Proses Stokastik
description
Transcript of Proses Stokastik
DR. Rahma Fitriani, S.Si., M.Sc
Proses Stokastik
Semester Ganjil 2013
The Long Run Behaviour of Markov Chains Menganalisis peluang transisi n langkah dari rantai
markov untuk n → ∞: The Limiting Probability Distribution Tidak tergantung pada state awal
Peluang transisi n langkah tersebut ada jika rantai markov mempunyai matriks peluang yang bersifat regular Semua elemen Pk >0
NjforP jn
ijn
,,1,0 ,0)(lim
NjforiXjX jnn
,,1,0 ,0Pr 0lim
Apapun state awalnya (initial state) rantai markov akan berakhir di state j dengan peluang πj
Contoh: Rantai Markov dua State
25.075.067.033.0
10
1 0P
1,0 ,1
110
1 0
babb
aaP
baa
bab
baa
bab
Pn
nlim
528169.075.067.0
75.0
bab
471831.0528169.0471831.0528169.0
lim n
nP
471831.075.067.0
67.0
baa
P dengan beberapa pangkat:
565.0435.0
3886.06114.010
1 02P
488266.0511734.0457149.0542851.0
10
1 04P
472342.0527658.0471374.0528626.0
10
1 08P
471831.0528169.0471831.0528169.0
10
1 016P
π0 π1
471831.0528169.0π
Syarat Keberadaan the Limiting probability Rantai markov mempunya matriks peluang
transisi yang bersifat regular Matriks peluang transisi bersifat regular jika:
Setiap pasang state i, j, terdapat jalur k1, k2, …, kr di mana Pik1
P k1k2 ... Pkrj>0
Terdapat paling sedikit satu i di mana Pii>0
The Limiting Probability Distribution Jika P matriks peluang transisi yang bersifat regular di
mana terdapat 0, 1, 2, …, N, kemungkinan state, maka: The limiting probability distribution =(0, 1, 2, …,N)
adalah solusi unik dari persamaan:
= P
1i
i
Contoh Untuk rantai markov dengan matriks peluang transisi
berikut ini:
45.050.005.025.070.005.010.050.040.0
210
2 1 0
P
Tentukan the limiting probability distribution. Sistem persamaan: πPπ
45.050.05.025.070.005.010.05.040.0
210210
1i
i
1210
45.050.005.025.070.005.010.05.040.0
210210
(4) 1210
)1( 05.005.04.0 2100
(2) 5.07.05.0 2101
(3) 45.025.01.0 2102
Karena adanya batasan linier, maka satu persamaan bersifat redundan dan akan dibuang dari sistem persamaan-Pada kasus ini persamaan 3 yang dibuang
(4) 1210
)1( 5.005.04.0 2100
(2) 5.07.05.0 2101
005.005.06.0 210
005.03.05.0 210
298077.010431,625.0
85,07692.0
131
210
Dengan substitusi dan eliminasi, solusinya adalah:
Berdasarkan definisi dari the limiting probability:
NjforP jn
ijn
,,1,0 ,0)(lim
298077.0625.0076923.0298077.0625.0076923.0298077.0625.0076923.0
210
2 1 0
P16
Dengan mengoperasikan pangkat tinggi pada matriks peluang transisi:
π0 π1 π2
Klasifikasi State-State Definisi:
State j dapat dijangkau (reachable) dari state i jika peluang untuk menuju dari i ke j dalam n >0 langkah adalah positif (Jika teradapat jalur dari i ke j pada diagram rantai markov).
Himpunan bagian S dari himpunan state X bersifat tertutup (closed) jika pij=0 untuk setiap iS and j S
Statei dikatakan absorbing jika terdapat closed set dengan satu anggota (state) saja.
Himpunan tertutup (closed set) S dikatakan irreducible jika sembarang state jS dapat dijangkau dari setiap state iS.
Rantai markov dikatakan irreducible jika himpunan state-nya X adalah irreducible.
Contoh
Irreducible Markov Chain
0 1 2
p01 p12
p00p10
p21
p22
Reducible Markov Chain p01 p12
p00p10
p14
p224
p23
p32
p33
0 1 2 3
Absorbing State
Closed irreducible set
Transient and Recurrent States Hitting Time Recurrence Time Tii adalah waktu yang
dibutuhkan untuk state i kembali ke state i untuk pertama kalinya
Diberikan ρi sebagai peluang bahwa state akan kembali ke i dengan syarat rantai markov berawal di state i, maka,
0min 0 : ,ij kT k X i X j
State i recurrent jia ρi=1 dan transient jika ρi<1
State i bersifat transient jika terdapat peluang bahwa rantai markov tidak akan kembali ke state i.
Teorema-teorema Jika rantai markov mempunyai himpunan state
yang finite, maka paling sedikit satu dari state-nya bersifat recurrent.
Jika i adalah state yang bersifat recurrent dan state j dapat dijangkau dari state i maka state j juga recurrent.
Jika S adalah himpunan state yang irreducible yang finite dan closed, maka setiap state di S adalah recurrent.
Positive and Null Recurrent States Diberikan Mi sebagai rata-rata waktu recurrence
bagi state i
State i dikatakan positive recurrent jika Mi<∞. Jika Mi=∞ maka state tersebut dikatakan null-recurrent.
1
Pri ii iik
M E T k T k
Example
p01 p12
p00p10
p14
p224
p23
p32
p33
0 1 2 3
Recurrent State
Transient States Positive
Recurrent States
17
Klasifikasi State-State
j
recurrent transient
positive
non-absorbingabsorbing
null
State Periodic dan Aperiodic Misalkan bahwa struktur rantai markov adalah
sedemikian sehingga terdapat beberapa jalur dari state i kembali ke state i, di mana jumlah langkah dari setiap jalur adalah kelipatan bilangan bulat d >1 state i disebut periodic dengan periode d.
Jika tidak terdapat bilangan bulat sedemikian (d =1) maka state tersebut bersifat aperiodic.
Contoh: 1 0.5
0.5
0 1 2
1
Periodic State d = 2
0 1 00.5 0 0.50 1 0
P