Pendahuluan: Mengapa Keberuntungan Kecil di Awal Mengkristal Menjadi Ketimpangan Permanen?
Dua video atau standar dengan kualitas identik diluncurkan bersamaan: berkat keunggulan acak kecil di awal, salah satunya membesar melalui umpan balik positif hingga memonopoli pasar (Efek Matius), sementara yang lain tenggelam. Namun, Hukum Kuat Bilangan Besar (SLLN) mengajarkan sebaliknya: dalam percobaan independen (i.i.d.) seperti lempar koin, fluktuasi awal terhapus saat $n \to \infty$ dan proporsi sampel konvergen hampir pasti ke konstanta $p$.
Banyak proses nyata adalah Proses Stokastik Diperkuat di mana terjadinya suatu peristiwa meningkatkan probabilitas peristiwa itu terulang. Pada 1923, George Pólya dan Florian Eggenberger merumuskan Model Guci Pólya, mengungkap dua paradoks:
- Paradoks Pertama (Exchangeability): Meskipun isi guci berubah setiap langkah, $\mathbb{P}(I_n = 1) = \frac{r}{r+b}$ konstan untuk semua $n$, dan probabilitas barisan hanya bergantung pada total bola merah dan biru tanpa peduli urutannya (Exchangeability).
- Paradoks Kedua (Limit Acak): Saat $n \to \infty$, proporsi merah $X_n$ konvergen hampir pasti menuju variabel acak $X_\infty \sim \mathrm{Beta}(r, b)$. Untuk $r=1, b=1$, limitnya mengikuti distribusi seragam $\mathrm{Uniform}(0, 1)$ pada $[0, 1]$!
Bab 1: Tiga Semesta Guci — Pengurasan, Tanpa Memori, dan Penguatan Pólya
Pada $n = 0$, guci berisi $R_0 = r$ bola merah dan $B_0 = b$ biru ($N_0 = r + b$). Setiap langkah, satu bola ditarik dan dikembalikan bersama $c$ bola sewarna: 1. Tanpa Pengembalian ($c = -1$) (umpan balik negatif, hipergeometrik), 2. Pengembalian Sederhana ($c = 0$) (tanpa memori i.i.d. $\mathrm{Binomial}(n, \frac{r}{r+b})$), 3. Guci Pólya ($c = +1$) (umpan balik positif: bola dikembalikan plus $1$ bola sewarna).
flowchart TD
Start["Awal (n = 0): Merah r, Biru b, X₀ = r/(r+b)"]
Draw["Langkah n+1: Tarik 1 bola, P(Iₙ₊₁ = 1 | Fₙ) = Xₙ"]
BranchW["1. Tanpa Pengembalian (c = -1)"]
BranchB["2. Pengembalian Sederhana (c = 0)"]
BranchP["3. Guci Polya (c = +1)"]
LimW["Berhenti pada n = r+b di r/(r+b)"]
LimB["SLLN: Xₙ → r/(r+b) h.p."]
LimP["Doob: Xₙ → X_∞ ~ Beta(r, b) h.p."]
Start --> Draw
Draw --> BranchW --> LimW
Draw --> BranchB --> LimB
Draw --> BranchP --> LimP
Dengan $I_n \in \{0, 1\}$ dan $S_n = \sum_{k=1}^n I_k$, berlaku $R_n = r + S_n$ dan $N_n = r + b + n$:
$$X_n := \frac{R_n}{N_n} = \frac{r + S_n}{r + b + n}, \qquad \mathbb{P}(I_{n+1} = 1 \mid \mathcal{F}_n) = X_n, \qquad |X_{n+1} - X_n| \le \frac{1}{r + b + n + 1}$$| Karakteristik | 1. Tanpa Pengembalian ($c = -1$) | 2. Pengembalian Sederhana ($c = 0$) | 3. Guci Pólya ($c = +1$) |
|---|---|---|---|
| Umpan Balik | Negatif (pengurasan) | Nol (tanpa memori) | Positif (penguatan diri) |
| Ketergantungan | Korelasi negatif | Independen (i.i.d.) | Exchangeable tak hingga |
| Distribusi $S_n$ | $\mathrm{Hypergeom}(N_0, r, n)$ | $\mathrm{Binomial}(n, \frac{r}{r+b})$ | $\mathrm{BetaBinom}(n, r, b)$ |
| Limit $X_\infty$ | Konstanta $\frac{r}{r+b}$ | Konstanta $\frac{r}{r+b}$ h.p. | Variabel $X_\infty \sim \mathrm{Beta}(r, b)$ h.p. |
Bab 2: Exchangeability dan Distribusi Beta-Binomial
Untuk setiap barisan $(i_1, \dots, i_n) \in \{0, 1\}^n$ dengan $k = \sum_{j=1}^n i_j$ merah, hasil kali penyebut adalah $(r+b)^{(n)}$ dan pembilang secara komutatif adalah $r^{(k)} b^{(n-k)}$:
$$\mathbb{P}(I_1 = i_1, \dots, I_n = i_n) = \frac{r^{(k)} \, b^{(n-k)}}{(r+b)^{(n)}}, \qquad \mathbb{P}(S_n = k) = \binom{n}{k} \frac{\mathrm{B}(r+k, \, b+n-k)}{\mathrm{B}(r, \, b)}$$Untuk $r = 1, b = 1$, semua faktorial saling menghilangkan menjadi distribusi seragam diskrit $\mathbb{P}(S_n = k) = \frac{1}{n + 1}$ ($k = 0, 1, \dots, n$).
