PROSES STOKASTIK

Anggota :
Inge Jana, Kurniasari A, Ari Vanerlin, Merly Fatriana B, Moch.Farid Shofi, Umi Hanifah,
Hanny Adiati, Moch.Afandi, Sari Putri, Ni Putu Budi Setyaningsih
Branching Processes &
Generating Functions
Setiap organisme, sampai pada akhir masa hidupnya menghasilkan sejumlah
keturunan secara random dengan probabilitas :
Pr { = k} = P
k
for k = 0, 1, (8.1)
Dimana :
: Jumlah keturunan
P
k
>0

=
=
x
k
k
p
0
1
Kita asumsikan bahwa semua keturunan adalah saling independent satu sama
lain, dan pada akhir hidupnya masing-masing menghasilkan keturunan
dengan probabilitas yang sama (8.1).
Branching Processes
Sifat Markov dapat dijelaskan secara sederhana sebagai berikut :
Di dalam generasi ke-n ada sejumlah individu Xn, secara independent dalam
menghasilkan keturunan
) ( ) (
1
....
n
X
n
n
+ +
) ( ) (
1 1
....
n
X
n
n
n
X + + =
+
Proses Xn adalah bentuk khusus Markov Chain yang dinamakan Branching
Processes, dimana Xn adalah jumlah populasi pada generasi ke-n.

yang secara kumulatif menghasilkan generasi ke (n+1) :

Xo = 1
k X = =
) 0 (
1 1

generasi
0

1

2

3





n
Secara Umum contoh dari Branching Processes
n - 1
MEAN AND VARIANCE
Anggap
] [ E =
] [
2
o Var =
) (n M
) (n V


: rata-rata dari distribusi keturunan (8.1)

: rata-rata dari Xn (Populasi generasi Ke-n) dengan
kondisi awal X
0
= 1

: varian dari Xn (populasi generasi ke-n) dengan
kondisi awal X
0
= 1

: varian dari distribusi keturunan (8.1)

1
1
1
1
1
] [
] [
] ) ( [
] ) | ( [
] ) | ( [
) ( ) 1 (
+
=
=
+
+
=
=
=
=
=
=
= +

n
n
n
X
i
i
X
i
n i
n n
n
X E
X E
E E
X E E
X X E E
X E n M
n
n

MEAN :
; Dalam kondisi X
0
= 1 maka :
M(0) = 1 , V(0) = 0
) ( ) (
] ( [ ] [
] ( ) ( [
] [
) ( ) 1 (
2 2
2 2 2
1
2 1
1
2 1
1
1
n V n M
X E X E
X X E
E
X V n V
n
n n
X
i
i
n
n n
X
i
i
n
X
i
i
n
n
n
n
o



+ =
+ =
+ =
=
= +

=
+
=
+
=
+
VARIANCE :
n
n M = ) (
| |
2 2 1 2
) (

+ + + =
n n n
n V o

; if = 1


; if = 1

| |
1 1 2
1

+ + + =
n n
o

o
- 1
- 1
X
n
1 2
n
n
Secara Umum :

Varian size populasi
NOTE :
Rata-rata size populasi M(n) akan meningkat secara geometrik jika > 1,
akan menurun jika < 1,
dan akan konstan jika = 1
Varian size populasi V(n) akan meningkat secara geometrik jika > 1,
meningkat secara linier jika = 1,
dan turun secara geometrik < 1
) 0 ( ) ( = = s =
n n
X P n N P u

=

=
0
1
) (
k
k
n k n
u p u
Sehingga :

, ; n = 1,2,
Extinction Probabilities

Kepunahan populasi terjadi ketika dan jika ukuran populasi berkurang
menuju ke 0. Waktu punah random (N) dan n adalah waktu pertama kali
punah (Xn = 0). Dalam Markov Chain 0 adalah kondisi absorbing.
Sehingga kita bisa menghitung probabiliti kepunahan dengan
menggunakan First Step Analysis (FSA).

