Apostila Teoria Das Filas

Universidade Federal do Rio de Janeiro
COPPE: Programa de Engenharia de Produo

rea de Pesquisa Operacional PO
Escola Politcnica: Departamento de Engenharia Industrial
PROCESSOS ESTOCSTICOS
E
TEORIA DE FILAS
Prof. Virglio Jos Martins Ferreira Filho
COPPE Universidade Federal do Rio de Janeiro

Programa de Engenharia de Produo (PEP)
NDICE
1.
PROCESSOS ESTOCSTICOS ....................................................................................... 4

1.1. DESCRIO E DEFINIO DE PROCESSOS ESTOCSTICOS ........................... 4
1.1.1.
PROCESSO ESTOCSTICOS CONTNUOS / DISCRETOS ............................ 4
1.1.2.
DISTRIBUIES DE PROBABILIDADE ............................................................. 5
1.1.3.
ALGUNS PROCESSOS ESTOCSTICOS IMPORTANTES .............................. 6
1.2. CADEIAS DE MARKOV EM TEMPO DISCRETO ..................................................... 7
1.2.1.
PROBABILIDADE DE TRANSIO EM VRIOS ESTGIOS ........................... 8
1.2.2.
PROBABILIDADE DE 1 PASSAGEM E PRIMEIRO RETORNO ..................... 11
1.2.3.
CLASSIFICAO DE ESTADO ........................................................................ 11
1.2.4.
CADEIAS DE MARKOV ERGDICAS (PROBABILIDADES LIMITE) .............. 12
1.2.5.
TEMPO MDIO DE 1 PASSAGEM / RECORRNCIA .................................... 15
1.2.6.
CADEIAS DE MARKOV ABSORVENTES ........................................................ 17
1.3. CADEIA DE MARKOV EM TEMPO CONTNUO ..................................................... 19
1.3.1.
VISUALIZAO MATRICIAL ............................................................................ 22
1.3.2.
TEMPO AT A PRXIMA TRANSIO ........................................................... 22
1.3.3.
PROBABILIDADE DE REGIME PERMANENTE t ............................... 24
1.3.4.
PROCESSO DE NASCIMENTO E MORTE ...................................................... 24
1.3.5.
PROCESSO DE POISSON ............................................................................... 26
1.3.6.
TEMPO ENTRE EVENTOS CONSECUTIVOS ................................................. 28
1.3.7.
SUPERPOSIO DE PROCESSOS DE POISSON ......................................... 28
1.3.8.
DECOMPOSIO DE PROCESSOS DE POISSON ........................................ 28
1.3.9.
TEOREMA DE KHINTHINE ............................................................................... 29
1.4.
2.
EXERCICIOS PROPOSTOS DE PROCESSOS ESTOCSTICOS ........................ 30
TEORIA DE FILAS .......................................................................................................... 39

2.1. INTRODUO E CONCEITOS BSICOS .............................................................. 39
2.1.1.
PORQUE FILAS SO ESTUDADAS ................................................................. 40
2.1.2.
PRINCIPAIS CARACTERISTICAS DE UMA FILA ............................................ 40
2.1.3.
NOTAO DE KENDALL .................................................................................. 42
2.1.4.
TERMINOLOGIA E NOTAES ....................................................................... 43
2.1.5.
RESULTADO DE LITTLE .................................................................................. 44
2.1.6.
EXEMPLOS DE SISTEMAS DE FILAS REAIS ................................................. 45
2.1.7.
A DISTRIBUIO EXPONENCIAL NA TEORIA DE FILAS.............................. 46
2.1.8.
PROCESSO DE POISSON ............................................................................... 51
2.2. FILAS MARKOVIANAS (PROCESSO DE NASCIMENTO E MORTE) ................... 52
2.2.1.
SISTEMAS INFINITOS ...................................................................................... 52
2.2.2.
SISTEMAS FINITOS.......................................................................................... 58
2.3. MODELO DE ERLANG ............................................................................................ 60
2.3.1.
SISTEMA M|EK|S ............................................................................................... 61
2.3.2.
SISTEMA EK|M|1 ............................................................................................... 62
2.4. REDES DE FILAS MARKOVIANAS ........................................................................ 63
2.4.1.
SISTEMA ABERTO SEM REALIMENTAO .................................................. 64
2.4.2.
SISTEMA FECHADO......................................................................................... 66
2.4.3.
SISTEMAS MISTOS OU ABERTOS COM REALIMENTAO ........................ 66
2.4.4.
TEOREMA BURKE ............................................................................................ 67
2.4.5.
FORMA PRODUTO NA REDE ABERTA .......................................................... 69
2.5. A FILA M|G|1 ............................................................................................................ 71
2.5.1.
MEDIDAS DE DESEMPENHO .......................................................................... 74
2.6. Anexo ....................................................................................................................... 79
2.6.1.
FUNO GERADORA DE MOMENTOS .......................................................... 79
2.6.2.
PROPRIEDADES DA FUNO GERADORA DE MOMENTOS ...................... 81
Processos Estocsticos e Teoria de Filas

2.6.3.
TRANSFORMADA Z .......................................................................................... 83
EXERCICIOS PROPOSTOS DE TEORIA DAS FILAS ...................................................... 88

3.
MOVIMENTO BROWNIANO ........................................................................................... 94

3.1. PASSEIO ALEATRIO DISCRETO - DISCRETE TIME, DISCRETE STATE,
RANDOM WALK ................................................................................................................. 94
3.2. PASSEIO ALEATRIO COM DESVIO - DISCRETE RANDOM WALK WITH
DEVIATION.......................................................................................................................... 95
3.3. PASSEIO ALEATRIO COM TAMANHO DO PASSO VARIVEL - DISCRETE
TIME CONTINUOS SPACE RANDOM WALK ................................................................... 96
3.4.
PROCESSO DE WIENER ........................................................................................ 97
3.5.
GENERALIZAO - PROCESSO DE WIENER COM DESVIO ............................. 98
3.6.
REPRESENTAO DO MOVIMENTO BROWNIANO POR PASSEIO ALEATRIO

99
4.
REFERNCIAS BIBLIOGRFICAS ............................................................................. 102
5.
LISTA DE EXERCICIOS RESOLVIDOS DE PROCESSOS ESTOCASTICOS ........... 104
6.
LISTA DE EXERCICIOS RESOLVIDOS DE TEORIA DAS FILAS .............................. 140
7.
Lista de Exerccios Complementares ........................................................................ 158

1. PROCESSOS ESTOCSTICOS
1.1.
DESCRIO E DEFINIO DE PROCESSOS ESTOCSTICOS
Segundo Lieberman, um processo estocstico uma coleo de variveis

aleatrias indexadas (
X t ), onde t um ndice definido num conjunto T. Assim, um processo
estocstico a descrio de um fenmeno aleatrio que varia com o tempo.

O processo estocstico
X 1 , X 2 , X 3 ... , pode representar a coleo das quantidades
de carros que passam por um determinado ponto de uma rodovia, a evoluo dos nveis de
estoque semanais de uma firma, o comportamento de uma partcula de gs, variaes nas
qualidades dos produtos, variaes nos preos de aes, vendas numa determinada loja,
evoluo do nmero de desempregados num determinado pas, etc.
O processo estocstico
Y1 , Y2 , Y3 ,... representa a evoluo populacional brasileira,
desde o ano de 1998 como mostra a Tabela 1.1:

Tabela 1.1 Evoluo populacional brasileira
1998
Habitantes
161.790.311
1999
163.947.554
2000
169.590.693
2001
172.385.826
2002
174.632.960
...
...
(Fonte: Denatran)
Os valores assumidos por um processo estocstico so denominados estados e o

conjunto de todos os estados possveis dito espao de estados.
1.1.1. PROCESSO ESTOCSTICOS CONTNUOS / DISCRETOS
Os processos estocsticos podem ser classificados como:

a) Em relao ao Estado:
- Estado Discreto (cadeia): X(t) definido sobre um conjunto enumervel ou finito.
- Estado Contnuo: caso contrrio.
b) Em relao ao Tempo:
- Tempo Discreto: t finito ou enumervel.
- Tempo Contnuo: caso contrrio.
Notao:
- Processo em tempo contnuo: {X(t), t 0}
- Processo em tempo discreto: {X(t), t = 1, 2, 3, ...}

Exemplos:
-
Estado Discreto e Tempo Contnuo: nmero de usurios em uma fila de banco

em um determinado instante, colises entre duas partculas no intervalo de 2
minutos;
Estado Contnuo e Tempo Contnuo: nvel de uma represa observado em um
intervalo de tempo;
Estado Discreto e Tempo Discreto: nmero de mquinas avariadas no fim do dia,

Quantidade de barris petrleo produzidas ao final do dia por uma determinada
multinacional;
Estado Contnuo e Tempo Discreto: cotao de uma ao no fim do dia.
1.1.2. DISTRIBUIES DE PROBABILIDADE
Para um dado valor de t, o processo estocstico X(t) uma varivel aleatria, e a

obteno de sua distribuio de probabilidade feita como qualquer outra varivel aleatria.
Entretanto, quando t varia ao longo do conjunto T, a informao X(t) no fornecida por uma
simples distribuio para um dado t. Para uma informao completa do processo precisamos
da distribuio conjunta {X(t), t T}. Com isso podemos prever o comportamento do
processo no futuro, conhecendo o comportamento no passado.
Quando t contnuo, obter essa distribuio conjunta impossvel, j que o conjunto
t no-enumervel. Sob essas circunstncias, vlido assumir que o comportamento do
processo pode ser obtido estudando-o em um conjunto discreto de pontos, assim a
distribuio conjunta definida nesse conjunto de pontos apropriada.
Seja (t1, t2,...,tn), com t1 < t2 < ...< tn, um conjunto discreto de pontos de T. A
distribuio conjunta do processo X(t) nesses pontos pode ser definida como segue:
P[ X t1 x1 , X t2 x2 ,..., X tn xn ]
(1)
A probabilidade do processo estocstico estar no tempo t no estado
a t chamada
probabilidade de estado ( Pt ) e definida por:
Pt P[ X t at ]
O vetor p = [
(2)
p1 p2 ... pn ... ] chamado vetor de probabilidade de estado.
A probabilidade do processo estocstico (com tempo e estado discretos) estar no

estado j, dado que estava no estado i, chamada probabilidade de transio ( Pij
Pij
m, n
P[ X n j | X m i], m n
m,n
).
(3)

Para o caso contnuo, a probabilidade condicional de transio e a probabilidade

de estado so definidas, respectivamente, como segue:
F ( x0 , x1 , t 0 , t1 ) P[ X (t1 ) x1 | X (t 0 ) x0 ]
F ( x, t ) P[ X (t ) x]
(4)
(5)
A matriz que armazena todas as probabilidades de transio

matriz de probabilidade de transio
P ( m,n) [ pij
( m, n )
Pij
( m,n )
].
Um processo dito homogneo (no tempo) se a transio depende de

depende de
chamada
t , mas no
t 0 . Nesse caso temos:
F ( x0 , x1 , t 0 , t 0 t ) F ( x0 , x,0, t ) t 0
O correspondente para estado e tempo discretos
Pij
( m, n )
Pij
( nm)
Diagrama de Transio de Estados

o grafo valorado representativo do processo estocstico, onde o conjunto de
vrtices est associado ao conjunto de estados e seus valores as respectivas probabilidades
de estado. O Conjunto de arcos, por sua vez, est associado as possveis transies e
valorado pelas probabilidades de transio.
1
1/2
1/2
2/3
1/3
1/3
2
1/3
1/3
1.1.3. ALGUNS PROCESSOS ESTOCSTICOS IMPORTANTES

Processo de WEINER (Movimento Browniano): a disposio de uma partcula
suspensa em um fluido, sujeita a sucessivas colises com partculas vizinhas um
exemplo clssico do processo de Weiner. O fenmeno fsico foi descoberto pelo
botnico Robert Brown em 1827. A teoria do comportamento desse processo foi
desenvolvida por Einstein (1906) e Weiner (1923).

Processo
de
P[ X (t ) k ]
Poisson:
t
( t )
k!
processo
estocstico
{X(t)}
tal
que
denominado processo de Poisson. Esse processo
modela, razoavelmente bem, o nmero de chamadas numa cabine telefnica, por

exemplo.
Processo de Renovao: um exemplo desse processo a vida til de um

equipamento onde uma pea que falha substituda por uma pea igual.
Processo de Markov: nesse processo toda histria passada resumida no estado

atual (memria de curto prazo).
1.2.
CADEIAS DE MARKOV EM TEMPO DISCRETO

Um processo estocstico dito ter a propriedade Markoviana se:
P[ X t 1 j | X t i; X t 1 kt 1 ;...; X 1 k1 , X 0 k 0 ] P[ X t 1 j | X t i]
(6)
para t = 0, 1, ... e qualquer seqncia i, j, k0, ..., kt-1.

A expresso acima, equivale a dizer que a probabilidade condicional de qualquer
evento futuro, dado qualquer evento passado e o estado presente Xt =i, independente do
evento passado e depende somente do estado presente do processo. Ou seja, um processo
estocstico dito ser um processo Markoviano, se o estado futuro depende apenas do
estado presente e no dos estados passados.
Esse tipo de processo estocstico tambm denominado de processo sem memria.
Se, para cada i e j
P[ X t 1 j | X t i] P[ X 1 j | X 0 i], para todos t 0,1,...

ento, as probabilidades de transio em um estgio so ditas serem estacionrias e so
denotadas por pij. Isso implica que as probabilidades de transio no mudam no tempo.
Um processo estocstico Xt (t = 0, 1, ...) dito ser uma cadeia de Markov em tempo
discreto se tiver o seguinte:
1- Satisfizer a propriedade de Markov
2- Possuir espao de estados enumervel.
No presente curso, focaremos nossas atenes em cadeias de Markov que
apresentem as seguintes propriedades.:

1- Um nmero finito de estados,

2- A propriedade markoviana,
3- Probabilidades de transio estacionrias,
4- Um conjunto de probabilidades iniciais P(X0 = i) para todo i.
1.2.1. PROBABILIDADE DE TRANSIO EM VRIOS ESTGIOS
A existncia de probabilidades de transio estacionrias em um estgio tambm
implica que, para cada i, j e n (n = 0, 1, 2,...),
P[ X t n j | X t i] P[ X n j | X 0 i], para todos t 0,1,...

(n)
Estas probabilidades condicionais so usualmente denotadas por pij

e so
chamadas de probabilidades de transio em n estgios. Os processos com essas
caractersticas so tambm chamados de processos homogneos no tempo.
pij
( n)
P[ X n j | X 0 i]
A matriz que armazena as probabilidades de transio em n estgios denotada por
P ( n ) [ pij
( n)
].
Seja pij
(2)
a probabilidade de transio do estado i para o estado j em 2 estgios,
como mostra a Figura 1.1 a seguir.

estado
j
z
i
estgio
1
Figura 1.1 Probabilidade de Transio do estado i para o estado j em 2 estgios
Podemos escrever:
pij
( 2)
pii pij
pij
( 2)
(1)
k i , z , j
kS
1
ik
(1)
piz p zj
(1)
(1)
pij p jj
(1)
(1)
p1kj , para cada i, j.

Em notao matricial:
P( 2) P(1) P(1) PP P 2 ,
onde:
p11
P p 21
p31
p12
p22
p32
p13
p 23
p33
Analogamente:
Pij
( 3)
pik2 p1kj , para cada i, j.

kS
P(3) P( 2) P(1) P(1) P( 2) P 2 P P3
De uma maneira geral, podemos estabelecer a equao de Chapman-Kolmogorov:
P ( n ) P ( nk ) P ( k ) P n
Seja pj
(1)
(7)
a probabilidade de estar no estado j no instante 1, como mostra a Figura
1.2:
estado
z
j
i
estgio
1
Figura 1.2 Probabilidade de estar no estado j no instante 1
Podemos escrever:
pj
(1)
pj
(1)
pi
( 0)
pij
(1)
pj
( 0)
p jj
(1)
pz
( 0)
p zj
(1)
pi( 0) pij(1) , para cada i, j.

iS
Em notao matricial:

p (1) p (0) P (1) p (0) P

De uma maneira geral, podemos estabelecer o vetor de estado no instante n:
( n)
p ( nk ) P ( k )
10

1.2.2. PROBABILIDADE DE PRIMEIRA PASSAGEM E PRIMEIRO RETORNO

Seja a igualdade:
( n)
f ij
Se
P[ X n j, X n1 j; X n2 j;...; X 1 j; X 0 i]
j i , f ij
(n )
a probabilidade de 1 passagem, isto a probabilidade de que o
processo esteja no estado j, no tempo n (e no antes), dado que ele estava no estado i, no
tempo 0.
Se
j i , f ij
(n )
a probabilidade de 1 retorno, isto a probabilidade de que sejam
necessrios n passos at atingir o estado j pela 1 vez dado que o processo comea no
estado i.
f ij
(1)
f ij
(n)
pij , e para f ij
(1)
pij
(n)
(n)
pijn , n 1 .
n 1
f ijk p (jjnk )
(8)
k 1
F ( n ) [ f ij( n ) ] , para cada i,j, a matriz de primeira passagem / primeiro retorno.

1.2.3. CLASSIFICAO DE ESTADO
Processos Irredutveis: cada estado pode ser alcanado de qualquer outro (atravs
de uma seqncia de transies), caso contrrio o processo dito redutvel. A Figura 1.3
mostra um exemplo de processo redutvel.
3
4
5
6
Figura 1.3 Exemplo de Processo Redutvel
Estado Recorrente: se j aconteceu uma vez certo que ir ocorrer novamente, ou

seja, existe uma probabilidade no nula do estado vir a acontecer no futuro.
lim pij( n ) 0 , para cada i.

n
11

Estado Transiente: ir ocorrer um determinado nmero de vezes e posteriormente

no ocorrer mais.
lim pij( n ) 0 , para cada i, j estado transiente.

n
Vale ressaltar que um processo finito e irredutvel tem todos os estados recorrentes.
Estado Nulo: estado recorrente, porm com o tempo de recorrncia infinito.
Estado no-nulo: tempo de recorrncia finito.
Estado Peridico: estados s podem ocorrer em tempo fixo.
Considere a Figura 1.4, neste caso, os estados 1 e 2 s podem ser alcanados num
tempo fixo igual a 2.
2
1
Figura 1.4 Exemplo de Estado Peridico
A definio de estado peridico no garante que o estado ocorra, mas se ele

acontecer, ter que ser naquele tempo.
Estado Absorvente:
lim pij( n ) 1 , para cada i, j estado absorvente

n
Cadeia Absorvente: possui pelo menos um estado absorvente, como mostra a

Figura 1.5, onde os estados 4 e 5 so absorventes.
5
Figura 1.5 Exemplo de Cadeia Absorvente
1.2.4. CADEIAS DE MARKOV ERGDICAS (PROBABILIDADES LIMITE)

Uma cadeia dita Ergdica se for irredutvel, recorrente, no-nula e aperidica.
lim pij( n ) j
n
(9) ,
12

onde:
j frao do tempo que o processo passa no estado j.

medida que o tempo do processo cresce, o estado inicial perde importncia,
assim como o prprio tempo.
[ j ] (vetor linha)
lim P n (m rplicas do vetor [ j ] )

n
Da equao de Chapman-Kolmogorov temos:
P( n) P( n1) P
lim P n lim P n1P {lim P n1}P
n
=P
A equao acima representa um sistema de equaes lineares com m sistemas
independentes e iguais com m equaes lineares cada um. Isto , m rplicas do sistema
abaixo:
j 1
j
Uma outra abordagem para o problema a ser considerada pela utilizao da Lei de
Conservao do Fluxo, a qual garante que no estado permanente, o fluxo que sai do
sistema igual ao fluxo que entra.
FLUXO QUE SAI = FLUXO QUE ENTRA
Para anlise atravs da Lei de Conservao de Fluxo, consideremos a Figura 1.6,
abaixo:
1
1/2
1/2
2/3
1/3
1/3
2
1/3
1/3
Figura 1.6 Exemplo (Lei de Conservao de Fluxo)
13

A matriz P de probabilidades de transio de estados para este exemplo encontra-se

descrita a seguir.
0
1
P
3
2
3
1
2
1
3
1
3
Conservao
do fluxo
1
2
1
3
0
1
1
1
2
n 1 : 2 1 2 1 3 2 3 3
1
1
1
1
1
1
n 2 : 2 2 2 1 2 3
3
3
3
2
3
3
n 3 : 1 3 2 3 1 1 1 2
3
3
2
3
1 1/ 3 2 2 / 3 3
2 1/ 21 1/ 3 2 1/ 3 3
combinao linear
3 1/ 21 1/ 3 2
1 2 3 1
1= 0,323
Resulta em
2= 0,387
3= 0,290
14

1.2.5. TEMPO MDIO DE 1 PASSAGEM / RECORRNCIA

Seja Nij varivel aleatria que representa o nmero de estgios necessrios para
atingir j pela 1 vez, partindo de i:
P{N ij n} f ij( n ) (distribuio do tempo de 1 passagem/1 retorno)
mij E ( N ij ) n f ij( n )
n 1
1 retorno (i = j)
j frao do tempo que o processo passa no estado j.

mjj = 1/ j o perodo mdio entre a ocorrncia de j.
Tempo mdio de 1 passagem (i j)

Condicionado ao estado no estgio 1
j
i
mij=1 com probabilidade pij

mij=(1+mkj) com probabilidade pik
k j
mkj
0
|
1
mij pij *1 pik (1 mkj )

k j
mij pij *1 pik *1 pik mkj

k j
k j
mij 1 pik mkj (10)

k j
Exemplo: Servio de Transporte de Passageiros por um Helicptero

Consideremos uma cidade com apenas trs helipontos (Barra Shopping (1), Santos
Dumont (2) e Galeo (3)) e um nico helicptero, que recolhe o passageiro de um dos
helipontos e os leva at um outro dos helipontos, onde aguardam at que aparea outro
passageiro. Um nico passageiro (um grupo com o mesmo destino) atendido de cada vez.
15

Se o helicptero est brevemente no Galeo, qual a probabilidade de que ele volte

aps 3 viagens ?
Se o helicptero est brevemente no Santos Dumont, quantas viagens, em mdia,
iro correr at que ele volte ao Santos Dumont?
Em um longo perodo de tempo, qual a frao de viagem se destinam ao Barra
Shopping?
1
1/2
1/2
2/3
1/3
1/3
2
1/3
1/3
Figura 1.7 Exemplo (Servio de Transporte de Passageiros por um Helicptero)
0
1
P
3
2
3
1
2
1
3
1
3
1
2
1
a matriz de transio de estados.
3
0
O grafo mostrado na Figura 1.7 um recurso muito usado no estudo dos processos
estocsticos, denominado diagrama de transio de estados.
Soluo:
2
9
17
P3
54
4
9
5
12
7
18
19
54
13
36
8
27
11
54
Assim a probabilidade de que o helicptero volte aps 3 viagens
Da equao (9) temos: lim
11
.
54
pijn j
Utilizando, por exemplo, a calculadora HP podemos obter:
16

0,322 0,387 0,29

lim P n 0,322 0,387 0,29
n
0,322 0,387 0,29
Assim, em um longo perodo de tempo, a frao de viagens que se destinam ao
Barra Shopping de 0,322.
m jj
Temos que
1
1
1
; Assim m22
2,583 , que representa o

j
2 0,387
nmero mdio de viagens que iro ocorrer at que o helicptero volte ao Santos Dumont.
1.2.6. CADEIAS DE MARKOV ABSORVENTES

a) Representao Matricial:
P =
Q R
0 I
b) Probabilidade de Absoro (A)
A [aij ] , para cada i pertencente aos estados transientes e para cada j pertencente
aos estados absorventes.
aij f ij( n ) , para cada i pertencente aos estados transientes e para cada j
n 1
pertencente aos estados absorventes.

A probabilidade de absoro sempre depende do estado inicial:
absorvente
pij
aij pij pik akj
i
akj
k
j
transiente
transiente
17

aij pij pik akj , para cada i pertencente aos estados transientes e para cada j
kT
pertencente aos estados absorventes.
AQ* A R
( I Q) * A R
A ( I Q) 1 * R (11)
c) Durao mdia do regime transiente

Diz-se que
eiz o nmero mdio de vezes que o estado transiente z ocupado,
dado que o estado inicial i, i pertencente aos estados transientes.

Se
i z , ento eiz pik ekz

kT
Se
i z , ento eiz 1 pik ekz

kT
E [eiz ] , i, z pertencente aos estados transientes.

E ( I Q) 1
(12)
d i a durao mdia do regime transiente, dado que o estado inicial i.

d i eij
(13)
jT
Durao mdia do processo se ele est no estado i e termina no estado j rij :

aij rij aij
pik
k transiente
akj rkj , para i transiente e j absorvente.
k l , teremos B I Q1 A .)
(OBS: fazendo bij aij rij e B bij
Exemplo:
Uma floresta constituda de dois tipos de rvores: aquelas com at 3 metros e as
maiores do que 3 metros. A cada ano 40% das rvores com at 3m morrem, 10% so
vendidas por $20 cada, 30% permanecem com at 3 metros e 20% crescem para acima de
3m. Das rvores maiores do que 3m a cada ano so vendidas 50% por $50 cada, 20% por
$30 cada e 30% permanecem na floresta.
a) Qual a probabilidade de que uma rvore, com menos de 3m, morra antes de ser vendida?
18

b) Se uma rvore (com menos de 3m) plantada, qual o seu valor esperado de venda?
1
M
0,4
0,5
0,2
-3
0,31
V50
0,1
+3
0,3
0,2
V20
V30
1
M, V20, V30 e V50 so estados absorventes.

-3
+3
V20
V30
V50
-3
0,3
0,2
0,4
0,1
+3
0,3
0,2
0,5
V20
V30
0
0
0
0
0
0
1
0
0
1
0
0
V50
P = M
1,428 0,408
1
E I Q
,
1,428
0
0,571 0,142 0,082 0,204

A E.R
0
0,285 0,714
0
a) Probabilidade de que uma rvore, com menos de 3m, morra antes de ser vendida:
a 3,M = 0,571 57%
b) Valor esperado de venda, se uma rvore com menos de 3m plantada:
Vesp = 20*0,142 + 30*0,082 + 50*0,204 = $15,50
1.3.
CADEIA DE MARKOV EM TEMPO CONTNUO
Uma cadeia de Markov em tempo continuo e, como a designao indica uma cadeia
de Markov em que a varivel tempo continua, representando instantes ou momentos de
19

tempo (e no perodos de tempo, como para as cadeias em tempo discreto). Assim, uma
cadeia de Markov em tempo continuo um processo estocstico {X(t), t 0} com a
propriedade de Markov, ou seja, a propriedade de estar no estado j num momento futuro
depende apenas do estado presente e no dos estados visitados em qualquer momento
passado.
Considerando a Grfico 1.1 abaixo, temos:
estado
1
T
0
Grfico 1.1 - Processo de Markov em Tempo Continuo
pij(to ,t ) pij
( 0,t )
pij (processo homogneo): probabilidade que o sistema esteja no

(t )
estado j, no instante t, dado que ele estava no estado i no instante 0.

(t)
P(t) = [pij ]
No exemplo temos:
p (t )
P(t ) 00
p10 (t )
p01(t )
p11(t )
Suposies:
O processo satisfaz a propriedade de Markov;
O processo estacionrio;
A probabilidade de 2 ou mais mudanas de estado acontecerem num certo intervalo

de tempo
(t ) pequeno zero;
A probabilidade de uma transio de 0 para 1; ou de 1 para 0 em um certo intervalo
de tempo
(t ) pequeno proporcional a (t ) :
p01(t ) (t ) (14)
e
p10 (t ) (t )
(15)
Assim temos que:
20

p00 (t t ) p00 (t ) p00 (t ) p01(t ) p10 (t )

p00 (t t ) p00 (t )[1 p01(t )] [1 p00 (t )] p10 (t )
p00 (t t ) p00 (t )[1 (t )] [1 p00 (t )] (t )
p00 (t t ) p00 (t )
( ) p00 (t )
t
p00 (t t ) p00 (t )
( ) p00 (t )
t
p (t t ) p00 (t )
lim 00
( ) p00 (t )
t 0
t
dp00 (t )
( ) p00 (t )
dt
dp00 (t )
dt
( ) p00 (t )
Integrando ambos os lados, temos:
ln[ ( ) p00 (t )]
t
( )
( ) p00 (t ) ce ( )t
Como
p00 (0) 1 , temos ( ) ce 0 .
Logo:
p00 (t )
e ( )t
(16)
Analogamente, podemos obter:
p01(t )
p11(t )
p10 (t )
e ( )t
(17)
e ( )t
e ( )t
(18)
(19)
21

1.3.1. VISUALIZAO MATRICIAL
dp00 (t )
p00 (t ) p01(t )
dt
dp01(t )
p00 (t ) p01(t )
dt
dp10 (t )
p10 (t ) p11(t )
dt
dp11(t )
p10 (t ) p11(t )
dt

dP(t )
P(t )
dt

; Seja
Assim temos:
dP(t )
P(t )
dt
(20)
1.3.2. TEMPO AT A PRXIMA TRANSIO
p00 (t t ) p00 (t ) p00 (t )

p00 (t t ) p00 (t )[1 p01(t )]
p00 (t t ) p00 (t ) p00 (t )t
p00 (t t ) p00 (t ) p00 (t )t
p00 (t t ) p00 (t )
p00 (t )
t
p (t t ) p00 (t )
lim 00
p00 (t )
t 0
t
dp00 (t )
p00 (t )
dt
p00 (t ) e t
(21)
Generalizando
Um processo estocstico contnuo um processo de Markov se:
{X (t ), t 0} ,
com espao de estados enumervel E, um processo de Markov se para todo t,
s0e
jE :
P[ X (s t ) j | X (u), u s] P[ X (s t ) j | X (s)] (22)
22

O processo ser homogneo se:
P[ X (s t ) j | X (s) i] pij (t )
(23)
Discretizando e utilizando a equao de Chapman-Kolmogorov temos:
pij (t t ) pik (t ) pkj (t )

k E
P(t t ) P(t ) P(t )
Clculo de
P(t )
Utilizaremos para tal a expanso em srie de Taylor:
pij (t ) pij (0) pij `(0)(t )
1
1
pij ``(0)(t ) 2 pij ```(0)(t )3 ...
2
6
pij (t ) pij (0) pij `(0)(t ) 2 ,

onde:
2 0.
0, i j
pij (0)
1, i j
pij `(0)
dpij (t )
dt
t 0
ij
ij
P(t ) I (t )
(24)
Retomando, tnhamos anteriormente:
P(t t ) P(t ) P(t ) Eq. C-K

Substituindo o resultado obtido em (24) temos:
P(t t ) P(t )[ I (t )]
P(t t ) P(t )
P(t )
(t )
dP(t )
P(t )
dt
(25)
23

chamado gerador infinitesimal.
Propriedades de
ij
a taxa de transio ou taxa de sada, isto a velocidade com que se escapa de
um estado i para um estado j.
ij
1.3.3.
PROBABILIDADE DE REGIME PERMANENTE
No estudo das cadeias de Markov em tempo continuo interessa conhecer as

probabilidades estacionarias t de o processo estar em diferentes estados.
dP(t )
lim P(t )
t
t
dt
d
lim P(t ) lim P(t )
t
dt t
d

dt
lim
As equaes de regime permanente so as que seguem:
1 e
(26)
1.3.4. PROCESSO DE NASCIMENTO E MORTE

Os Processos de Nascimento-Morte so processos estocsticos muito utilizados na
descrio de Sistemas de Filas de Espera, dada a sua particular estrutura: as transies de
um qualquer estado s so possveis para estados vizinhos (i.e., de um estado i para os
estados i+1 ou i-1).
Adotando-se um espao de estados X ={0, 1, } e considerando que cada estado
representa um certo nvel de populao (exemplo: nmero de clientes numa loja, nmero
de mensagens num coletor de chamadas, nmero de produtos a processar, etc.), tais
transies podem ser facilmente interpretadas.
A transio do estado i para o estado i+1 ser um nascimento (por exemplo,
chegada de um cliente), uma vez que significa um aumento do nvel da populao.
Enquanto que a transio do estado i para o estado i-1 ser uma morte (por exemplo,
partida de um cliente), por significar um decrscimo do nvel da populao.
24

Considere a Figura 1.8 abaixo.

