Pengantar Proses Stokastik Bab 5: Proses Poisson Atina Ahdika, S.Si, M.Si
Statistika FMIPA Universitas Islam Indonesia 2015
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Antar Kedatangan
Waktu Antar Kedatangan
Misalkan T1 menyatakan waktu dari kejadian/kedatangan pertama. Misalkan Tn menyatakan waktu tersisa antara kejadian ke-n − 1 dan kejadian ke-n. Barisan {Tn , n = 1, 2, . . .} adalah barisan waktu antar kejadian (interarrival time).
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Antar Kedatangan
Untuk menentukan distribusi dari Tn , perhatikan bahwa kejadian {T1 > t} terjadi jika dan hanya jika tidak ada kejadian dari proses Poisson yang terjadi pada interval [0, t], sehingga P(T1 > t) = e −λt = e −λt
(λt)0 = P(Nt = 0) 0!
Jadi, T1 berdistribusi eksponensial dengan parameter λ atau mean
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
1 λ.
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Antar Kedatangan
Karena T1 ∼ Eksp(λ), maka fT1 (t1 ) = λe −λt1 Dengan demikian, perhatikan bahwa P(T2 > t) = E (P(T2 > t|T1 )) (mengapa demikian?) Bukti: E (P(T2 > t|T1 )) =
∞ X
P(T2 > t|T1 )fT1 (t1 )
t1 =0
= P(T2 > t|T1 )
∞ X
fT1 (t1 )
t1 =0
= P(T2 > t|T1 ) memoryless property = P(T2 > t) Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Antar Kedatangan
Sedangkan P(T2 > t|T1 ) = P(tidak ada kejadian pada (s, s + t]|T1 = s) = P(tidak ada kejadian pada (s, s + t]) = e −λt Dengan demikian, T2 juga peubah acak eksponensial dengan parameter λ, dan T2 saling bebas dengan T1 . Hal tersebut berlaku juga untuk T3 , T4 , . . . , Tn , sehingga peubah acak Tn dengan n = 1, 2, . . . juga berdistribusi eksponensial dengan parameter λ dan peubah acak-peubah acak tersebut saling bebas.
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Tunggu
Waktu Tunggu
Terdapat statistik lain yaitu Sn , merupakan waktu kedatangan kejadian ke-n atau waktu tunggu (waiting time) hingga kejadian ke-n Sn = T1 + T2 + . . . + Tn , n ≥ 1
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Tunggu
Contoh
Misalkan waktu kedatangan turis-turis ke suatu pulau berdistribusi eksponensial dengan mean 1 hari. 1. Berapa waktu yang diharapkan hingga turis kesepuluh datang? 2. Berapa peluang bahwa waktu yang dibutuhkan (elapsed time) antara turis kesepuluh dengan kesebelas datang melebihi 2 hari?
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Waktu Tunggu
1. E (S10 ) = E (T1 +T2 +. . .+T10 ) = E (T1 )+. . .+E (T10 ) = 10(1) = 10 2. P(T11 > 2) = e −1(2) = e −2
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Proses Poisson Perhatikan P(T1 > t) = e −λt = e −λt
(λt)0 = P(Nt = 0) 0!
Proses tersebut menyatakan bahwa kejadian pertama akan terjadi setelah t waktu (P(T1 > t)), atau dapat dinyatakan pula bahwa tidak ada kejadian pada selang waktu [0, t] (P(Nt = 0)). Hal ini menunjukkan kaitan antara distribusi eksponensial dengan proses Poisson. I
Proses Poisson adalah proses menghitung (counting process) untuk banyaknya kejadian yang terjadi hingga suatu waktu
I
Proses Poisson sering disebut juga proses lompatan (jump process) karena keadaan akan berpindah ke yang lebih tinggi setiap kali kejadian terjadi.
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Counting Process
Suatu proses stokastik {Nt , t ≥ 0} dikatakan sebagai proses menghitung (counting process) jika Nt menyatakan total banyaknya kejadian yang terjadi sampai waktu t. Beberapa contoh dari proses menghitung adalah sebagai berikut I
Banyaknya orang yang masuk ke dalam sebuah toko pada/sampai waktu t.
I
Banyaknya bayi yang lahir sampai waktu t
I
Banyaknya gol yang dicetak pemain, dsb
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Berdasarkan definisinya, proses menghitung {Nt , t ≥ 0} harus memenuhi kriteria-kriteria berikut ini i. Nt ≥ 0 ii. Nt bernilai integer (bilangan bulat) iii. Jika s < t, maka Ns ≤ Nt iv. Untuk s < t, Nt − Ns adalah banyaknya kejadian pada interval (s, t]
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
I
Sebuah proses menghitung dikatakan memiliki kenaikan independen (independent increments) jika banyaknya kejadian yang terjadi pada selang waktu yang saling asing adalah saling bebas. Sebagai contoh, banyaknya kejadian yang terjadi sampai waktu s (yaitu Ns ) saling bebas dengan banyaknya kejadian yang terjadi pada selang waktu [s, t] (yaitu Nt − Ns ).