) 1 | 0 (
0
= = = X X P
n
) 1 | ( . ) | 0 (
0 1
0
1
= = = = =

=
X k X P k X X P
k
n
) ( . ) | 0 (
0
0 1
k P k X X P
k
n
= = = =

=


Jika suatu variabel random merupakan bilangan integer nonnegative memiliki
distribusi probabilitas sebagai berikut :

Pr { = k} = Pk ; untuk k = 0, 1, (9.1)

Maka fungsi pembangkit |(s) dari variabel random dengan distribusi {p
k
}
dapat didefinisikan sebagai berikut :



; untuk 0 s 1. (9.2)
FUNGSI PEMBANGKIT

=
= =
0
] [ ) (
k
k
k
s p s E s

|
DEFINISI :
SIFAT UMUM FUNGSI PEMBANGKIT
1. Hubungan antara fungsi probabilitas (9.1) dan fungsi pembangkit (9.2) dapat
digambarkan sebagai berikut :

( 9.3)

2. Jika
1
, ,
n
adalah variabel random independen yang mempunyai fungsi pembangkit
|1(s), , |n(s), maka penjumlahan fungsi pembangkitnya X =
1
+ +
n
secara
sederhana menghasilkan :

|
x
(s) = |
1
(s) |
2
(s) |
n
(s) ( 9.4)

3. Moment suatu variabel random yang bernilai integer nonnegative dapat diperoleh
dengan menurunkan fungsi pembangkit.
0
) (
!
1
=
=
s
k
k
k
ds
s d
k
p
|
Sebagai contoh :


(9.5)






(9.6)
] [
) (
1

|
E
ds
s d
s
=
=
] [ ] [ )] 1 ( [
) (
2
1
2
2

|
E E E
ds
s d
s
= =
=
| |
2
1 1 1
2
2
2 2
) ( ) ( ) (
]} [ { ] [
)
`

+ = =
= = = s s s
ds
s d
ds
s d
ds
s d
E E Var
| | |

SIFAT UMUM FUNGSI PEMBANGKIT

= =
k
k
k
p s s E s . ] [ ) (

|
). ( ) (
1
0
1

=

= =
n
k
k
n k n
u u p u |
Misalkan X
n
suatu branching process, dimana X
n
merupakan ukuran
populasi pada generasi ke-n. Diasumsikan bahwa distribusi keturunan p
k

= Pr{=k} mempunyai fungsi pembangkit
Jika u
n
= Pr{X
n
= 0} adalah probabilitas kepunahan pada generasi ke-n,
kemudian mengacu pada (8.8) fungsi pembangkit menjadi :


Dengan mengetahui fungsi pembangkit, kita dapat menghitung
probabilitas kepunahan u
n
dimulai dengan u
0
= 0, kemudian
u
1
=|(u
0
), u
2
=|(u
1
), dan seterusnya.
Generating Functions and
Extinction Probabilities
Jika rata-rata ukuran keturunan E[] 1 maka u
n
= 1 dan kemunahan
pasti terjadi. Jika E[] >1, maka u
x
< 1 dan populasi dapat
berkembang tak terbatas.

Kasus batas E[] =1 menjadi perhatian khusus. E[Xn|X0=1]= 1 untuk
semua n, sehingga rata-rata ukuran populasi tetap. Ini adalah suatu
contoh sederhana di mana rata-rata ukuran populasi sendiri tidak
cukup menguraikan perilaku populasi.
] [
) (
) 1 ( '
1

|
E
ds
s d
s
= =
=
Generating Functions and
Extinction Probabilities
Probability Generating Function And Sums Of
Independent Random Variables
Misalkan dan q adalah variabel random yang bernilai bilangan
integer nonnegative mempunyai probabilitas fungsi pembangkit ( p.g.f.s)

| (s) = E[s

] dan (s) = E[s

s
q
]
= E[s

] E[s
q
] (karena dan q independent) (9.7)
= | (s) (s)

Hal ini juga berlaku sebaliknya. Jika perkalian p.g.f.s dua variabel
random independent adalah suatu p.g.f. variabel random ketiga, maka
variabel random ketiga sama dengan penjumlahan dua lainnya.
Probability Generating Function And Sums Of
Independent Random Variables
Misalkan
1
,
2
, variabel random integer nonnegative dan berdistribusi
identik dan independent dengan p.g.f. | (s) = E[s].
Induksi langsung (9.7) menyebabkan penjumlahan 1 + + m,
mempunyai p.g.f.

