Nama : Jois Sumardin Gulo

Nim : 20210120035

Kelas : TE21a

Tugas 14 Probabilitas dan Statistika

1. Jelaskan konsep dasar rantai Markov dan berikan contoh situasi nyata di mana
model ini dapat digunakan khususnya dalam bidang teknik elektro.
2. Apa peran matriks transisi dalam rantai Markov, dan bagaimana kita dapat
menggunakannya untuk memprediksi probabilitas keadaan di masa depan?
3. Bagaimana kita dapat mengidentifikasi steady state dalam analisis rantai Markov?
4. Jelaskan konsep keseimbangan jangka panjang dalam rantai Markov dan
hubungannya dengan steady state.

Selamat Mengerjakan

Jawaban :

1. Rantai Markov adalah sebuah model matematika yang digunakan untuk menggambarkan
proses acak yang mengalami perubahan keadaan dari waktu ke waktu. Model ini tidak
memiliki memori, artinya keadaan saat ini hanya bergantung pada keadaan sebelumnya.
Contoh nyata penggunaan rantai Markov dalam bidang teknik elektro adalah pada jaringan
komunikasi nirkabel. Misalnya, dalam protokol komunikasi seluler seperti GSM, rantai
Markov dapat digunakan untuk memodelkan perpindahan sinyal antara sel-sel basis yang
berbeda.
2. Matriks transisi memiliki peran penting dalam rantai Markov. Matriks ini digunakan untuk
merepresentasikan perubahan keadaan dalam rantai Markov. Setiap elemen dalam matriks
transisi menyatakan probabilitas perpindahan dari satu keadaan ke keadaan lain dalam satu
langkah waktu. Dengan menggunakan matriks transisi, kita dapat memprediksi probabilitas
keadaan di masa depan dengan mengalikan matriks transisi dengan vektor probabilitas
keadaan saat ini.
3. Steady state dalam analisis rantai Markov merupakan keadaan di mana probabilitas keadaan
tidak berubah seiring berjalannya waktu. Dalam steady state, matriks probabilitas tidak
mengalami perubahan saat dikalikan dengan matriks transisi. Untuk mengidentifikasi steady
state, kita perlu mencari vektor probabilitas tetap yang memenuhi persamaan steady state,
yaitu vektor probabilitas yang ketika dikalikan dengan matriks transisi akan menghasilkan
vektor probabilitas itu sendiri.
4. Keseimbangan jangka panjang dalam rantai Markov tercapai ketika probabilitas keadaan
mencapai kondisi steady state dan tetap konstan seiring berjalannya waktu. Dalam
keseimbangan jangka panjang, distribusi probabilitas keadaan tidak mengalami perubahan.
Hubungannya dengan steady state adalah bahwa steady state merupakan kondisi
keseimbangan jangka panjang di mana probabilitas keadaan tetap konstan.