0
0
1
1
2
2
n-1
...
3
3
n-1
n-1
n
n+1
1
n
n
...
n+1
Figura 1.8 Processo de Nascimento e Morte
0 ...
00 01 0
11 12 0 ...
10
.
0 21 22 23 ...
... ... ... ... ...
...
...
...
...
...
...
...
...
...
...
...
...
Sendo assim:
00 01
11 (10 12 )
...
nn (n,n1 n,n1 )
...
Por questo de simplicidade de notao usaremos:
01 0 , 12 1 , 23 2 ... e
10 u1 , 21 u2 , 32 u3 , ...
Uma outra abordagem para o problema usando a Lei de Conservao do Fluxo:

FLUXO QUE SAI = FLUXO QUE ENTRA
1 e
0:
0 0 u1 1
1:
0 01 1 11 2 21 0
0 0 1[(1 u1 )] 2 u2 0
25

1[(1 u1 )] 0 0 2 u2
2:
1 (1 u1 ) 2 (2 u2 ) 3 u3 0
(2 u2 ) 2 1 1 3 u3
Resolvendo o sistema temos:
0:
1:
2:
u1
u2
210
u3u2u1
10
u2u1
0 1 0 1 0 2 1 0 ... 1
u1 u2u1 u3u2u1
Para resolvermos o sistema necessrio que a srie a convergncia da srie.
1.3.5.
PROCESSO DE POISSON
Considere a Figura 1.9:
...
n-1
n+1
1
...
Figura 1.9 O processo de Poisson
Equao de Chapman-Kolmogorov (equivalente no caso contnuo):
dP(t )
P(t )
dt
...
Da linha
0
...
0 ... ...
0 ... ...
.
... ...
... ... ... ...
...
...
...
...
...
p00 (t )
p (t )
...
10
; P(t )
...
...
...
...
p01(t )
p11(t )
...
...
p02 (t )
p12 (t )
...
...
...
...
...
...
temos:
26

dp00 (t )
p00 (t )
dt
dp01(t )
p00 (t ) p01(t )
dt
dp02 (t )
p01(t ) p02 (t )
dt
dp0 n (t )
p0,n1 (t ) p0 n (t )
dt
Resolvendo o sistema para a linha
temos:
dp00 (t )
dt
p00 (t )
ln p00 (t ) t c
p00 (t ) ce t ; como p00 (0) 1 , segue que c 1 .
p00 (t ) e t
(27)
Assim o tempo de permanncia no estado tem distribuio exponencial.
dp0 n (t )
p0 n (t ) p0,n1 (t )
dt
Multiplicando ambos os lados da equao por
e t temos:
dp (t )
et 0 n p0 n (t ) et p0,n1 (t )
dt
det p0 n (t )
et p0,n1 (t )
dt
Para n = 1 temos:
det p01 (t )
e t e t
dt
de t p01 (t )
dt
et p01 (t ) t d
p01 (t ) (t d )et , como p01 (0) 0 temos:
27

p01 (t ) te t
p0n (t )
( t ) n t
e
n!
(28)
O nmero de eventos tem distribuio de Poisson, com parmetro
t ,
que o
nmero esperado de eventos ocorrendo no perodo t.
1.3.6. TEMPO ENTRE EVENTOS CONSECUTIVOS

Seja
Tn a varivel aleatria correspondente ao tempo entre o (n-1)-simo e o n-
simo evento.
Assim
T1 o tempo at que o primeiro evento ocorra.
p00 (t ) Pnenhumeventoocorranotempot
p00 (t ) P[T1 t ]
P[T1 t ] et
P[T1 t ] 1 et
Generalizando, temos que:
P{(Tn1 Tn ) t} 1 e t
(29)
Portanto, o tempo entre eventos consecutivos em um processo de Poisson tem

distribuio exponencial.
1.3.7. SUPERPOSIO DE PROCESSOS DE POISSON
Se A um processo de Poisson com taxa

com taxa
1.3.8.
e B um processo de Poisson
ento C tambm um processo de Poisson com taxa
c A B .
DECOMPOSIO DE PROCESSOS DE POISSON
Se A um processo de Poisson ento B e C sero processos de Poisson se a

separao for probabilstica e independente.
28

1.3.9.
TEOREMA DE KHINTHINE
A superposio de um grande nmero de processos de renovao (tempos entre

eventos independentes e identicamente distribudas i.i.d) aproximadamente um processo
de Poisson.
29

1.4.
EXERCICIOS PROPOSTOS DE PROCESSOS ESTOCSTICOS
01) Uma floresta constituda de dois tipos de rvores: aquelas com at 3 metros e as
vendidas por $20 cada, 30% permanecem com at 3 metros e 20% crescem para acima de
3m. Das rvores maiores do que 3m a cada ano so vendidas 50% por $50 cada, 20% por
$30 cada e 30% permanecem na floresta.
a) Qual a probabilidade de que uma rvore, com menos de 3m, morra antes de ser vendida?
b) Se uma rvore (com menos de 3m) plantada, qual o seu valor esperado de venda?
02) Com a chegada da civilizao, os ndios da Aldeia Taipan resolveram instituir um sistema
de previdncia social, para o que contaram com a ajuda de um consultor, Mestre em
Engenharia de Produo. A primeira etapa do estudo do consultor consistiu em classificar os
ndios em trs grupos: crianas, trabalhadores e aposentados. Logo em seguida, utilizando a
excelente memria dos ndios, ele inferiu os seguintes dados: durante um perodo de um
ano, 959/1000 de todas as crianas permanecem crianas, 40/1000 se tornam adultos
trabalhadores e 1/1000 delas morrem; alm disto, ainda durante um dado ano, 960/1000 de
todos os adultos trabalhadores permanecem adultos trabalhadores, 30/1000 se aposentam e
10/1000 falecem. A taxa de mortalidade dos aposentados de 50/1000 a cada ano. O
nmero de nascimentos de 1000 crianas por ano.
a) Supondo que a populao da Aldeia est em regime permanente determine a sua
populao, bem como sua estrutura etria (nos trs grupos mencionados).
b) Cada aposentado recebe uma penso de $ 5.000 por ano. O fundo de penso custeado
pelos pagamentos dos adultos trabalhadores. Com quanto cada adulto trabalhador deve
contribuir, por ano, para o fundo de penso?
03) No jogo de Craps, ns jogamos um par de dados de seis faces. No primeiro lanamento,
se tirarmos 7 ou 11 ns ganhamos imediatamente.
Se tirarmos 2, 3 ou 12 perdemos
imediatamente. Se o resultado do primeiro lanamento for 4, 5, 6, 8, 9, 10 ns continuamos a

lanar os dados at obtermos um 7, quando perdemos, ou at obtermos o mesmo resultado
que o primeiro lanamento, quando ganhamos. Use os seus conhecimentos de Cadeias de
Markov para determinar nossa probabilidade de vitria.
04) A Gazeta da Produo tem as seguintes informaes a respeito de seus assinantes:

Durante o primeiro ano 20% dos assinantes cancelam suas assinaturas. Daqueles que
completaram o 1o ano, 10% cancelam sua assinatura no 2o ano. Daqueles que assinam por
mais de 2 anos 4% iro cancel-los durante algum dos prximos anos. Em mdia qual a
durao de uma assinatura da Gazeta da Produo?
30

05) O tempo em Pedra Azul pode ser descrito, como dependente do tempo nos dois ltimos
dias, pelo seguinte mecanismo: (i) se os ltimos dois dias foram ensolarados ento existe
95% de chance de amanh tambm ser ensolarado; (ii) se ontem esteve chuvoso e hoje
ensolarado ento com 70% de chance amanh ser ensolarado; (iii) se ontem estava
ensolarado e hoje est chuvoso ento amanh ser um dia chuvoso com 60% de chance;
(iv) se os dois ltimos dias foram chuvosos ento amanha ser um dia chuvoso com 80% de
chance.
possvel modelar o tempo em Pedra Azul como uma cadeia de Markov? Explique porque e
construa o diagrama de transio de estados.
06) Suponha que no mercado existem apenas duas marcas de cerveja Mharba e rtica.
Dado que a ltima compra de uma pessoa foi uma de Mharba, existe 90% de chance de que
sua prxima compra seja de Mharba. Dado que a ltima compra de uma pessoa foi de rtica
existe uma probabilidade de 80% de que sua prxima compra seja de rtica.
a) Represente o problema por uma cadeia de Markov, apresentando a matriz de
probabilidades de transio e o diagrama de transio de estados.
b) Dado que uma pessoa acabou de comprar Mharba quanto tempo ser necessrio para
que outra compra de Mharba seja realizada? E de tica? Como voc interpreta o tempo
neste caso?
c) Suponha ainda que cada consumidor faa uma compra de cerveja por semana (1 ano = 52
semanas), e que existam 100 milhes de consumidores de cerveja. Uma unidade de cerveja
vendida por $2 e custa cervejaria $1. Por $500 milhes por ano uma firma de propaganda
garante diminuir de 10% para 5% a frao dos clientes de Mharba que mudam para rtica
depois de uma compra. Deve a cervejaria Mharba contratar a empresa de propaganda?
07) Uma companhia com um vo s 7h45 da manh entre Rio e Braslia no quer que o vo
se atrase dois dias seguidos na mesma escala. Se o vo sai atrasado um dia, a companhia
faz um esforo especial no dia seguinte para que o vo saia no horrio, e obtm sucesso em
90% das vezes. Se o vo no saiu atrasado no dia anterior, a companhia no toma
providncias e o vo sai como escalado em 60% das vezes. Que percentual de vezes o vo
sai atrasado? Qual o tempo mdio entre dois vos no horrio?
08) A baco sistemas de computao registra a cada semana uma demanda equiprovvel
de 1 ou 2 de seu modelo A500. Todos os pedidos devem ser atendidos do estoque existente.
Duas polticas de estoque esto sendo consideradas:
Poltica I: Se o estoque de 2 ou menos unidades, coloca-se um pedido de forma que o
estoque inicial na prxima semana seja de 4 unidades.
Poltica II: Se o estoque de 1 ou menos unidades, coloca-se um pedido de forma que o
estoque inicial na prxima semana seja de 3 unidades.
Os seguintes custos so observados na baco:
Custo de comprar um computador: $4.000
Custo de manter o computador em estoque $100/semana.computador,
31

Custo de efetuar um pedido $500 (alm do custo de $4.000 por computador).

Qual poltica tem o menor custo semanal esperado?
09) O programa de treinamento de supervisores de produo de uma determinada

companhia consiste de duas fases. A fase 1 a qual envolve 3 semanas de aula terica,
seguida da fase 2 a qual envolve 3 semanas de aprendizagem prtica. Pelas experincias
anteriores, a companhia espera que somente 60% dos candidatos da fase terica passem
para a fase prtica, com os 40% restantes sendo desligados do programa de treinamento.
Dos que fazem a parte prtica, 70% so graduados como supervisores, 10% enviados para
repeti-la e 20% dispensados.
a) Desenhe o diagrama de transio de estados.
b) Quantos supervisores pode a companhia esperar formar de seu programa normal de
treinamento, se existem 45 pessoas na fase terica e 21 na fase prtica?
10) No instante 0, eu tenho $1. Nos instantes 1, 2, 3, ... eu jogo um jogo no qual eu aposto
$1. A cada lance tenho uma probabilidade p de ganhar $1 e probabilidade q= 1 - p de
perder $1 Meu objetivo aumentar meu capital para $4, e to logo eu o consiga eu saio do
jogo, assim como se eu ficar sem nenhum dinheiro.
a) Construa a matriz de probabilidades de transio e o diagrama de transio de estados
para a cadeia de Markov que modela o jogo.
b) Aps 2 jogadas qual a probabilidade que eu tenha $2 ? E $3?
c) Porque no razovel para este jogo falar em probabilidades de regime permanente?
11) O livro de didtico "PO - A Soluo" vende 1 milho de exemplares a cada ano. Alguns
dos leitores conservam o livro enquanto outros vendem o livro de volta para a livraria.
Suponha que 90% de todos os estudantes que compram um novo livro o vendam de volta,
que 80% dos estudantes que compram o livro com um ano de uso o vendam de volta e que
60% dos estudantes que compram um livro com dois anos de uso o vendam de volta. Os
livros com 4 ou mais anos de uso j esto muito usados e no so mais negociados.
a) Em regime permanente, quantos novos exemplares do livro pode a editora esperar vender
do livro?
b) Suponha que o lucro da livraria com cada tipo de livro seja de $6 por um livro novo, $3 por
um livro com 1 ano de uso, $2 por um livro com 2 anos de uso e de $1 por livro com 3 anos
de uso. Qual o lucro esperado por livro vendido?
12) Trs bolas so divididas entre 2 caixas. Durante cada perodo uma bola escolhida
aleatoriamente e trocada para a outra caixa.
a) Calcule a frao do tempo que uma caixa ir conter 0, 1, 2 ou 3 bolas.
b) Se a caixa 1 no contm bolas, em mdia quanto tempo ser decorrido at que ela
contenha 1, 2 e trs bolas ?
32

13) Classifique os diversos estados das cadeias de Markov a seguir, dadas por sua matriz de
transio. Calcule as probabilidades estacionrias.
0,7 0,3 0
0,8 0,2
a) P 0
0,4 0,3 0,3

1 / 6 1 / 3 1 / 2
b) P 1 / 6 1 / 3 1 / 2
1 / 6 1 / 3 1 / 2
1 / 4 3 / 8 3 / 8
0
1
c) P 0
0
1
0
1 / 2 0 1 / 2
1 0
d) P 0
2 / 5 0 3 / 5
0 1/ 3
2 / 3 0
0 1/ 5 4 / 5 0
f) P
0 1/ 4 3 / 4 0
0 7 / 8
1 / 8 0
14) Dois jogadores jogam uma moeda honesta. Se der cara o jogador I paga R$1 ao jogador
II, se der coroa o jogador II que paga R$1 ao jogador I. Considere que a quantidade total
de dinheiro em jogo (isto a soma das quantias possudas pelos dois jogadores) de R$5.
Modele o jogo como uma cadeia de Markov. Dado que o jogador I comeou o jogo com R$3,
calcule o tempo esperado do jogo e a probabilidade de que cada um dos jogadores vena o
jogo (isto alcance R$5).
15) Quatro meninos (A, B, C e D) brincam de lanar disco. Se o menino A recebe o disco
lana-o para B, C ou D com iguais probabilidades; se C recebe o disco lana-o para A ou D
com iguais probabilidades; se B ou D recebem o disco, ficam com o mesmo. Modele o
problema como uma cadeia de Markov. Desenhe tambm o diagrama de transio de
estados.
a) Se o disco est com C qual a probabilidade de D ficar com o disco?
b) Se A est com o disco qual a probabilidade do disco terminar com B?
33

16) Considere um jogador que a cada lance de um jogo tem uma probabilidade p de ganhar
uma unidade e probabilidade q= 1 - p de perder uma unidade. Assumindo que sucessivos
lances so independentes qual a probabilidade que comeando com i unidades a fortuna
do jogador alcance n antes de chegar a 0?
17) Uma loja de mquinas fotogrficas estoca um modelo de mquina fotogrfica particular
que pode ser encomendado semanalmente. Sejam D1, D2, ..., Di,... variveis aleatrias que
representam a demanda pelas mquinas durante a semana i. Seja X o o estoque existente
de mquinas, e Xi o nmero de mquina disponveis ao final da semana i. Sbado noite a
a
loja faz uma encomenda que ser entregue em tempo para a abertura da loja na 2 feira. A
poltica de encomendas da loja (s,S)=(1,3); ou seja, se no Sbado a noite a quantidade de
mquinas em estoque for menor que s=1 (nenhuma mquina em estoque), ento a loja
encomendar (at) S=3 mquinas; caso contrrio nenhuma mquina ser encomendada.
suposto que haja perdas de vendas quando a demanda exceder o estoque disponvel. As
variveis aleatrias podem ser avaliadas iterativamente pela expresso:
max 3 Dt 1 ,0, se X t 1
X t 1
max X t Dt 1 ,0,se X t 1
Considerando que a demanda tem uma distribuio de Poisson com mdia 1, a matriz de
transio de uma etapa dada por:
0.080
0.632
0.184
0.368
0.368
0
0.368
0
0.264
0.368
0.368
0.080
0.184
0.368
0.368
a) Descreva como a matriz de transies pode ter sido obtida.

b) Se o processo iniciou com um estoque de 3 mquinas qual o tempo esperado para que o
estoque se esgote ?
c) Qual a probabilidade de encontrar o estoque com 0, 1, 2, 3 e 4 mquinas ?
d) Qual o tempo mdio entre duas encomendas?
18) Um naturalista est observando o comportamento de um sapo em um pequeno lago, no

qual h 4 ninfias (plantas aquticas). O sapo circula entre estas 4 plantas pulando de uma
para outra, as quais so numeradas arbitrariamente de 1 a 4. A probabilidade do sapo pular
de uma planta para outra inversamente proporcional a distncia entre elas (isto , o sapo
prefere pular para uma planta mais perto do que para uma mais longe). As distncias entre
as plantas so:
1
2
3
6/5
3/2
6/7
1/2
3/4
34

a) Defina a matriz de transio

b) Calcule as probabilidades de regime permanente
c) Interprete estas probabilidades em termos do comportamento do sapo.
d) Explique, do ponto de vista do sapo, o que significam as hipteses de Markov e de
estacionariedade.
19) Se-segura Companhia de Seguras classifica seus clientes de acordo com seu histrico
de acidentes (do cliente). Um cliente que no tenha tido nenhum acidente nos ltimos dois
anos tem uma anualidade de $100. Clientes que tenham tido acidentes em ambos os anos
tem uma anualidade de $400. Clientes que tenham tido acidente em somente um dos ltimos
dois anos tem uma anualidade de $300. Um cliente que tenha tido um acidente no ltimo
ano tem 10% de chance de ter um acidente no ano corrente. Se o cliente no tiver tido
nenhum acidente no ltimo ano ele tem 3% de chance de ter um acidente no ano corrente.
Para um dado ano, qual a anualidade mdia paga por um cliente da Se-segura?
20) DOFOGO uma companhia produtora de foges, famosos pela sua qualidade.
companhia tem uma poltica de 2 anos de garantia, onde ela garante a substituio de
qualquer fogo que falhe durante este perodo. A companhia est planejando fazer uma
campanha promocional onde pretende estender a garantia para trs anos. Como forma de
avaliar o impacto desta nova poltica foram coletados os seguintes dados: 3% dos foges
novos falham durante o primeiro ano de operao; 5% dos foges com mais de um ano de
uso falham durante o segundo ano de operao; 7% dos foges com mais de dois anos de
uso falham durante o terceiro ano de operao. Observe que um fogo substitudo no
coberto pela garantia.
a) Use cadeias de Markov para predizer quantos foges devero ser repostos com a nova
poltica.
b) Supondo que o custo de repor um fogo seja de $100 e que a DOFOGO venda 10.000
foges por ano, qual o impacto monetrio da mudana de poltica de garantia?
21) O proprietrio de uma barbearia de uma s cadeira est pensando em expandi-la devido
ao fato de haver muita gente em espera. As observaes indicam que durante o perodo de
tempo requerido para cortar o cabelo de uma pessoa, podem haver 0, 1 2 e 3 novas
chegadas com probabilidade 0,3; 0,4; 0,2; 0,1; respectivamente. A cada tem capacidade
fixa de 6 pessoas, incluindo aquela que estiver cortando o cabelo.
a) Desenhe o diagrama de transio de estado e determine a matriz de probabilidade de
transio.
b) Determine a probabilidade que a casa esteja lotada.
c) Dado que a casa esta lotada quanto tempo demora at que ela esteja completamente
vazia?
35

22) Suponha que voc conduziu uma srie de testes sobre um procedimento de treinamento
e verificou que a seguinte matriz de probabilidades descreve o conjunto de respostas
corretas e incorretas
(j+1)-simo teste
j-simo
teste
Correto
Incorreto
Correto
0,95
0,05
Incorreto
0,01
0,99
a) Que proporo de respostas corretas se pode esperar de um estagirio absolutamente

treinado?
b) Que proporo de respostas corretas se pode esperar de um estagirio aps quatro
repeties do procedimento, caso a resposta inicial seja igualmente possvel de ser correta
ou incorreta?
c) Qual a probabilidade de que se obtenha, pela primeira vez, uma resposta correta,
exatamente quatro tentativas aps uma resposta incorreta?
d) Qual o nmero mdio de tentativas para que se obtenha uma resposta correta aps ter
obtido uma resposta incorreta?
23) Um jogador joga um jogo limpo no qual as chances so 2 contra 1. Em outras palavras
ele tem 1/3 de probabilidade de ganhar e 2/3 de perder. Se ganhar, ganhar $2. Se perder,
perder $1. Suponha que os recursos totais do jogador e do seu oponente sejam $N. Se o
capital de qualquer um dos jogadores cair abaixo do ponto em que eles pudessem pagar
caso perdessem o jogo seguinte o jogo termina.
a) Desenhe o diagrama de transio de estados e determine a matriz de transio.
b) Suponha que os dois jogadores concordem em que se o capital de qualquer dos dois cair
para $1, eles faro o prximo jogo com chances iguais ganharo ou perdero $1, com igual
probabilidade. Desenhe o diagrama de transio de estados e determine a matriz de
transio para este caso.
c) No caso descrito na letra (b) suponha que o jogador 1 tem $3 e o jogador 2 tem $2, qual a
probabilidade do jogador 1 ganhar o jogo ?
d) Quantas jogadas durar o jogo?
24) Perfura-se um poo e, medida que a perfurao avana, uma srie de perfis so
realizados. Suponha que o poo possa ser classificado em quatro estados, rotulados como
se segue: Em curso; Com desvio ligeiro, Com desvio acentuado, Abandonado (por estar to
fora de curso, que no se consegue mais atingir o alvo). Suponha ainda que X n represente o
estado do sistema aps a n-sima correo de curso e que o comportamento do poo possa
ser modelado por uma cadeia de Markov, com a seguinte matriz de probabilidade de
transio:
36

P=
1
1/2
0
1/4
0
1/4
0
0
1/2
1/4
1/4
a) Se o poo comeou com um desvio ligeiro, qual a probabilidade de que ele eventualmente
entre em curso?
b) Se o poo tem chances iguais de comear com desvio ligeiro e acentuado, qual a
probabilidade de que ele eventualmente entre em curso?
25) Na teoria de anlise de crdito, determinados autores verificaram que a estimativa dos
valores considerados como devedores duvidosos costuma seguir dois passos bsicos
descritos a seguir: Classificam-se as contas por idade, que refletem o estado em que a conta
se encontra: um ms de atraso, dois meses de atraso, etc.
Estima-se uma expectativa de perda para cada estado, geralmente com base na poltica da
empresa, situao econmico-financeira do cliente e outros fatores relevantes para a anlise
do crdito. O segundo tpico merece uma anlise mais detalhada, sendo que atualmente
diversos mtodos, principalmente na rea de econometria, esto sendo desenvolvidos.
Entretanto, possvel desenvolver um mtodo para estimar a probabilidade de devedores
duvidosos, com base nas Cadeias de Markov, atravs do atraso e da inadimplncia existente
para uma determinada carteira de crdito de uma instituio financeira. Se em uma
determinada data fizermos um levantamento de uma carteira de crdito, poderemos
facilmente verificar os seguintes estados das contas em carteira:
A0 = valores a serem recebidos que ainda no venceram, ou seja, esto em dia ou com 0
(zero) meses de atraso;
A1 = valores a serem recebidos que esto com 1 ms de atraso;
.............................
Aj = valores a serem recebidos que esto com j meses de atraso;
.............................
An = valores a serem recebidos que esto com n meses de atraso;
Essa disposio corresponde a uma classificao da idade das contas a receber, sendo o
estado A0 a conta que est em dia, A1 a conta com um ms de atraso, e assim por diante. An
a situao dos considerados incobrveis. Na prtica o nmero de idades das contas pode
variar de instituio para instituio ou por categorias de crdito, tais como crdito imobilirio,
leasing, financiamentos diretos ao consumidor e qualquer outro tipo de operao de crdito.
Se considerarmos um levantamento de contas a receber provenientes do perodo i para o
perodo seguinte i + 1, que denominaremos de j , a conta poder ser classificada com
relao a esses dois ndices, o perodo anterior e o perodo em que se encontra no momento
atual. De forma geral, teremos Ajk igual ao levantamento da categoria k no tempo i + 1, o qual
proveniente da categoria j no tempo i. Para considerarmos todas as possveis categorias
devemos acrescentar mais uma categoria quelas descritas anteriormente. Trata-se da
categoria correspondente aos ttulos classificados como pagos, que sero descritos
37

comoPag. Valores classificados em qualquer categoria no perodo i podem mover-se para a

categoria dos ttulos pagos ou para qualquer outra categoria de 0 a n no perodo i + 1. Iremos
adotar os procedimentos recomendados pelo Banco Central do Brasil, atravs da resoluo
2.682, que determina que os crditos vencidos h mais de 60 (sessenta) dias, sem garantias,
sejam transferidos para as contas de Crditos em Liquidao.
Em 1 de maro foi levantada uma amostra de 1050 contas, e em 31 de maro foi verificado
o comportamento dessas contas:
Integ. Pg
Em dia
Atraso 1 ms
Atraso 2 meses
Emitidas at 28/02
150
100
150
400
Emitidas at 31/01
120
90
90
150
450
Emitidas at 31/12
30
40
40
60
30
200
De 01/03 a 31/03
Perda Total
A primeira linha significa que, das faturas emitidas no ms de fevereiro, num total de 400,
150 foram pagas, 100 ainda no venceram e 150 venceram e no foram pagas, contando o
atraso de um ms. A segunda linha mostra que, de 450 faturas emitidas no ms de janeiro,
120 foram pagas, 90 ainda no venceram, 90 apresentam atraso de um ms e 150 com
atraso de dois meses. Finalmente, a ltima linha mostra que, de 200 faturas emitidas no ms
de dezembro, alm da seqncia de pagamentos e atrasos, 30 correspondem perda, ou
seja, atraso superior a 2 meses.
Seja uma carteira de crdito total de R$ 1.000.000,00, conforme mostramos a seguir:
Situao da Carteira
Valor (R$)
Contas em dia
800.000
Contas com atraso de 1 ms
120.000
Contas com atraso de 2 meses

Valor da carteira
80.000
1.000.000
Calcule o valor esperado que ser pago.
38

2. TEORIA DE FILAS
2.1.
INTRODUO E CONCEITOS BSICOS

A teoria das filas envolve o estudo matemtico das filas, ou filas de espera. Filas
podem existir na forma de pessoas ou objetos esperando algum tipo de servio ou podem
existir num sentido mais abstrato, ou seja, no to visvel, como uma fila de navios
esperando para atracar em um porto.
Um modelo ou sistema de filas pode ser brevemente descrito da seguinte forma:
usurios (ou fregueses ou clientes) chegam para receber um certo servio e, devido
indisponibilidade de atendimento imediato, formam uma fila de espera. A Figura 2.1 ilustra
esta idia. Os termos usurio e servio so usados com sentido amplo. Podemos estar nos
referindo a carros que chegam a um posto de pedgio, mquinas que esperam para serem
consertadas, peas que seguem uma linha de montagem ou mensagens que so
transmitidas pelos canais de comunicao. Uma rede de filas formada por vrias filas que
se interconectam entre si de modo que o usurio ao sair de uma fila pode (com uma certa
probabilidade) dirigir-se a outra. Nas redes abertas h fluxo de fregueses entrando e saindo
do sistema. Por outro lado, h redes fechadas nas quais o nmero de usurios permanece
inalterado, isto , no h movimentao de usurios para dentro ou para fora do sistema. Um
servio de manuteno de mquinas pode ser visto como uma rede fechada onde M
mquinas se alternam entre os centros de manuteno e de operao. Dessas definies
bsicas, ramificam-se um sem nmero de outros modelos de filas adequados s varias
reas, sempre na busca de melhor representar a realidade.
Fonte de
chegadas
Clientes
Fila ||||||||
Sistema de
servio
Clientes
vservidos
idos
Partidas
Sistema de filas
Figura 2.1 - O Processo de Fila Bsico
Em aplicaes, o estudo dos modelos de filas tem como objetivo a melhoria de

desempenho do sistema, entendida, entre outros aspectos, como melhor utilizao dos
recursos de servio disponveis, menor tempo de espera e mais rapidez no atendimento. O
pioneiro neste estudo foi A. K. Erlang que, no comeo do sculo, como engenheiro da
companhia dinamarquesa de telefones, estudou o problema de congestionamento das linhas.
A Telefonia permaneceu a principal aplicao de teoria das filas at por volta de 1950. A
partir da, um grande nmero de reas tem utilizado essa ferramenta e a vasta literatura o
melhor indicador dessa expanso.
39

2.1.1.
PORQUE FILAS SO ESTUDADAS
As filas so estudadas porque em toda fila, embora nem sempre se perceba, existe
embutido um problema econmico e este problema econmico surge porque em qualquer fila
existem dois custos envolvidos: o custo da fila e o custo do servio.
Para exemplificar o que vem a ser estes dois custos, vamos usar o exemplo citado
acima sobre o processo de atracao de navios em um porto. Em qualquer porto, existem os
locais onde os navios podem atracar. Estes locais so chamados beros. Assim o nmero
de beros d o nmero mximo de navios que podem atracar em um porto. Por sua vez, a
legislao internacional que regulamenta o trfego martimo determina que se ao chegar a
um porto (obviamente na data certa), no houver bero para atracar, a administrao do
porto tem que indenizar a companhia, dona do navio, pelo tempo que ele ficar ao largo
esperando bero livre para atracar. Em resumo quando, por qualquer motivo, todos os
beros de um porto esto ocupados, os navios que chegam formam uma fila (lgica)
aguardando sua vez.
O custo do servio o custo de construir e manter em funcionamento os beros de
atracao. Quanto mais beros oferecidos, ou seja, quanto maior o nvel de servio
oferecido, maior este custo.
O custo da fila o custo que a administrao do porto tem pelo pagamento das
indenizaes aos navios que esperam na fila. Este custo inversamente proporcional ao
custo do servio (nmero de beros). Se existem poucos beros o custo da fila ser grande,
mas o custo do servio ser pequeno. J se existirem muitos beros, o custo do servio ser
grande, mas em compensao, como a fila ser pequena, o custo da fila ser pequeno.
2.1.2.
PRINCIPAIS CARACTERISTICAS DE UMA FILA
Algumas das caractersticas bsicas de uma fila como: chegadas, servio de

disciplina de atendimento e capacidade de espera sero descritas a seguir.
(a) Chegadas
O processo de chegada (arrival process) a descrio de como os usurios
procuram o servio. Se eles chegam a intervalos fixos de tempo, o processo de chegadas
dito constante ou determinstico. Por outro lado, se as chegadas so aleatrias no tempo,
elas formam um processo estocstico e necessrio descrever suas propriedades
probabilsticas.
A suposio mais comum de que as chegadas formam um processo de renovao,
isto , os intervalos entre chegadas so independentes e identicamente distribudos. Em
geral, tambm assumida a independncia em relao ao servio, mas possvel aplicar
um processo de renovao para as chegadas, condicionado situao do servio. O
processo de Poisson um processo de renovao com distribuio exponencial e um dos
40

mais utilizados para modelar as chegadas. Alm de descrever, com boa aproximao,
diversas situaes prticas, os processos de Poisson incorporam facilidades no tratamento
matemtico proporcionadas pela falta de memria da distribuio exponencial. As
distribuies de Erlang e hiperexponencial so tambm bastante utilizadas. Modelos mais
complicados envolveriam possveis dependncias entre as chegadas como, por exemplo, a
situao onde uma chegada de certo tipo aumentaria ou diminuiria a chance de ocorrncia
de outro tipo de chegada.
As chegadas mencionadas acima podem ser unitrias ou em um bloco (batches).
Neste caso, alm do tempo entre chegadas, tambm o tamanho dos blocos aleatrio. Por
exemplo, em aeroportos internacionais, a chegada de passageiros de um certo vo ao posto
alfandegrio se d em bloco, onde o tamanho do bloco a lotao do avio.
Existem situaes em que as chegadas dependem do nmero de usurios no
sistema, podendo at ocorrer a situao em que uma chegada no se junta fila. Isto pode
ocorrer por deciso do usurio ou por limitao no espao para espera. O caso clssico,
conhecido como sistema com perda (loss system), originou-se do estudo de trfego
telefnico onde o usurio completa a chamada ou obtm sinal de ocupado e excludo do
sistema. Chegadas com usurios impacientes, que abandonam a fila aps algum tempo de
espera, podem tambm ser modeladas.
(b) Servio
Da mesma forma que o processo de chegada possvel considerar o tempo de
servio como sendo determinstico ou aleatrio. A distribuio do tempo de servio pode
depender do estado do sistema ou, at mesmo do tipo de usurio a ser servido. Porm a
hiptese mais simples a de independncia, isto , o servio um processo de renovao.
Dentre as distribuies mais usadas destacam-se a exponencial, Erlang e hiperexponencial.
O nmero de servidores disponveis para o atendimento a uma mesma fila tambm deve ser
especificado. Neste caso, comum mencionar os servidores esto em paralelo numa
referncia a estarem atendendo uma mesma fila.
(c) Disciplina de Atendimento
A disciplina de atendimento se refere a maneira como os usurios sero
selecionados para receber servio. No nosso cotidiano os atendimentos, em geral, se do
pela ordem de chegada. A fila no caixa do supermercado, a retirada de carros de um
estacionamento e a compra de ingressos para o cinema so exemplos dessa disciplina, que
ser referida como FCFS (do ingls, first come first served). Em aplicaes, outras disciplinas
podem aparecer. A disciplina LCFS (last come first served) pode ser usada em modelos de
arquivo ou de busca em disco rgidos. O servio em ordem aleatria, independente do tempo
de chegada, pode servir de modelo para alguns sistemas computacionais. Outra disciplina,
que tem aplicao em computao a do processamento ou tempo compartilhado
(processor or time sharing) que definida pela dedicao, a todos os usurios presentes no
sistema, de uma pequena quantidade de servio de cada vez. Assim, em rodadas
sucessivas, o usurio vai recebendo sua dose de atendimento at que sua requisio total de
41

servio seja completada. A disciplina de atendimento pode ainda estabelecer prioridades

entre usurios de modo a atender primeiro os de alta prioridade. Em alguns modelos o
servio pode at ser interrompido para dar lugar a um usurio de prioridade mais alta.
Quando modelos com prioridade so adotados necessrio especificar como se dar a
ordem de atendimento dentro da mesma classe de prioridade e, em geral, FCFS utilizada
nestes casos.
(d) Capacidade do Sistema
muito comum haver uma limitao fsica no numero de usurios que podem
esperar. Se a capacidade total estiver ocupada, o usurio no poder entrar no sistema e
ser perdido ou desviado para outro centro de servio. Essa limitao se relaciona com a
chegada, mas a deciso de no se juntar fila no do usurio e sim do sistema de servio.
Uma fila caracterizada pelo mximo nmero permissvel de clientes que ela possa
conter. As filas so chamadas de infinitas ou finitas, de acordo com esse nmero ser infinito
ou finito. A suposio de uma fila infinita o padro para a maioria dos modelos de fila,
mesmo para situaes em que na verdade exista um limite superior finito (relativamente
grande) no nmero permissvel de clientes, uma vez que tratar com um limite superior seria
um fator de complicao na anlise. Entretanto, para sistemas de filas em que este limite
superior suficientemente pequeno, para que seja, de fato, alcanado com alguma
frequncia, torna-se necessrio supor uma fila finita.
Variando as caractersticas (a) a (d) acima, podemos obter um grande nmero de
modelos, conforme ser apresentado a seguir.
2.1.3.
NOTAO DE KENDALL
O professor D. G. Kendall criou, em 1953, uma notao para sistemas de filas que
hoje largamente utilizada. A notao consiste na forma A/B/c/K/Z, onde A descreve a
distribuio do tempo entre chegadas, B a distribuio do tempo de servio, c o nmero de
servidores, K a capacidade da fila de espera (alguns autores definem K como capacidade
total de usurios no sistema) e Z a disciplina de atendimento.
Algumas escolhas para A e B so as seguintes:
M:
Distribuio Exponencial (de memoryless)
Ek:
D:
Distribuio de Erlang-k
Distribuio Determinstica ou degenerada
U:
G:
Distribuio Uniforme
Distribuio Geral (no especificada)
A omisso de K e Z na representao acima indica que a fila tem capacidade infinita

e disciplina FCFS. Por exemplo, a fila M/G/1 tem chegadas exponenciais, o servio com
distribuio geral e um servidor, no h limite na sala de espera e o atendimento na ordem
de chegada. Por outro lado, a fila G/E2/3/15 tem chegadas seguindo uma distribuio geral,
42

o servio segue a distribuio de Erlang-2, existem 3 servidores, a capacidade mxima do

sistema 18 (note que a fila mxima tem comprimento 15) e, como nada foi mencionado, a
disciplina de atendimento FCFS.
De forma resumida ento podemos apresentar o seguinte formato: A/B/c onde, A
representa a distribuio de chegadas, B representa a distribuio do servio e c indica o
nmero de estaes de servio. Como a distribuio de Poisson inclui as propriedades do
processo Markoviano, a notao usada para A e B M quando temos um processo de
Poisson.
2.1.4.
TERMINOLOGIA E NOTAES
A menos que seja dito o contrrio, as seguintes notao e terminologia padres

sero usadas deste ponto em diante:
Tabela 2.1 Terminologias usadas em Teoria das Filas
Estado do Sistema
Comprimento da Fila
Nmero de clientes no sistema de fila

Nmero de clientes esperando um servio ou estado do sistema
menos o nmero de clientes sendo servidos
N (t)
Nmero de clientes no sistema de fila no tempo t (t 0)
Pn (t)
Probabilidade de que exatamente n clientes estejam no sistema

de fila no tempo t, dado o nmero no tempo 0
Nmero de servidores (canais de servio paralelo) no sistema de
fila
Taxa mdia de chegada (nmero esperado de chegadas por tempo
unitrio) de novos clientes, quando n clientes esto no sistema.