E[s
1 + + m
] =[| (s)]
m
(9.8)

Kita perluas hasil ini untuk menentukan p.g.f penjumlahan sejumlah
variabel random independent. Misalkan N variabel random yang bernilai
bilangan integer nonnegative dan berdistribusi independent pada

1
,
2
, dengan p.g.f g
N
(s)= E[s
N
], dan perhatikan random sum ( lihat
II, Bagian 3).
X=
1
+ +
N
Misal hx(s) = E[S
x
] adalah p.g.f untuk X, dapat dinyatakan bahwa
h
x
(s) = g
N
[| (s)] (9.9)
Probability Generating Function And Sums Of
Independent Random Variables
| | ) (
) 8 . 9 ( ) Pr{ ) (
) Pr{ } ... Pr{
.) . . , , (
} Pr{ } ... Pr{
} Pr{ } | ... Pr{
} Pr{ } | Pr{
} Pr{ ) (
0
0 0
1
2 1
0 0
1
0 0
1
0 0
0
s g
n menggunaka n N s
n N s k
pada independen N Karena
s n N k
s n N n N k
s n N n N k X
s k X s h
n
n
n
n k
k
n
k
k n
n
k
k n
n
k
k n
k
k
x
|
|




=
= =
= |
.
|

\
|
= + + =
|
.
|

\
|
= = + + =
|
.
|

\
|
= = = + + =
|
.
|

\
|
= = = =
= =

=
Probability Generating Function And Sums Of
Independent Random Variables
) ( ) (
1 1
....
n
X
n
n
n
X + + =
+
] [ ) (
n
X
n
s E s = |
s s E s = = ] [ ) (
1
0
|
] [ ) ( ) (
1

| | s E s s = =
)] ( [ ) (
1
s s
n n
| | | =
+
Dengan bantuan ( 9.9), persamaan dasar branching process

(9.10)
Dapat dinyatakan dengan rata-rata fungsi pembangkit. Jika
menjadi p.g.f ukuran populasi X
n
pada generasi ke-n, asumsikan
bahwa X
0
= 1, maka
dan
Untuk memperoleh bentuk umum, kita menerapkan (9.9) untuk
(9.10) untuk menghasilkan

(9.11)
Probability Generating Function And Sums Of
Independent Random Variables
| | { } ) ( ) (
1 1
s s
n n
| | | |
+
=
| | { }

) ( .... s | | | =
| | ) (s
n
| | =
( n+1) iterasi
Persamaan (9.11) dapat diiterasikan



(9.12)


kita memperoleh fungsi pembangkit untuk ukuran populasi Xn, pada
generasi n, jika diketahui X0=1, dengan substitusi yang berulang-ulang
dalam probabilitas fungsi pembangkit pada distribusi keturunan.

Secara umum, p.g.f untuk ukuran populasi awal X0= k adalah
Probability Generating Function And Sums Of
Independent Random Variables
| |

=
= = =
0
0
) ( } | Pr{
k
k
n
j
n
s s k X j X |
Persisnya bahwa suatu penjumlahan k garis turun independent. Dari
perspektif ini, the branching process meningkatkan penjumlahan k
independent branching processes, masing-masing dapat satu initial
orangtua.
Multiple Branching Processes
Proses pertumbuhan populasi meliputi beberapa tahap kehidupan
(seperti pemuda, orang dewasa reproduktif, senescense) dengan pola
perilaku dan kelangsungan hidup berbeda. Kita bisa memperhatikan
sejumlah contoh branching processes mengenai karakteristik ini.

