30
1
bebcrapa contDh
darri
Fungsi Sebamn
Continue:
Seba.ran Exponet1tia!"
Scbamn
Gamma,
Sebanm
.Erlang, Seharan Pareto.
2.3.3 Markov
Process
daliam
Sistem
Komptrt:e.r
A1arkov
process mcnjelao;;kan fenomena
dimana
kcp;dian. dirnasa dcpan
ridak
di!entukan
o!eh scjarah
melainkan
okh
keadaan
sckarang.
llurgcss(2004
p
112)
mengatakannya
sebagai
memmy!ess
property dimai1ta kondisi
sekarang
sudah
merupakan rnngkum_an dari
kejadian-kejadian yang
lampau.
Salah satu ciri
yang
mcnonjo! dari
te1jadirnya fenomena
markov process
adalah
adanya.
kondisi steady-
state
atau
equilbrium.
Dimana
kondis] ini
tercarrai
dengan
beb:erapa
persyarntan
yakni:
@
Kcmdisi dimana. populasi
ridak terbatas
'*
Kondisi dimana
distribusi dari
suatu
altai
rnenjadi tet1p
(mclcwatl
fa<>e
cg_uilbrium). Tidak
mudak roilai h.arus
sama.
Kondisi-kondisi
diatas sangat
sering
ditemui
didalam
slstem
komputer,
maupun
sistem
telekomu.n:ikasi.
Fungsi
Kepckatan
Peluang yang
mcmenuhi
markov
process
adaiah:
o
Fungsi Pdwmg Oiskrit Pmsson.
Su.atu Variabel
acak
dis.knl X
dikatakan memfi!.i.ki
Ft.mgsi
Peluang Poissonjika
d.istribusi sebaran
X
memenulli:
-,l. "X
),_
'
"(
X
'-J(····
'X
"
,.A)-
.:'_,
j
(O.I•....}
(
X
•
X.
 |