Taxa mdia de servio para todo o sistema (nmero esperado de
clientes concluindo o servio por tempo unitrio) quando n clientes
esto no sistema
, ,
Vide pargrafo seguinte
Quando n for uma constante para todo n, esta constante ser denotada por ;
quando a taxa mdia de servio por servidor ocupado for uma constante para todo n 1,
esta constante ser denotada por (neste caso, n = s , quando n s, de modo que todos
os s servidores estaro ocupados). Nestas circunstncias 1/ e 1/ so o tempo entre
chegadas esperado e o tempo entre servios esperado, respectivamente. Tambm
o fator de utilizao da instalao de servio, isto , a frao de tempo
esperada em que os servidores esto ocupados, porque /s representa a frao da
43

capacidade do servio do sistema (s) que est sendo utilizada em mdia pelos clientes que
chegam ().
Tambm necessria alguma notao para descrever os resultados do estado de
equilbrio. Quando um sistema de fila tenha comeado a operar recentemente, o estado do
sistema (nmero de clientes no sistema) ser grandemente afetado pelo estado inicial e pelo
tempo decorrido desde ento. O sistema dito ento estar em condio transiente.
Entretanto, depois de j ter passado tempo suficiente, o estado do sistema se torna
essencialmente independente do estado inicial e do tempo decorrido (exceto sob
circunstncias pouco usuais). O sistema, ento, alcanou essencialmente uma condio de
estado de equilbrio. A notao mostrada na Tabela 2.2 supe que o sistema esteja numa
condio de estado de equilbrio:
Tabela 2.2 Notao utilizada no estado de equilbrio
Nmero de clientes no sistema de fila
Pn
Probabilidade de que exatamente n clientes estejam no sistema no sistema de fila
Nmero de clientes esperado no sistema de fila
Lq
Comprimento de fila esperado
Tempo de espera no sistema (inclui tempo de servio) para cada cliente em particular
E ()
Tempo de espera na fila (exclui o tempo de servio) para cada cliente em particular
Wq
E (q)
2.1.5.
RESULTADO DE LITTLE
As relaes entre as medidas de desempenho do sistema so conhecidas como

frmulas de Little. Estas relaes relacionam o nmero mdio de usurios (L ou L q) com o
tempo mdio de espera (W ou W q) e tiveram a sua primeira demonstrao formal no trabalho
de Little [1961]. Desde ento provas alternativas e extenses tm sido apresentadas e sua
validade extrapolou os modelos Markovianos e pode ser verificada para sistemas mais
gerais.
Supondo que n seja uma constante para todo n. Num processo de fila em estado
de equilbrio, foi provado que:
L=W
Alm disso, a mesma prova tambm mostra que:
Lq = W q
44

Se os n no forem iguais, ento poder ser substitudo nestas equaes por /, a
taxa mdia de chegada a longo prazo.
Supondo agora que o tempo mdio de servio seja uma constante, 1/, para todo n
1. Segue ento que:
W = W q + 1/
Estas relaes so extremamente importantes porque permitem que todas as quatro
quantidades fundamentais, L, W, Lq, W q, sejam imediatamente determinadas, assim que uma
delas seja encontrada analiticamente. Isto muito bom porque algumas destas quantidades
frequentemente so muito mais fceis de encontrar que outras, quando estamos resolvendo
um modelo de fila a partir de princpios bsicos.
2.1.6.
EXEMPLOS DE SISTEMAS DE FILAS REAIS
Uma classe importante dos sistemas de filas que todos ns encontramos em nossas
vidas dirias a dos sistemas de servio comerciais, onde os clientes recebem servios
de organizaes comerciais. Muitas destas organizaes envolvem servios de pessoa a
pessoa num local fixo, tal como uma barbearia (os barbeiros so os servidores), servio de
caixa no banco, as caixas de supermercado e uma fila de lanchonete onde cada um se serve
(canais de servio em srie). Entretanto, em muitas outras organizaes, isto no ocorre, tais
como servios de assistncia tcnica a domicilio (o tcnico de manuteno vai at o cliente),
mquina de venda automtica (onde o vendedor uma mquina), e um posto de gasolina
(onde os carros podem ser vistos como os clientes).
Outra classe importante a dos sistemas de servio de transporte. Para alguns
destes sistemas, os veculos so os clientes, tais como os carros esperando num posto de
pedgio ou sinaleira de trnsito, um caminho ou navio esperando para ser carregado ou
descarregado por carregadores (ou servidores), e avies esperando para aterrisar ou decolar
de uma pista (o servidor).
Em anos recentes, a teoria de filas, provavelmente tem sido mais aplicada a
sistemas de servio internos empresa-indstria, onde os clientes que recebem servios
so internos organizao. Exemplos disto so sistemas de manuseio de materiais, onde
unidades de manuseio de materiais (ou servidores) movem as cargas (os clientes). Alm
disso, as mquinas podem ser vistas como servidores cujos clientes so os trabalhos que
esto sendo processados. Um exemplo correlato de grande importncia uma instalao de
computador, onde o computador visto como servidor.
Ultimamente, tem havido um reconhecimento crescente de que a teoria das filas
tambm seja aplicvel a sistemas de servio social. Por exemplo, um sistema judicial
uma rede de filas, onde os tribunais so instalaes de servios, os juzes (ou painis de
juzes) so os servidores, e os casos esperando para serem julgados so os clientes. Um
45

sistema legislativo uma rede de filas similar, onde os clientes, agora, so os projetos de
lei esperando para serem processados.
Embora essas sejam quatro grandes classes dos sistemas de filas, elas ainda no
esgotam a lista. De fato, a teoria das filas teve inicio no principio deste sculo, com
aplicaes na engenharia telefnica, e ainda permanece como uma importante rea de
aplicao. Alm disso, todos ns temos as nossas filas pessoais trabalhos de casa, livros
para ler, e assim por diante.
2.1.7.
A DISTRIBUIO EXPONENCIAL NA TEORIA DE FILAS
As caractersticas de operao dos sistemas de filas so grandemente determinadas

por duas propriedades estatsticas, isto , a distribuio de probabilidade dos tempos entre
chegadas e a distribuio de probabilidades dos tempos de servio. Para sistemas de filas
reais, estas distribuies podem assumir praticamente qualquer forma (a nica restrio
que no podem ocorrer valores negativos). Entretanto, para a formulao de um modelo de
teoria de filas como uma representao do sistema real necessrio especificar a forma
assumida de cada uma destas distribuies. Para ser til, a forma assumida deveria ser
suficientemente realista, para que o modelo fornea predies razoveis, enquanto que, ao
mesmo tempo, fosse suficientemente simples, para que o modelo fosse matematicamente
tratvel. Nestas bases, a distribuio de probabilidade mais importante na teoria das filas a
distribuio exponencial.
Suponhamos que a varivel aleatria T represente ou o tempo entre chegadas ou o
tempo de servio. Quais as implicaes de supormos que T tenha uma distribuio
exponencial para um modelo de filas? Para explorar isso, necessrio examinar cinco
propriedades-chave da distribuio exponencial.
PROPRIEDADE 1: fT (t) uma funo estritamente decrescente de t (t 0).
fT (t)
x
Figura 2.1 Propriedade 1 da Distribuio Exponencial na Teoria das Filas
Uma conseqncia da propriedade 1 que:

P[0 T t] > P[t T t + t]
46

Para quaisquer valores estritamente positivos de t e t. Isto decorre do fato de que

essas probabilidades so a rea sob a curva f T(t), dentro do intervalo de comprimento t
indicado, e de que a altura mdia da curva menor para a segunda probabilidade que para a
primeira. Por isso, no apenas possvel, como tambm relativamente provvel que T
assuma um valor pequeno prximo a zero. De fato,
P[0 T
11
] = 0,393
2
enquanto
P[
11
31
T
] = 0,383
2
2
de modo que mais provvel que o valor de T assuma seja pequeno, isto , menor que a
metade de E(T) e no prximo ao seu valor esperado, isto , no muito longe de metade de
E(T), mesmo que o segundo intervalo seja duas vezes maior que o primeiro.
O questionamento a ser feito se esta propriedade para T realmente razovel num
modelo de fila? Se T representar tempos de servio, a resposta depender da natureza
geral do servio envolvido, conforme discutido a seguir.
Se o servio requerido for essencialmente idntico para cada cliente, com o servidor
realizando sempre a mesma seqncia de operaes de servio, ento os tempos de servio
reais tenderiam a estar prximos ao tempo de servio esperado. Podem ocorrer pequenos
desvios da mdia, porm usualmente isso se daria apenas por causa das pequenas
variaes na eficincia do servidor. Um tempo de servio pequeno, muito abaixo da mdia,
seria essencialmente impossvel porque necessria uma certa quantidade de tempo
mnimo para realizar as operaes de servio requeridas, mesmo que o servidor esteja
trabalhando a toda velocidade. Esta claro que a distribuio exponencial no forneceria uma
aproximao precisa para a distribuio de tempo de servio para este tipo de situao.
Por outro lado, consideremos o tipo de situao em que as tarefas especficas
requeridas dos servidores sejam diferentes, de cliente para cliente. A natureza geral do
servio pode ser a mesma, porem o tipo especifico e a quantidade de servio diferem. Por
exemplo, este seria o caso no problema do quarto de emergncia do Hospital Municipal. Os
mdicos encontram uma grande variedade de problemas mdicos. Na maioria dos casos,
eles podem fornecer o tratamento necessrio bem rapidamente, porem, ocasionalmente, um
paciente requer cuidados extensivos. Uma distribuio de tempo de servio exponencial
parece bastante plausvel para este tipo de situao de servio.
Se T representar os tempos entre chegadas, a propriedade 1 exclui situaes em
que clientes potenciais que se aproximem do sistema de fila tendam a atrasar a sua entrada
se virem outro cliente entrando na sua frente. Por outro lado, isto inteiramente consistente
com o fenmeno comum de chegada ocorrendo aleatoriamente, que ser descrito por
propriedades subseqentes.
47

PROPRIEDADE 2: Falta de Memria.

Esta propriedade pode ser definida matematicamente como:
P{T > t + t | T > t} = P{T > t}
Para quaisquer quantidades positivas t e t. Em outras palavras, a distribuio de
probabilidade do tempo restante at o incidente (chegada ou concluso do servio) que
ocorre sempre a mesma, independente de quanto tempo (t) j tenha se passado. Com
efeito, o processo esquece sua histria. Este fenmeno surpreendente ocorre com a
distribuio exponencial porque
P{T > t + t | T > t} =
PT t , T t t
PT t
PT t t
PT t
e t t
e t
e t
Para tempos entre chegadas, esta propriedade descreve a situao comum onde o
tempo at a chegada seguinte completamente no influenciado por quando tenha ocorrido
a ultima chegada. Para tempos de servio, a propriedade mais difcil de ser interpretada.
No deveramos esperar que ela se mantivesse numa situao onde o servidor tivesse que
realizar a mesma seqncia fixa de operaes para cada cliente porque, ento, um servio
logo implicaria que provavelmente pouco restaria a ser feito. Por outro lado, no tipo de
situao onde as operaes de servio requeridas diferem de cliente para cliente, a definio
matemtica da propriedade pode ser bastante realstica. Para este caso, se j tiver sido feito
um servio considervel para um cliente, a nica implicao pode ser que este cliente em
particular requeira mais servios que a maioria.
PROPRIEDADE 3: O mnimo de diversas variveis aleatrias independentes exponenciais
tem uma distribuio exponencial.
Para definirmos esta propriedade matematicamente, faamos com que T 1, T2, ..., T n
sejam variveis aleatrias independentes exponenciais, com parmetros 1, 2, ..., n,
respectivamente. Faamos tambm com que U seja a varivel aleatria que assuma o valor
igual ao mnimo dos valores realmente assumidos por T 1, T2, ..., Tn, isto ,
U = min {T1, T2, ..., Tn}
48

Portanto, se Ti representar o tempo at que um tipo particular de incidente ocorra,

ento U representar o tempo at que o primeiro dos n incidentes diferentes ocorra. Notese, agora, que para qualquer t 0,
P{U > t} = P{T1 > t, T2 > t, ..., Tn > t}

= P{T1 > t} P{T2 > t} ... P{Tn > t}
=e
-1t
= exp
-2t
... e
--nt
n
i t
i 1
de modo que U de fato tem uma distribuio exponencial com parmetro:

n
i
i 1
Esta propriedade tem algumas implicaes para os tempos entre chegadas nos
modelos de filas. Especificamente, vamos supor que existam diversos (n) tipos diferentes de
clientes, porm os tempos entre chegadas para cada tipo (tipo i) tenham uma distribuio
exponencial com parmetro i (i = 1, 2,..., n). Pela propriedade 2 o tempo restante a
qualquer instante especifico at chegada seguinte de um cliente do tipo i teria esta mesma
distribuio. Portanto, fazendo com que T i seja este tempo restante medido a partir do
instante em que um cliente de qualquer tipo chegue. A propriedade 3, ento, nos diz que U,
os tempos entre chegadas para o sistema de fila como um todo, tem uma distribuio
exponencial com parmetro definido pela equao acima. Como resultado, podemos optar
por ignorar a distino feita entre os clientes e ainda termos tempos entre chegadas
exponenciais para o modelo de fila.
Entretanto, as implicaes so ainda mais importantes para tempos de servios
nos modelos de filas que tenha mais de um servidor. Por exemplo, considerando a situao
em que todos os servidores tenham a mesma distribuio exponencial de tempo de servio,
com parmetro . Para este caso, faamos com que n seja o nmero de servidores,
prestando servios atualmente, e faamos com que T i seja o tempo de servio restante para
o servidor i (i = 1, 2, ..., n), o qual tambm um distribuio exponencial, com parmetro i = .
Segue-se, ento, que o U, o tempo at concluso de servio seguinte, de qualquer destes
servidores, tenham uma distribuio exponencial, com parmetro = n. Com efeito, o
sistema de fila atualmente seria processado exatamente como um sistema de um servidor
nico, onde os tempos de servio tm uma distribuio exponencial com parmetro n.
PROPRIEDADE 4: Relao com a distribuio de Poisson.
Suponhamos que o tempo entre ocorrncias consecutivas de algum tipo de incidente
particular (por exemplo, chegadas, ou concluso de servios por um servidor continuamente
ocupado) tenha uma distribuio exponencial com parmetro . A propriedade 4 ento,
tem a ver com a implicao resultante quanto a distribuio de probabilidade do nmero de
49

vezes em que este tipo de incidente ocorre dentro de um espao de tempo especfico. Em
particular, fazendo com que X(t) seja o nmero de ocorrncias no tempo t (t>0), onde o
tempo 0 designa o instante em que se comea a contar. A implicao que:
P{X(t) = n} =
t n e t
n!
, para n = 0, 1, 2, ...
isto , X(t) tem uma distribuio de Poisson, com parmetro t. Por exemplo, com n = 0,
P{X(t) 0} = e
-t
o qual exatamente a probabilidade da distribuio exponencial de que o primeiro incidente

ocorra depois do tempo t. A mdia desta distribuio de Poisson :
E{X(t)} = t
de modo que o nmero esperado de incidentes por tempo unitrio . Assim, dito ser a
taxa mdia a qual os incidentes ocorrem. Quando os incidentes so contados em uma base
contnua, o processo de contagem {X(t): t>0} dito ser um processo de Poisson, com
parmetro (a taxa mdia).
Esta propriedade fornece informaes teis sobre as concluses dos servios
quando os tempos dos servios tm uma distribuio exponencial com parmetro . Isto
feito definindo-se X(t) como o nmero de concluses de servios atingido por um servidor
continuamente ocupado no espao de tempo t onde = . Para os modelos de filas de
servidores mltiplos, X(t) tambm pode ser definido como o nmero de concluses de
servios atingido por n servidores continuamente ocupados no espao de tempo t onde =
n.
A propriedade particularmente til para descrever o comportamento probabilstico
das chegadas, quando os tempos entre chegadas tm uma distribuio exponencial com o
parmetro . Neste caso, X(t) seria o nmero de chegadas no espao de tempo t, onde =
a taxa mdia de chegada. Portanto, as chegadas ocorrem de acordo com um processo
de chegada de Poisson. Tais modelos de filas tambm so descritos como uma chegada
de Poisson.
s vezes dito que as chegadas ocorrem aleatoriamente, entendendo-se por isso
que elas ocorrem de acordo com um processo de chegada de Poisson. Uma interpretao
intuitiva deste fenmeno que cada perodo de tempo de extenso fixa tem a mesma
chance de ter uma chegada, independentemente de quando tenha ocorrido a chegada
precedente, como sugerido pela propriedade que se segue.
PROPRIEDADE 5: Para todos os valores positivos de t, P {T t + t | T > t} t, para t
pequeno.
50

Para uma varivel aleatria T que tem uma distribuio exponencial, com parmetro
, a propriedade 2 implica que
P{T t + t | T > t} = P{T t}
P{T t + t | T > t} = 1 e
- t
para quaisquer quantidades positivas de t e t. Portanto, como a expanso de srie de e
para qualquer expoente x
e =1+x+
xn
n 2 n!
segue-se que
P{T t + t | T > t} = 1 1 + t -
t n
n2
n!
t, para t pequeno,
porque os termos do somatrio tornam-se relativamente negligenciveis para valores
suficientemente pequenos de t. Note-se que o valor de t realmente no afeta esta
estabilidade.
Como indicado anteriormente, T pode representar tanto tempos entre chegadas
quanto tempos de servios nos modelos de filas. Por isso, esta propriedade oferece uma
aproximao conveniente da probabilidade de que o incidente em questo (chegada ou
concluso de servios) ocorra no intervalo (t) de tempo pequeno seguinte. A propriedade
tambm mostra que esta probabilidade essencialmente proporcional a t para valores
pequenos de t.
2.1.8.
PROCESSO DE POISSON
As propriedades do chamado Processo de Poisson se ajustam muito bem aos

modelos bsicos de filas. Este fato fez com que as solues analticas para modelos de filas
pudessem ser obtidas para queles modelos. A obteno de solues analticas para
modelos que no seguem o Processo de Poisson so, quando viveis, matematicamente
complexas e extremamente trabalhosas.
A seguir so apresentadas as propriedades fundamentais do Processo de Poisson,
j adaptadas para sistemas de filas. Cabe ressaltar que estas propriedades so provadas
matematicamente.
51

(1) O nmero de chegadas (ou de servios completados) em uma unidade de tempo

especificada independente do numero de chegadas (ou trmino de servios) em qualquer
outra unidade.
(2) O nmero mdio de chegadas (ou trmino de servios) por unidade de tempo
proporcional ao tamanho da unidade de tempo.
(3) A probabilidade de ocorrncia de 2 chegadas simultneas (ou trmino de 2 servios) em
uma unidade de tempo muito pequena (t) tende a zero.
(4) A probabilidade de 1 chegada (ou trmino de servio) ocorrer em uma unidade de tempo
muito pequena, t, sempre a mesma, independente do instante t.
(5) Se a distribuio das chegadas (discreta) segue a distribuio de Poisson, ento a
distribuio do intervalo entre chegadas (continua) segue a Exponencial.
Se a distribuio da durao do servio (continua) segue a Exponencial, ento a distribuio
dos servios completados (discreta) segue a Poisson.
2.2.
FILAS MARKOVIANAS (PROCESSO DE NASCIMENTO E MORTE)
2.2.1.
SISTEMAS INFINITOS
2.2.1.1.
Modelo M|M|1
Este o modelo de fila mais simples, a qual possui as seguintes caractersticas:
Tamanho permitido para a fila infinito;
Chegadas seguindo a distribuio de Poisson;
Durao do servio seguindo a distribuio Exponencial;

Fila nica com seleo FIFO ( primeiro a entrar, primeiro a sair);
1 estao de servio.
A Figura 2.2 apresenta esquematicamente o funcionamento dessa fila.
Chegadas Poisson
Sala de espera infinita
Servio
Exponencial
Partidas
Figura 2.2 Fila M|M|1
52

-t
Sejam A(t) = 1 e
-t
e B(t) = 1 e as distribuies do intervalo entre chegadas e de
durao do servio, respectivamente. Os parmetros e so referidos como taxas,

indicando o nmero mdio de usurios que chegam ou so servidos por unidade de tempo.
Denotando por N(t) o nmero de usurios no sistema no instante t, pode-se
demonstrar que {N(t); t 0} um processo de Markov em tempo contnuo com o espao de
estados sendo os inteiros no negativos.
O tempo de espera para fazer uma transio s depende do estado presente e, se o
sistema contm pelo menos um usurio, ter distribuio exponencial de parmetro ( + )
correspondente ao mnimo entre duas exponenciais independentes (servio e chegada). No
caso de no haver nenhum usurio no sistema, o tempo para uma transio ter distribuio
exponencial de parmetro .
O processo de Markov N(t) de fato um processo de nascimento e morte com taxas
independentes do estado do sistema. Para n 0, a transio do estado n a n+ 1 se d com
taxa e entre n e n 1 com taxa . Quando n = 0, s pode haver chegadas. Dessa forma,
chegadas correspondem a nascimentos e o fim de servio a uma morte. A Figura 2.3
apresenta um diagrama com taxas de mudana de processo.
0
0
1
1
n+1
.....
n-1
n
n+1
n +1
.....
Figura 2.3 Taxas de transio no processo de Markov
A condio bsica para que um sistema de fila seja estvel que a taxa de chegada
seja menor do que a taxa de servio, ou seja, / tem que ser menor do que 1. Essa frao
o fator de utilizao da fila e ser denotado por para facilitar a visualizao das frmulas.
Seja Pn(t) = P(N(t) = n) a distribuio de probabilidade do nmero no sistema no
instante t; sua respectiva distribuio estacionria ser Pn.
Vamos escrever as equaes de equilbrio do sistema usando o procedimento
conhecido como balano de fluxo e, a partir delas, obter a distribuio estacionria.
Definimos o fluxo como o produto da probabilidade estacionria pela taxa de
transio. Vamos admitir que, em regime estacionrio, o sistema permanece uma frao do
tempo Pn no estado n. Dessa forma, se chegam usurios por unidade de tempo, a taxa de
fluxo mdio que entra em n + 1, proveniente do estado n, Pn. Se condies de equilbrio
existem, ento, para cada estado, o fluxo que sai deve ser igual ao fluxo que entra nesse
estado. Para determinar o fluxo total que sai do estado n (n 1), notamos que o sistema vai
a n + 1 se uma chegada ocorre e a n 1 se acontece um fim de servio. O fluxo total que
entra no estado n vem a partir de n + 1 com um fim de servio ou ento, a partir de n 1,
53

pela ocorrncia de uma chegada, enquanto o fluxo que entra, vem do estado 1 devido a um
fim de servio. As equaes de balano so as seguintes:
Pn + Pn = Pn + 1 + Pn 1
Eq. 2.1(a)
P0 = P1
Eq. 2.1(b)
Esse sistema denominado de equaes de balano global e ser resolvido por

induo matemtica.
Resolvendo as equaes 2.1 para n = 0,1,2,... temos:
P1 = (/) P0
P2 = (/)2 P0
P3 = (/)3 P0
A expresso sugerida seria Pk = (/)k P0. Supomos que seja vlida para K = n e
vamos verificar que tambm vale no caso n + 1. de 2.1(a) vem:
( + )(/ ) P0 = Pn+1 + (/)
n
n-1
P0
De onde temos que:

Pn+1 = (/)
n+1
P0
Essa equao equivalente a

Pn+1 = ()
n+1
P0
Utilizando a condio de que a soma das probabilidades estacionrias deve ser igual
a 1. Calcularemos P0:
n
P0 1 P0
n
0
n 0
n 0
n 0
n 0
A soma acima a da srie geomtrica de razo que convergir se e s se 1.

Como e so estritamente positivos, essa condio equivale a 0 1. Note que nessa
condio, a taxa mdia de servio por unidade de tempo () maior do que a taxa mdia
com que os fregueses esto chegando (). Portanto, independente do quanto crescer, a fila
se esvaziar de tempos em tempos e o processo de Markov ser recorrente positivo com
uma nica distribuio de equilbrio. Efetuando a soma da srie acima obtemos P0 = (1 - ) e
ento,
Pn = (1 - ), n 0 , 0 1
n
54

A partir da distribuio estacionria, vamos calcular o nmero mdio de usurios na

fila e no sistema. Seja N o nmero total de usurios no sistema em regime estacionrio e L
sua mdia. Temos:
n 0
n 0
n 0
L E N nPn n1 n 1 n n
Este ltimo somatrio pode ser reescrito como
n
n 0
2 2 3 3 ... 1 2 ... n n 1
n 1
A derivada de
n em relao a
dada por
n n 1 . Assim, admitindo satisfeitas as
condies para inverter os sinais de somatrio e derivada, obtemos:
L 1 n n 1 1
d n
d
1
d
n 0 d
n 1
n 0
d 1
d 1
Conclumos ento que:
Seja Nq o nmero de usurios na fila e Lq seu valor esperado. Temos,
n 1
n 1
n 1
Lq E N q 0 P0 n 1Pn nPn Pn
Ento,
Lq L 1 P0
2
2
Outras frmulas para o modelo M/M/1

Tempo mdio (esperado) que cada unidade permanece no sistema:
55

Tempo mdio (esperado) que cada unidade permanece na fila:
Wq
Probabilidade de 1 unidade demorar mais de t unidades de tempo no sistema:
PT t e 1 t
Podemos ter ainda as seguintes relaes entre as medidas bsicas:
Lq L Wq
L Lq W
Wq W
W Wq
Lq
2.2.1.2.
Modelo M|M|S
Neste tipo de modelo, considera-se que as estaes de servio so equivalentes e

prestam servio, individualmente, a mesma taxa mdia .
Aqui o fator de utilizao
.....
3
s-1
(s-1)
s
s
S+
1
.....
s
n-1
n+
1
Figura 2.4 Taxas de transio no processo de Markov
Pelo diagrama, mostrado na Figura 2.4, temos:
P1 P0

2
P2 P1
2 P0
2
56
.....
s

P3 P2
3 P0
3
..
Ps Ps 1
s P0
s
s!
s 1
Ps 1 Ps
s 1 P0
s
s.s!
...
n s
s
Pn Pn 1 n 1
n P0
ns
n s
s P0
s
s s!
s s!
Podemos escrever da seguinte forma:
Pn n s
s
P0
s! s
isso implica que:
n
P
n 0
n!
Pn
s
n 1
s! s

P0
,se n s
,se n s
Logo, calcularemos P0
s 1 n
s
Pn 1 P0
n
s! s
n 0
n 0 n!
n s
ns
o que implica em:
s 1 s n
s 1 n
s s
s
P0
0
n
s! 1
s! s 1
n 0 n!
n 0 n!
1
Lq
s s 1 P0
2
s s! 1
57

As demais frmulas para L, W, W q so iguais ao modelo M|M|1.

2.2.2.
SISTEMAS FINITOS
2.2.2.1. Modelo M|M|1/M
Esta a situao na qual a fila pode acomodar somente um nmero finito de

usurios, ou seja, se um usurio chega e a fila est cheia, ele vai embora sem esperar o
atendimento.
Observe que neste caso a taxa de chegada no precisa ser menor que a taxa de
servio , pois a fila tem um tamanho fixo (finito).
Neste tipo de modelo aparece uma nova varivel (M), que o nmero mximo de
usurios que podem estar no sistema, sendo M-1 o nmero permitido na fila.
As frmulas para este modelo so:
1
1 M 1 p /
P0
1 p/
M 1
n P0 p /
Pn
P0 p /
Lq L 1 P0
A taxa de chegada dos usurios no sistema . No entanto alguns usurios chegam
e encontram a fila cheia, ou seja, vo embora. A taxa de chegada efetiva (ef) d a taxa
mdia das unidades que realmente permanecem no sistema.
ef 1 P0 1 PM
As demais frmulas ficam como:
ef
2.2.2.2.
Wq
Lq
ef
ef
Modelo M|M|s/M
Fila Finita (s > 1)
58

Nesta seo vamos redefinir
para simplificar a escrita das frmulas:
Temos ento:
P0
1
1 n 1 s ns

n 0 n! s! n s 1
1 n
n! P0 p / n s
n
P
Pn n 0s p / s n M
s! s
0 p / n M
Lq
1
s! 1
P0 s
M s
M s
s 1
L Lq s s n Pn
n 0
s 1
n 0
ef s s n Pn
Wq
Lq
ef
ef
ef
onde s o nmero de estaes de atendimento e M o tamanho da populao.

Populao Finita
Em muitos problemas prticos, a considerao de que a populao de tamanho
infinito leva a resultados distorcidos, visto que, na verdade, a populao pequena para ser
considerada de tamanho infinito. Quando isto ocorre, a presena de um ou mais usurios no
sistema tem um forte efeito na distribuio das chegadas futuras e, o uso de um modelo com
populao infinita conduz a resultados errados. Alguns exemplos tpicos so: um pequeno
grupo de mquinas que quebram de tempos em tempos necessitando conserto, um pequeno
grupo de mecnicos que vo a determinado balco pegar peas ou ferramentas. Num caso
extremo do primeiro exemplo, se todas as mquinas esto quebradas, nenhuma chegada
pode ocorrer.
59

Isto contrasta com os modelos de populao infinita nos quais a taxa de chegada
independente do nmero de usurios que j esto no sistema. Neste tipo de modelo, a taxa
de chegada , a taxa de chegada de cada unidade, ou seja, 1/ o tempo mdio entre
chegadas de cada unidade. No caso das mquinas, por exemplo, seria o tempo mdio entre
quebra de cada mquina.
A taxa de chegada efetiva, ef, d a taxa mdia de chegada, considerando-se todos
os usurios.
As frmulas para este tipo de modelo so bastante complexas e no sero
apresentadas aqui.
2.3.
MODELO DE ERLANG
Se uma varivel aleatria t regida por uma distribuio de Erlang, de ordem k, ela
pode ser interpretada como equivalente soma de k variveis aleatrias regidas por
distribuies exponenciais iguais.
Admitamos que o intervalo entre chegadas sucessivas seja regido por uma
distribuio de Erlang de ordem k, definida pela funo densidade de probabilidade:
k
k k 1 kt
f t
t e ,
k 1!
t0
O valor esperado de t dado por:
Et
e a varincia de t por:
Var t
1
k2
Para k = 1 tem-se a distribuio exponencial e o processo de chegada Poisson.

medida que k aumenta, a varincia tende a zero ( Var
t 0 ),
a disperso relativa da
distribuio diminui, atingindo a situao determinstica quando k . Neste caso, a

distribuio de Erlang representa exemplos de tempos de chegadas peridicos ou regulares,
isto , um intervalo constante, de 1/, entre chegadas. A Figura 2.5 Distribuio de Erlang
mostra o comportamento da distribuio de Erlang para diferentes k.
Freqentemente, a distribuio de Erlang apresentada pelo smbolo E k.
60

K=20
f(t)
K=6
K=4
K=2
K=1
t
Figura 2.1
Figura 2.5 Distribuio de Erlang
Em resumo, se T1, T2, ..., Tk so variveis aleatrias com distribuies exponenciais

idnticas e com valor esperado igual a
, ento, T = T1 + T2 + ... + Tk tem distribuio de
Erlang com parmetros k e . Chama-se de servio completo, a soma de k subservios

idnticos, ou seja, um servio de Erlang pode ser decomposto em k subservios.
.....
Subservios Exponenciais
Figura 2.6 Servidor Erlang
2.3.1.
SISTEMA M|EK|S
No sistema M|M|S os estados correspondem ao nmero de clientes no sistema. No

caso de um sistema M|Ek|S os estados correspondem ao nmero de subservios a ser
executado e cada cliente traz k subservios.
Atravs da Figura 2.7 Diagrama de estados da fila M|Ek|1
pode-se verificar o que foi dito anteriormente; em filas com servidor Erlang, um novo
cliente s entra no sistema aps o cliente que est sendo atendido ter passado por todos os
k estgios de servio.
..
.
2
k
k -1
k +1
k
k
Figura
2.7
Diagrama
de
estados
da
fila M|Ek|1
1.1.1.1.
K
..
.
2 k -1
2k
k
61
..
.

