dalam n langkah dengan elemen-
elemennya merupakan peluang transisis dalam n langkah. Dari persamaan (10.2) didapat
P ( n ) P (1) P ( n 1) P P (1) P ( n 2)
P P P P
P P P P . (10.4)
n faktor
Berdasarkan persamaan (10.4), matriks peluang transisi dalam n langkah dapat diperoleh
dengan mengalikan matriks peluang transisi satu langkah (P) sebanyak n kali.
Berdasarkan persamaan (10.2) atau (10.3) diketahui bahwa suatu rantai Markov yang
awalnya berada di state i setelah satu transisi akan berada di state j dengan peluang Pij ,
yaitu elemen baris ke- i dan kolom ke- j atau elemen (i , j) dari matrik P. Catatan: sesuai
aturan penulisan bahwa notasi P yang dicetak bold (tebal) adalah notasi untuk matriks, dan
Pij yang ditulis biasa (tidak tebal) menyatakan elemen (i , j) dari matriks P. Notasi P ( n )
Contoh 10.1.
Sebuah rantai Markov ( X n } dalam ruang state {0,1, 2} mempunyai matriks peluang
transisi sebagai berikut
0 1 2
0 0,1 0, 2 0, 7
P
1 0, 2 0, 2 0, 6
2 0, 6 0,1 0,3
b. Hitunglah P (2)
c. Bandingkan P (2) berdasarkan hasil perhitungan pada soal (a) dengan P (2) P 2 P P .
d. Apa yang dimaksud P( X 3 1| X 1 0) dan kemudian tentukan nilainya
P01(2) P0 k Pk1 P00 P01 P01 P11 P02 P21 0,1 0, 2 0, 2 0, 2 0, 7 0,1 0,13
k 0
P (2)
02 P0 k Pk 2 P00 P02 P01 P12 P02 P22 0,1 0, 7 0, 2 0, 6 0, 7 0,3 0, 40
k 0
(ii) P10(2) P1k Pk 0 P10 P00 P11 P10 P12 P20 0, 2 0,1 0, 2 0, 2 0, 6 0, 6 0, 42
k 0
P11(2) P1k Pk1 P10 P01 P11 P11 P12 P21 0, 2 0, 2 0, 2 0, 2 0, 6 0,1 0,14
k 0
P12(2) P1k Pk 2 P10 P02 P11 P12 P12 P22 0, 2 0, 7 0, 2 0, 6 0, 6 0,3 0, 44
k 0
(iii) P20(2) P2 k Pk 0 P20 P00 P21P10 P22 P20 0, 6 0,1 0,1 0, 2 0,3 0, 6 0, 26
k 0
P21(2) P2 k Pk1 P20 P01 P21 P11 P22 P21 0, 6 0, 2 0,1 0, 2 0,3 0,1 0,17
k 0
P22(2) P2 k Pk 2 P20 P02 P21P12 P22 P22 0, 6 0, 7 0,1 0, 6 0,3 0,3 0,57
k 0
k 0
Dari persamaan (10.2), misalkan diketahui ruang state adalah {0, 1, 2, . . .}, dan jika
didefinisikan suatu vektor baris
π(0) [ 0(0) 1(0) 2(0) ],
dengan i(0) P( X 0 i), i 0,1, 2, menyatakan peluang (distribusi peluang) rantai Markov
berada di state i pada permulaan proses, maka peluang setelah satu transisi rantai Markov
tersebut berada di state j, diberikan oleh
dimana (j n ) P( X n j ) dan
π( n ) π(0) P( n) , (10.7)
Contoh 10.2.
