Proses Kelahiran Dan Kematian
Proses Kelahiran Dan Kematian
Misalkan {𝑋(𝑡 ): 𝑡 ≥ 0} adalah CTMC dengan ruang state 𝑆. Misalkan untuk setiap
𝑖, 𝑗 ∈ 𝑆, terdapat peluang positif bahwa di mulai dari state 𝑖, proses akan pernah
berada di state 𝑗 (state 𝑖 dan state 𝑗 saling berkomunikasi). Demikian juga, dimulai
dari state 𝑖, proses akan kembali ke state 𝑖, dan ekspektasi banyaknya transisi untuk
kembali ke 𝑖 untuk pertama kalinya adalah berhingga (positive recurrent). Maka
dengan kondisi seperti itu, lim 𝑝𝑖𝑗 (𝑡) ada dan saling bebas dengan 𝑖.
𝑡→∞
Misalkan 𝑝𝑗 ≡ lim 𝑝𝑖𝑗 (𝑡) . Maka 𝑝𝑗 adalah long-run probability proses berada di
𝑡→∞
state 𝑗.
= lim (𝑝𝑗 − 𝑝𝑗 )
ℎ→0
=0
∑ 𝑞𝑘𝑗 𝑝𝑘 = 𝑣𝑗 𝑝𝑗 … … … … … … … … …. (1)
𝑘≠𝑗
∑ 𝑝𝑗 = 1 … … … … … … … … …. (2)
𝑗
- ketika berada di state 𝑗, proses akan meninggalkan state 𝑗 dengan laju 𝑣𝑗 , dengan
𝑝𝑗 adalah proporsi waktu proses berada di state 𝑗, sehingga:
𝑣𝑗 𝑝𝑗 ≔ laju proses meninggalkan state 𝑗 (laju ‘in’).
- Ketika berada di state 𝑘, proses akan memasuki state 𝑗 dengan laju 𝑞𝑘𝑗 , dan
dengan 𝑝𝑘 menyatakan proporsi dari waktu proses berada di state 𝑘, maka 𝑞𝑘𝑗 𝑝𝑘
adalah laju proses yang berada di state 𝑘 akan bertransisi ke state 𝑗, sehingga
Jadi persamaan (1) adalah sebuah pernyataan tentang kesamaan antara laju
proses ‘memasuki’ atau ‘meninggalkan’ state 𝑗. Karena kesamaan kedua laju
tersebut, maka persamaan (1) disebut juga persamaan keseimbangan (balance
equation).
Dari contoh sebelumnya, misalkan 𝑝0 adalah long-run probability tidak ada
penumpang di stasiun yang menunggu kereta tiba, 𝑝1 adalah long-run probability
terdapat paling sedikit 1 penumpang yang menunggu kereta tiba.
Diketahui bahwa:
Diperoleh:
𝜇
𝑝0 =
𝜆+𝜇
𝜆
𝑝1 =
𝜆+𝜇
Nilai 𝑝0 dan 𝑝1 yang sama akan diperoleh melalui penyelesaian 𝑝00 yang diperoleh
pada contoh sebelumnya, yaitu dari
Untuk 𝑡 → ∞ maka
𝜆𝑖 = 𝑣𝑖 𝑝𝑖(𝑖+1) = 𝑞𝑖,𝑖+1
𝜇𝑖 = 𝑣𝑖 𝑝𝑖(𝑖−1) = 𝑞𝑖,𝑖−1 … … … … … … … … …
Jadi 𝜆𝑖 adalah laju kelahiran ketika proses berada di state 𝑖; 𝜇𝑖 adalah laju kematian ketika proses
berada di state 𝑖; sedangkan 𝜆𝑖 + 𝜇𝑖 adalah laju transisi meninggalkan state 𝑖. Diagram laju transisi
state dari sebuah proses kelahiran dan kematian diperlihatkan pada Gambar 1. Disebut diagram
laju, bukan diagram transisi state, karena diagram tersebut memperlihatkan laju proses berpindah
dari state ke state lain, dan bukan peluang perpindahan dari satu state ke state lain. Sebagai
akibatnya, 𝜇0 = 0, karena tidak ada kematian ketika proses berada di state 0.
Ketika proses berada di state 𝑖, peluang transisi ke state berikutnya adalah 𝑝𝑖(𝑖+1) dan
𝑝𝑖(𝑖−1) . Sehingga diperoleh hubungan antara laju kelahiran, laju kematian dan
peluang transisi diberikan sebagai berikut:
Suatu proses kelahiran dan kematian disebut proses kelahiran murni jika 𝜇𝑖 = 0 untuk
setiap 𝑖, dan disebut proses kematian murni jika 𝜆𝑖 = 0. Dari kedua proses tersebut, proses
kelahiran murni lebih menarik untuk dikaji karena menggambarkan dinamika populasi yang terus
bertambah karena kemampuan bertahan hidup dan melahirkan keturunan. Proses kelahiran murni
disebut juga proses Yule.
……………………. (3)
Sistem persamaan tersebut menyatakan bahwa laju proses meninggalkan state 𝑖 (baik karena
kelahiran terjadi atau kematian terjadi) sama dengan laju proses memasuki 𝑖 (dari state 𝑖 − 1 jika
kelahiran terjadi, atau dari state 𝑖 + 1 jika kematian terjadi). Jadi laju memasuki state 𝑖 sama
dengan laju meninggalkan state 𝑖.
atau
Karena ∑∞
𝑛=0 𝑃𝑛 = 1, yang juga berarti bahwa
maka diperoleh
sehingga
𝜆
Karena deret di ruas kanan konvergen jika 𝜇 < 1, yang ekuivalen dengan 𝜆 < 𝜇 maka
𝜆
𝑃0 = 1 −
𝜇
𝜆 𝜆 𝑛
𝑃𝑛 = (1 − ) ( )
𝜇 𝜇
Pada pembahasan sebelumnya telah diberikan bahwa untuk setiap state 𝑖, 𝑗 ∈ 𝑆 dan 𝑡 ≥ 0,
Persamaan Forward Kolmogorov adalah:
……………. 2)
………… 3
Sistem Persamaan differensial Backward Kolmogorov untuk proses Yule (kelahiran murni).
Berdasarkan persamaan 3) maka Persamaan backward untuk proses kelahiran murni menjadi:
Contoh
1
Sebuah mesin bekerja sepanjang waktu yang berdistribusi eksponensial dengan mean 𝜆 sebelum
mengalami kerusakan. Misalkan lamanya waktu perbaikan mesin berdistribusi eksponensial
1
dengan mean 𝜇. Jika mesin bekerja pada saat 𝑡 = 0, berapa peluang mesin masih akan sementara
bekerja pada saat 𝑡 = 10?
Untuk menjawab pertanyaan ini, kita bisa meninjau proses ini sebagai proses kelahiran dan
kematian (state 0 berarti mesin bekerja dan state 1 mesin dalam perbaikan) dengan parameter
masing-masing sebagai berikut:
Pertanyaan adalah berapa 𝑃00 (10)?
Dari persamaan 1 di atas, maka dalam kasus ini kita mempunyai persamaan sebagai berikut:
Misalkan
Maka
Integralkan kedua ruas diperoleh:
Atau
Maka:
dan
=======================================================================