O nmero mdio de clientes na fila para este tipo de sistema dado por:
Lq
1 k 2
2k 1
e o nmero mdio de clientes no sistema L W .

A tempo mdio de um cliente na fila dada por:
Wq
Lq
W Wq
e o tempo mdio de um cliente no sistema
O fator de utilizao do sistema dado por:
Verifica-se, mais uma vez, que se
M|M|1. Enquanto que se
k , Lq
k 1 , Lq
21
2
1
, que o resultado do sistema
, que o resultado do sistema determinstico
M|D|1.
2.3.2.
SISTEMA EK|M|1
Neste tipo de sistema as distribuies do tempo entre chegadas e de servio so

invertidas em relao seo 2.3.1 - SISTEMA M|EK|S.
O sistema Ek|M|S opera da seguinte maneira: dado que um cliente acabou de chegar
no sistema, ento, uma nova chegada de cliente imediatamente introduzida. Quando esta
chegada inserida, ela deve passar atravs de k estgios exponenciais, cada um com
parmetro k, como mostra a Figura 2.8 Sistema Ek|M|1
.
..
.
K
K
Figura 2.8 Sistema Ek|M|1
|||||||
||
Para este tipo de sistema, o diagrama de estados est mostrado na Figura 2.9
Diagrama de estados para o sistema Ek|M|1
62

.
K
K
2
K-1
K
K
K
K+1
2K-1
..
.
2K
Figura 2.9 Diagrama de estados para o sistema Ek|M|1
2.4.
REDES DE FILAS MARKOVIANAS
Uma rede de filas, ou sistema de mltiplos ns, formada por vrias filas
interconectadas entre si com usurios deslocando-se entre elas para receber servio. A rede
pode ser aberta ou fechada, dependendo de poder enviar e receber usurios de fora da rede.
Isto , em uma rede fechada o nmero total de usurios no se altera, havendo apenas uma
permutao nas suas posies. J nas redes abertas, a presena total varia pela chegada ou
sada externa de usurios.
Algumas consideraes devem ser feitas no estudo de rede de filas. Por exemplo, a
estrutura topolgica da rede importante, uma vez que ela descreve as transies possveis
entre os ns. Os caminhos feitos por cada cliente tambm devem ser descritos. A natureza
do fluxo estocstico, em termos do processo estocstico bsico que descreve este fluxo, tem
grande significncia. Considere a rede com dois ns, mostrada na Figura 2.10 Rede de filas
Markovianas com 2 estaes
|||||||
2
1
|||||||
2
1
Figura 2.10 Rede de filas Markovianas com 2 estaes
Assumindo-se que as chegadas ao sistema obedecem ao processo de Poisson a

uma taxa 1 e que o servidor 1 atende com distribuio exponencial a uma taxa 1. Ento, o
n 1 representa um sistema de filas M|M|1. Da mesma forma, o n 2, isoladamente,
representa um sistema de filas M|M|1. A questo bsica encontrar a distribuio do tempo
entre chegadas no n 2, que ser equivalente a distribuio do tempo entre partidas do n 1.
Pode-se dizer que, em mdia, o valor da taxa de chegada ao n 2 :
2 1
1
se
se
1 1
1 1
63

Ou seja, quando 2 = 1, significa que o servidor 1 um limitador e deve-se passar a
analisar apenas as filas seguintes a este servidor.
2.4.1. SISTEMA ABERTO SEM REALIMENTAO

Uma rede aberta, tambm denominada rede aberta de Jackson, exemplificada na
Figura 2.11, consiste de um conjunto de J ns, com as seguintes caractersticas:
a) As chegadas externas a cada estao i J ocorrem de acordo com um processo
de Poisson de parmetro i, independente das outras chegadas e do servio nas estaes;
b) Para cada n i J, o atendimento realizado em ordem de chegada, segundo
uma distribuio exponencial de parmetro i(ni), i(0) = 0. A dependncia da taxa ao
nmero de usurios no centro de servio permite, entre outras opes, que vrios servidores
em paralelo atendam com a mesma taxa;
c) Aps o usurio completar seu servio na estao i, ele move-se para mais servio
na estao j, com probabilidade
ri , j
, onde i,,j J. Por outro lado, se o usurio j completou
sua demanda de servio na rede, ele deixa o sistema aps ser atendido na estao i, com
J
ri , J 1 1 ri ,k
k 1
probabilidade
, onde J+1 um n artificial que representa o exterior da
rede. Todas as transferncias so assumidas serem instantneas e assim, o tempo gasto no

sistema proveniente de esperas e atendimentos nas estaes.
|||||||
|||||||
r24
2
|||||||
2
r2e
|||||||
Figura 2.11 Sistema aberto sem realimentao
Seja R a matriz quadrada de ordem J+1 formada pelas probabilidades de mudana

das estaes (incluindo o n externo) e mais a probabilidade para as entradas externas
atravs do n i:
64

rJ 1,i
, i J e rJ 1, J 1 0 .
k 1
Dessa forma, R torna-se uma matriz estocstica e, portanto, representando as

transies para alguma cadeia de Markov.
Da teoria de Cadeias de Markov, diz-se que um estado i comunica-se com outro
estado j (i j) quando possvel, em algum nmero de etapas, partir de i e alcanar j. Isto
, existe uma seqncia de estaes i0 = i, i1, i2, i3, ..., ik = j, de modo que, para algum ndice
k > 0, tem-se:
ri ,i1 ri1i2 ri2i3 ...rik 1ik rik j 0

A fim de garantir que todos os centros de servio possam receber usurios e que os
fregueses que entram tenham probabilidade positiva de sair em algum momento, acrescentase mais duas condies, alm das mencionadas anteriormente:
d) Todos os ns da rede podero receber usurios externos de forma direta ou
indireta. Isto , j J ou i > 0 ou existe um i tal que i > 0 e i j.
e) O usurio servido em i tem probabilidade positiva de sair da rede em uma ou mais
etapas. Ou seja, i J ou ri,J+1 > 0 ou existe um j J tal que rj,J+1 > 0 e ij.
Com as condies acima, a cadeia de Markov associada matriz R ser recorrente

J
no nula e as equaes de trfego:
m m rik k , m J
tero soluo nica. Pode-
k 1
se interpretar m como a taxa total de entradas ao n m J, sendo resultado da composio

das chegadas (externas) com as sadas de estaes que se movimentam para o centro m.
Seja N o processo estocstico de dimenso J representando, em tempo contnuo, o
nmero de usurios em cada estao de servio da rede. Este processo Markoviano com
xJ
espao de estados dado pelo produto cartesiano dos nmeros naturais, {0, 1, ...} . Deve-se
notar que as transies neste processo so de trs tipos: chegadas externas, fim de servio
com mudana de n (o que acarreta uma chegada interna) e fim de servio com sada da
rede. Se a rede no est vazia, o tempo de espera para uma transio o mnimo entre
todos os servios que esto sendo realizados e as chegadas externas. Como todos esses
tempos so exponenciais independentes, segue que a espera para uma transio tambm
ser exponencial, com parmetro dependendo do estado do sistema antes da transio. Se a
rede est vazia, ser necessrio esperar pela primeira chegada, que ser o mnimo entre os
tempos de chegadas externas e, portanto, com distribuio exponencial.
65

2.4.2. SISTEMA FECHADO

Nas redes de filas fechadas, o nmero de clientes no sistema constante, no h
entradas nem sadas externas.
|||||||
|||||||
Figura 2.12 Rede de filas fechada
Seja M o nmero total de clientes na rede, isto , para qualquer t, preciso ter
J
n
i 1
M . Como no h entradas nem sadas, a taxa de chegadas externa i igual a zero
para todo i J. A matriz R perde, ento, a linha e a coluna J + 1. A equao de trfego

torna-se assim:
m ri ,k k , m J
Pelas hipteses j apresentadas no item 2.4.1, que trata de rede de filas aberta, a
matriz R finita e irredutvel M e a equao acima ter soluo nica com a imposio de
alguma condio extra (por exemplo, fixar o valor de um dos s ou de sua soma.
2.4.3. SISTEMAS MISTOS OU ABERTOS COM REALIMENTAO
Considere a rede de filas mostrada na Figura 2.13:
|||||||
(1-r)
r
Figura 2.13 Sistema Misto ou Aberto com Realimentao
Os clientes saem da estao a uma taxa , retornam a fila com probabilidade r e,

conseqentemente, a uma taxa r e saem do sistema com probabilidade (1-r) e taxa (1-r).
No equilbrio, sabe-se que o nmero de clientes que entra no sistema igual ao nmero de
clientes que sai do sistema. Portanto, pode-se determinar a taxa atravs da seguinte
equao:
66

1 r
ou seja,
1 r
f , r
Quando a probabilidade de retorno fila (r) grande, cada chegada externa
seguida por uma rajada interna de chegada.
2.4.4. TEOREMA BURKE

Uma propriedade interessante da fila M|M|1, que simplifica bastante a combinao
destas filas em uma rede, o fato de que a sada de uma fila M|M|1 com taxa de chegada
um processo de Poisson de taxa . Ou ainda: Um processo de Poisson, com parmetro ,
de chegada a um servidor exponencial gera um processo de Poisson de sada com a mesma
taxa .
Considere a rede de filas da Figura 2.10 Rede de filas Markovianas com 2 estaes
, seja d(t) a funo de distribuio de probabilidade (fdp) que descreve o intervalo
entre partidas da fila 1 e seja sua transformada de Laplace denotada por D*(s). Quando um
cliente sai da fila 1, existem duas situaes possveis: um segundo cliente est disponvel na
fila e pronto para ser atendido ou a fila est vazia. No primeiro caso, o tempo at que o
prximo cliente saia da fila 1 ser distribudo exatamente como um tempo de servio desta
fila e, neste caso, teremos:
D* s fila1ocupada B* s
Por outro lado, se a fila 1 est vazia at a partida do primeiro cliente, deve-se esperar
pela soma de dois intervalos, sendo o primeiro o tempo at que o segundo cliente chegue e o
prximo sendo o tempo de atendimento (ou tempo de servio) do segundo cliente; como
estes dois intervalos so independentemente distribudos, ento a fdp da soma deve ser a
convoluo das fdps de cada intervalo. Certamente, a transformada da soma das fdps ser
o produto das transformadas das fdps individuais, ento, tem-se:
D* s fila1vazia A* s B* s ,
onde:
*
A (s) tempo at a primeira chegada

*
B (s) tempo do prximo servio
Sabe-se que
67

D* s B* s 1 A* s B* s ,
se a chegada obedece a um processo de Poisson, a distribuio do tempo entre chegadas
exponencial com taxa l. Portanto,
A* s
exponencial com taxa , ento, pode-se escrever
. Da mesma forma, como o servidor
B * s
Substituindo-se A (s) e B (s) na equao de D (s), tem-se:
D* s
s s
s
Como
D * s
D * s
, tem-se:

s s
Pode-se perceber que as partidas de um sistema M|M|1 em equilbrio s dependem

das chegadas.
2.4.4.1.
IMPLICAES DO TEOREMA DE BURKE
Desde que as chegadas nos estados que caminham para frente formam um
processo de Poisson, as sadas nos estados que caminham para trs tambm formam um
processo de Poisson.
68

Chegada
Tempo
Sada
Tempo
Figura 2.14 Implicaes do Teorema de Burke
Uma vez que o processo para trs estatisticamente o mesmo que o processo
para frente, o processo de sada Poisson.
Pelo mesmo argumento, o estado deixado por um cliente independente das sadas
anteriores.
2.4.5.
FORMA PRODUTO NA REDE ABERTA
Um teorema importante, provado por Jackson, afirma que a distribuio estacionria

do nmero de usurios presentes no sistema pode ser calculada pelo produto de
distribuies estacionrias marginais (referentes a cada centro). O resultado obtido, tambm
chamado de soluo na forma produto, indica que o sistema se comporta como se cada
centro de servio i J fosse uma fila com chegadas e servios exponenciais com taxas i e
(ni), respectivamente, independente dos demais centros. Assim, no caso de S servidores
idnticos, teramos o sistema comportando-se como se fosse uma coleo independente de
filas M|M|S.
No entanto importante observar que nem sempre as chegadas internas forma um
processo de Poisson. Portanto, a forma produto deve ser aplicada com cuidado. A
vantagem da forma produto , entre outras, a possibilidade de identificao rpida dos
efeitos da mudana dos parmetros de uma estao sobre o desempenho de toda a rede.
Para utilizao como constantes normalizadoras a seguir define-se:
bi1
n 0
in
i 1i 2...i n
onde o termo correspondente a n = 0 igual a 1.

Sob a condio de
bi1
, i J , o processo N te distribuio estacionria
dada por:
69

i n i ni in 1 i ;
i
i 1
com
n n1 , n2 , n3 ,..., nJ , i ni
bi ini
, i J e i i .
i 1i 2...i ni
i
Sendo assim, considere a rede de filas aberta mostrada na Figura 2.15.
ESTADO SISTEMA
K2
ESTADO SISTEMA
K1
|||||||
|||||||
M|M|1
|||||||
|||||||
2
1
M|M|1
Figura 2.15 Forma Produto Rede Aberta
Pela forma produto tem-se:
PK1 , K 2 P1 K1 P2 K 2
PK1 , K 2 1 1 1K1 1 2 2K2 ,

onde
i
1, i {1,2} .
i
Considere ainda a rede de filas aberta sem realimentao mostrada na

Figura 2.16.
|||||||
|||||||
1+2
|||||||
2
4
1+2+4
|||||||
|||||||
Figura 2.16 Rede aberta sem realimentao
Sejam N1, N2, N3, N4 e N5, os estados em cada n do sistema (1, 2, 3, 4, 5), ento a
distribuio de probabilidade conjunta pode ser dada pela equao abaixo:
70

PN1 , N 2 , N3 , N 4 , N5 P1 N1 P2 N 2 P3 N3 P4 N 4 P5 N5
2.4.5.1.
FORMA PRODUTO NA REDE FECHADA
Seja o processo N com distribuio estacionria dada por:
n bM
i 1
para
in
i 1i 2...i ni
n n1 , n2 , n3 ,..., nJ ,
n
i 1
M e bM a constante de normalizao.
No caso de sistemas fechados, a constante de normalizao no fatorvel num

produto de constantes associadas a cada estao. Assim, no se tem independncia entre o
nmero de clientes em cada estao para cada t fixado.
2.5.
A FILA M|G|1
A fila M|G|1 consiste de um sistema de servidor simples, com chegadas Poisson,
distribuio do tempo de servio arbitrria, denotada por B(x) e funo de distribuio de

probabilidade do tempo de servio denotada por b(x). A distribuio do tempo entre
chegadas dada por:
-t
A(t) = 1 e , t 0
a(t) = . e , t 0
-t
com a taxa mdia de chegada de clientes por segundo igual a , um tempo mdio entre
chegadas de 1/ segundos e varincia () igual a 1/.
Histria passada sumarizada:
N(t) - n. de fregueses no sistema no instante t
Xo(t) - tempo de servio j recebido pelo fregus em servio no instante t
As definies acima so necessrias uma vez que a distribuio do tempo de servio
no necessariamente sem memria. Neste caso, verifica-se que o processo aleatrio N(t)
no um processo Markoviano. Entretanto, o vetor [N(t), X0(t)] um processo de Markov e
um vetor de estado apropriado para o sistema M|G|1, uma vez que ele sumariza toda a
histria passada.
[ N(t) , Xo(t) ] Sumariza o passado
Cadeia de Markov
71

Analisando o sistema nos instantes de partida:

x o(t) = 0
Cadeia de Markov embutida nos instantes de partida:
a d
Igualdade entre distribuies estacionrias
No modelo M|G|1 vale a igualdade entre as distribuies estacionrias em tempo

contnuo e as imersas nos instantes de chegadas e partidas.
Distribuio do n. de clientes no sistema

Para obtermos
Distribuio do tempo de espera

Distribuio do tempo ocupado
Chegadas Poisson:
PN t k - Probabilidade de um cliente que chegue no instante t encontre K

clientes no sistema
PN t k Pka t
Para sistemas cuja alterao de estado se de por acrscimo de +/- 1 cliente:
Pka t Pkd t - Isto , o nmero de clientes encontrado na chegada igual ao n.

de clientes deixados por uma sada.
Probabilidade de Transio da Cadeia de Markov:
Sejam:
q n = n. de clientes deixados no sistema pela partida de Cn

Vn = n. de clientes que chegaram durante a execuo do servio de C n (que tem
durao Xn)
Cn
Xn
qn 0
Servidor
Cn
Cn + 1
Xn +1
qn + 1
Cn + 1
Fila
Vn
Cn
Cn + 1
Figura 2.17 Probabilidade de Transio da Cadeia de Markov (1)
72

Pij Pqn1 j qn i
Dado que
qn1 qn1 impossvel,
qn1 qn1
0 1 2

1
2
0
0 0 1
.P
0 0 0
0 0 0
0 0 0
Onde:
3
3
2
1
0
0
...
...
...
...
...
...
k PVn1 k
Vn depende da durao de Xn (e no de n) em regime estacionrio.
PX n X P~
x X Bx
~
Pvn k Pv k k
Pv~ k k Pv~ k ; x ~
x x dxdx Pv~ k ~
x xbx dx
0
Para chegadas Poisson:

k
x
~
Pv k k
e x bx dx
0
k!
Sejam
.x
1 (condio de ergodicidade)
Equao fundamental da M|G|1

Cn
Servidor
qn = 0
Cn
qn + 1
Cn + 1
q n + 1 = Vn + 1
Fila
Vn + 1
Cn
Cn + 1
Figura 2.18 Probabilidade de Transio da Cadeia de Markov (2)
73

q 1 vn 1 se q n 0
q n 1 n
se q n 0
vn 1
1
qn
0
se qn 0
se qn 0
qn1 qn qn vn1
Equao fundamental da M|G|1
2.5.1. MEDIDAS DE DESEMPENHO

Nesta seo,sero apresentadas algumas medidas de desempenho para o modelo
M|G|1. Inicialmente, notamos que as frmulas de Little continuam vlidas e as utilizaremos
para deduzir alguns resultados.
Nmero mdio de clientes no sistema (em regime estacionrio):
O valor esperado do nmero de usurios no sistema (L), nos instantes
imediatamente aps uma partida, pode ser calculado conforme demonstrado a seguir.
q~ lim qn
Eq lim Eqn
n
Usando a equao fundamental:
lim Eqn1 lim Eqn qn lim Evn1

n
Eq~ Eq Eq Ev~
Ev~ Eq
Como:
Ev~ .x ,
Eq k Pq~ k 0 Pq 0 1 Pq 1 2 Pq 2
k 0
Eq Pq~ k
Probabilidade sistema ocupado =
k 1
.x 1 p0
74

E v~ 2 Ev~
~
Comprimento mdio do sistema: L Eq
21
Sabe-se que para chegadas Poisson:
PN k
t k e t
k!
Poisson ()
V z Pv k z k
k 0
V z servio x
x k e x z k
k!
k 0
xz k
k 0
k!
V z servio x
e x .e xz
V z servio x e x 1 z
Chegada e servio independentes:
V z e x 1 z bx dx
0
Da definio da transformada de LaPlace:
B * s e bxbx dz
0
Ento:
B* s B* z
Sabe-se que:
dV ( z )
dz
d 2V ( z )
dz 2
E[v]
z 1
dV z
d *

B z
dz
dz
z 1
E[v 2 ] E[v]
d 2V z
d2
u z 2 2 B * z
dz
dz
Para z=1:
V 1 2 B* 0 2 x 2
B*' (s) x
75

B*'' (s) x
E[v 2 ] E[v] 2 .x
L = n. mdio de clientes no sistema
L Eq
2 x 2
21
Sabe-se que a varincia do tempo de servio
2 b2 2
L
21
b2 x 2 x
. Ento:
Frmula de Pollaczek-Khintchine
L Lq
Lq = n. mdio de clientes na fila
2 b2 2
Lq
21
Usando a frmula de Little temos as expresses para a mdia do tempo de
permanncia no sistema (W) e para a media do tempo de permanncia na fila (W q):
1 2 b2 2
W x .
2.(1 )
L
Lq
Wq
1 2 b2 2
.
2.(1 )
Exemplos:
1) M/M/1
b2
Lq
2. 2
2(1 )
2) M/D/1
b2 0
Lq
e
2
2(1 )
76

Outra forma de obtermos a mdia do tempo de permanncia no sistema e na fila, W

e W q, respectivamente:
Considere a
Figura 2.18, abaixo.
|||||||
M/G/I
Figura 2.18 Modelo M/G/I
L = .W
Lq = .W q
Wq Lq x TVR (Tempo de vida residual do cliente no atendimento)
TVR
x2
2x
Para o caso especfico da Exp ( ) :
TVR
2
2

2
Distribuio do n. de clientes no sistema (Pn):
lim n 00 Qn ( z ) E[ z q ] Q( z )
Q( z )
B * ( z )
(1 ).(1 z )
B * ( z ) z
(Eq. Transformada de P.K. para M|G|1)
Para o caso M|M|1:
b( x) e x
B * (s)
B * ( z )
Q( z ) Z k .P[q k ]
Pn 1 n
77

M|G|1 Distribuio do tempo de espera:
B * ( s).(1 ).s
S * (s)
.B * ( s) s
W * ( s)
(1 ).s
.B * ( s) s
Para M|M|1:
B * (s)
S ( x) ( )
Distribuio do perodo ocupado:
(t ) = servio no terminado no sistema no tempo t, ou

(t ) = tempo necessrio para esvaziar o sistema de todos os clientes presentes no instante t
Servidor conservativo: sistema permanece ocupado enquanto houver cliente no sistema e os
clientes s partem do sistema quando o mesmo estiver completamente servido.
Para sistema conservativo:
(t )
independente da disciplina do servio.
F(y): distribuio do perodo ocioso

G(y): distribuio do perodo ocupado
-x
M|G|1 F(y) = 1 e
(tempo de chegada exponencial)
G*(s) TC perodo ocupado

G*(s) = B*[s + .G*(s)]
78

2.6.
Anexo
2.6.1. FUNO GERADORA DE MOMENTOS

Nesta seo ser introduzido um importante conceito matemtico que possui muitas
aplicaes aos modelos probabilsticos. Para um desenvolvimento rigoroso do assunto seria
necessrio um conhecimento matemtico de nvel bem mais elevado do que se prope nesta
apostila. No entanto, se evitarmos certas dificuldades matemticas que surgem e aceitarmos
que determinadas operaes sejam vlidas, poderemos alcanar uma compreenso
suficiente das principais idias abrangidas, a fim de empreg-las inteligentemente.
Suponhamos que X seja uma varivel aleatria, isto , X uma funo do espao
amostral para os nmeros reais. Ao calcularmos vrias caractersticas da varivel aleatria
X, tais como E(X) ou V(X), trabalhamos diretamente com a distribuio de probabilidade de
X.
Definio. Seja X, uma varivel aleatria discreta, com distribuio de probabilidade
p(xi) = P(X = xi), i = 1,2,3....A funo Mx, denominada funo geratriz de momentos de X,
definida por:
Mx(t ) e
tx j
p( x j )
j 1
Se X for uma varivel aleatria contnua com fdp f, definiremos a funo geratriz de
momentos por:
Mx(t ) e tx f ( x)dx
Em qualquer dos casos, o discreto ou o contnuo, Mx(t) apenas o valor esperado

tx
de e . Por isso, podemos combinar as expresses acima e escrever:
Mxt E etx .
A seguir, sero mostrados alguns exemplos de funes geratrizes de momentos.
Exemplo I - Suponha que X seja uniformemente distribuda sobre o intervalo [a,b].
Logo, a fgm ser dada por:
Mx(t )
e tx
a a b
1
(ba )t
dx
[ebt e at ], t 0
79

Exemplo II Suponha que X seja binomialmente distribuda, com parmetros n e p.

Neste caso,
n
n
Mx(t ) etk pk (1 p) n k
K
k 0
n t k
nk
( pe ) (1 p )
k
n
k 0
[ pet (1 p )]n .
A ltima igualdade decorre de uma aplicao direta do teorema binomial
Exemplo III - Suponha que X tenha uma distribuio de Poisson com parmetro .
Por conseguinte,
Mx(t ) etk
k 0
e t
e e
e k
k!
e ( ek !)
t k
k 0
( et 1)
(
A terceira igualdade decorre do desenvolvimento de et, em
n 0
yn
n!
)
. Esta foi
empregada com y = et
Exemplo IV -. Suponha que X tenha uma distribuio exponencial, com parmetro .
Logo,
Mx(t ) etxex dx e x (t ) dx.

Esta integral converge somente se t < . Por isso, a fgm existe somente para estes
valores de t.
Admitido que essa condio seja satisfeita temos:
Mx(t )
e x (t )
, t .
Visto que a fgm apenas um valor esperado de X, podemos obter a fgm de uma
funo de uma varivel aleatria sem primeiro obtermos sua distribuio de probabilidade.
2
Por exemplo, se X tiver distribuio N(0,1) e desejarmos achar a fgm de Y = X , podemos
prosseguir sem obtermos a fgm de Y, bastando para isso escrevermos:
80

My(t ) E (e ) E (e
ty
tX 2 )
1
2
exp .(tx
2
x2
)dx (1 2t )
1
2
2.6.2. PROPRIEDADES DA FUNO GERADORA DE MOMENTOS

x
Recordemos o desenvolvimento da funo e em srie de Maclaurin:
ex 1 x
x2
2!
x3
3!
...
....
xn
n!
Sabe-se que esta srie converge para todos os valores de x. Por isso,
etx 1 tx
( tx ) 2
2!
...
( tx ) n
n!
....
Em seguida,
( tx ) 2
2!
Mx(t ) E (etx ) E (1 tx
...
( tx ) n
n!
....)
Para uma soma finita, o valor esperado da soma igual soma dos valores
esperados. No entanto, estamos tratando acima com uma srie infinita e por isso no pode,
de imediato, aplicar tal resultado. Verifica-se, contudo, que sob condies bastante gerais,
esta operao ainda vlida. Admitido que as condies exigidas sejam satisfeitas.
Como t uma constante, tomando os valores esperados, podemos escrever:
Mx(t ) 1 tE ( X )
t 2E( X 2 )
2!
...
t nE( X n )
n!
...
J que Mx uma funo de varivel real t, podemos tomar a derivada de Mx(t) em

relao a t, isto , M(t):
M (t ) E ( X ) tE ( X 2 ) t
E( X 3 )
2!
... t
n 1
E( X n )
( n 1)!
...,
e fazendo t = 0, verifica-se que somente o primeiro termo permanece, e teremos:
M (0) E ( X )
Portanto, a derivada primeira da fgm, calculada para t = 0, fornece o valor esperado
da varivel aleatria. Se calcularmos a derivada segunda de Mx(t), obteremos:
M (t ) E ( X 2 ) tE ( X 3 ) ... t
n2
E( X n )
( n 2 )!
...,
e fazendo t = 0, teremos:
M (0) E ( X 2 ).
81

Admitido que M(n)(0) exista, e continuando dessa maneira, obtemos o seguinte

teorema:
Teorema 1
M ( n) (0) E ( X n ).
Isto , a derivada n-sima de Mx(t), avaliada para t = 0, fornece E(Xn).
Exemplo V - Suponha que X tenha uma distribuio binomial com parmetros n e p.
Conseqentemente, Mx(t) = [pet + q]n. Por isso,
Mx(t ) etxex dx e x (t ) dx.

Logo,
disto,
E X M 0 np , o que concorda com nosso resultado anterior. Alm
E X 2 M 0 npn 1 p 1. Da, V X M 0 M 02 np1 p .

Os dois teoremas seguintes sero de notvel importncia em nossa aplicao da
fgm.
Teorema 2
Suponha que a varivel aleatria X tenha fgm Mx. Seja Y = X + . Ento, My, a fgm
da varivel Y, ser dada por:
My(t ) e t Mx(t ).
Teorema 3
Sejam X e Y duas variveis aleatrias com fgm e Mx(t) e My(t), respectivamente. Se
Mx(t) = My(t) para todos os valores de t, ento X e Y tero a mesma distribuio de
probabilidade.
Propriedade Reprodutiva
Se duas (ou mais) variveis aleatrias que tenham uma determinada distribuio
forem adicionadas, a varivel aleatria resultante ter uma distribuio do mesmo tipo que
aquelas das parcelas. Esta propriedade denominada Propriedade Reprodutiva (ou aditiva).
Exemplo VI - Suponha que X e Y sejam variveis aleatrias independentes, com
distribuies
N ( 1 , 12 .) e N ( 2 , 22 .) , respectivamente. Faamos Z=X+Y.
Conseqentemente,
82

Mz(t) Mx(t) My(t) exp. ( 1t 12 t 2 ) exp .( 2t 22 t 2 )

2
exp.[ ( 1 2 )t ( 12 22 ) t 2 ]
2
Isto representa a fgm de uma varivel aleatria normalmente distribuda, com valor
esperado
1 2
e varincia
12 22 .
Portanto, Z ter uma distribuio normal. (Ver
Teorema 3)
Teorema 4
Sejam X1,...,Xn variveis aleatrias independentes. Suponha que Xi tenha distribuio
de Poisson com parmetro = 1 + ...+ n.
Teorema 5
Suponha que a distribuio de Xi, ..., Xk sejam variveis aleatrias independentes,
cada uma com distribuio N(0,1). Ento,
S X 12 X 22 ... X k2 ter distribuio de X k2 .
Teorema 6
Seja Z=X1 + ...Xr, onde Xi so r variveis aleatrias independentes e identicamente
distribudas, cada uma com distribuio exponencial, de mesmo parmetro e r. Ento, Z
ter uma distribuio gama, com parmetro e r.
Consideraes Finais
A fgm constitui um poderoso instrumento muito poderoso para estudo de vrios
aspectos das distribuies de probabilidades. O emprego muito til no estudo de somas de
variveis aleatrias independentes e identicamente distribudas e na obteno de vrias
regras aditivas.
2.6.3.
TRANSFORMADA Z
Esta seo tem a finalidade de resumir alguns conceitos de Transformada Z,

necessrios aos estudos de Teoria das filas.
A transformada Z desempenha, para processos discretos, o mesmo papel que a
transformada de Laplace em processos contnuos.
A transformada Z de uma seqncia em tempo discreto F[n] definida por:
F Z
F nZ
F Z
Zn
83

A transformada pode ser unilateral e, desta forma, transforma-se em:
F Z F n Z n
F Z f n Z n
n 0
n 0
Esta transformada se chama unilateral e o primeiro caso chamada de transformada

Z bilateral.
Vejamos alguns exemplos.
a)
Exemplo 1
Encontre a transformada Z,
F Z , para F n = (n)
Soluo:
Define-se:
1, se n 0
, pela definio da transformada Z, tem-se:
0 , se n 0
F Z 1 Z 0 1
b)
Exemplo 2
Seja
F t atU t e seja F n a seqncia obtida ao amostrar-se F t a cada T
segundos. Encontre
F Z .
Soluo:
Neste caso,
F Z
F n anTU n , conseqentemente,
anT F nZ n
F Z aT Z 1 .
n 0
Sabendo que:
a n1 a n2 1
a 1 a ,
k n1
n2
Tem-se:
F Z lim
aT
n2 1
Z 1 at Z
n2
1 aT Z 1
1
Z
F Z
.
aT 1
1 Z
Z aT
84

Se o perodo de amostra T=1, ento:
F Z
Z
.
Z a
Assim, pode-se resumir a definio de transformada Z da seguinte forma:
Propriedade importante
unidade
Z 1 linearidad e
inuarianci a (no tempo)
convoluo
F Z f n Z n
n 0
logo F 1 f n 1
Obs. : funo densidade de probabilidade atende a esta condio
n 0
X varivel aleatria discerta

K
f K Px K
Px K f K
logo F Z E X
n 0
Z
logo F 1 f K 1
momento de X
fK
F 1 K .Z K 1 f K K f K X
K
1 F 1 K K 1Z K Z f K K 2 K f K K 2 f K K
K
fK X 2 X
Na Tabela 2.3 encontram-se as transformadas Z das principais seqncias discretas.

Tabela 2.3 Transformada Z principais seqncias discretas
X[n] com n 0
[n]
X[Z]
Raio de Convergncia |Z| > R
Z-m
U[n]
|a|
85

na
(n+1)a
|a|
|a|
A Transformada Z inversa
Para que a transformada Z seja til, aconselhvel estar familiarizado com os
mtodos para encontrar a transformada Z inversa.
-1
A notao para a transformada Z inversa ser Z . A transformada Z inversa de X[Z]

d como resultado a correspondente seqncia X[n].
Existem quatro mtodos para obtermos a transformada inversa:
Mtodo da Diviso Direta;
Mtodo Computacional;
Mtodo de expanso em fraes parciais;
Mtodo da Integral de inverso.
O mtodo da diviso direta provm do fato de que se X[Z] est expandida em uma
-1
srie de potncias de Z , isto , se
,
-k
ento, X[n] o coeficiente de (Z y), por conseguinte, os valores de X[n] podem ser
encontrados por inspeo para n = 0, 1, 2,...
c)
Exemplo 3
Ache X[n] para n = 0, 1, 2, 3, 4, quando:
Soluo:
Dividindo o numerador pelo denominador obtm-se:
86

X Z 10Z 1 17Z 2 18,4Z 3 18,68Z 4

Ao comparar esta expanso X[Z] em uma srie infinita:
obtm-se: X[0]=0, X[1]=10, X[2]=17, X[3]=18,4, X[4]=18,68.

