ANTAI
KUANTITATIF
MARKOV
#LPOSI2022
DEBORA A T
TAMPUBOLON -
14420016
ROSES STOKASTIK
Kumpulan variabel random yang berevolusi sepanjang waktu
KLASIFIKASI
Himpunan Waktu
KLASIFIKASI
M : Himpunan status
ROBABILITAS TRANSISI T-LANGKAH
Persamaan
Chapman-
Kolmogorov
Bentuk khusus dari Rantai Markov waktu diskret yang memiliki ciri-ciri :
nilai πj ditentukan
π sebagai vektor barıs dengan pemecahan
persamaan linear :
ERATA WAKTU
πi sebagai probabilitas
kondisi mapan status i
ROBABILITAS PENYERAPAN
Rantai Markov waktu-diskret absorbing : dicirikan dengan adanya status yang
bersifat transien
Q : Submatriks dari matriks probabilitas transisi satu-langkah dari status transien ke status
transien
I : Matriks identitas
ERATA DURASI
Rerata durasi proses akan masuk ke status transien i ∈ K sebelum penyerapan
terjadi
WAKTU-KONTINYU
ANTAI MARKOV WAKTU-KONTINYU
Proses stokastik yang memenuhi asumsi markov dengan status proses diskret dan
berevolusi sepanjang waktu secara kontinyu
Proses Markov dikatakan homogen atau stasioner jika probabilitas bersyarat hanya
bergantung pada interval waktu antar kejadian, bukan pada titik-titik waktu
FUNGSI DISTRIBUSI KUMULATIF VARIABEL RANDOM T RERATA DAN VARIANSI VARIABEL RANDOM T YANG
YANG BERDISTRIBUSI EKSPONENSIAL BERDISTRIBUSI EKSPONENSIAL
IRI-CIRI FUNGSI DISTRIBUSI EKSPONENSIAL
MINIMUM VARIABEL
FUNGSI MENURUN TAK ADA INGATAN RANDOM EKSPONENSIAL
YANG IDENTIK DAN
SALING INDEPENDEN
Fungsi distribusi Distribusi probabilitas
eksponensial merupakan waktu tersisa hingga Minimum dari beberapa
fungsi yang menurun kejadian terjadi selalu variabel random yang
untuk t ≥ 0 sama tanpa memandang saling independen juga
berapa banyak waktu memiliki distribusi
yang sudah terlewat eksponensial
ROBABILITAS KONDISI MAPAN
Probabilitas saat proses berada pada status j dalam jangka panjang
μ = laju kematian
λ = laju kelahiran
DIAGRAM TRANSISI
ROSES POISSON
FUNGSI PROBABILITAS TRANSISI DARI STATUS I = 0 KE STATUS J