I
Sebuah proses menghitung dikatakan memiliki kenaikan stasioner (stationary increments) jika distribusi banyaknya kejadian pada setiap selang hanya bergantung pada panjang selang. Dengan kata lain, suatu proses memiliki kenaikan stasioner jika banyaknya kejadian pada selang (s, s + t) mempunyai distribusi yang sama untuk semua s.
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Definisi Proses menghitung {Nt , t ≥ 0} dikatakan sebagai proses Poisson dengan laju λ, λ > 0, jika i. N0 = 0 ii. Proses memiliki kenaikan independen iii. Banyaknya kejadian di sebarang interval waktu dengan panjang t berdistribusi Poisson dengan mean λt. Untuk setiap s, t ≥ 0 P(Nt+s − Ns = n) = e −λt
(λt)n , n = 0, 1, . . . n!
Berdasarkan kondisi [iii.] proses Poisson memiliki kenaikan stasioner dan E (Nt ) = λt menunjukkan bahwa λ dinamakan laju dari proses Poisson. Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Contoh
1. Misalkan {Nt } adalah proses Poisson dengan laju λ = 3. Hitung a. b. c. d.
P(N4 = 5) P(N4 = 5, N6 = 9) E (2N2 − 4N6 ) Var (2N2 − 4N6 )
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Penyelesaian: P(N4 = 5) = e −3·4
Atina Ahdika, S.Si, M.Si ()
(3 · 4)5 5!
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
P(N4 = 5, N6 = 9) = P(N4 = 5, N6 − N4 = 4) = P(N4 = 5)P(N6 − N4 = 4) = e −3·4
Atina Ahdika, S.Si, M.Si ()
(3 · 4)5 −3·2 (3 · 2)4 e 5! 4!
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
E (2N2 − 4N6 ) = E (2N2 ) − E (4N6 ) = 2E (N2 ) − 4E (N6 ) = 2(3 · 2) − 4(3 · 6)
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Var (2N2 − 4N6 ) = 4 Var (N2 ) + 16 Var (N6 ) = 4(3 · 2) + 16(3 · 6)
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
2. Misalkan {Nt } proses Poisson dengan laju λ. Misalkan s, t > 0, dan k ≥ j ≥ 0. Tentukan distribusi Nt+s diberikan Ns = j.
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Penyelesaian: Kita ketahui bahwa Ns dengan Nt+s − Ns saling bebas, jadi P(Nt+s = k|Ns = j) = P(Nt+s − Ns = k − j|Ns = j) = P(Nt+s − Ns = k − j) = P(Nt = k − j) = e −λt
(λt)k−j (k − j)!
Jadi, distribusi Nt+s |Ns = j adalah Poisson dengan parameter (λt).
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
3. Misalkan {Nt } adalah proses Poisson dengan laju λ = 2. Hitung peluang T2 > 5 diberikan N4 = 1
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Penyelesaian:
P(T2 > 5|N4 = 1) = P(T2 > 5|T1 ≤ 4) = P(T2 > 5) = e −2·5 = e −10
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
4. Misalkan TK menyatakan waktu yang dibutuhkan (elapsed time) untuk klaim-klaim asuransi diproses; T1 menyatakan waktu yang dibutuhkan hingga klaim pertama diproses. Diketahui T1 , T2 , . . . saling bebas dan berdistribusi dengan fungsi peluang f (t) = 0.1 e −0.1t , t > 0 dengan t diukur dalam setengah jam. Hitung peluang bahwa setidaknya sebuah klaim akan diproses pada 5 jam ke depan! Berapa peluang bahwa setidaknya 3 klaim diproses dalam 5 jam?
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Proses Poisson
Penyelesaian: P(T1 ≤ 10) = 1 − P(T1 > 10) = 1 − e −0.1(10) = 1 − e −1 Selanjutnya N10 ∼ POI (0.1(10) = 1) Jadi, P(N10 ≥ 3) = 1 − [P(N10 = 0) + P(N10 = 1) + P(N10 = 2)] = 1 − e −1 − e −1
Atina Ahdika, S.Si, M.Si ()
11 12 − e −1 1! 2!
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Jumlahan Proses Poisson
Pandang sebuah proses Poisson {Nt , t ≥ 0} dengan laju λ, dan misalkan setiap kali sebuah kejadian terjadi diklasifikasikan ke dalam dua tipe, tipe I dengan peluang p dan tipe II dengan peluang 1 − p saling bebas satu sama lain. Sebagai contoh, misalkan kedatangan pelanggan pada sebuah toko merupakan proses Poisson dengan laju λ; dan misalkan masing-masing kedatangan pelanggan pria memiliki peluang 21 dan kedatangan pelanggan wanita memiliki peluang 12 .
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Misalkan N1 (t) dan N2 (t) berturut-turut menyatakan banyaknya kejadian tipe I dan tipe II pada selang [0, t]. Kita mendapatkan N(t) = N1 (t) + N2 (t) yang juga merupakan proses Poisson dengan parameter λ1 + λ2 .