Na maioria dos casos, no to simples identificar o trmino geral, mediante a
observao de alguns valores da seqncia.
O mtodo mais utilizado a decomposio em fraes parciais de X[Z]. Em vista da
unicidade da transformada Z, pode-se utilizar a tabela de similaridades de transformadas
para identificar as seqncias correspondentes.
d)
Exemplo 4
Encontre a transformada inversa de:
atravs do mtodo de expanso em fraes parciais.

Soluo:
Expandindo em fraes parciais, tem-se que:
n-1
Usando una tabela de transformadas, tem-se: X[n]=9n2 -2 +3 para n = 0, 1, 2,...
87

EXERCICIOS PROPOSTOS DE TEORIA DAS FILAS
1) Considere a rede de filas aberta com um nico n, como mostrada abaixo.
Chegadas
||||||||||
partidas
externas
p
O n nico uma fila M/M/1 com taxa de servio . Um fregus retorna ao n com
probabilidade p depois de completar seu servio. A disciplina da fila PEPS (primeiro a
chegar primeiro a ser servido). Pergunta-se:
(a) Quanto vale = taxa total de chegada ao n 1?
(b) Qual o intervalo permitido para variao de p para que o sistema permanea
estvel?
2) No bar de um aeroporto, uma pessoa pode escolher entre tomar um caf servido no
balco, ou ento usar uma mquina automtica. No balco s podem ser atendidos, em
mdia, 180 pessoa por hora, enquanto a mquina pode atender exatamente 4 pessoas
por minuto. A cada hora, 270 pessoas, em mdia, procuram o bar para tomar caf; a
probabilidade de uma pessoa preferir o balco de 0,6. Qual a demora mdia de uma
pessoa que procura o bar, desde que entra at ser servida de caf?
3) Uma frota de traineiras consome gelo para conservar o peixe durante o tempo passado
no mar. O gelo vem em camionetas que transportam 1 tonelada cada (50 barras) e que,
no dia da entrega, chegam razo de 5 por hora, em mdia. O pessoal encarregado da
descarga tira 1 barra a cada 12 segundos em mdia. O gelo custa $20 a tonelada e, no
vero, a perda devida ao derretimento de cerca de 1 quilo por minuto e por tonelada de
gelo. Qual o custo esperado do gelo que chega a ser embarcado?
4) Seja a rede de filas abaixo, onde todos os sistemas de filas so M/M/1. Determine:
a. Qual o gargalo do sistema?
b. Qual a mxima taxa de chegadas externas admissvel?
c. Qual o nmero esperado de clientes em todo o sistema para uma taxa de chegadas
externas igual a 75% da taxa calculada em (b)?
d. Suponha que a taxa calculada em (b) tenha sido ultrapassada, qual o novo gargalo do
sistema?
e. Se os sistemas de filas fossem M/G/1, o que mudaria nas respostas anteriores (a) at
(d)?
Dados: 1 = 2 = 15 clientes/hora, 3 = 20 clientes/hora, 4 = 25 clientes/hora.
88

5) Seja a rede de filas markovianas esquematizada abaixo.
1
2
3
4
2
3
Se 1 = 10 clientes/hora, 2 = 20 clientes/hora, 1 = 20 clientes/hora, 2 = 30 clientes/hora, 3

= 40 clientes/hora.
a. Determine o gargalo do sistema (isto , a pior fila).
b. Qual a probabilidade de todo o sistema estar ocioso?
c. Qual a probabilidade de existir uma nica pessoa no sistema?
6) Em um laboratrio de computao grfica da universidade existem 4 estaes de

trabalho, cada uma delas com um tempo entre falhas exponencialmente distribudo com
mdia de 40 dias. O laboratrio tem um contrato com o fornecedor, que permite que at
duas das estaes sejam reparadas simultaneamente, quando da ocorrncia de defeitos.
O tempo de reparo de cada estao pode ser considerado exponencialmente distribudo
com durao mdia de 10 dias. Desenvolva um modelo de filas para representar o
problema e obtenha:
a. o diagrama de transio de estados.
b. as equaes de equilbrio e de recorrncia.
c. o nmero mdio de estaes em operao normal.
d. a percentagem do tempo em que todas as estaes esto paradas.
7) Esto sendo feitos planos para a abertura de um posto de lavagem de carros pequeno, e
tem que ser decidido quanto espao para carros a espera. estimado que os clientes
chegariam aleatoriamente (i.e. segundo um processo de chegadas Poisson), com uma
taxa mdia de um a cada 4 minutos, a menos que a rea de carros a espera esteja
lotada, em cujo caso o cliente levaria seu carro a outro lugar. O tempo que pode ser
atribudo lavagem de um carro tem uma distribuio exponencial com uma mdia de 3
minutos. Compare a frao de clientes potenciais que seria perdida por causa de espao
de espera inadequado se (a) zero, (b) dois ou (c) quatro espaos (no incluindo o carro
que est sendo lavado) fossem previstos. (Obs.: Desenvolva a partir do diagrama de
transio de estados as expresses necessrias para a soluo do problema.)
8) Uma empresa de nibus envia seus nibus para manuteno de rotina a cada 25.000 Km.
A garagem fica aberta 24 horas por dia atendida por um nico funcionrio o qual
89

capaz de revisar um nibus de cada vez. O tempo que ele gasta exponencialmente
distribudo, com uma mdia de 4 horas. Os nibus chegam garagem segundo um
processo de Poisson, a uma taxa mdia de 12 por dia. Os motoristas, entretanto, so
instrudos a no entrar na garagem se l j existirem quatro ou mais nibus, mas retornar
ao despachante para nova autorizao. Determine:
a. o valor esperado de tempo que um nibus aguarda na garagem;
b. a perda esperada de dinheiro por dia pela companhia devido capacidade limitada da
garagem, se o custo de enviar um nibus a ela e t-lo de volta sem revisar $80.
9) Suponha que todos os proprietrios de carros completem seus tanques quando o nvel
atinge exatamente a metade. Normalmente, uma mdia de 7,5 clientes por hora se dirigia
a um posto de gasolina com uma nica bomba. O tempo mdio de atendimento de 4
minutos. Com a greve dos caminhoneiros, ocorrida a pouco tempo, um certo pnico se
instalou. Para modelar este fenmeno suponha que os proprietrios passaram a
completar o tanque quando o nvel est em 3/4 do tanque. Como cada proprietrio est
colocando menos gasolina no tanque, durante uma visita ao posto, assuma que o tempo
mdio de servio tenha cado para 3 1/2 minutos. Como o pnico afeta L e W?
10) Mecnicos que trabalham no Centro Automotivo Classe A devem retirar as ferramentas
e peas que necessitam de uma ferramentaria. Uma mdia de 10 mecnicos por hora
chegam procurando por peas. Atualmente a ferramentaria possui um ferramenteiro, que
recebe $6,00 por hora e que leva em mdia 5 minutos para atender a cada pedido.
estimado que cada mecnico produz $10,00 de servios por hora, cada hora que o
mecnico gasta na ferramentaria custa a oficina $10,00. A oficina est analisando a
possibilidade de contratar um ajudante de ferramenteiro (a $4,00 por hora). Se este
ajudante for contratado o ferramenteiro ter possibilidade de atender a uma requisio em
4 minutos, em mdia. Assuma que os tempos entre chegadas e de servio so
exponenciais. Deve o ajudante ser contratado?
11) Modele, usando teoria de filas, um sistema em que o servio tomar sol na praia.
Considere que as chegadas a praia seguem um processo Poisson de taxa , e que o
tempo que cada pessoa passa na praia aleatrio, podendo ser aproximado por uma
distribuio exponencial com mdia 1/.
a. Desenhe o diagrama de transio de estados
b. Obtenha as equaes de recorrncia
c. Calcule Pn ( sugesto
xn
e x ).
n
!
n0
d. Obtenha: L, Lq, W, Wq
12) Anlises anteriores indicam que a chegada de clientes em uma dada agncia dos
correios segue uma distribuio exponencial com mdia de 30 chegadas por hora. Voc
90

esta fazendo um levantamento na agncia e na presente hora, j decorridos 15 min., j

chegaram 10 clientes. Quantos clientes voc espera que ainda cheguem na presente
hora? Justifique.
13) A ocupao mdia de uma lanchonete de "fast-food" de 50 pessoas. Sabe-se que

chegam a lanchonete 100 pessoas/hora e que em mdia uma pessoa demora 20' para
fazer sua refeio.
a.
Quanto tempo demora um cliente dentro da lanchonete?
b. Qual a percentagem deste tempo gasta na fila?
14) Um nmero indeterminado de duplas de alpinistas se dirige a uma montanha com o

intuito de escal-la. Na base do lance inicia da escalada h um plat onde s cabem dois
alpinistas e o caminho at este plat estreito e ngreme. Um dos guias do grupo esta na
entrada deste caminho, orientando a subida para o plat. De l ele no pode ver nem
ouvir o que se passa em cima; mas baseado na experincia, procura evitar que mais de
uma dupla esteja esperando na base do lance, dada a falta de espao. Ele sabe que o
lance consome, em mdia 12 minutos de cada dupla; se ela deseja que o plat fique sem
superlotao em 84% dos casos, quantos alpinistas ele deve encaminhar em mdia, por
hora, para l?
15) Um reator nuclear usado para a produo de radioistopos de uso medicinal. Um

deles de meia vida particularmente curta, tem uma demanda de 3 doses por semana, em
mdia; se uma dose for guardada por mais de 2 semanas em mdia, ela se tornar fraca
demais para ser usada.
a. Qual ser a produo anual esperada, nestas circunstncias?
b. Qual ser o valor esperado do nmero de unidades em estoque?
16) Uma agncia de caderneta de poupana tem k guichs, cada um dos quais pode
atender, em mdia, a 180 pessoas por hora. Em um certo dia, a demanda mdia pelos
servios da agncia de 440 pessoas por hora. Os guichs esto dispostos em uma
linha perpendicular entrada; isto faz com que muitas pessoas entrem na primeira fila
que encontram; sem procurar verificar se existe ou no outra fila menor. Estima-se que a
probabilidade de uma pessoa entrar na fila i de (2/k).((k+1-i)/(k+1)). Suponha que k = 4
e responda:
(a) qual o tempo mdio gasto por uma pessoa que entrou na primeira fila?
(b) qual a frao do tempo desocupado do caixa da fila 4 ?
17) A e B so duas mquinas de operao manual em uma linha de produo; as peas
processadas por A saem dela razo de 10 por hora em mdia e so processadas em
seguida por B razo de 12 por hora em mdia. Dado o espao entre A e B, haver
91

congestionamento da linha sempre que existam mais de 2 peas espera do

processamento. Qual a frao esperada do tempo de funcionamento da linha, relativa a
ocorrncia de congestionamento ?
18) A sada de um tnel uma pista com 2 faixas de trnsito, em mo nica; 100 metros
mais adiante h um sinal luminoso que abre o trnsito a cada 20 segundos, deixando
passar de cada vez 10 carros. Em um dado momento, os carros esto saindo do tnel
razo de 24 por minuto em mdia. Sabendo-se que cada carro ocupa 10 metros de sua
faixa de trnsito, pergunta-se:
(a) Qual o tamanho mdio do trecho de pista ocupado pelos carros?
(b) O sinal enguiou e a CET colocou, provisoriamente, um agente de trnsito que abre o
trnsito em mdia a cada 20 segundos. Qual a probabilidade que a fila invada o tnel?
19) Uma famosa vidente, acostumada a prever o futuro de polticos, tem sua agenda cheia
de entrevistas marcadas razo de uma por hora (dia de 8 horas). Ela dedica, em mdia,
45 minutos a cada cliente e, para suavizar a espera da clientela, manda servir caf com
bolinhos na sala de espera. Uma pequena questo alimentar: se cada pessoa toma uma
xcara de caf (100 ml) a cada meia hora, quantos litros de caf devero ser preparados
em mdia, por dia?
20) Um mecnico de manuteno de mquinas de cpia eletrosttica trabalha por contrato

para a Prefeitura. Ele pode consertar, em mdia, 3 mquinas por dia e o contrato por ele
assinado prev que todo chamado seja atendido no mesmo dia com 90% de certeza.
Qual a capacidade mensal do servio, com este padro de atendimento?
21) Uma loja de autopeas tem estacionamento com espao para 10 carros. Os carros
chegam segundo um processo Poisson a uma mdia de 10 por hora. Sabe-se tambm
que o tempo que eles permanecem estacionados tem distribuio exponencial com mdia
de 10 min. Determine:
a. O nmero mdio de vagas ociosas no estacionamento?
b. A probabilidade de um carro que chegue no encontre lugar para estacionar?
xn
ex .
Sugesto: Para valores de k grandes use
n
!
n0
k
22) Considere um sistema com um nico atendente tendo uma distribuio de chegadas
Poisson com = 10 c/h. Atualmente o atendente trabalha de acordo com uma distribuio
exponencial com um tempo mdio de servio de 5 min. A gerncia tem a sua disposio
um curso de treinamento que ter como resultado uma melhora (decrscimo) na varincia
92

do tempo de servio, porm com um leve aumento da mdia. Aps a execuo do curso
estima-se que o tempo mdio de servio aumentar para 5,5 min., porm o desvio padro
decrescer de 5 para 4 min. Deve a gerncia mandar o atendente fazer este curso?
23) K-sucata recebe uma mdia de 15 pedidos por dia de um certo modelo antigo de carro,
do qual ela pode atender a 20 pedidos por dia. Entretanto se menos que 3 carros forem
alugados, a companhia perde dinheiro da seguinte forma: se somente 2 carros so
alugados a perda de $220/dia, se somente 1 carro for alugado a perda de $260/dia e
se nenhum carro for alugado a perda de $290/dia. As perdas so, naturalmente,
compensadas pelos ganhos quando 3 ou mais carros so alugados. Considerando
apenas as perdas, qual ser o valor esperado do prejuzo por dia? Assuma chegadas e
servio Poisson e que no existe limitao de tamanho nem desistncias da fila.
93

3. MOVIMENTO BROWNIANO
3.1.
PASSEIO ALEATRIO DISCRETO - DISCRETE TIME, DISCRETE STATE,

RANDOM WALK
O "prximo passo" de um bbado pode ser modelado como sendo aleatrio e

dependente somente de onde est o p de apoio para aquele passo (que nada mais do
que onde parou o passo anterior). Supondo claro que o cho plano, no existem
obstrues no entorno, que o cara vai estar em p ao final do passo, que no existe nenhum
bar por perto, entre outros.
Chamemos de X0 a posio inicial do p de apoio. E Xt a posio do p de apoio no
instante t.
Algumas suposies para tornar nosso modelo mais amigvel:
Todos os passos so do mesmo tamanho (=1 pdb - passo de bbado);
Ele est em um corredor apertado e s pode ir pra frente ou pra trs (caso
bidimensional);
A probabilidade dele ir pra frente ou pra trs 1/2 - ele est em um cho plano e
o corredor no tem fim;
Cada passo independe dos outros.
Com isso, temos que:

Xt = Xt-1 +t onde t uma varivel aleatria com a seguinte distribuio discreta:
P(t = 1) = P{t = -1} = 1/2
t = 1, 2, ...
Se X 0 0,
Ento
t , ...,1, 1, ..., t para valor impar de t

Xt
t , ..., 2, 0, 2, ..., t para valor par de t
Como s existem duas opes, a distribuio de Xt binominal.

O Grfico 3.1 abaixo ilustra os possveis estados do sistema.
94

X0+3
X0+2
X0+1
X0
X0-1
X0-2
X0-3
t=0
t=1
t=2
t=3
Grfico 3.1 Possveis Estados do Sistema
n para frente
Depois de t passos...
t n para trs
Posio do bebum ser
t n (1) n 1 2n t
t 1 1
P[ X t 2n t ]
n 2 2
n
t n
t
t 1 t t
. 2
n 2 n
Como o Xt varia com t, este processo no estacionrio.
Neste caso, se no tempo t 0, X t 0. Ento,

EX t 0
t 0
No tempo t (com p 1 / 2), em qualquer tempo
E X T X 0
3.2.
T t
PASSEIO ALEATRIO COM DESVIO - DISCRETE RANDOM WALK WITH

DEVIATION
95

Agora vamos imaginar o caso em que o corredor tem uma inclinao. Ou seja,
mais fcil (mais provvel) que ele v a uma direo do que outra e assumindo que o bbado
em questo consegue se equilibrar nesse corredor inclinado.
Sem perder a generalidade, imagine que a probabilidade do passo ser para frente
igual a p e que a probabilidade do passo ser para trs igual a q (=1-p). Como j vimos,
t
P[ X t 2n t ] p n q t n
n
Neste caso, se p > q, no tempo t=0, E[Xt]>0, e crescente com t! Ou seja, a medida
que o tempo passa espera-se que o bbado esteja descendo a ladeira. Examinando a
expresso 2n-t, ela; e zero quando 2n=t. Ou seja, podemos entend-la como sendo a chance
de que metade dos passos seja pra frente e metade pra trs. Fica fcil de ver isso
examinando um caso extremo como que essa probabilidade se comporta. Para um caso em
que p=0,99 e q=0,01 vejam a chance de se andar mais para um lado que para o outro pela
expresso acima.
3.3.
PASSEIO ALEATRIO COM TAMANHO DO PASSO VARIVEL - DISCRETE

TIME CONTINUOS SPACE RANDOM WALK
Reduzindo um pouco nossas suposies, suponha que no suporemos mais a
suposio de que os passos so do mesmo tamanho. Pra voc que viajou, s dissemos que
no tem mais aquela coisa dos passos serem do mesmo tamanho. Agora a distribuio do
tamanho do passo normalmente distribuda com mdia 0 e desvio padro .
t N (0, 2)
Processo Auto-regressivo mdia (Processos de Reverso a mdia)
Podemos escrever ainda de forma mais genrica a posio do bbado como sendo:
X t X t 1 t
, constante com 1 1
t passo normalment e distribudos com mdia zero e desvio . Tomando o valor esperado
dessa expresso temos :
E[ X t ] E[ X t 1 t ]
E[ X t ] E[ ] E[ X t 1 ] E[ t ]
E[ X t ] E[ X t 1 ]
Limite quando t
E[X ]
(Processo Estacionr io)
Antes de voc pensar que nada mais faz sentido porque achamos uma expresso
que no depende de t e ainda chamamos de processo estacionrio tendo dito anteriormente
que isso no aconteceria, observe que a expresso anterior era um caso particular desse
96

caso onde o era zero e o era um. Nesse caso, a expresso do regime estacionrio d
0/0. Continua no existindo regime permanente para o personagem em questo.
Note se tratar de um Processo Aleatrio de Tempo Contnuo com as seguintes
propriedades:
(A) Propriedade de Markov (falta de memria) - valor futuro s depende do estado atual;
(B) Se realiza a incrementos Independentes - a distribuio de probabilidades de uma
mudana no processo em um dado intervalo de tempo independente de qualquer outro
intervalo (sem superposio de tempo);
(C) A probabilidade de uma transio em um intervalo finito de tempo normalmente
distribuda com uma varincia que aumenta linearmente com o intervalo de tempo.
Essas propriedades so algumas caractersticas de um processo de Wiener. O
Processo de Wiener lembra bastante o bbado no corredor que vimos at agora.
3.4.
PROCESSO DE WIENER
Seja Z (t) um processo de Wiener e Z a mudana em Z (transio) correspondente
a um intervalo de tempo t. A relao entre Z e t dada por (definio):
Z t t
onde t uma v.a. normalmente distribuda com mdia zero e desvio padro 1.
Sendo que a varivel aleatria t no tem correlao serial no tempo, isto :
cov (t . s) = 0
ts
Podemos dizer que Z uma varivel aleatria com distribuio normal de mdia
zero e varincia igual a t. Assim os valores de Z para diferentes intervalos de tempo so
independentes. Como conseqncia, Z(t) um processo de Markov (Propriedade 1) com
incrementos independentes (Propriedade 2).
Analisando uma transio num intervalo de tempo T constitudo de n subintervalos t, isto ,
97

Z Z s T Z s i t , com i independente
n
i 1
Z i t
logo 2Z 2 i . t t. 1 t.n T
n
i 1
i 1
Z normalmente distribuda com mdia zero e varincia n.t = T.

Isto , a varincia de uma transio no processo de Wiener cresce linearmente com
o horizonte de tempo. Isso quer dizer que, quanto mais pra frente se olha o processo maior a
incerteza do mesmo (Propriedade 3).
O processo de Wiener no estacionrio. No longo prazo sua varincia tende a ser
infinito. Agora vamos analisar no curtssimo prazo, ou seja, a representao diferencial do
processo de Wiener.
Lim
t 0
dZ i dt
E dZ 0
2 dZ E[(dZ 0) 2 ] E[(dZ ) 2 ] dt
Logo o processo de Wiener no tem derivada em relao ao tempo. Isso reflete sua
natureza imprevisvel. A derivada um indicador de para onde vai uma funo. A resposta
no caso de um processo de Wiener "no tenho a menor idia".
Z
t
t
t
3.5.
lim
t 0
GENERALIZAO - PROCESSO DE WIENER COM DESVIO
dx Normalmente distribuda com
dx dt dZ
dx variao do processo x (de Weiner com desvio)
dZ variao do processo de Weiner normal
parmetro do desvio (constante)
parmetro de varincia (constante)
98

E[dx] E[ dt dZ ]
E[dx] dt
dx 2 E[(dx E[dx]) 2 ]
dx 2 E[( dt dZ dt ) 2 ]
dx 2 E[( dZ ) 2 ]
dx 2 E[ 2 2 dt ]
dx 2 2 dt
Considerando o resultado obtido vemos que o valor esperado desse processo
linear com a variao do tempo mas possui uma incerteza (varincia) que varia com a raiz
quadrada dessa variao de tempo.
Exemplo:
Considere o preo de uma commodity moderada para um Processo de Wiener em 50 anos e
intervalo de tempo de 1 ms com os seguintes parmetros:
0,2 / ano
1 / ano
dt
dt
1,0 t
12
12
1
1
X t X t 1 dt
t dt
60
12
1
1
X t X t 1
t
60
12
dx 0,2
Onde t ~ N (0,1)
Podemos simular esse processo em planilhas eletrnicas onde o prximo elemento
o primeiro somado de uma constante e um fator perturbador dado pelo t.
3.6.
REPRESENTAO DO MOVIMENTO BROWNIANO POR PASSEIO

ALEATRIO
Seja, x um Processo de Markov com incrementos independentes. Ou seja, a

probabilidade de um valor futuro de x depende somente de onde o processo est agora e a
probabilidade de subir ou descer em cada perodo independente do que acontece nos
perodos prvios. Considere seu incremento como uma varivel aleatria x que assume os
valores + ou - h com probabilidades p e q, respectivamente. Considere sua posio inicial
sendo X0. O grfico 3.2, abaixo, ilustra as realizaes possveis associadas as suas
probabilidades em 3 tempos.
99

p3
X0+3h
X0+2h
p2
X0+h
3p2q
X0
2pq
X0-h
3pq2
X0-2h
q2
X0-3h
q3
t=1
t=0
t=3
t=2
Grfico 3.2 Possveis Estados do Sistema
E x p.h q h p q h
E x p h q h p q h h
2
2 x E x Ex 2 E x 2 2xE x E x 2 E x 2 Ex2
2 x h 2 ( p q)h2 {1 [ p q]2 }h 2 4 pqh 2
Consideremos agora que vamos dividir o tempo em n pequenos passos de tamanho t.
t dividido em n passos
t
ou t n . t
n
X t X 0 tem distribuio binominal (para passos independentes)
100

Considerando n passos :
h
t
h 2
2 X t X 0 n . 2 x n. 4 pq h 2 4 pq t
t
2
h
2
2
Usando, h t h t
2
t
t
p q 2 h
E x t p q h
p q 1
1
1
p 1
t ; q 1
t
2
2
E X t X 0 n . E x n . p q h t p q
Para n passos, t finito, t 0, n infinito

Distribuio binominal nomal
h 2
h
com mdia t 2 . h
t .d 2
t
t
com varincia 4. pq.t
h 2
t
2 .t
Concluses:
1. Podemos dizer o Movimento Browniano o limite do passeio aleatrio quando o intervalo
de tempo e tamanho do passo tendem a zero. Se mantida a relao:
h t
2. A relao descrita na frmula acima a nica que faz com que a varincia de (Xt X0)
depende de t e no do nmero de passos.
3. A relao entre dx e dt no direta, dx depende de dt.
4. Transies em x em um perodo finito de tempo so normalmente distribudas porque
quando n. passos cresce a distribuio binominal tende para a normal.
5. Quando t 0, a distncia total percorrida em um nmero finito de passos tende a
infinito.
101

4. REFERNCIAS BIBLIOGRFICAS
Livros de Processos Estocsticos/Teoria de Filas

(1) De Groot M.H Probality and Statistics, Addison Wesley, 1978.
(2) Ross, SM. Introduction to Probability Models, Academic Press,
(3) Bhat, U.N. Elements of Applied Stochastic .Process, Weley
(4) Feller N. An Introduction to Probabilty Models and its Applications.
Wesley
(5) Kleinrock, L., Queueing Systems, Vol. 1: Theory, Wiley-Interscience
Publication, 1975;
(6) Magalhes, M. N., Introduo Rede de Filas, Departamento de Estatstica,
Instituto de Matemtica e Estatstica, Universidade de So Paulo, ABE
Associao Brasileira de Estatstica, 1996;
Livros de Pesquisa Operacional
(7) Willians, H.P . (1984), Model Building in mathematical Programming. Ed.
Wiley;
(8) Arenales et.Al. (2007), Pesquisa Operacional, Ed. Campus
(9) Ragsdale, N. (2001), Speadsheet Modeling and Decision Analysis, Ed.
Southwestern College Publishing.
(10) Simchi-Levi, D., Kaminsky, P. & Simchi-Levi, E., Cadeia de Suprimentos:
Projeto e Gesto Ed. Bookman, 2003.
(11) Winston, W. L. Operations Research: Applications and Algorithms, 3rd
edition. Belmont, Duxbury Press, 1993.
(12) Hillier, F. S., Lieberman, G. J., Introduo a Pesquisa Operacional, Editora Campus,
RJ, 1988, pp 394-444;
(13) Philips, Ravidran, Soeberg, Pesquisa Operacional.

(14) Novaes, Antnio Galvo, Pesquisa Operacional e Transportes, McGraw-Hill, USP,
1975;
(15) Santos, M. P., Pesquisa Operacional, Departamento de Matemtica Aplicada Instituto de Matemtica e Estatstica, Universidade Estadual do Rio de Janeiro, 2003;
(16) Wagner, Harvey M., Pesquisa Operacional, Prentice Hall, Rio de Janeiro, 1986;
Livros de Simulao
(17) Chwif, L., Medina, A.C.; Modelagem e Simulao de Eventos Discretos,
Teoria e Aplicaes. Ed. dos Autores, 2006
(18) Law, A.M.; Kelton, W.D.; Simulation Modeling and Analysis, MacGraw Hill,
2000.
(19) Saliby, E. Repensando a Simulao; Ed. Atlas, 1989.
102

103

5. LISTA DE EXERCICIOS RESOLVIDOS DE PROCESSOS ESTOCASTICOS
01) Uma floresta constituda de dois tipos de rvores: aquelas com at 3 metros e as
vendidas por $20 cada, 30% permanecem com at 3 metros e 20% crescem para acima
de 3m. Das rvores maiores do que 3m a cada ano so vendidas 50% por $50 cada,
20% por $30 cada e 30% permanecem na floresta.
a) Qual a probabilidade de que uma rvore, com menos de 3m, morra antes de ser
vendida?
b) Se uma rvore (com menos de 3m) plantada, qual o seu valor esperado de
venda?
1
M
0,41
0,2
-3
0,31
V50
0,11
0,51
+3
0,31
0,2
V20
V30
1
M, V20, V30 e V50 so estados absorventes.
P =
-3
+3
V20
V30
V50
-3
+3
0,3
0
0,2
0,3
0,4
0
0,1
0
0
0,2
0
0,5
V20
V30
0
0
0
0
0
0
1
0
0
1
0
0
V50
1,428 0,408
1
E I Q
,
1,428
0
0,571 0,142 0,082 0,204

A E.R
0
0,285 0,714
0
c) Probabilidade de que uma rvore, com menos de 3m, morra antes de ser vendida:
a 3,M = 0,571 57%
d) Valor esperado de venda, se uma rvore com menos de 3m plantada:
Vesp = 20*0,142 + 30*0,082 + 50*0,204 = $15,50
104

02) Com a chegada da civilizao, os ndios da Aldeia Taipan resolveram instituir um

sistema de previdncia social, para o que contaram com a ajuda de um consultor,
Mestre em Engenharia de Produo. A primeira etapa do estudo do consultor consistiu
em classificar os ndios em trs grupos: crianas, trabalhadores e aposentados. Logo
em seguida, utilizando a excelente memria dos ndios, ele inferiu os seguintes dados:
durante um perodo de um ano, 959/1000 de todas as crianas permanecem crianas,
40/1000 se tornam adultos trabalhadores e 1/1000 delas morrem; alm disto, ainda
durante um dado ano, 960/1000 de todos os adultos trabalhadores permanecem
adultos trabalhadores, 30/1000 se aposentam e 10/1000 falecem. A taxa de mortalidade
dos aposentados de 50/1000 a cada ano.
O nmero de nascimentos de 1000
crianas por ano.

a) Supondo que a populao da Aldeia est em regime permanente determine a sua
populao, bem como sua estrutura etria (nos trs grupos mencionados).
b) Cada aposentado recebe uma penso de $ 5.000 por ano. O fundo de penso
custeado pelos pagamentos dos adultos trabalhadores. Com quanto cada adulto
trabalhador deve contribuir, por ano, para o fundo de penso?
Como a populao da Aldeia est em regime permanente, o nmero de nascimentos igual
ao nmero de mortes, isto est representado pela transio M C.
0,96
0,04
0,95
9
0,03
0,01
AP
0,95
0,001
0,05
1
Usando a Lei da Conservao de Fluxo e o fato de que o nmero de mortes igual ao

nmero de nascimentos, temos o sistema:
0,04C (0,03 0,01)T

0,03T 0,05 AP
0,05 AP 0,01T 0,001C 1M

1M (0,04 0,001)C
M 1000
Logo:
105

a) Populao da Aldeia e sua estrutura etria:

Crianas:
C = 24.390 + 1000 = 25390
Trabalhadores:
T = 24.390
Aposentados:
Populao total:
AP = 14.634
64.414 ndios
(1000 nascimentos por ano)
b) Valor a pagar aos aposentados: 14.634 * 5.000

Ento cada trabalhador deve contribuir com: 14.634 * 5.000
= $ 3000 / ano
24.390
03) No jogo de Craps, ns jogamos um par de dados de seis faces. No primeiro
lanamento, se tirarmos 7 ou 11 ns ganhamos imediatamente. Se tirarmos 2, 3 ou 12
perdemos imediatamente. Se o resultado do primeiro lanamento for 4, 5, 6, 8, 9, 10
ns continuamos a lanar os dados at obtermos um 7, quando perdemos, ou at
obtermos o mesmo resultado que o primeiro lanamento, quando ganhamos. Use os
seus conhecimentos de Cadeias de Markov para determinar nossa probabilidade de
vitria.
Incio
2/9
1
1/9
2/3
Ganha
Perde
5/6-p
1/6
Continua
p
Do estado inicial (antes do primeiro lance de dados) o jogador pode ganhar de primeira se
tirar 7 (6/36) ou 11(2/36), com 2/9 de probabilidade. Pode ainda perder de primeira se tirar 2
(1/36); 3 (2/36) ou 12 (1/36), com 1/9 de probabilidade. Poder ainda continuar jogando, caso
no ganhe e nem perca, com probabilidade:
1 1/9 2/9 = 2/3
Os estados P (Perde) e G (Ganha) so absorventes.
Do estado C (Continua) perder se obtiver um 7 (1/6). Logo pCP = 1/6.
Clculo de p:
a) Seja p(P) a probabilidade de perder o jogo
106

p ( P)
Assim
1 2 1 2 1
2
1
. . p. . p n .
9 3 6 3 6
3
6
p ( P)
1 2 1
1 1 1
. 1 p p n
9 3 6
9 9 1 p
Outra maneira de chegar a este resultado seria construir P
29
1 9
0 2 3
0 p 5 6 p 1 6
p
0 0
1
0
0
1
0 0
1 9
1 2 3 2 9
A ( I Q) .R
0 1 p 5 6 p 1 6
1
Assim
1 9
1 2 3 (1 p) 2 9
A
0 1 /(1 p) 5 6 p 1 6
1
2 5 6p 1
9 9(1 p) 9 9(1 p)
A
1
56p
6(1 p)
6(1 p)
12
b) Clculo de
p( P) p( P | i). p(i) (do Teorema da Probabilidade Total)

i 2
A probabilidade de perder a soma dos produtos da probabilidade de perder, dado que tirou
i no primeiro lanamento, pela probabilidade de tirar i no primeiro lanamento.
p(P | 2)p(2) = 1 . 1/36
p(P | 3)p(3) = 1 . 2/36
n
p(P | 4)p(4) = {p(7) + [1-p(7)-p(4)] p(7) ++ [1-p(7)-p(4)] p(7)+...}p(4)

= [ p(7)p(4)] / [ p(7) + p(6)] = 2/36 = p(P | 10)p(10)
Analogamente:
p(P | 5)p(5) = [ p(7)p(5)] / [ p(7) + p(5)] = 24/360 = p(P | 9)p(9)
107

p(P | 6)p(6) = [p(7)p(6)] / [ p(7) + p(6)] = 30/396 = p(P | 8)p(8)

p(P | 7)p(7) = 0
p(P | 11)p(11) = 0
p(P | 12)p(12) = 1/36
Logo p(P) = 0,507
Mas:
p( P)
p(G) =0,493
1
1
.
9 9(1 p)
Portanto, p = 0,7194
23
2 9 1 9
0
0 0,7194 0,1139 1 6
p
0
0
1
0
0
0
1
0
1 2,376
E ( I Q) 1
0 3,564
0,493 0,507
A E.R
0,406 0,594
Probabilidade de vitria: G = 0.493
Probabilidade de derrota: P = 0.507
Probabilidade de Ganhar dado que no primeiro lanamento tirou 6:
2
5 25 5 25 5
5 36 5
25 5
P(G | 6)

36 36 36 36 36
36 11 11
36 36
Outra forma de pensar o problema estender o estado continua em seis estados
transientes, representados pelas pontuaes obtidas na primeira jogada que implicam em
continuao do jogo, a saber: 4, 5, 6, 8, 9 e 10. As probabilidades de transio se encontram
na matriz abaixo. Por simplicidade, dispensamo-nos de esboar o D.T.E. correspondente.
108

I
I
3/36
89
10
4/36
5/36
5/36
4/36
3/36
8/36
3/36
4/36
5/36
5/36
4/36
4/36
5
6
P= 8
9
0
26/36
6/36
10
G
0
6/36
6/36
0
6/36
0
6/36
0
Q=
I-Q =
-1
(I-Q) =
27/36
6/36
25/36
25/36
26/36
3/36
4/36
5/36
5/36
27/36
0
0
0
0
0
0
0
0
0
0
26/36
0
0
25/36
0
0
0
0
0
0
0
0
25/36
0
4/36
27/36
3/36
0
26/36
0
0
27/36
-3/36
-4/36
-5/36
-5/36
0
0
9/36
0
0
10/36
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
11/36
-4/36 -3/36
11/36
0
0
10/36
0
1/3
2/5
0
0
4
0
0
18/5
5/11
0
0
0
0
0
0
0
0
0
0
36/11
3/36
0
0
0
5/11
9/36
2/5
1/3
0
0
0
0
0
0
0
18/5
0
0
36/11
0
0
O tempo mdio de jogo ser 3,376; obtido por 1 + 1/3 + 2/5 + 5/11 + 5/11 + 2/5 + 1/3.
109

35/72
37/72
1/3
2/3
5
A= (I-Q) .R =
2/5
5/11
3/5
6/11
6
8
5/11
2/5
6/11
3/5
9
10
1/3
2/3
-1
Probabilidade de vitria: G = a IG = 35/72 = 0.49

Probabilidade de derrota: P = a IP = 37/72 = 0.51
Probabilidade de Ganhar dado que no primeiro lanamento tirou 6: P(G|6) = a 6G = 5/11
04) A Gazeta da Produo tem as seguintes informaes a respeito de seus
assinantes: Durante o primeiro ano 20% dos assinantes cancelam suas assinaturas.
o
Daqueles que completaram o 1 ano, 10% cancelam sua assinatura no 2 ano.