Bab 3: Martingale Doob dan Limit $\mathrm{Beta}(r,b)$
Karena $\mathbb{E}[R_{n+1} \mid \mathcal{F}_n] = R_n + X_n = (N_n + 1)X_n$, proporsi $X_n$ adalah martingale terbatas pada $[0, 1]$:
$$\mathbb{E}[X_{n+1} \mid \mathcal{F}_n] = \frac{R_n + \mathbb{E}[I_{n+1} \mid \mathcal{F}_n]}{N_n + 1} = \frac{(N_n + 1) X_n}{N_n + 1} = X_n$$Berdasarkan Teorema Konvergensi Martingale Doob, $X_n \xrightarrow{\text{h.p.}} X_\infty$. Asimtotik $\frac{\Gamma(z+\alpha)}{\Gamma(z+\beta)} \sim z^{\alpha-\beta}$ untuk $k = \lfloor np \rfloor$ membuktikan bahwa $X_\infty$ mengikuti distribusi Beta $\mathrm{Beta}(r, b)$:
$$\boxed{f_{X_\infty}(p) = \frac{\Gamma(r+b)}{\Gamma(r)\Gamma(b)} \, p^{r-1} (1-p)^{b-1} \quad (0 < p < 1), \qquad \mathbb{E}[X_\infty] = \frac{r}{r+b}, \qquad \mathrm{Var}(X_\infty) = \frac{rb}{(r+b)^2(r+b+1)} > 0}$$Bab 4: Teorema de Finetti, Transisi Nonlinier, dan Aplikasi
- Teorema Representasi de Finetti (1931): Setiap barisan infinitely exchangeable adalah campuran percobaan Bernoulli i.i.d. terhadap prior $\mathrm{Beta}(r,b)$: $$\mathbb{P}(I_1 = i_1, \dots, I_n = i_n) = \int_0^1 p^k (1-p)^{n-k} \, \frac{\Gamma(r+b)}{\Gamma(r)\Gamma(b)} p^{r-1}(1-p)^{b-1} \, dp$$
- Guci Nonlinier ($f(x) = \frac{x^\gamma}{x^\gamma + (1-x)^\gamma}$): $X_{n+1} - X_n = \frac{1}{N_n+1}[(f(X_n)-X_n) + \xi_{n+1}]$ menghasilkan tiga rezim:
flowchart TD
Root["Guci Nonlinier: f(x) = x^γ / (x^γ + (1-x)^γ)"]
Sub["1. Sublinier (0 < γ < 1)"]
Lin["2. Linier (γ = 1): g(x) ≡ 0"]
Sup["3. Superlinier (γ > 1)"]
ResSub["Koeksistensi: Xₙ → 1/2 h.p."]
ResLin["Ketergantungan Jalur: Xₙ → Beta(r, b) h.p."]
ResSup["Winner-Take-All: P(X_∞ ∈ {0, 1}) = 1"]
Root --> Sub --> ResSub
Root --> Lin --> ResLin
Root --> Sup --> ResSup
- Aplikasi dan Batasan: W. Brian Arthur (1989) menjelaskan Lock-In ($\gamma > 1$, QWERTY, VHS); Preferential Attachment (Yule–Simon / Barabási–Albert) menghasilkan $P(k) \sim k^{-(2 + \frac{1}{1-\alpha})}$; warna baru ($\theta > 0$, $H_0$) konvergen ke Proses Dirichlet $\mathrm{DP}(\theta, H_0)$ (CRP); MusicLab (Salganik et al. 2006) membuktikan empat batasan: kualitas $\eta_i$, kejenuhan, memori, dan jaringan.