Untuk contoh pertama, anggap bahwa suatu individu dewasa
akan menghasilkan keturunan mengikuti p.g.f |(s). Jika suatu populasi
individu yang belum dewasa masing-masing akan tumbuh menjadi
dewasa dengan probabilitas p dan kemudian bereproduksi secara
independent dari anggota populasi lain. Suatu individu belum dewasa
tidak akan mencapai kedewasaan dan tidak akan meninggalkan
keturunan dengan probabilitas 1p. Dengan probabilitas p seseorang
akan menjadi dewasa dan menghasilkan sejumlah keturunan,
ditentukan menurut p.g.f |(s). Oleh karena itu ukuran distribusi
keturunan (sama dengan p.g.f) individu belum dewasa memiliki dua
ketidakpastian yaitu
) ( ) 1 ( s p p | +
(9.14)
Multiple Branching Processes
Jika suatu sensus dilakukan pada individu dewasa, jumlah individu
dewasa yang disokong oleh individu dewasa sekarang akan mempunyai
p.g.f
) 1 ( ps p + | (9.15)
( hal ini perlu diverifikasi)
hal yang perlu ditekankan bahwa p.g.f.s ( 9.14) dan ( 9.15) mempunyai
rata-rata yang sama p|(1) tetapi umumnya variannya berbeda, yang
pertama menjadi
| |
2
)) 1 ( ' ( ) 1 ( ' ) 1 ( " | | | + p
Dibandingkan dengan
2 2 2
)) 1 ( ' ( ) 1 ( ' ) 1 ( " | | | p p p +
Ketidakhadiran kematian jumlah keturunan x individu mempunyai p.g.f
|(s) Asumsikan, konsisten dengan dalil suatu branching process, bahwa
semua keturunan di dalam populasi bertindak dengan bebas yang diatur
oleh hukum probabilitas yang sama. Asumsikan juga suatu populasi orang
dewasa ukuran x=k
Multiple Branching Processes
Kita memiliki tiga jenis kematian:
a) kematian individu. Misalkan p probabilitas bertahan hidup dan
bereproduksi, independent dari apa yang terjadi pada individu lain.
Dengan begitu kontribusi dari tiap keluarga kepada populasi orang
dewasa generasi yang berikutnya mengikuti suatu distribusi binomial
dengan parameter (N,p), di mana N adalah ukuran keturunan
orangtua dengan p.g.f |(s). p.g.f jumlah orang dewasa yang
disokong oleh orangtua tunggal adalah | (q+ps),q=1-p, dan untuk
populasi secara keseluruhan adalah
| |
k
ps q s ) ( ) (
1
+ = |
(9.16)
Kematian jenis ini dapat mencerminkan predation pada orang
dewasa.
Multiple Branching Processes
b) kematian keluarga. masing-masing keluarga independen dan survive
dengan probabilitas p dan disapu bersih dengan probabilitas q= 1-p.
Diketahui suatu ukuran keluarga sekarang , ukuran litter yang
efektif adalah dengan probabilitas p, dan 0 dengan probabilitas q.
p.g.f orang dewasa di dalam generasi mengikuti

| |
k
s p q s ) ( ) (
2
| + =
(9.17)
kematian jenis ini mungkin mencerminkan predation atas pemuda
atau atas sarang dan telor dalam kasus burung-burung.
c) kematian generasi. keseluruhan generasi survive dengan probabilitas
p dan disapu bersih dengan probabilitas q. Kematian jenis ini
mungkin disebabkan bencana lingkungan ( seperti, kebakaran
hutan, banjir). p.g.f. ukuran populasi di generasi yang berikutnya
adalah

| |
k
s p q s ) ( ) (
3
| + =
(9.18)
Semua p.g.f.s. dari ( 9.16) sampai ( 9.18) mempunyai mean yang
sama berarti tetapi variance yang berbeda.
Multiple Branching Processes
3 , 2 , 1 , ) ( = = i s s
*
i
s
Hal yang menarik untuk menilai stabilitas yang relatif pada tiga model
ini. Kita harus membandingkan akar possitive yang paling kecil dari
; yang ditandai dengan i=1,2,3.
Kita akan menunjukkan bahwa
) 3 ( ) ( ) (
3 2 1
s s s s
Suatu fungsi f(x) adalah cembung dalam x jika untuk tiap-tiap x
1
dan x
2
dan 0<<1, maka
( ) | | ) ( ) 1 ( ) ( 1
2 1 2 1
x f x f x x f + s +

Multiple Branching Processes

=
= u
0
) (
k
k
k
s p s
( ) | |
k k
k
s s s s
2 1 2 1
) 1 ( 1 + s +
*
2
*
1
s s <
fungsi
cembung dalam s, karena untuk integer positif k,
for 0<, s
1
, s
2
<1, sekarang
, and then
, Thus the first model is more stable than the second.
for 0<s<1,
*
3
*
2
s s <
*
3
*
2
*
1
s s s < <
Observe further that due the convexity of f(x)=x
k
,x>0,
, and thus
, implying that the second model stable than the third model, in
conjuction we get the ordering
| | | | ) ( 1 ) ( ) ( ) (
3 2
s q s p q s p s
k
k k
| | = + < + =
| | | | ) ( 1 ) ( ) ( ) (
3 2
s q s p q s p s
k k k
| | = + < + =
| | | | | | ) ( ) ( ) ( ) 1 ( ) ( ) (
2 1
s s p q s p q ps q s
k k k
| | | | = + = + < + =
TERIMA
KASIH