Daqueles que assinam por mais de 2 anos 4% iro cancel-los durante algum dos
prximos anos. Em mdia qual a durao de uma assinatura da Gazeta da Produo?
0,8
1
ano
1
ano
0,1
0,2
Can
c.
0,04
E ( I Q)
P =
0,9
+
1
ano
-1 ano
1ano
+1ano Cancela
-1ano
1ano
0
0
0,8
0
0
0,9
0,2
0,1
+1ano
Cancela
0
0
0
0
0,96
0
0,04
1
0,96
0
1 0,8
0
1
0,9
0
0
0,04
1 0,8 18
0 1 22,5
0 0
25
di durao mdia do regime transiente (assinatura) dado estado inicial i
d i eij
jT
d 1 19,8 anos
d1 23,5 anos
d 25 anos
1
Durao mdia de uma assinatura: 19,8 anos

110

05) O tempo em Pedra Azul pode ser descrito, como dependente do tempo nos dois
ltimos dias, pelo seguinte mecanismo: (i) se os ltimos dois dias foram ensolarados
ento existe 95% de chance de amanh tambm ser ensolarado; (ii) se ontem esteve
chuvoso e hoje ensolarado ento com 70% de chance amanh ser ensolarado; (iii) se
ontem estava ensolarado e hoje est chuvoso ento amanh ser um dia chuvoso com
60% de chance; (iv) se os dois ltimos dias foram chuvosos ento amanha ser um dia
chuvoso com 80% de chance.
possvel modelar o tempo em Pedra Azul como uma cadeia de Markov? Explique
porque e construa o diagrama de transio de estados.
Sim, possvel modelar como uma cadeia de Markov se o estado trouxer a informao dos 2
ltimos dias, assim toda informao que preciso para o prximo estado est contida no
estado anterior.
hoje
E.C.
amanh
0,05
E.E
0,60
0,40
0,30
C.C.
0,95
0,80
0,70
0,20
C.E
E.E.
C.E.
E.C.
C.C.
E.E.
0,95
0,05
P = C.E.
0,7
0,3
0
0
0,4
0,2
0
0
0,6
0,8
E.C.
C.C.
hoje
ontem
06) Suponha que no mercado existem apenas duas marcas de cerveja Mharba e rtica.
Dado que a ltima compra de uma pessoa foi uma de Mharba, existe 90% de chance de
que sua prxima compra seja de Mharba. Dado que a ltima compra de uma pessoa foi
de rtica existe uma probabilidade de 80% de que sua prxima compra seja de rtica.
a) Represente o problema por uma cadeia de Markov, apresentando a matriz de
probabilidades de transio e o diagrama de transio de estados.
b) Dado que uma pessoa acabou de comprar Mharba quanto tempo ser necessrio
para que outra compra de Mharba seja realizada ? E de tica? Como voc interpreta o
tempo neste caso?
c) Suponha ainda que cada consumidor faa uma compra de cerveja por semana (1
ano = 52 semanas), e que existam 100 milhes de consumidores de cerveja. Uma
unidade de cerveja vendida por $2 e custa cervejaria $1. Por $500 milhes por ano
uma firma de propaganda garante diminuir de 10% para 5% a frao dos clientes de
Mharba que mudam para rtica depois de uma compra. Deve a cervejaria Mharba
contratar a empresa de propaganda?
111

a)
0,1
M
0,9
P= M
0,9 0,1
0,2 0,8
0,8
0,2
b)
0,1 M 0,2 A
M A 1
A 1 3
M 2 3
Dado que uma pessoa acabou de comprar Mharba, o tempo necessrio para realizar:
outra compra de Mharba: tempo mdio de 1 retorno = m MM = ?
uma compra de tica: tempo mdio de 1 passagem = m MA = ?
mMM =
3
1,5
2
mMA = 1 + pMM . mMA
mMA = 1 + 0,9 . mMA
mMA = 10
O tempo interpretado como o nmero de compras de cerveja realizadas.

c) Quantidade de cerveja comprada por ano: N = 52 * 100 milhes = 5,2 bilhes
Sem contratar a empresa de propaganda:
Quantidade de Mharba comprada por ano: NM = N * M = 3,47 bilhes

Lucro obtido: LM = NM * ($2-$1) = $ 3,47 bilhes
Contratando a empresa de propaganda:
A matriz de probabilidades de transio se altera para:

M
P = M
A
0,05 M' 0,2 A'
'
'
M A 1
0,95 0,05
0,2
0,8
A' 1 5
'
M 4 5
Quantidade de Mharba comprada por ano: NM = N * M = 4,16 bilhes
Lucro obtido: LM = NM * ($2-$1) - $500 milhes = $ 3,66 bilhes
Como LM > LM, ento vale a pena contratar a empresa de propaganda.
112

07) Uma companhia com um vo s 7h45 da manh entre Rio e Braslia no quer que o
vo se atrase dois dias seguidos na mesma escala. Se o vo sai atrasado um dia, a
companhia faz um esforo especial no dia seguinte para que o vo saia no horrio, e
obtm sucesso em 90% das vezes. Se o vo no saiu atrasado no dia anterior, a
companhia no toma providncias e o vo sai como escalado em 60% das vezes. Que
percentual de vezes o vo sai atrasado? Qual o tempo mdio entre dois vos no
horrio?
0,9
0,1
AT
0,6
0,4
0,9 AT 0,4 H
AT H 1
AT 4 13
H 9 13
Percentual das vezes que o vo sai atrasado: AT = 4/13 30,8%

Tempo mdio entre dois vos no horrio tempo mdio de 1 retorno:
mHH = 1/H = 13/9 = 1,44 dias
08) A baco sistemas de computao registra a cada semana uma demanda
equiprovvel de 1 ou 2 de seu modelo A500. Todos os pedidos devem ser atendidos
do estoque existente. Duas polticas de estoque esto sendo consideradas:
Poltica I: Se o estoque de 2 ou menos unidades, coloca-se um pedido de forma que
o estoque inicial na prxima semana seja de 4 unidades.
Poltica II: Se o estoque de 1 ou menos unidades, coloca-se um pedido de forma que
o estoque inicial na prxima semana seja de 3 unidades.
Os seguintes custos so observados na baco:
Custo de comprar um computador: $4.000
Custo de manter o computador em estoque $100/semana.computador,
Custo de efetuar um pedido $500 (alm do custo de $4.000 por computador).
Qual poltica tem o menor custo semanal esperado?

Modelo
Estoque
Transio
Mudana de semana
Estado
n de peas em estaque no fim de semana, antes de repor o estoque
P (D = 1) = P (D = 2) = 0,5
Poltica I:
Estoque mximo ao fim da semana: 3

Estoque mnimo ao fim da semana: 1
113

D=1
D=2
1
D=1
2
D=2
D=1
1
3
1
P = 2
3
D=2
0,5 0,5
0 0,5 0,5
0,5 0,5 0
Transies da parte superior implicam em pedidos.
1 0,5 3
0,5 0,5 0,5
2
1
2
3
3 0,5 1 0,5 2
1 2 3 1
1 1 6
1 2
2
3 1 3
Custo de manuteno do estoque: $100 * n mdio de computadores em estoque =
1
1
1
$100 1 1 2 2 3 3 $100 1 2 3
2
3
6
$216,67
Os pedidos s so feitos quando tem as transies de estado:
12 , 13, 22, 23
m12 : tempo esperado para o estoque sair de 1 e ir para 2.
1/m12 : freqncia relativa dado que o estoque estava em 1 e passou para 2
m12 1 p11 m12 p13 m32 1 0,5 m32

m 1 p m p m 1 0,5 m
13
11
13
12
23
23
m23 1 p 21 m13 p 22 m23 1 0,5 m23

m32 1 p31 m12 p33 m32 1 0,5 m12
m12 2
m 2
13
m23 2
m32 2
m22 = 1/2 = 2
1
1
: freqncia relativa dado que o estoque est no estado1, esse o nmero
m12 m13
mdio de vezes que o estoque ser reabastecido, estando inicialmente no estado 1.
114

Custo de efetuar pedido: $500 * n mdio de pedidos =
1
1 1
1
1
1 1
1
2 $500 1 2
$500
2 2
2 2
m22 m23
m12 m13
= $500.(1+2) = $ 333,33
Custo mdio do pedido: $4000 * n mdio de computadores comprados por semana =
1
1
$4000 3 1 2 2 0 3 $4000 3 2 0 = $6000

2
6
Custo total esperado: $216,67 + $333,33 + $6000 = $6550

Poltica II:
Estoque mximo ao fim da semana: 2

Estoque mnimo ao fim da semana: 0
D=1
D=2
0
D=1
1
D=2
D=1
D=2
Como o DTE idntico ao da poltica I
0 1 6
1 2
e
1
2 1 3
m01 2
m 2
02
m12 2
m 21 2
Custo de manuteno do estoque: $100 * n mdio de computadores em estoque =
1
1
1
$100 0 0 1 1 2 2 $100 0 1 2 = $116,67
2
3
6
Os pedidos s so feitos quando tem as transies de estado:
01 , 02, 11, 12
m11 = 1/1 = 2
Custo de efetuar pedido: $500 * n mdio de pedidos =
1
1 1
1
1
1 1
0
1 $500 0 1
$500
2 2
2 2
m11 m12
m01 m02
= $500.(0+1) = $ 333,33
115

Custo mdio do pedido: $4000 * n mdio de computadores comprados por semana =
1
1
$4000 3 0 2 1 0 2 $4000 3 2 0 = $6000

2
6
Custo total esperado: $116,67 + $333,33 + $6000 = $6450
Logo Poltica tem o menor custo semanal esperado, devido ao menor custo de manuteno
de estoque.
09) O programa de treinamento de supervisores de produo de uma determinada
companhia consiste de duas fases. A fase 1 a qual envolve 3 semanas de aula terica,
seguida da fase 2 a qual envolve 3 semanas de aprendizagem prtica. Pelas
experincias anteriores, a companhia espera que somente 60% dos candidatos da fase
terica passem para a fase prtica, com os 40% restantes sendo desligados do
programa de treinamento. Dos que fazem a parte prtica, 70% so graduados como
supervisores, 10% enviados para repeti-la e 20% dispensados.
a) Desenhe o diagrama de transio de estados.
b) Quantos supervisores pode a companhia esperar formar de seu programa normal
de treinamento, se existem 45 pessoas na fase terica e 21 na fase prtica?
0,1
0,6
Fase 1
0,7
Fase 2
Supervisor
0,2
1
0,4
0,6
0,4
P = 2
0,1
0,2
0,7
Dispensado
A I Q
1 0,6 0,4 0 1 2 3 0,4 0 8 15 7 15

R

0 0,9 0,2 0,7 0 10 9 0,2 0,7 2 9 7 9
N esperado de supervisores:
45 a1S 21 a2 S 45
7
7 112
21
37
15
9
3
10) No instante 0, eu tenho $1. Nos instantes 1, 2, 3, ... eu jogo um jogo no qual eu
aposto $1. A cada lance tenho uma probabilidade p de ganhar $1 e probabilidade q=
1 - p de perder $1 Meu objetivo aumentar meu capital para $4, e to logo eu o
116

consiga eu saio do
jogo, assim como se eu ficar sem nenhum dinheiro.
a) Construa a matriz de probabilidades de transio e o diagrama de transio de
estados para a cadeia de Markov que modela o jogo.
b) Aps 2 jogadas qual a probabilidade que eu tenha $2 ? E $3?
c) Porque no razovel para este jogo falar em probabilidades de regime
permanente?
p
1
0
1
q
1 2 3 4 0
3
2
1
P = 2
0 p 0 0 q
q 0 p 0 0
1
P = 2
0 q 0 p 0
pq p
4
0
0 0 0 1 0
0 0 0 0 1
4
0
0
0
0
0
0
0
0
1
pq 0 p
0 2pq 0
0 q
2
2
p q
1
0
(2)
Aps 2 jogadas, probabilidade de ter $2: p12 = 0

(2)
2
$3: p13 = p
As probabilidades de regime permanente descrevem as chances no nulas do processo
estar em cada estado ao longo do tempo. Como o processo em questo apresenta dois
estados absorventes, segue que as chances do processo estar num estado transiente
tendero a zero ao longo do tempo, enquanto as chances de estar num dos estados
absorventes tendero a 1.
11) O livro de didtico "PO - A Soluo" vende 1 milho de exemplares a cada ano.
Alguns dos leitores conservam o livro enquanto outros vendem o livro de volta para a
livraria. Suponha que 90% de todos os estudantes que compram um novo livro o
vendam de volta, que 80% dos estudantes que compram o livro com um ano de uso o
vendam de volta e que 60% dos estudantes que compram um livro com dois anos de
uso o vendam de volta. Os livros com 4 ou mais anos de uso j esto muito usados e
no so mais negociados.
a) Em regime permanente, quantos novos exemplares do livro pode a editora esperar
vender do livro?
117

b) Suponha que o lucro da livraria com cada tipo de livro seja de $6 por um livro novo,
$3 por um livro com 1 ano de uso, $2 por um livro com 2 anos de uso e de $1 por livro
com 3 anos de uso. Qual o lucro esperado por livro vendido?
Estado: idade do livro vendido, pela editora, no comeo do estgio
Estgio: ano letivo
Transio: mudana de ano
0,9
0
0,8
1
0,2
0,1
0,6
2
0,4
1
0
0
P = 1
2
3
0,1 0,9
0,2
0,4
0
0
0,8 0
0 0,6
0
0 0,1 0 0,2 1 0,4 2 3

0,9
0
1
2 0,8 1
0,6
2
3
0 1 2 3 1
0 0,3277
0,2949
1
2 0,2359
3 0,1415
a) n esperado de exemplares novos a ser vendido:

proporo de livros novos no mercado * q
tde
livros vendido/ano =
0 * 1.000.000 = 327,7 mil exemplares

b) Lucro esperado por livro vendido: 6*0 + 3*1 + 2*2 + 1*3 = $3,46
12) Trs bolas so divididas entre 2 caixas. Durante cada perodo uma bola
escolhida aleatoriamente e trocada para a outra caixa.
a) Calcule a frao do tempo que uma caixa ir conter 0, 1, 2 ou 3 bolas.
b) Se a caixa 1 no contm bolas, em mdia quanto tempo ser decorrido at que ela
contenha 1, 2 e trs bolas ?
O processo: uma bola escolhida aleatoriamente e ento trocada de caixa.
118

Ex: Estado: caixa 1 contm uma bola.

Se a bola escolhida estiver na caixa 1, ela ser trocada de caixa e a caixa 1 passar a ter 0
bolas com probabilidade 1/3 (que a probilidade de escolher essa bola).
Se a bola escolhida estiver na caixa 2 ela ir para a caixa 1 que passar a ter 2 bolas com
probabilidade 2/3 (que a probabilidade de escolher a bola da caixa 2: 1/3 + 1/3).
1/3
Estado: n bolas na caixa 1

Transio: trocar uma bola de caixa
2/3
Estgio: 1 perodo
0
P = 1
2
3
1/3
0
0
2/3
2/3
0
0
1/3
1
2
2/3
0 1 3 1
2 3
0
2
1
2 2 3 1 3
1 3
2
3
0 1 2 3 1
1/3
0 0,125
0,375
1
2 0,375
3 0,125
a) Frao do tempo que a caixa 1 ir conter 0, 1, 2 ou 3 bolas dado por 0, 1, 2, 3.

b) Dado que a caixa 1 no contm bolas, em mdia, o tempo decorrido at que ela contenha
1, 2 e 3 bolas dado por m 01, m02 e m03 respectivamente.
m01 1 p 02 m21 p 03 m31 p 00 m01 1

m 1 p m p m p m 1 m
00
02
01
12
03
32
12
02
m03 1 p00 m03 p 01 m13 p 02 m23 1 m13
m12 1 p10 m02 p11 m12 p13 m32 1 1 / 3 m02

m13 1 p10 m03 p11 m13 p12 m23 1 1 / 3 m03
m23 1 p 20 m03 p 21 m13 p 22 m23 1 2 / 3 m13
m01 1
m 3
02
m03 10
m12 2
m13 9
m23 7
13) Classifique os diversos estados das cadeias de Markov a seguir, dadas por sua
matriz de transio. Calcule as probabilidades estacionrias.
0,7 0,3 0
0,8 0,2
a) P 0
0,4 0,3 0,3
Todos os estados so recorrentes.
119

1 0,7 1 0,4 3
3 0,2 2 0,3 3
1
2
3
1
1 0,228
2 0,6
0,1714
3
1 / 6 1 / 3 1 / 2
b) P 1 / 6 1 / 3 1 / 2
1 / 6 1 / 3 1 / 2
Todos os estados so recorrentes.
= [1/6 1/3 1/2]
3/8
1
1 / 4 3 / 8 3 / 8
0
1
c) P 0
0
1
0
Subcadeia absorvente
com estados recorrentes
1/4
2
1
3/8
3
Estado 1 transiente.
1/4
3/4
2
A
Matriz
de
1 / 4 3 / 4
P
1
0
transio
3
0 1
P
2
1 0
2 3 1
da
A ( I Q) 1 R 3 / 4 3 / 4 1
1
subcadeia
absorvente:
2 1 / 2
3 1 / 2
Dado que o estado 1 foi absorvido, existe probabilidade de 0,5 de estar no estado 2 ou 3.
120

1 / 2 0 1 / 2
d) P 0
1 0
2 / 5 0 3 / 5
Os estados 1 e 3 so recorrentes.
Estado 2 no absorvente e
Nem recorrente.
Para os estados 1 e 3:
1 / 2 1 / 2
P
2 / 5 3 / 5
0,3
0,6
e) P
0
0,1
1 / 2 1 2 / 5 3
1
1 3 1
0,7 0
0
0,4 0
0
0,2 0,3 0,5
0,2 0,4 0,3
1 4 / 9
3 5 / 9
Subcadeia absorvente
com estados recorrentes
0,2
Estados 3 e 4 so transientes.
A
A
0,3
0,3 0,5 0,2

P 0,4 0,3 0,3
0,2
0
0
1
1
0,7 0,5 0,2 0,99

A ( I Q) R

0,4 0,7 0,3 1

1
0,3 0,7
P
0,6 0,4
0,3 1 0,6 2
1
1 2 1
1 0,461
2 0,538
121

0 1/ 3
2 / 3 0
0 1/ 5 4 / 5 0
f) P
0 1/ 4 3 / 4 0
0 7 / 8
1 / 8 0
Estados recorrentes 2,3 e 1,4
2 / 3 1 / 3
P
1 / 8 7 / 8
2 / 3 1 1 / 8 4
1
1 4 1
1 3 / 11
4 8 / 11
1 / 5 2 1 / 4 3
2
2 3 1
2 5 / 21
3 16 / 21
1 / 5 4 / 5
P
1 / 4 3 / 4
14) Dois jogadores jogam uma moeda honesta. Se der cara o jogador I paga R$1 ao
jogador II, se der coroa o jogador II que paga R$1 ao jogador I. Considere que a
quantidade total de dinheiro em jogo (isto a soma das quantias possudas pelos dois
jogadores) de R$5. Modele o jogo como uma cadeia de Markov. Dado que o jogador I
comeou o jogo com R$3, calcule o tempo esperado do jogo e a probabilidade de que
cada um dos jogadores vena o jogo (isto alcance R$5).
1/2
1/2
1/2
1/2
1
0
1
1/2
1/2
1/2
1/2
1,6 1,2 0,8 0,4
1,2 2,4 1,6 0,8
E = (I-Q) = 3
0,8 1,6 2,4 1,2
0,4 0,8 1,2 1,6
-1
122

1
1
2
0 1/2 0
1/2 0 1/2
0
0
0
0
1/2
0
P = 3
4
0
0
1/2 0 1/2 0
0 1/2 0 1/2
0
0
di : durao do regime transiente, dado que saiu do estado i

Durao mdia do jogo, dado que jogador I comeou com $3:
d3 = j e3j = 0,8+1,6+2,4+1,2 = 6 lanamentos de moeda
0,2 0,8
0,4 0,6
A = E.R = 3
4
0,6 0,4
0,8 0,2
Probabilidade do jogador I ganhar: a35 = 0,6

Probabilidade do jogador II ganhar = probabilidade do jogador I perder: a 30 = 0,4
15) Quatro meninos (A, B, C e D) brincam de lanar disco. Se o menino A recebe o
disco lana-o para B, C ou D com iguais probabilidades; se C recebe o disco lana-o
para A ou D com iguais probabilidades; se B ou D recebem o disco, ficam com o
mesmo. Modele o problema como uma cadeia de Markov. Desenhe tambm o
diagrama de transio de estados.
a) Se o disco est com C qual a probabilidade de D ficar com o disco?

b) Se A est com o disco qual a probabilidade do disco terminar com B ?
0
1/2
1/3
0
1/3
0
1/3
1/2
A
P = C
123

1/3
1/3
1/2
1/3
1/2
6 / 5 2 / 5 1 / 3 1 / 3 2 / 5 3 / 5
A ( I Q) 1 R
3 / 5 6 / 5 0 1 / 2 1 / 5 4 / 5
Probabilidade do disco ficar com D dado que estava com C: aCD = 4/5
Probabilidade do disco ficar com B dado que estava com A: aAB = 2/5
16) Considere um jogador que a cada lance de um jogo tem uma probabilidade p de
ganhar uma unidade e probabilidade q= 1 - p de perder uma unidade. Assumindo que
sucessivos lances so independentes qual a probabilidade que comeando com i
unidades a fortuna do jogador alcance n antes de chegar a 0?
p
1
p
i-1
...
i+1
i
q
p
n-1
...
Se i = 0 P0 = 0
Se i = n Pn = 1
Pi = ain = probabilidade do processo ser absorvido em n dado que comeou em i
Pi ,i 1 p 1 Pi ,i 1 ,
p
i+1
i 1,2,..., n 1.
pi+1
Pi p.Pi 1 q.Pi ,i 1,
i 1,2,..., n 1
i
q
i-1
pi-1
pPi qPi pPi 1 qPi 1

Pi 1 Pi
q
Pi Pi 1 , i 1,2,..., n 1
p
124

Ento para:
i 1 : P2 P1
q
P1 P0 q P1
p
p
2
q
q
i 2 : P3 P2 P2 P1 P1
p
p
i 1
i i 1 : Pi Pi 1
q
q
Pi 1 Pi 2 P1
p
p
i n 1 : Pn Pn 1
q
q
Pn 1 Pn 2
p
p
n 1
P1
Somando as linhas acima, para i variando de 1 a (i-1), temos:

i 1
q q 2
q
Pi P1 P1 ...
p p
p
1 q / p i
P1
1 q / p
Pi
iP
1
q
1
p
q
se
1.
p
se
Somando as linhas acima, para i variando de 1 a (n-1), temos:

n 1
q q 2
q
Pn P1 P1 ...
p p
p
Como Pn = 1:
1 q / p
1 q / p n
P1
1
n
se p
se p
1
2
1
2
125

Logo
1 q / p i
Pi 1 q / p
i
n
se p
se p
1
2
1
2
A probabilidade de ganhar o jogo, dado que comeou com i unidades, dada por P i quando
n :
q i
1
Pi
p
n
0
se p
1
2
1
se p .
2
17) Uma loja de mquinas fotogrficas estoca um modelo de mquina fotogrfica

particular que pode ser encomendado semanalmente. Sejam D1, D2, ..., Di,... variveis
aleatrias que representam a demanda pelas mquinas durante a semana i. Seja X o
o estoque existente de mquinas, e Xi o nmero de mquina disponveis ao final da
semana i. Sbado noite a loja faz uma encomenda que ser entregue em tempo para
a
a abertura da loja na 2 feira. A poltica de encomendas da loja (s,S)=(1,3); ou seja, se
no Sbado a noite a quantidade de mquinas em estoque for menor que s=1
(nenhuma mquina em estoque), ento a loja encomendar (at) S=3 mquinas; caso
contrrio nenhuma mquina ser encomendada. suposto que haja perdas de vendas
quando a demanda exceder o estoque disponvel. As variveis aleatrias podem ser
avaliadas iterativamente pela expresso:
max 3 Dt 1 ,0, se X t 1
X t 1
max X t Dt 1 ,0,se X t 1
Considerando que a demanda tem uma distribuio de Poisson com mdia 1, a matriz
de transio de uma etapa dada por:
0.080
0.632
0.184
0.368
0.368
0
0.368
0
0.264
0.080
0.368
0.184
0.368
0.368
0
0.368
a) Descreva como a matriz de transies pode ter sido obtida.

b) Se o processo iniciou com um estoque de 3 mquinas qual o tempo esperado para
que o estoque se esgote ?
c) Qual a probabilidade de encontrar o estoque com 0, 1, 2, 3 e 4 mquinas ?
126

d) Qual o tempo mdio entre duas encomendas?

a) A matriz foi obtida usando a tabela da distribuio de Poisson. Onde P(D t+1=0) = P(Dt+1=1)
= 0,368, P(Dt+1=2) = 0,184 e P(Dt+1=3) = 0,0613
Ex:
Se Xt= 0, o estoque reposto e fica com 3 mquinas.
Logo, a probabilidade de que Xt+1=3 (Dt+1=0) ou Xt+1=2 ( Dt+1=1) de 0,368. A probabilidade
de que Xt+1=1 (D t+1=2) de 0,184. Se D t+13, ento X t+1=0; nesse caso, a probabilidade de
1-0,368-0,368-0,184 = 0,08.
b) Tempo esperado para que o estoque se esgote, dado que iniciou com 3 mquinas: m30
m30 1 p31m10 p32 m20 p33m30
m20 1 p 21m10 p 22 m20 p 23m30

m 1 p m p m p m
11 10
12 20
13 30
10
m30 3,5
m20 2,5
m 1,6
10
c) Probabilidade de encontrar o estoque com 0, 1, 2 e 3 mquinas dada pelo vetor
3
0
0,08 0 0,632 1 0,264 2 0,08 3

0,368 0 0,368 2 0,368 3
0,368 0 0,368 3
1 2 3 1
0 0,2857
0,2848
1
2 0,2632
3 0,1663
A probabilidade de encontrar 4 mquinas no estoque 0.

d) Tempo mdio entre duas encomendas:
tempo mdio de retorno para o estado 0 = m 00 = 1/0 = 3,5 semanas
18) Um naturalista est observando o comportamento de um sapo em um pequeno
lago, no qual h 4 ninfias (plantas aquticas). O sapo circula entre estas 4 plantas
pulando de uma para outra, as quais so numeradas arbitrariamente de 1 a 4. A
probabilidade do sapo pular de uma planta para outra inversamente proporcional a
distncia entre elas (isto , o sapo prefere pular para uma planta mais perto do que
para uma mais longe). As distncias entre as plantas so:
1
2
3
6/5
3/2
6/7
1/2
3/4
a) Defina a matriz de transio

b) Calcule as probabilidades de regime permanente
127

c) Interprete estas probabilidades em termos do comportamento do sapo.

d) Explique, do ponto de vista do sapo, o que significam as hipteses de Markov e de
estacionariedade.
a) Tabela com o inverso das distncias:
1
5/6
1/2
2/3
5/6
7/6
1/2
7/6
4/3
2/3
4/3
A soma das linhas da matriz de transio deve ser igual a 1, portanto:
1
5 1 2
K1 1 K1
2
6 2 3
1
1 7 4
K3 1 K3
3
2 6 3
1
5 7
2 K2 1 K2
4
6 6
4
1
2
2 K4 1 K4
3
4
3
Multiplicando cada linha da tabela acima pelas constantes encontradas, obtm-se a matriz de
transio:
5 / 12 1 / 4 1 / 3
0
5 / 24
0
7 / 24 1 / 2
P
1 / 6 7 / 18
0
4 / 9
0
1/ 6 1/ 2 1/ 3
1 5 / 24 2 1 / 6 3 1 / 6 4
5 / 12 7 / 18 1 / 2
2
1
3
4
b)
3 1 / 4 1 7 / 24 2 1 / 3 4
1 2 3 4 1
1 0,1538
0,3077
2
3 0,2308
4 0,3077
c) As probabilidades de regime permanente indicam a frao de tempo que o sapo passa em

cada planta.
d) As hipteses de Markov, do ponto de vista do sapo, significam que ele no tem memria.
Por exemplo, ele no sabe se determinado lugar tem mosca ou no, ou ainda, se
determinada planta afunda ou no; as chances de ir para a prxima planta s dependem da
planta onde ele est. A propriedade de estacionariedade indica que o sapo no aprende ao
longo do tempo. O prximo salto aleatrio.
128

19) Se-segura Companhia de Seguras classifica seus clientes de acordo com seu
histrico de acidentes (do cliente). Um cliente que no tenha tido nenhum acidente
nos ltimos dois anos tem uma anualidade de $100. Clientes que tenham tido
acidentes em ambos os anos tem uma anualidade de $400. Clientes que tenham tido
acidente em somente um dos ltimos dois anos tem uma anualidade de $300. Um
cliente que tenha tido um acidente no ltimo ano tem 10% de chance de ter um
acidente no ano corrente. Se o cliente no tiver tido nenhum acidente no ltimo ano
ele tem 3% de chance de ter um acidente no ano corrente. Para um dado ano, qual a
anualidade mdia paga por um cliente da Se-segura?
Estado: (X,Y)
X=1 : teve acidente no ano 1

Y=1 : teve acidente no ano 2
00
00
P = 01
10
11
01
0,1
10 00
0,97 0,03 0
0,03
0
0
0,9 0,1
0,97 0,03 0
0
0
0,1
0,0
0,9 0,1
0,03
1,1
0,1
0,97
0,97
00 0,97 00 0,97 10
0,03 0,03
01
00
10
10 0,90 01 0,9 11
00 01 10 11 1
0,9
1,0
0,9
00 0,9387
0,0290
01
10 0,0290
11 0,0032
Anualidade mdia: $100 00 + $400 11 + $300 (01 + 10) = $112,58

20) DOFOGO uma companhia produtora de foges, famosos pela sua qualidade. A
companhia tem uma poltica de 2 anos de garantia, onde ela garante a substituio de
qualquer fogo que falhe durante este perodo. A companhia est planejando fazer
uma campanha promocional onde pretende estender a garantia para trs anos. Como
forma deavaliar o impacto desta nova poltica foram coletados os seguintes dados: 3%
dos foges novos falham durante o primeiro ano de operao; 5% dos foges com
mais de um ano de uso falham durante o segundo ano de operao; 7% dos foges
com mais de dois anos de uso falham durante o terceiro ano de operao. Observe
que um fogo substitudo no coberto pela garantia.
a) Use cadeias de Markov para predizer quantos foges devero ser repostos com a
nova poltica.
129

b) Supondo que o custo de repor um fogo seja de $100 e que a DOFOGO venda
10.000 foges por ano, qual o impacto monetrio da mudana de poltica de garantia?
Poltica de garantia de 3 anos:
0,97
0
0
1
0
0
0,97
0
0
0,95
P = 2
3
F
0
0
0
0
0
0
0
0
0,03
0,05
0,93 0,07
1
0
0
1
0,95
2
0,93
0,05
0,03
0,07
1
0,03 0,8626 0,1434