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Contoh
1. Mahasiswa-mahasiswa Stat UII akan datang ke Gedung Baru FMIPA melewati pintu barat atau pintu timur gedung (pintu utaranya sedang diperbaiki). Kedatangan mahasiswa melalui dua pintu tersebut berturut-turut mengikuti proses Poisson dengan parameter λ1 = 12 dan λ2 = 23 per menit. a. Berapa peluang tidak ada mahasiswa datang pada selang waktu 5 menit? b. Hitung mean waktu antar kedatangan mahasiswa-mahasiswa tersebut! c. Berapa peluang seorang mahasiswa benar-benar datang melalui pintu barat? d. Berapa peluang setidaknya ada 2 orang yang masuk gedung dalam 5 menit?
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Penyelesaian: 1 3 NB ∼ POI , NT ∼ POI 2 2 maka N(t) = NB (t) + NT (t) ∼ POI (2) Karena λ = 2 = 21 + 32 , maka T1 ∼ Eksp(2), a. Peluang tidak ada mahasiswa datang pada selang waktu 5 menit adalah P(T1 > 5) = e −2(5) = e −10
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
b. Mean waktu antar kedatangan mahasiswa-mahasiswa E (TK ) =
1 2
c. Peluang seorang mahasiswa benar-benar datang melalui pintu barat P(TB < TT ) =
1 2 1 2
+
3 2
=
1 4
d. Peluang setidaknya ada 2 orang masuk gedung dalam 5 menit P(N5 ≥ 2) = 1 − P(N5 = 0) − P(N5 = 1) = 1 − e −2·5 − e −2·5
(2 · 5)1 1!
= 1 − e −10 − 10e −10
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
2. Seorang mahasiswi UII sedang menjadi selebriti medsos. Dia memiliki 3 akun media sosial yang masing-masing memiliki jumlah follower yang selalu bertambah setiap waktu. Penambahan jumlah follower mengikuti tiga proses Poisson sebagai berikut I I I
Penambahan jumlah follower di instagram: 2/menit Penambahan jumlah follower di facebook: 4/menit Penambahan jumlah follower di twitter: 3/menit
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Tentukan: a. Waktu harapan hingga penambahan follower berikutnya b. Waktu harapan hingga penambahan follower instagram berikutnya c. Peluang bahwa follower akun twitternya akan bertambah pada menit ke depan
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
1 2
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Jumlahan Proses Poisson
Penyelesaian: N(t) = NIG (t) + NFB (t) + NTW (t) dengan parameter λ = λIG + λFB + λTW = 9. Sehingga a. E (T ) =
1 9
b. E (TIG ) =
1 2
c. TTW ∼ Eksp(λTW = 3), maka 1 3 1 P TTW < = 1 − e −3· 2 = 1 − e − 2 2
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Latihan
Latihan
1. Di suatu terminal bis, bis A dan bis B datang saling bebas mengikuti proses Poisson. Sebuah bis A datang setiap 12 menit dan sebuah bis B datang setiap 8 menit. Misalkan Vina akan melakukan observasi terhadap bis-bis tersebut. a. Berapa peluang bahwa tepat 3 bis A akan datang pada 36 menit pertama dan tepat 2 bis B akan datang pada 16 menit pertama? b. Hitung mean waktu tunggu (expected waiting time) hingga sebuah bis datang!
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Latihan
2. Sebuah perusahaan asuransi memiliki dua jenis polis yaitu polis A dan polis B. Pengajuan klaim yang datang mengikuti proses Poisson dengan parameter 9 (per hari). Pemilihan klaim secara acak menunjukkan bahwa peluang polis jenis A terpilih adalah 13 . Hitung peluang bahwa klaim-klaim polis jenis A (atau B) yang diajukan pada suatu hari kurang dari 2. Berapa peluang bahwa total klaim yang diajukan pada suatu hari kurang dari 2?
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Proses Poisson
Latihan
3. Adi datang ke halte bis Transjogjakarta pukul 09.00 pagi. Informasi yang ada adalah sbb: I
I
hingga pukul 09.45, bis akan datang mengikuti proses Poisson dengan parameter 2 (per 30 menit) mulai pukul 09.45, bis akan datang mengikuti proses Poisson dengan parameter 1 (per 30 menit) Berapa waktu tunggu yang diharapkan (expected waiting time) Adi hingga sebuah bis datang?
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36
Pustaka
Pustaka
Pustaka
I
Ross, Sheldon M. 2007. Introduction to Probability Models; 9th Edition. New York: Academic Press.
I
Syuhada, Khreshna I.A. Materi Kuliah: MA4181 Pengantar Proses Stokastik. Departemen Matematika ITB, Bandung.
I
Taylor, Howard M. dan Samuel Karlin. 1975. A First Course in Stochastic Processes; Second Edition. New York: Academic Press.
I
Virtamo, J. 38.143 Queueing Theory/ Probability Theory.
Atina Ahdika, S.Si, M.Si ()
Pengantar Proses Stokastik
Statistika FMIPA Universitas Islam Indonesia / 36