Hendrawan
hend@stei.itb.ac.id
Outline
Markov Processes
Discrete Time Markov Chain
Homogeneous, Irreducible,
Transient/Recurrent, Periodic/Aperiodic
Ergodic
Transient Behavior
Stationary Probability
Markov
Sumber: wikipedia
Markov Processes
X(t) adalah suatu Markov Process jika memenuhi
Markov (Memoryless) Property
Jika fj = 1
State Ej disebut “Recurrent State”
Jika Mj = ∞
State Ej disebut “Recurrent Null State”
Jika Mj < ∞
State Ej disebut “Recurrent Nonnull State”
Periodic atau Aperiodic
Mis. = integer
Jika langkah (step) yg mungkin shg proses
kembali ke state Ei adalah , 2, 3, …
Jika > 1 dan adalah bilangan integer terbesar
State Ei dikatakan “Periodic”
Recurrence time utk state Ei memp. perioda
Jika = 1
State Ei dikatakan “Aperiodic”
Periodic atau Aperiodic
Ergodicity
Probabilitas Transisi
(Transition Probability)
Jika P(Xn+1=j Xn=i) independen thd n, kita
dapatkan homogeneous discrete-time MC
One-step transition probability Pij, adalah
probabilitas proses bergerak dari state i ke j saat
index parameter dinaikan dari n ke n+1, yaitu
Sumber: wikipedia
Contoh State Probabilities
Perhatikan contoh sblmnya. Misalkan pd hari Senin
cuaca sunny, berapa probabilitas akan hujan pada
hari Rabu. Diberikan i(0) = [1 0 0]
Didapatkan:
Limiting State Probabilities
Jika suatu MC adalah ergodic, maka limiting
probabilities, {j, j S} dimana
memenuhi
dan
Definisi
State probability:
j(n) = P[menemukan sistem pd state j pd step
ke-n]
j(n) = P[Xn = j]
Hasilnya adalah
Global Balance Equation
Mengalikan dengan j dan menggunakan