1 0,97 0,9275 0
A ( I Q ) R 0
1
0,95 0
0,05 0,8835 0,1165
0
1 0,93 0,07 0,93
0,07
0
1
a) n de foges que devero ser substitudos: a0F = 14,34%

Poltica de garantia de 2 anos:
0
0,97
0,03
P = 1
2
F
0
0
0
0
0,95 0,05
1
0
0
1
0,97
0,95
0,05
0,03
1
0,03 0,9215 0,0785

1 0,97 0
A ( I Q) 1 R
0,95
0
1
0
,
95
0
,
05
0,05

n de foges que devero ser substitudos: a0F = 7,85%
Custo com as reposies para:
poltica de 3 anos de garantia: 10.000 * $100 * 0,1434 = $143.400
poltica de 2 anos de garantia: 10.000 * $100 * 0,0785 = $78.500
b) Impacto monetrio da mudana de poltica: $143.400 - $78.500 = $64.900
130

21) O proprietrio de uma barbearia de uma s cadeira est pensando em expandi-la

devido ao fato de haver muita gente em espera. As observaes indicam que durante
o perodo de tempo requerido para cortar o cabelo de uma pessoa, podem haver 0, 1 2
e 3 novas chegadas com probabilidade 0,3; 0,4; 0,2; 0,1; respectivamente. A cada tem
capacidade fixa de 6 pessoas, incluindo aquela que estiver cortando o cabelo.
a) Desenhe o diagrama de transio de estado e determine a matriz de probabilidade
de transio.
b) Determine a probabilidade que a casa esteja lotada.
c) Dado que a casa esta lotada quanto tempo demora at que ela esteja completamente
vazia?
a)
0,3
0,4
0,3
0,4
0,3
0,3
0,2
0,2
0,4
0,3
0,4
0,4
0,3
4
0,2
0,2
0,1
0,4
0,1
0,3
5
0,2
0,1
0,7
0,3
0,1
0,1
Estado: n de pessoas na barbearia no incio do corte de cabelo

Estgio: perodo de corte do cabelo
Transio: prximo corte
P=
0
1
0,3
0,3
0,4
0,4
0,2
0,2
0,1
0,1
0
0
0
0
0
0
2
3
0
0
0,3
0
0,4
0,3
0,2
0,4
0,1
0,2
0
0,1
0
0
0,3
0,4
0,2
0,1
5
6
0
0
0
0
0
0
0
0
0,3
0
0,4
0,3
0,3
0,7
b)
0 0,3 0 1
0,4 0,3
0
1
2
1
2 0,2 0 1 0,4 2 0,3 3
3 0,1 0 1 0,2 2 0,4 3 0,3 4

0,1 0,2 0,4 0,3
2
3
4
5
4
5 0,1 3 0,2 4 0,4 5 0,3 6
0 1 2 3 4 5 6 1
0 0,0307
0,0716
1
2 0,1023
3 0,1364
0,1704
4
5 0,2159
6 0,2727
131

Probabilidade da casa estar lotada: 6 = 27,27%

c)
m60 1 p 61m10 p 62 m20 p 63m30 p 64 m40 p 65m50 p 66 m60

m 1 p m p m p m p m p m p m
51 10
52 20
53 30
54 40
55 50
56 60
50
m40 1 p 41m10 p 42 m20 p 43m30 p 44 m40 p 45 m50 p 46 m60
m30 1 p31m10 p32 m20 p33m30 p34 m40 p35m50 p36 m60
m20 1 p 21m10 p 22 m20 p 23m30 p 24 m40 p 25 m50 p 26 m60
m10 1 p11m10 p12 m20 p13m30 p14 m40 p15 m50 p16 m60
m60 94,07
m 90,74
50
m40 84,07
m30 72,96
m20 56,29
m10 32,59
Tempo mdio para que a casa passe de lotada a vazia: m 60 = 94,07 (cortes de cabelo)
22) Suponha que voc conduziu uma srie de testes sobre um procedimento de
treinamento e verificou que a seguinte matriz de probabilidades descreve o conjunto
de respostas corretas e incorretas
(j+1)-simo teste
j-simo
teste
Correto
Incorreto
Correto
0,95
0,05
Incorreto
0,01
0,99
a) Que proporo de respostas corretas se pode esperar de um estagirio

absolutamente treinado?
b) Que proporo de respostas corretas se pode esperar de um estagirio aps quatro
repeties do procedimento, caso a resposta inicial seja igualmente possvel de ser
correta ou incorreta?
c) Qual a probabilidade de que se obtenha, pela primeira vez, uma resposta correta,
exatamente quatro tentativas aps uma resposta incorreta?
d) Qual o nmero mdio de tentativas para que se obtenha uma resposta correta aps
ter obtido uma resposta incorreta?
0,01
a)
0,95
Correto
Incorreto
0,99
0,05
0,95 C 0,01 I
0,95 0,05
P
C
0,01 0,99
C I 1
C 1 / 6
I 5 / 6
Proporo esperada de respostas corretas de um estagirio

132

absolutamente treinado: C= 1/6 = 16,67%
b)
0,903
P 4 P 2 .P 2
0,0194
0,097 0,903
0,9806 0,0194
0,097
0,8173 0,1827

0,9806
0,0365 0,9634
0,8173 0,1827
p ( 4) p ( 0) P ( 4) 0,5 0,5
0,4269 0,5731
0,0365 0,9634
Proporo de respostas corretas aps 4 repeties: pC
(4)
= 42,69%
c)
f IC
p IC
f IC . pCC
4k
k 1
f IC 1 p IC 1 0,01
2
2
f IC p IC f IC pCC 0,0194 0,01 . 0,95 0,0099
3
( 3)
2
2
f IC p IC f IC pCC f IC pCC 0,0282 0,01 . 0,903 0,0099 . 0,85 0,009765
f 4 p ( 4) f . p 3 f 2 p 2 f 3 . p
IC
IC
CC
IC
CC
IC
CC
IC
0,0365 0,01 0,858 0,0099 .0,903 0,009765 . 0,95 0,009703 0,97%
Probabilidade de se obter uma resposta correta exatamente 4 tentativas aps uma resposta
(4)
incorreta: fIC = 0,97%
d)
mIC 1 p II .mIC 1 0,99.mIC
mIC 100
n mdio de tentativas para que se obtenha uma resposta correta aps ter obtido uma
resposta incorreta: mIC = 100 tentativas
23) Um jogador joga um jogo limpo no qual as chances so 2 contra 1. Em outras

palavras ele tem 1/3 de probabilidade de ganhar e 2/3 de perder. Se ganhar, ganhar
$2. Se perder, perder $1. Suponha que os recursos totais do jogador e do seu
oponente sejam $N. Se o capital de qualquer um dos jogadores cair abaixo do ponto
em que eles pudessem pagar caso perdessem o jogo seguinte o jogo termina.
a) Desenhe o diagrama de transio de estados e determine a matriz de transio.
b) Suponha que os dois jogadores concordem em que se o capital de qualquer dos
dois cair para $1, eles faro o prximo jogo com chances iguais ganharo ou
133

perdero $1, com igual probabilidade. Desenhe o diagrama de transio de estados e

determine a matriz de transio para este caso.
c) No caso descrito na letra (b) suponha que o jogador 1 tem $3 e o jogador 2 tem $2,
qual a probabilidade do jogador 1 ganhar o jogo ?
d) Quantas jogadas durar o jogo?
a)
1
2/3
2/3
2/3
2/3
2/3
2/3
...
2/3
N-2
Fim
jogo
N-1
1/3
1/3
1/3
Jogador 1
1/3
1/3
1/3
1/3
ganha $2 com probabilidade 1/3

perde $1 com probabilidade 2/3
P=
b)
...
N-3
N-2
N-1
1
2
0
2/3
0
0
1/3
0
0
1/3
...
...
0
0
0
0
0
0
0
0
2/3
0
3
4
0
0
2/3
0
0
2/3
0
0
...
...
0
0
0
0
0
0
0
0
0
0
...
N-3
N-2
0
0
0
0
0
0
0
0
...
...
0
2/3
0
0
1/3
0
0
1/3
0
0
N-1
F
0
0
0
0
0
0
0
0
...
...
0
0
2/3
0
0
0
1/3
1
0
0
...
1
1/2
2/3
1
2/3
2
2/3
3
2/3
4
2/3
...
1/2
N-2
N-1
1/2
1/2
1/3
1/3
1/3
1/3
1/3
134

...
N-3
N-2
N-1
1/2
...
1/2
2
3
2/3
0
0
2/3
0
0
1/3
0
...
...
0
0
0
0
0
0
0
0
0
0
4
...
N-3
...
1/3
N-2
N-1
0
0
0
0
0
0
0
0
...
...
2/3
0
0
1/2
0
0
1/3
1/2
0
0
N
0
0
0
0
0
0
0
0
0
...
...
0
0
0
0
0
0
1
0
0
1
1
2
1,6
1,2
0,9
1,8
0,15
0,3
0,3
0,6
3
4
0,8
0,4
1,2
0,6
1,2
0,6
0,4
1,2
P=
c)
0
2/3
0
...
0
0
0
0
1
1/2
2/3
2/3
1/2
3
1/3
1/3
2
P = 3
1/2
1/2
2/3 0
0 2/3
0
0
1/3 0
0 1/3
0
0
1/2
1/2
5
0
0
0
0
0
0
0
0
0
1
0
0
1
A = E. R =
1/2
1/2
-1
E = (I-Q) =
0,2
0,8
Probabilidade do jogador 1 ganhar, dado que comeou
2
3
0,4
0,6
0,6
0,4
com $3: a30 = 60%
0,8
0,2
d) d3 = durao mdia do jogo (regime transiente) dado estado inicial 3

d3 = j e3j = 0,8 + 1,2 + 1,2 + 0,4 = 3,6 jogadas
135

24) Perfura-se um poo e, medida que a perfurao avana, uma srie de perfis so
realizados. Suponha que o poo possa ser classificado em quatro estados, rotulados
como se segue: Em curso; Com desvio ligeiro, Com desvio acentuado, Abandonado
(por estar to fora de curso, que no se consegue mais atingir o alvo). Suponha ainda
que Xn represente o estado do sistema aps a n-sima correo de curso e que o
comportamento do poo possa ser modelado por uma cadeia de Markov, com a
seguinte matriz de probabilidade de transio:
P=
1
1/2
0
1/4
0
1/4
0
0
1/2
1/4
1/4
a) Se o poo comeou com um desvio ligeiro, qual a probabilidade de que ele

eventualmente entre em curso?
b) Se o poo tem chances iguais de comear com desvio ligeiro e acentuado, qual a
probabilidade de que ele eventualmente entre em curso?
1/4
P=
D.L.
D.A.
E.C.
Ab.
D.L.
1/4
1/4
1/2
D.A.
1/2
1/4
1/4
E.C.
Ab.
D.L.
1/2
1/2
E.C.
Ab.
1/4
D.A.
1/4
1/4
c) Qual o nmero mdio de perfis se poder obter deste poo?
D.L.
-1
E = (I-Q) = D.L.
D.A
D.A
1,7143 0,5714
1,1428 1,7143
E.C.
A = E.R = D.L.
D.A
Ab.
0,857 0,143
0,571 0,429
a) Dado que no incio o poo tinha um desvio ligeiro, a probabilidade de ele entrar em curso
(ser absorvido por E.C.) : aDL,EC = 0,857
136

b) Probabilidade de o poo entrar em curso, dado que tem chances iguais de comear com
desvio ligeiro ou acentuado: 0,5 x 0,857 + 0,5 x 0,571 = 0,4285 + 0,2855 = 0,714
c) di = durao mdia do regime transiente da estado inicial i = n mdio de perfis dado
estado inicial i
dD.L. = 1,7143 + 0,5714 = 2,2857 perfis
dD.A = 1,1428 + 1,7143 = 2,8571 perfis
Como probabilidade de comear com um desvio ligeiro ou acentuado igual, o nmero
mdio de perfis : (2,2857 + 2,8571) / 2 = 2,57 perfis.
25) Na teoria de anlise de crdito, determinados autores verificaram que a estimativa
dos valores considerados como devedores duvidosos costuma seguir dois passos
bsicos descritos a seguir: Classificam-se as contas por idade, que refletem o estado
em que a conta se encontra: um ms de atraso, dois meses de atraso, etc.... .
Estima-se uma expectativa de perda para cada estado, geralmente com base na
poltica da empresa, situao econmica-financeira do cliente e outros fatores
relevantes para a anlise do crdito. O segundo tpico merece uma anlise mais
detalhada, sendo que atualmente diversos mtodos, principalmente na rea de
econometria, esto sendo desenvolvidos. Entretanto, possvel desenvolver um
mtodo para estimar a probabilidade de devedores duvidosos, com base nas Cadeias
de Markov, atravs do atraso e da inadimplncia existente para uma determinada
carteira de crdito de uma instituio financeira. Se em uma determinada data fizermos
um levantamento de uma carteira de crdito, poderemos facilmente verificar os
seguintes estados das contas em carteira:
A0 = valores a serem recebidos que ainda no venceram, ou seja, esto em dia ou com
0 (zero) meses de atraso;
A1 = valores a serem recebidos que esto com 1 ms de atraso;
.............................
Aj = valores a serem recebidos que esto com j meses de atraso;
.............................
An = valores a serem recebidos que esto com n meses de atraso;
Essa disposio corresponde a uma classificao da idade das contas a receber,
sendo o estado A0 a conta que est em dia, A1 a conta com um ms de atraso, e assim
por diante. An a situao dos considerados incobrveis. Na prtica o nmero de
idades das contas pode variar de instituio para instituio ou por categorias de
crdito, tais como crdito imobilirio, leasing, financiamentos diretos ao consumidor e
qualquer outro tipo de operao de crdito. Se considerarmos um levantamento de
contas a receber provenientes do perodo i para o perodo seguinte i + 1, que
denominaremos de j , a conta poder ser classificada com relao a esses dois
ndices, o perodo anterior e o perodo em que se encontra no momento atual. De
forma geral, teremos Ajk igual ao levantamento da categoria k no tempo i + 1, o qual
proveniente da categoria j no tempo i. Para considerarmos todas as possveis
137

categorias devemos acrescentar mais uma categoria quelas descritas anteriormente.

Trata-se da categoria correspondente aos ttulos classificados como pagos, que sero
descritos comoPag. Valores classificados em qualquer categoria no perodo i podem
mover-se para a categoria dos ttulos pagos ou para qualquer outra categoria de 0 a n
no perodo i + 1. Iremos adotar os procedimentos recomendados pelo Banco Central do
Brasil, atravs da resoluo 2.682, que determina que os crditos vencidos h mais de
60 (sessenta) dias, sem garantias, sejam transferidos para as contas de Crditos em
Liquidao.
Em 1 de maro foi levantada uma amostra de 1050 contas, e em 31 de maro foi
verificado o comportamento dessas contas:
De 01/03 a 31/03
Integ. Pg Em dia Atraso 1 ms Atraso 2 meses Perda Total
Emitidas at 28/02
150
100
150
400
Emitidas at 31/01
120
90
90
150
450
Emitidas at 31/12
30
40
40
60
30
200
A primeira linha significa que, das faturas emitidas no ms de fevereiro, num total de
400, 150 foram pagas, 100 ainda no venceram e 150 venceram e no foram pagas,
contando o atraso de um ms. A segunda linha mostra que, de 450 faturas emitidas no
ms de janeiro, 120 foram pagas, 90 ainda no venceram, 90 apresentam atraso de um
ms e 150 com atraso de dois meses. Finalmente, a ltima linha mostra que, de 200
faturas emitidas no ms de dezembro, alm da seqncia de pagamentos e atrasos, 30
correspondem perda, ou seja, atraso superior a 2 meses.
Seja uma carteira de crdito total de R$ 1.000.000,00, conforme mostramos a seguir:
Situao da Carteira
Valor (R$)
Contas em dia
800.000
Contas com atraso de 1 ms
120.000
Contas com atraso de 2 meses
80.000
Valor da carteira
1.000.000
Calcule o valor esperado que ser pago.

Ajustando as quantidades para vetores de probabilidades; considerando as faturas pagas
(Pag) e perdas (An) como estados absorventes; e, transpondo a coluna de faturas pagas,
podemos gerar a seguinte matriz de transio:
A0
A1
A2
An
Pag
A0
P = A1
100/400
90/450
150/400
90/450
0
150/450
0
0
150/400
120/450
A2
40/200
40/200
60/200
30/200
30/200
0
0
0
0
0
0
1
0
0
1
An
Pag
138

A0
A1
A2
An
Pag
A0
0,25
0,375
0,375
P = A1
A2
0,2
0,2
0,2
0,2
0,333
0,3
0
0,15
0,267
0,15
An
Pag
A0
A0
-1
E = (I-Q) = A1
A2
A1
0,75 -0,375
-0,2
-0,2
0,8
-0,2
A2
A0
-1
0
-0,333
0,7
A1
A2
A0
1,687 0,897 0,427
= A1
A2
0,706 1,795 0,855

0,684 0,769 1,795
An
Pag
A0
A = E.R = A1
0,064
0,128
0,936
0,872
A2
0,269
0,731
Valor esperado a ser pago: aA0,Pag 800.000 + aA1,Pag 120.000 + aA2,Pag 80.000 = $911.920
139

6. LISTA DE EXERCICIOS RESOLVIDOS DE TEORIA DAS FILAS
1) Considere a rede de filas aberta com um nico n, como mostrada abaixo.
Chegadas
||||||||||
partidas
externas
p
O n nico uma fila M/M/1 com taxa de servio . Um fregus retorna ao n com
probabilidade p depois de completar seu servio. A disciplina da fila PEPS
(primeiro a chegar primeiro a ser servido). Pergunta-se:
(c) Quanto vale = taxa total de chegada ao n 1?
(d) Qual o intervalo permitido para variao de p para que o sistema permanea
estvel?
1 iterao
+p
+ p + p2
+ p + p2 + p3 + ... + pn-1
2
3
n
n
a)
(1-p)1
pi
1 1 p1
1
1
1 p
b)
Condio 0 P1 1
0
1 1 p
0 p 1
1
1
1
1
1
1
1 p
1
140

2) No bar de um aeroporto, uma pessoa pode escolher entre tomar um caf servido no
balco, ou ento usar uma mquina automtica. No balco s podem ser atendidos,
em mdia, 180 pessoa por hora, enquanto a mquina pode atender exatamente 4
pessoas por minuto. A cada hora, 270 pessoas, em mdia, procuram o bar para
tomar caf; a probabilidade de uma pessoa preferir o balco de 0,6. Qual a
demora mdia de uma pessoa que procura o bar, desde que entra at ser servida de
caf?
162 pes. / h
270 c / h
0,6
Balc.
0,4
Maq.
= 180 com / h
PE M/M/1 WE
M/M/1
= 240 com / h
M/D/1
PM M/D/1 WM
W = 0,6 WB + 0,4 WM
1
1
0,0555 h 3 minutos 20 segundos

180 162
108
M quina : Lq L W
M / D /1:
0,45
240
2
0,45 2
Lq
0,184 pessoas
2 1 2 1 0,45
Balco : WB
L Lq
WM
0,184 0,45 0,634
0,00587 horas 21 segundos
W 0,6 * 0,0555 0,4 * 0,00587 0,0357 horas

W 2 minutos 8 segundos
3) Uma frota de traineiras consome gelo para conservar o peixe durante o tempo
passado no mar. O gelo vem em camionetas que transportam 1 tonelada cada (50
barras) e que, no dia da entrega, chegam razo de 5 por hora, em mdia. O
pessoal encarregado da descarga tira 1 barra a cada 12 segundos em mdia. O gelo
custa $20 a tonelada e, no vero, a perda devida ao derretimento de cerca de 1
quilo por minuto e por tonelada de gelo. Qual o custo esperado do gelo que chega a
ser embarcado?
. 5 camionete / hora
141

Modelo: chegada em grupo M/SSO /1
1
12 segundos / hora
K
6 camionete
comprar com M /D/1
1 K
2
51 5 / 6
51
51
5
71
ton.
2 K 1
100 1 5 / 6
24
24
6
24
71/24
71
hora / perda 1 Kg * 60 min. * W h * 20 u.m 710 u.m
W
W
5
120
min.
h
1.000 Kg
2
Lq
R$ 20,74 ton.
4) Seja a rede de filas abaixo, onde todos os sistemas de filas so M/M/1. Determine:
a. Qual o gargalo do sistema?
b. Qual a mxima taxa de chegadas externas admissvel?
c. Qual o nmero esperado de clientes em todo o sistema para uma taxa de
chegadas externas igual a 75% da taxa calculada em (b)?
d. Suponha que a taxa calculada em (b) tenha sido ultrapassada, qual o novo
gargalo do sistema?
e. Se os sistemas de filas fossem M/G/1, o que mudaria nas respostas anteriores
(a) at (d)?
Dados: 1 = 2 = 15 clientes/hora, 3 = 20 clientes/hora, 4 = 25 clientes/hora.
21 30
3 20
30
20
21 30
4 25
20
25
p / 30
p / 30
p / 20
p / 20
a)
Logo o gargalo do sistema a fila 3
b) = 20 clientes / hora
142

15
3 0,75 4 0,6
30
0,5
0,75
0,6
L1 L2
1 L3
3 L4
1,5
0,5
0,25
0,4
c) 15 clientes / hora 1 2
L
filas 1 e 2
Logo no sistema todo haver 1+1+3+1,5 = 6,5 clientes

d) As filas 1 e 2 pois a taxa de chegada na fila 4 ficar sempre limitada pela taxa 3.
e) Respostas A, B, e D transparecem inalteradas.
No possvel calcular o n. total de clientes na rede com as frmulas conhecidas pois o teorema de
Burke no mais vlido.
5) Seja a rede de filas markovianas esquematizada abaixo.
1
2
1
2
3
4
2
3
Se 1 = 10 clientes/hora, 2 = 20 clientes/hora, 1 = 20 clientes/hora, 2 = 30 clientes/hora,
3 = 40 clientes/hora.
a. Determine o gargalo do sistema (isto , a pior fila).
b. Qual a probabilidade de todo o sistema estar ocioso?
c. Qual a probabilidade de existir uma nica pessoa no sistema?
1 1 1
b) P0 P01 . P02 . P03 1 1 1 2 1 3 4%
2 3 4
1
1
1 11 1 1 1 21 1 1 3 1 1
c) P1 P11 P02 P03 P01 P12 P03 P01 P02 P13
.

8%
. . .
2 2 3 4 2 3 3 4 2 3 4 4 48 36 32
a) Fila 3
6) Em um laboratrio de computao grfica da universidade existem 4 estaes de

trabalho, cada uma delas com um tempo entre falhas exponencialmente distribudo
com mdia de 40 (50) dias. O laboratrio tem um contrato com o fornecedor, que
permite que at duas das estaes sejam reparadas simultaneamente, quando da
ocorrncia de defeitos. O tempo de reparo de cada estao pode ser considerado
exponencialmente distribudo com durao mdia de 10 dias. Desenvolva um
modelo de filas para representar o problema e obtenha:
a. o diagrama de transio de estados.
b. as equaes de equilbrio e de recorrncia.
143

c. o nmero mdio de estaes em operao normal.

d. a percentagem do tempo em que todas as estaes esto paradas.
4 . p0 p1
a)
3
4
1
2
2
4 p0 2 p2 p1 3 p1
4
2
3 p1 2 p3 2 p2 2 p2
2 p2 2 p4 2 p3 p3
b)
p1
4
p0
p2
p1 6 2 p0
2
p3
2
3
p 2 6 3 p0
2
1
40
1 4
10
4
p3 3 4 p 0
2
1
p0
0,4032
2
1 4 6 6 3 3 4
p4
c)
4 12 2 18 3 12 4
L n pn 4 p0 12 p0 18 p0 12 p0
1 4 6 2 6 3 3 4
n 1
4
L 1,8360
resposta 4 1,8360 2,16 mquina
d)
p4 3 4 p0 0,79 %
7) Esto sendo feitos planos para a abertura de um posto de lavagem de carros

pequeno, e tem que ser decidido quanto espao para carros a espera. estimado
que os clientes chegariam aleatoriamente (i.e. segundo um processo de chegadas
Poisson), com uma taxa mdia de um a cada 4 minutos, a menos que a rea de
carros a espera esteja lotada, em cujo caso o cliente levaria seu carro a outro lugar.
144

O tempo que pode ser atribudo lavagem de um carro tem uma distribuio
exponencial com uma mdia de 3 minutos. Compare a frao de clientes potenciais
que seria perdida por causa de espao de espera inadequado se (a) zero, (b) dois
ou (c) quatro espaos (no incluindo o carro que est sendo lavado) fossem
previstos. (Obs.: Desenvolva a partir do diagrama de transio de estados as
expresses necessrias para a soluo do problema.)
1
4
3
4

1
1
4
3
3
1
A
B
C
P1 Sistema 0/1
P3 Sistema 0, 1, 2, 3
P5 Sistema 0, ..., 5
A
B
C
P1 Sistema 0/1
P3 Sistema 0, 1, 2,
P5 Sistema 0, ...,
5
Cliente perdido = clientes que chegam quando o sistema est cheio.
a)
p0 p1 p0
P1
1
4
1 1
4 3
p1

P0 p1 1 1 P1 1

1 12 3
, ie
4 7
7
42, 86% dos clientes potenciais desistem
145

b)
0 p0 p1
P1
p
0
1 p0 p2 p1 p1
P2
2
p1 2 p0
2 p0 p2 p1 p1
P3
3
p1 3 p0
3 p2 p3
P0 1 2 3 1 p0 0,3657
3 9 27
P0 1 1
4 16 64
p3
27
. 0,3657
64
P3 0,1543 i e 15, 43% so perdidos

1
c)
Pn . p0
243
5
p0 n 0,3041 P5
. 0,3041
1024
n 0
n 0, ..., 5
P5 0, 0722 i e 7, 22% so perdidos
8) Uma empresa de nibus envia seus nibus para manuteno de rotina a cada
25.000 Km. A garagem fica aberta 24 horas por dia atendida por um nico
funcionrio o qual capaz de revisar um nibus de cada vez. O tempo que ele
gasta exponencialmente distribudo, com uma mdia de 4 horas. Os nibus
chegam garagem segundo um processo de Poisson, a uma taxa mdia de 12 por
dia. Os motoristas, entretanto, so instrudos a no entrar na garagem se l j
existirem quatro ou mais nibus, mas retornar ao despachante para nova
autorizao. Determine:
a. o valor esperado de tempo que um nibus aguarda na garagem;
b. a perda esperada de dinheiro por dia pela companhia devido capacidade
limitada da garagem, se o custo de enviar um nibus a ela e t-lo de volta sem
revisar $80.
146

P0
p
1
Pn n . p0
p0 1 2 3 4 1
1
31
1
2
4
8
1
p0
; p1
; p2
; p3
; p4
31
31
31
31
31
1
4 horas 6 nibus / dia
p0 1 2 4 8 16 1 p0
12 nibus / dia
L n.Pn
a)
W
b)
0.
16
2
4
8
16 2 8 12 64 86
1. 2. 3. 4.
31
31
31
31
31
31
31
86
0,23 dias 5,55 horas
3112
Perda . p4 custo 12
nibus 16
80 495,48 / dia
dia
31
9) Suponha que todos os proprietrios de carros completem seus tanques quando o

nvel atinge exatamente a metade. Normalmente, uma mdia de 7,5 clientes por hora
se dirigia a um posto de gasolina com uma nica bomba. O tempo mdio de
atendimento de 4 minutos. Com a greve dos caminhoneiros, ocorrida a pouco
tempo, um certo pnico se instalou. Para modelar este fenmeno suponha que os
proprietrios passaram a completar o tanque quando o nvel est em 3/4 do tanque.
Como cada proprietrio est colocando menos gasolina no tanque, durante uma
visita ao posto, assuma que o tempo mdio de servio tenha cado para 3 1/2
minutos. Como o pnico afeta L e W?
147

1 7,5 cl/h
1
4 min . 1 15 cl/h
L1 1
W1 7,89 min .
2 15 cl/h
1
tanque
2
1
15 cl/h tanque
4
7,5 cl/h
3,5 min 2 17,15 cl/h
L 5 carros
W 20 min.
10) Mecnicos que trabalham no Centro Automotivo Classe A devem retirar as
ferramentas e peas que necessitam de uma ferramentaria. Uma mdia de 10
mecnicos por hora chegam procurando por peas. Atualmente a ferramentaria
possui um ferramenteiro, que recebe $6,00 por hora e que leva em mdia 5 minutos
para atender a cada pedido. estimado que cada mecnica produz $10,00 de
servios por hora, cada hora que o mecnico gasta na ferramentaria custa a oficina
$10,00. A oficina est analisando a possibilidade de contratar um ajudante de
ferramenteiro (a $4,00 por hora). Se este ajudante for contratado o ferramenteiro
ter possibilidade de atender a uma requisio em 4 minutos, em mdia. Assuma
que os tempos entre chegadas e de servio so exponenciais. Deve o ajudante ser
contratado?
148

10 mec./hora
1 12 ped./hora
2 15 ped./hora
FO2
$10
mec.
W1
$ 6, 00 / h
h
h
$ /h
$ /h
FO2 $10 W2 $10, 00

10
W1 L1 1 15 5
2
1 1
12
10
2
W2 L2
15 2
5
1 2
15
FO1 10.2 6 $56 / h
FO2 10.2 10 $30 / h
11) Modele, usando teoria de filas, um sistema em que o servio tomar sol na praia.
Considere que as chegadas a praia seguem um processo Poisson de taxa , e que o
tempo que cada pessoa passa na praia aleatrio, podendo ser aproximado por
uma distribuio exponencial com mdia 1/.
a. Desenhe o diagrama de transio de estados
b. Obtenha as equaes de recorrncia
xn
e x ).
c. Calcule Pn ( sugesto
n 0 n!
d. Obtenha: L, Lq, W, Wq
a)
0
0
1
1
2
2
23
3
3
M/M/ : Servidores mltiplos
...
nn
nn
Onde:
n nmero de pessoas na praia
- Taxa mdia de chegada
n - Taxa mdia de pessoas na praia
b)
(0)
p0 p1 p1
p0
149

(1) p1 2p 2 p 2
p0
p1
2
2! 2
(2) p 2 3p 3 p 3
p0
p2
3! 3
3
.
.
.
(n)
p n -1 np n p n
p
n 0
p0 (1
p n -1
p0
n! n
n
2! 3!
xn
Como e x
n 0 n!
...
n
n!
...) 1
1
p0 e
e
n
ne
p
n0
pn
0
n
n!
n! n
Logo p 0e 1 p0
c)
d)
L np n
n 1
n 1
n n e
n!
12) Anlises anteriores indicam que a chegada de clientes em uma dada agncia dos
correios segue uma distribuio exponencial com mdia de 30 chegadas por hora.
Voc esta fazendo um levantamento na agncia e na presente hora, j decorridos 15
min., j chegaram 10 clientes. Quantos clientes voc espera que ainda cheguem na
presente hora? Justifique.
30 chegadas / hora
t 15 minutos
15
0,25 10 clientes
60
E(X)
1 1
h 2 minutos tempo entre chegadas
30
30
45
22,5 chegadas processo de Poisson
60
150

13) A ocupao mdia de uma lanchonete de "fast-food" de 50 pessoas. Sabe-se

que chegam a lanchonete 100 pessoas/hora e que em mdia uma pessoa demora
20' para fazer sua refeio.
a.
Quanto tempo demora um cliente dentro da lanchonete?
b. Qual a percentagem deste tempo gasta na fila?
100 pessoas / hora

1 pessoa / 20 min 3 pessoas / hora
L 50 pessoas
W?
a) L W W
L 50 1
0,5 horas 30 minutos

100 2
b)Wq ?
1
1
1 1 1
W Wq Wq W Wq 10 minutos
2 3 6
30 min - 100%
10 min - x
x 33,3%
14) Um nmero indeterminado de duplas de alpinistas se dirige a uma montanha com
o intuito de escal-la. Na base do lance inicia da escalada h um plat onde s
cabem dois alpinistas e o caminho at este plat estreito e ngreme. Um dos
guias do grupo esta na entrada deste caminho, orientando a subida para o plat.
De l ele no pode ver nem ouvir o que se passa em cima; mas baseado na
experincia, procura evitar que mais de uma dupla esteja esperando na base do
lance, dada a falta de espao.
Ele sabe que o lance consome, em mdia 12
minutos de cada dupla; se ela deseja que o plat fique sem superlotao em 84%
dos casos, quantos alpinistas ele deve encaminhar em mdia, por hora, para l?
1
5duplas / hora
12 min
p 0 p1 0,84
(1 ) (1 ) 0,84 1 2 0,84 2 0,16 0,40

?
0,4 5 2 duplas / hora 4 alpinistas / hora
15) Um reator nuclear usado para a produo de radioistopos de uso medicinal.