Berdasarkan soal pada contoh 10.1, jika diketahui distribusi awal state berturut-turut
0(0) P( X 0 0) 0,3 ; 1(0) P( X 0 1) 0,5 dan 2(0) P( X 0 2) 0, 2 , hitunglah
a. 0(1) , 1(1) dan 21
Penyelesaian :
Dengan menggunakan persamaan (10.5) atau (10.6) didapat
2
a. 0(1) 0 k(0) Pk 0 0(0) P00 1(0) P10 2(0) P20 0,3 0,1 0,5 0, 2 0, 2 0, 6 0, 25
k 0
2
1(1) 1 k(0) Pk1 0(0) P01 1(0) P11 2(0) P21 0,3 0, 2 0,5 0, 2 0, 2 0,1 0,18
k 0
2
2(1) 2 k(0) Pk 2 0(0) P02 1(0) P12 2(0) P22 0,3 0, 7 0,5 0, 6 0, 2 0,3 0,57
k 0
0,1 0, 2 0, 7
π (1)
[ (1)
0 (1)
1 ] π P 0,3 0,5 0, 2 0, 2 0, 2 0, 6 [0, 25 0,18 0,57]
(1)
2
(0)
0, 6 0,1 0,3
0, 47 0,13 0, 40
π (2)
0,3 0,5 0, 2 0, 42 0,14 0, 44 0, 403 0,143 0, 454 .
0, 26 0,17 0,57
Contoh 10.3
Berdasarkan soal pada contoh 10.2, hitunglah
a. P( X 3 0); P( X 3 1) dan P( X 3 2)
b. P( X 3 2, X 2 1, X1 0)
c. P( X 3 0, X 2 1, X1 2 | X 0 2)
Penyelesaian :
Bersdasarkan matrik peluang satu transisi pada soal 10.2, didapat matriks peluang
transisi 3 langkah, yaitu
0,313 0,160 0,527
P (3)
P 0,334 0,156 0,510
3
P( X1 0) P( X 2 1| X1 0) P( X 3 2 | X 2 1)
c. P( X 3 0, X 2 1, X1 2 | X 0 2) P( X 3 0 | X 2 1) P( X 2 1| X1 2) P( X1 2 | X 0 2)
daerah yang diteliti pada minggu ke n, maka { X n } adalah rantai Markov, dengan ruang
parameter (indeks) adalah {1,2, . . .} dan ruang state adalah {A, B}. Matrik peluang transisi
satu langkah rantai Markov tersebut adalah
a.
A B
A 0,85 0,15 0,85 0,15 ,
P
B 0, 05 0,95 0, 05 0,95
(Catatan: jumlah setiap baris pada matriks peluang transisi adalah 1)
b. Diketahui distribusi penonton TV awal survey adalah π(0) 0, 40 0, 60 .
maka state i dan state j dikatakan saling berkomunikasi (communicate) dan dinotasikan
dengan i j .
Untuk dapat memberi gambaran apakah state-state suatu rantai Markov dapat capai,
saling berkomunikasi, maka rantai Markov tersebut dapat dipresentasikan dalam suatu graf,
dimana ruang state dapat digambarkan sebagi himpunan verteks dan peluang-peluang transisi
dapat digambarkan sebagai himpunan sisi yang berarah dengan bobot sisi menyatakan nilai
peluangnya. Graf yang mempresentasikan rantai Markov sering dinamakan diagram transisi
dari rantai Markov.
Contoh 10.5.
Suatu rantai Markov { X n , n 0,1, 2,} dengan ruang satate {0, 1, 2, 3} mempunyai
matriks peluang transisi
0 0 1 0
0,15 0,8 0 0, 05
P
0, 2 0,3 0,3 0, 2
0 0 0,3 0, 7
Selidiki apakah semua state dari rantai Markov tersebut saling berkomunikasi?
Pemyelesaian:
Diagram transisi dari rantai Markov di atas diberikan oleh gambar 10.1 berikut
Gambar 10.1. Diagram transisi rantai Markov untuk contoh soal 10.5
Berdasarkan gambar 10.1, didapat
0 1 karen P01(2) 0 dan P10 0 ; 0 2 karen P02 0 dan P20 0
Dengan cara yang sama dapat ditunjukkan bahwa i j untuk semua i, j {0,1, 2,3} . Jadi
semua state rantai Markov saling berkomunikasi.