Um deles de meia vida particularmente curta, tem uma demanda de 3 doses por
semana, em mdia; se uma dose for guardada por mais de 2 semanas em mdia,
ela se tornar fraca demais para ser usada.
151

c. Qual ser a produo anual esperada, nestas circunstncias?

d. Qual ser o valor esperado do nmero de unidades em estoque?
3 doses / semana
a)W 2 semanas
?
1
5
2(3 ) 1 2,5 doses / semana
-
2
b) L q ?
W
L q Wq
Wq
2,5 3
5
(1 ) 3(1 2,5 ) 3
3
5
L q Wq 2,5 4,17doses
3
16) Uma agncia de caderneta de poupana tem k guichs, cada um dos quais pode
atender, em mdia, a 180 pessoas por hora. Em um certo dia, a demanda mdia
pelos servios da agncia de 440 pessoas por hora. Os guichs esto dispostos
em uma linha perpendicular entrada; isto faz com que muitas pessoas entrem na
primeira fila que encontram; sem procurar verificar se existe ou no outra fila
menor. Estima-se que a probabilidade de uma pessoa entrar na fila i de (2/k).((k+1i)/(k+1)). Suponha que k = 4 e responda:
(a) qual o tempo mdio gasto por uma pessoa que entrou na primeira fila?
(b) qual a frao do tempo desocupado do caixa da fila 4 ?
152

180 pessoas / hora

440 pessoas / hora
2 (k 1 i)
onde k 4
k (k 1)
2 (5 i)
pi
4 5
a)W ?
pi
2
176
5
1
1
W1
0,25 hora 15 minutos

1 180 176
1 p1 440
b) ociosidade 1 - 4 1 -
4 p4 440
4
44
0,756 75,6%
180
1
44
10
4 44
180
17) A e B so duas mquinas de operao manual em uma linha de produo; as

peas processadas por A saem dela razo de 10 por hora em mdia e so
processadas em seguida por B razo de 12 por hora em mdia. Dado o espao
entre A e B, haver congestionamento da linha sempre que existam mais de 2
peas espera do processamento.
Qual a frao esperada do tempo de
funcionamento da linha, relativa a ocorrncia de congestionamento ?
1
1
hora
2
Congestion amento 1 - (p 0 p1 p2 p3 )
W
10
1 (1 2 2 3 3 4) 4 0,4822
12
1h - 100%
x - 48,22%
x 48,22%
18) A sada de um tnel uma pista com 2 faixas de trnsito, em mo nica; 100
metros mais adiante h um sinal luminoso que abre o trnsito a cada 20 segundos,
deixando passar de cada vez 10 carros. Em um dado momento, os carros esto
saindo do tnel razo de 24 por minuto em mdia. Sabendo-se que cada carro
ocupa 10 metros de sua faixa de trnsito, pergunta-se:
153

a. Qual o tamanho mdio do trecho de pista ocupado pelos carros?

b. O sinal enguiou e a CET colocou, provisoriamente, um agente de
trnsito que abre o trnsito em mdia a cada 20 segundos.
Qual a
probabilidade que a fila invada o tnel?
10 carros / 20 segundos 30 carros / min
24 carros / minuto
a)L ?
L W
L
24
4 carros (20m) 1carro 10m
30 24
b)N. de carros na pista 20
45
60
1 - p 20 1 1 20 1 (0,2) (0,8) 20 0,9977

19) Uma famosa vidente, acostumada a prever (???) o futuro de polticos, tem sua
agenda cheia de entrevistas marcadas razo de uma por hora (dia de 8 horas).
Ela dedica, em mdia, 45 minutos a cada cliente e, para suavizar a espera da
clientela, manda servir caf com bolinhos na sala de espera. Uma pequena questo
alimentar: se cada pessoa toma uma xcara de caf (100 ml) a cada meia hora,
quantos litros de caf devero ser preparados em mdia, por dia?
1pessoa / hora
1 pessoa / 45 minutos 60/45 pessoas / hora
1 pessoa - 100ml / meia hora
45
60
45
60
Wq
2,25 tempo mdio de espera de uma pessoa na fila

(1 ) 60 15
45 60
L q Wq 2,25 pessoas
0,2 litros - 1h
x litros - 2,25 h
x 0,45 litros (consumo individual )
Consumo total 0,45 2,25 1,0125 litros
20) Um mecnico de manuteno de mquinas de cpia eletrosttica trabalha por

contrato para a Prefeitura. Ele pode consertar, em mdia, 3 mquinas por dia e o
154

contrato por ele assinado prev que todo chamado seja atendido no mesmo dia
com 90% de certeza. Qual a capacidade mensal do servio, com este padro de
atendimento?
3 mquinas / dia
0,9 2,7mquina s/dia
3
0,9
Lb ?
L L b L q L b 0,9 mq 23 dias teis 20,7 21 maq/ms
L W L
2,7
2,7
9 mquinas
- 3 2,7 0,3
L q Wq L q
2,7 0,9
8,1mquina s
(1 )
3 0,1
21) Uma loja de autopeas tem estacionamento com espao para 10 carros.
Os
carros chegam segundo um processo Poisson a uma mdia de 10 por hora. Sabese tambm que o tempo que eles permanecem estacionados tem distribuio
exponencial com mdia de 10 min. Determine:
c. O nmero mdio de vagas ociosas no estacionamento?
d. A probabilidade de um carro que chegue no encontre lugar para
estacionar?
xn
ex .
Sugesto: Para valores de k grandes use
n0 n!
k
10 carros / hora
= 10carro / 10 minutos = 6 carros / hora
1
1
00
2 3
33
...
10
...
10
10
155

(0)
p0 p1 p1
p0
(1) p1 2p 2 p 2
p0
p1
2
2! 2
(2) p 2 3p 3 p 3
p0
p2
3! 3
3
.
.
.
(n)
p n -1 np n p n
p
n 0
n
n
p n -1
p
p0
0
n
n! n
n!
n
n=0,1,2,...,10
p0e 1 p0
1
e
Assim
pn
a)
n
n!
p0
n
n !e
vagas ociosas= total de vagas disponveis vagas utilizadas (Lb) =10 -1,66 = 8,33
Lb
p10
b)
10
1, 66
(1, 66)10
8,325106
10!e1,66
22) Considere um sistema com um nico atendente tendo uma distribuio de

chegadas Poisson com = 10 c/h. Atualmente o atendente trabalha de acordo com
uma distribuio exponencial com um tempo mdio de servio de 5 min. A gerncia
tem a sua disposio um curso de treinamento que ter como resultado uma
melhora (decrscimo) na varincia do tempo de servio, porm com um leve
aumento da mdia. Aps a execuo do curso estima-se que o tempo mdio de
servio aumentar para 5,5 min, porm o desvio padro decrescer de 5 para 4 min.
Deve a gerncia mandar o atendente fazer este curso?
156

M/M/1
=10 c/h
s/c =1c/5 minutos = 12 c / hora
c/c =1c/5,5minutos
Objetivo:reduo do tempo de espera no sistema (W)
1
1
=
=0,5hora=30minutos
- 12-10
1
1
Wc/c =
=
=1,1hora
- 10,9-10
Logo a gerncia no deve mandar o atendente fazer o curso.
Ws/c =
23) K-sucata recebe uma mdia de 15 pedidos por dia de um certo modelo antigo de
carro, do qual ela pode atender a 20 pedidos por dia. Entretanto se menos que 3
carros forem alugados, a companhia perde dinheiro da seguinte forma: se somente
2 carros so alugados a perda de $220/dia, se somente 1 carro for alugado a
perda de $260/dia e se nenhum carro for alugado a perda de $290/dia. As perdas
so, naturalmente, compensadas pelos ganhos quando 3 ou mais carros so
alugados. Considerando apenas as perdas, qual ser o valor esperado do prejuzo
por dia? Assuma chegadas e servio Poisson e que no existe limitao de
tamanho nem desistncias da fila.
M/M/1
=15 pedidos / dia
=20 pedidos / dia
15
= = =0,75
20
n.alugados perda
2
$220/dia
$260/ dia
$290/dia
E(prejuzo)=290p0 +260p1 +220p 2 =

=290(1-)+260(1-)+220(1-) 2 =
=(290.0,25)+(260.0,25.0,75)+(220.0,25.0,5625)=$152,2/dia
157

7.
Lista de Exerccios Complementares

7.1.
Processos Estocsticos
1) Considere um processo ergdico
X 1 , X 2 , X 3 ,..., no qual
pijn P X n j | X 0 i e
j lim pijn . D pelo menos trs interpretaes distintas para os valores j .

n
2) Explique o que um processo estocstico

a. Estacionrio, e
b. Markoviano.
3) Quatro cidades so ligadas por uma sistema virio esquematizado na figura abaixo. Existe no
sistema um conjunto de N carros. Cada manh um carro que chega na cidade na noite anterior
carregado e despachado, sua rota escolhida com igual probabilidade entre todas as rotas que
deixem a cidade, independentemente do que acontece com os demais carros. Encontre a proporo
aproximada de carros que estaro em cada cidade em cada noite. Qual o tempo mdio que um carro
demorar a retornar a cada cidade visitada ?
4
4) Idem com 5 cidades.
11
3
5) Um modelo unidimensional de uma partcula se movendo em uma caixa com paredes elsticas
consiste dos seguintes estados: ( -N, -N+1, ...., -1,0,1,2,....., N). Se a partcula no est em um dos
ns extremos ento ela se move para a esquerda ou direita com probabilidade . Se ela est em um
dos estados extremos ento ela se move com probabilidade 1 para o estado anterior. Encontre as
probabilidades estacionrias de distribuio.
6)
Uma mquina pode estar em dois estados: funcionando ou quebrada. Quando funciona d um
lucro de 480 por perodo e, quando est quebrada, as despesas so de 160 por perodo.
Considerando a situao de regime permanente:
Funcionando
Quebrada
Funcionando
0,8
0,2
Quebrada
0,6
0,4
a. Calcule o ganho mdio por perodo.
b. Verifique se um plano de manuteno preventiva que custa 50 por perodo, alterando pff para
0,9 e pqq para 0,3 vale a pena.
158

7) De forma simplificada, classificamos as famlias de certa regio em relao ao seu padro de vida,
como "alto", "mdio" ou "baixo". Hoje, 2% das famlias tm padro alto e 14% tm padro baixo.
Suponha que as probabilidades das famlias mudarem de padro, num perodo de cinco anos, so as
seguintes:
alto para mdio: 15%

mdio para baixo: 5%
alto para baixo: 5% mdio para alto: 3%

baixo para mdio: 4% baixo para alto: 1%
a. Estime a proporo de famlias que ter padro alto daqui a dez anos. [5,9%]
b. Que proporo das famlias ter padro de vida alto, mdio e baixo, a longo prazo? [alto 8,7%;
mdio 41,3%; baixo 50,0%]
c. Daqui a quanto tempo, em mdia, uma famlia de padro baixo alcanar um padro alto? [300
anos]
8) Em certo pas, no qual se realizam eleies de quatro em quatro anos, h trs partidos: da Esquerda
(1), do Centro (2) e da Direita (3). Suponha que h apenas um partido vencedor em cada eleio,
que a probabilidade do partido j ganhar uma eleio aps uma vitria do partido i na eleio anterior
est na linha i e na coluna j da tabela a seguir e que esta probabilidade mantm-se constante ao
longo do tempo.
1
2
3
1
0,6
0,4
0,1
2
0,2
0,5
0,2
3
0,2
0,1
0,7
a. Qual a frao do tempo durante a qual cada partido governa, em mdia? [PE 37,1%; PC
28,6%; PD 34,3%]
b. Quanto tempo decorre, em mdia, desde uma vitria do Partido da Esquerda at que o Partido
da Direita ganhe duas eleies (no necessariamente consecutivas)? [35 anos]
9) Suponha que em uma linha de montagem final para carros haja o seguinte conjunto de regras
(1) Dois conversveis no podem jamais se seguir na linha porque a quantidade de trabalho
desequilibraria a linha.
(2) Uma perua deve ser seguida de um sedam para equilibrar a linha.
(3) Um sedam tanto pode ser seguido por uma perua como por um conversvel, mas no por um
outro sedam. Somente estes trs modelos so produzidos na linha.
Monte uma matriz de transio possvel para estas regras inserindo as letras a, b, c, d, ...., etc, para
os valores no definidos numericamente pelas regras acima.
a. A cadeia irredutvel ?
b. Qual a probabilidade de que aps um conversvel o prximo ocorra na linha, com um espao de
diferena (separado por outro veculo) ? Use as letras a, b, c, d, .... se necessrias.
c. Se P uma matriz de transio de um passo, que interpretao daria no (ij)-simo elemento de
Pn para n grande ?
d. Suponha que se firmou um contrato para entregar 10.000 carros ao final de um ms. Destes
10.000 aproximadamente 50% tinham que ser sedam, 10% tinham de ser peruas e 40%
conversveis. Determine alguma regra de programao de probabilidades que assegure esta
produo e que ainda corresponda as implicaes 1, 2 e 3 deste problema.
10)Um industrial tem uma mquina que, quando operacional no incio do dia, tem uma probabilidade
de 0,1 de quebrar alguma hora durante o dia. Quando isto acontece, o reparo feito no dia seguinte
e est completo no fim do dia.
a. Formule a evoluo do estado da mquina como uma cadeia de Markov, identificando os
estados possveis no fim do dia e construindo a matriz de probabilidades de transio.
b. Calcule o tempo esperado que a mquina ir funcionar at que acontea uma quebra, dado que
ela acabou de sofrer um reparo.
c. Suponha agora que a mquina j esteja operando a 20 dias, sem quebra, desde que o ltimo
reparo foi feito. Qual o tempo esperado que a mquina ir operar at que acontea uma
quebra ? Compare com o resultado da letra (b). Explique.
159

Suponha agora que o industrial mantenha uma mquina de reserva, a qual usada somente quando
a mquina principal est sendo reparada. Durante o dia de reparo a mquina reserva tem uma
probabilidade de 0,1 de quebrar, neste caso ela ser reparada no dia seguinte. Denote o estado do
sistema por (x,y) onde x e y assumem os valores 0 e 1 dependendo se a mquina principal x, ou
secundria y, esto operacional no fim do dia.
d. Construa a matriz de probabilidades de transio
e. Encontre o tempo de recorrncia esperado para o estado (1,0).
11)Um equipamento utilizado rotineiramente para realizar uma determinada operao, que dura uma
semana. Ao final de cada operao, o equipamento inspecionado e em 10% dos casos o desgaste
verificado de tal ordem que o equipamento precisa ser retirado definitivamente da produo. Nos
demais casos, o equipamento entra em manuteno e fica totalmente recuperado em uma semana,
ao custo de 5 mil reais, voltando em seguida a ser utilizado na operao, nas mesmas condies
anteriores. Quando um equipamento retirado definitivamente de produo imediatamente
substitudo por um novo. Como s h espao para o funcionamento ou manuteno de um
equipamento de cada vez, a produo interrompida quando o equipamento est em manuteno.
Cada equipamento custa 100 mil reais. Considere o tempo da inspeo includo no tempo de
operao.
a. Defina um processo estocstico que represente o problema, esboce o diagrama de transies,
escreva a matriz das probabilidades de transio e classifique o processo e os seus estados.
b. Quantas operaes, em mdia, sero realizadas por um equipamento, at ele ser retirado
definitivamente da produo?
c. Quantas semanas dura um equipamento, em mdia (incluindo os perodos dedicados
manuteno)?
d. Quantos equipamentos sero consumidos (retirados da produo) por ano (52 semanas), em
mdia?
e. Quantas operaes e quantas manutenes, em mdia, sero realizadas por ano?
A gerncia estuda uma forma de aumentar a quantidade anual de operaes realizadas de forma
lucrativa. A alternativa considerada consiste em realizar duas operaes antes de submeter o
equipamento manuteno (em vez de fazer a manuteno aps uma operao apenas). Como
antes, em 10% dos casos o equipamento ficar irrecupervel ao final da primeira operao. A
gerncia avalia que a probabilidade de perder o equipamento ao final da segunda operao
aumentar em relao primeira e ser igual a 20%, devido aos defeitos no consertados e ao
desgaste acumulado na primeira operao.
f. Calcule, para esta alternativa, os valores correspondentes aos itens (b), (c), (d) e (e) acima.
g. Suponha que cada operao contribui com um acrscimo de 20 mil reais para o lucro da
companhia, j descontados os seus custos diretos (exceto a compra do equipamento e o custo da
manuteno, j informados acima). Na sua opinio, a alternativa em estudo deve ser adotada?
Por que?
12) O trnsito em determinada via urbana observado e classificado, conforme a intensidade, em leve,
moderado ou pesado. Aps muitas observaes, verifica-se que o trnsito (1) nunca passa
diretamente de leve para pesado ou vice-versa; (2) quando est leve permanece leve no minuto
seguinte 50% das vezes; (3) se est pesado assim permanece no minuto seguinte com 40% de
probabilidade; (4) se est moderado ento a probabilidade de permanecer moderado no minuto
seguinte depende da intensidade no minuto anterior: 20% se estava leve, 50% se estava moderado e
30% se estava pesado, e (5) quando est moderado passa a pesado no minuto seguinte com
probabilidades iguais a 60% se estava pesado no minuto anterior, 20% se estava moderado e 60% se
estava leve.
b. A longo prazo, em que propores do tempo o trnsito ficar leve, moderado e pesado?
c. Em quantos minutos, em mdia, o trnsito leve se torna pesado?
13)Considere um problema de PL com cinco solues bsicas viveis e uma nica soluo tima.
Assuma que o mtodo simplex comece da pior soluo bsica vivel e em cada pivoteamento exista
igual probabilidade de mover para qualquer soluo bsica vivel melhor. Em mdia quantos
pivoteamentos sero necessrios para encontrar a soluo tima do PL ?
160

14) Um jogador joga um jogo limpo no qual as chances so 2 contra 1. Em outras palavras ele tem
1/3 de probabilidade de ganhar e 2/3 de perder. Se ganhar, ganhar $2. Se perder, perder $1.
Suponha que os recursos totais do jogador e do seu oponente sejam $N. Se o capital de qualquer
um dos jogadores cair abaixo do ponto em que eles pudessem pagar caso perdessem o jogo seguinte
o jogo termina.
a. Desenhe o diagrama de transio de estados e determine a matriz de transio.
b. Suponha que os dois jogadores concordem em que se o capital de qualquer dos dois cair para
$1, eles faro o prximo jogo com chances iguais ganharo ou perdero $1, com igual
probabilidade. Desenhe o diagrama de transio de estados e determine a matriz de transio
para este caso.
c. No caso descrito na letra (b) suponha que o jogador 1 tem $3 e o jogador 2 tem $2, qual a
probabilidade do jogador 1 ganhar o jogo ?
d. Quantas jogadas durar o jogo ?
15)Considere o jogo de dados que segue. O jogador lana um dado de seis faces. Se o resultado for 5
ou 6 no primeiro lanamento, ele ganha imediatamente. Se o resultado for 1, perde imediatamente.
Em qualquer outro caso, o jogador continua a lanar o dado at obter 5 ou 6, quando perde, ou at
obter o mesmo resultado do primeiro lanamento, quando ganha. O dado no equilibrado e as
probabilidades dos resultados 1, 2, 3, 4, 5 e 6 so, respectivamente,10%, 15%, 20%, 20% E 20%.
b. Calcule a probabilidade do jogador, ao final, ganhar o jogo.
c. Quantas vezes, em mdia, o dado ser lanado at o jogo terminar?
16) Um curso compe-se de trs fases. Em cada uma delas, o aluno pode ser reprovado
definitivamente no curso, com probabilidade igual a 6%, obrigado a repetir a fase, com
probabilidade igual a 30%, ou passar para a fase seguinte. Na terceira fase, "passar para a fase
seguinte" representa a aprovao final no curso. Cada fase dura um ms.Qual a probabilidade de um
aluno que passou para a segunda fase concluir o curso com aprovao? [83,6%]
a. Quanto tempo, em mdia, um aluno fica no curso? [3,9 meses]
b. Qual a proporo de alunos matriculados no incio do curso que so reprovados? [23,6%]
17) Um centro de tratamento mdico, de forma extremamente simplificada, pode ser modelado por
uma cadeia de Markov de quatro estados, conforme demonstra a tabela abaixo.
T. medicamentos
T. cirrgico
Curado
Morto
T. medicamentos
0,3
0,3
0,3
0,1
T. cirrgico
0,1
0,1
0,6
0,2
Curado
0
0
1
0
Morto
0
0
0
1
a. Para um paciente inicialmente em tratamento medicamentoso, calcule as probabilidades dele
ficar curado, e de vir a falecer.
b. Repita para o caso do paciente que inicialmente recebeu o tratamento cirrgico.
c. Um paciente possui as seguintes utilidades subjetivas, em funo de seu sofrimento:
u(continuar doente) = -1; u(estar curado) = 10, u(estar morto) = -30. Qual a melhor
alternativa para iniciar o tratamento ?
18)A fase final da fabricao de certa pea de vidro compe-se de duas ou trs operaes, conforme a
qualidade da pea resultante seja B ou A, respectivamente. Das peas submetidas operao 1, 10%
sofrem defeitos irrecuperveis e so perdidas, 20% precisam ser reprocessadas e as restantes passam
para a operao 2. Das peas submetidas operao 2, 4% precisam retornar ao incio do processo,
isto , passar de novo pelas operaes 1 e 2, 60% esto em condies de serem submetidas
operao 3 e as restantes so consideradas prontas, com qualidade B, sendo vendidas ao preo
unitrio de $9. Das peas submetidas operao 3, 9% so perdidas definitivamente e as restantes,
com qualidade A, vendem-se a $16 cada uma. Cada operao leva um dia para ser executada. Os
custos unitrios mdios das operaes 1, 2 e 3 so respectivamente iguais a $2, $1 e $3. Todos os
dias entram 70 peas na fase final de fabricao. O custo de fabricao unitrio mdio acumulado
at a fase final, exclusive, igual a $3.
a. Quantas peas por dia, em mdia, alcanam as qualidades A e B e quantas so perdidas? [A
34,7; B 22,8; perdidas 12,5]
161

b. Qual o lucro bruto mdio dirio resultante da fabricao e venda das peas? [$191,30]
c. Quanto tempo, em mdia, demora para produzir-se uma pea com qualidade A? [3,3 dias]
162

7.2.
Lista de Exerccios de Teoria de Filas
1) Marque V ou F se considerar a afirmativa respectivamente verdadeira ou falsa.

a. ( ) A primeira premissa para a existncia de um sistema de filas que a capacidade de servio
deve ser em mdia maior do que a demanda pelo servio, muito embora ela possa ser
instantaneamente menor.
b. ( ) Em um sistema com restries de tamanho da fila a condio de estabilidade do sistema de
filas que o fator de utilizao seja menor que 1.
c. ( ) Um processo exponencial de chegadas pode ser caracterizado por um nmero elevado de
tempos entre chegadas pequenos e raros os tempos entre chegadas grandes.
d. ( ) O modelo de filas que representa um supermercado com 5 caixas, onde o processo de
chegadas Poisson e servio exponencial denominado M/M/5.
e. ( ) A afirmativa "o tempo ocioso do sistema igual a um menos o fator de utilizao" vlida
para qualquer sistema de filas.
f. ( ) Em um processo Nascimento e Morte para qualquer estado do sistema n (n = 0,1,2,...), a taxa
mdia (nmero de ocorrncias esperadas por unidade de tempo) qual os incidentes de entrada
ocorrem tem que ser igual a taxa mdia qual os incidentes de sada ocorrem.
g. ( ) A primeira premissa para a existncia de um sistema de filas que a capacidade de servio
deve ser em mdia menor do que a demanda pelo servio, muito embora ela possa ser
instantaneamente maior.
h. ( ) Um processo exponencial de chegadas pode ser caracterizado por um nmero elevado de
tempos entre chegadas pequenos e raros os tempos entre chegadas grandes.
i. ( ) O modelo de filas que representa um supermercado com 5 caixas, onde o processo de
chegadas Poisson e servio exponencial denominado M/M/1 .
j. ( ) Em um sistema com restries de tamanho da fila a condio de estabilidade do sistema de
filas que o fator de utilizao seja menor que 1.
k. ( ) A afirmativa "o tempo ocioso do sistema igual a um menos o fator de utilizao" vlida
para qualquer sistema de filas de servidor nico.
l. ( ) A taxa de sada de um sistema de filas em equilbrio igual a taxa de entrada somente se o
servidor for exponencial.
m. ( ) Um servidor Erlang equivalente a um conjunto de servidores exponenciais em srie.
2) Mostre que, com respeito ao tamanho mdio no sistema so verdadeiras as seguintes afirmaes:
a. A fila M/M/1 sempre melhor que a fila M/M/2 se ambas tem o mesmo .
b. O sistema M/M/2 sempre melhor que o sistema com duas filas M/M/1 independentes, cada
uma recebendo metade das chegadas, desde que os dois sistemas tenham a mesma taxa de
servio por servidor.
3) Discuta sistemas de filas onde o servio seja ficar estacionado. Analise os casos onde a populao
e a fila sejam infinitas e finitas e onde o servidor possa ser considerado infinito.
4) Deduza (explique) intuitivamente a expresso de Little (L = W)
5) Esboce num grfico abaixo a famlia de curvas P 0 = F(S,) para um sistema de filas M/M/S.
Justifique sua resposta.
6) Explique as dificuldades para se resolver um sistema de rede de filas, explicitando as hipteses
adotadas para super-las.
163

7) Considere um sistema de fila com um nico atendente com a distribuio de chegadas Poisson com
taxa mdia de chegada conhecida. Suponha que a distribuio do tempo de servio
desconhecida porm com taxa mdia de servio conhecida.
a. Compare o tempo mdio de espera na fila se a distribuio dos tempos de servio fosse: i)
exponencial, ii) constante, iii) Erlang com quantidade de variao (isto , o desvio padro)
metade entre os casos constante e exponencial.
b. Qual o efeito no tempo mdio de espera na fila e no comprimento mdio da fila se ambos e
so dobrados e a escala da distribuio do tempo de servio modificada
correspondentemente.
8) De h alguns anos para c, as agncias bancrias adotaram o sistema de fila nica para o
atendimento dos caixas, em substituio ao antigo sistema, onde cada caixa tinha sua fila. Quais
foram as conseqncias desta mudana para os clientes ? Para simplificar, considere que as
chegadas de clientes podem ser descritas por um processo de Poisson com taxa constante e que os
caixas atendem num tempo com distribuio exponencial, todos com a mesma mdia. Ilustre sua
explicao com exemplos numricos.
9) Seja a fila M/M/1/0 - fila com overflow, mostrada na figura abaixo. Seja N(t) o nmero de
fregueses no instante t. Modele a fila como um processo estocstico: construa o diagrama de
transio de estados, escreva o gerador infinitesimal, obtenha a distribuio estacionria. Obtenha o
empo mdio entre overflows.
K=0
overflow
10) Desenhe o diagrama de transio de estados para a rede fechada de filas abaixo com 2 clientes.
11) Quais as condies para que um sistema de filas permanea estvel? Analise as situaes em que
o sistema infinito e finito.
12) Seja um sistema de filas de servidor nico com processo Poisson de chegadas com taxa mdia , e
com taxa mdia de servio . Analise o que acontece com o tempo mdio de um cliente na fila e
no sistema, bem como o nmero mdio de clientes na fila e no sistema, quando voc varia a
distribuio do tempo de servio.
Sugesto: A partir do modelo M/G/1 analise os modelos M/D/1 e M/M/1.
13) Clientes chegam a uma nica fila segundo diferentes processos Poisson com taxas , , , .
Qual a taxa combinada de chegada? Qual a distribuio de probabilidades do tempo entre
chegadas?
1
2
3
164

14) Clientes chegam a um posto de gasolina, com 5 bombas, de 5 em 5 minutos, mas se o nmero de
clientes no posto for superior a 10 20% deles desiste. O tempo de atendimento em cada bomba de
12' se houver apenas um cliente na bomba, 9' se houverem 2 clientes e 6' se houverem mais de 2
clientes. Determine:
a. a taxa mdia de chegada,
b. o tempo mdio de atendimento em cada bomba e
c. o fator de utilizao.
15) Considere um modelo de filas com uma estao de servio a qual as unidades chegam em mdia a
uma razo de 30 por hora. O mecanismo de atendimento serve a cada unidade em exatamente 1,5
minutos. Suponha que o mecanismo tenha sido substitudo por outro com uma distribuio
exponencial de tempo de servio. Qual deve ser o tempo mdio de servio; neste caso:
a. para garantir o mesmo tempo mdio de permanncia do usurio no sistema ?
b. para garantir o mesmo nmero mdio de unidades no sistema ?
16) Um escritrio de advocacia tem 3 scios, que recebem os clientes na ordem em que estes chegam.
A demanda mdia pelo escritrio de 20 pessoas por dia (de 8 horas) e cada cliente ocupa, em
mdia, 40 minutos do advogado que o atendeu.
a. Quantas horas por semana pode um advogado utilizar no atendimento de clientes ?
b. Quanto tempo, em mdia, gasta um cliente ao se dirigir ao escritrio ?
17) Um servio de lavagem instantnea de carros utiliza uma mquina de escovas rotativas que lava
um carro a cada 5 minutos, em mdia. Num determinado dia, a demanda pelo servio de 10
carros por hora. Alm da lavagem h uma nica bomba de gasolina no posto. A rea de espera
para lavagem suficiente para 33 carros; se h 4 carros ou mais espera, o congestionamento que
resulta faz cair em 20% a taxa de atendimento da bomba, que originalmente de 20 carros/hora. A
cada hora 15 carros, em mdia procuram o posto para abastecimento.
a. Qual a probabilidade de que o servio de lavagem prejudique o de abastecimento ?
b. Qual o nmero mdio de carros espera do abastecimento, com e sem congestionamento na
lavagem ?
c. Voc vai abastecer seu carro e lav-lo depois. Quanto tempo espera gastar com isto ?
18) Na construo de um palcio romano, sob Tibrio Csar, um grande nmero de escravos trabalhava
nas escavaes necessrias construo dos alicerces. A terra era levada em cestos, de mo em
mo, do local da escavao at uma estrada que passava ao lado, onde os cestos eram descarregados
em carroas. No momento que nos interessa, o trabalho de escavao estava concentrado na parte
mais prxima da estrada, sendo necessrios apenas 5 escravos para fazer o trabalho de passagem de
cestos. O enchiimento destes se fazia razo de 126 por hora,, em mdia; cada escravo da fila
levava, em mdia, 4 segundos para receber um cesto e pass-lo adiante ou despej-lo na carroa.
Enquanto um escravo passava um cesto, os outos descansavam (i. , no havia dois cestos sendo
passados simultaneamente). Cada carroa podia carregar o contedo de 30 cestos; as carroas
chegavam ao local da obra razo de 4 por hora, em mdia.
a. Qual o nmero mdio de cestos a espera de serem carregados ?
b. Qual o nmero mdio de carroas vazias a espera de serem enchidas ?
c. Suponha que a escavao, ao progredir, se afaste da estrada; quantos escravos podem ser
colocados a mais na fila de carregamento, sem fazer com que os cestos tenham de esperar
indefinidamente ?
d. Neste ltimo caso, quais seriam as respostas aos itens (a) e (b) ?
165

19) Em um hospital a triagem dos pacientes feita por 4 mdicos, que atendem com hora marcada e
sem escolha ( o paciente atendido pelo primeiro mdico disponvel). Os pacientes chegam razo
de 60 por dia (de 8 horas). Cada mdico atende, em mdia, a 2 pacientes por hora. A probabilidade
de indicao de cirurgia para um paciente de 0,15; h 3 salas de operao no hospital e cada
equipe mdica (que usa uma sala) pode operar at 4 pacientes por dia em mdia. Determinar:
a. o tempo total dispendido por um paciente na triagem;
b. a probabilidade de que nenhuma sala de operao esteja funcionando;
c. o nmero mdio de pacientes a espera de cirurgia.
20) Num restaurante pode se escolher entre dois tipos de servio: buffet, ou pedido nas mesas. Em
um certo dia, entre 11:30 e 13:00, o regime pode ser considerado estacionrio e se dispe de cozido
no servio de buffet, e de omelete no servio de pedido nas mesas. O cozido distribudo em trs
bandejas, com uma nica atendente, (tempo mdio de 8 segundos por bandeja); o usurio deve se
dirigir a ela. Para a omelete, o usurio se dirige mesa e faz o pedido (o tempo mdio de preparo
de uma omelete de 3 minutos). A cozinha pode processar ao mesmo tempo at 3 omeletes.
Outros dados: venda de tickets, mdia de 3 pessoas por minuto; chegada de clientes, mdia de 170
pessoas por hora; probabilidade de um usurio preferir omelete: 0,3. Determinar:
a. nmero mdio de pessoas espera para entrar no restaurante;
b. nmero mdio de pessoas espera de omeletes;
c. nmero mdio de pessoas espera do atendimento no servio de buffet;
d. o tempo mdio gasto em esperas e atendimentos por uma pessoa que almoa omelete;
e. o tempo mdio gasto em esperas e atendimentos por uma pessoa que almoa cozido;
probabilidade de no haver, num dado momento, ningum esperando omelete.
21) Voc e seus colegas de turma receberam para resolver um problema de filas que exige a consulta a
dois grficos de um livro que s existe na biblioteca. H dois exemplares iguais do livro e a
consulta a cada grfico exige, em mdia, 7,5 minutos de cada aluno. Um livro somente usado por
um aluno quando no est em uso por outro. O trabalho individual e a cada hora chegam, em
mdia, 6 alunos da turma. Quanto tempo um deles poder esperar gastar na biblioteca ?
22) Uma tecelagem tem 250 teares e as estatsticas mostram que, em mdia, 1% deles apresentam
algum defeito ao longo de um dia de trabalho. H trs mecnicos de manuteno, cada um podendo
consertar, em mdia, dois teares por dia, por um salrio de $ 10/ h. O dia de trabalho tem 8 horas.
Cada hora parada de um tear representa uma perda de $ 50. A manuteno pede mais dois
mecnicos. Voc o gerente da fbrica, vai atend-la, vai contratar apenas mais um mecnico, ou
vai deixar as coisas como esto ?
23) Uma sauna para executivos oferece a clientela um servio de lavagem a seco para ternos e de
lavagem de roupa branca, para que um cliente deixe sua roupa ao chegar e a receba pronta ao sair.
importante que os clientes no tenham que esperar, por serem pessoas ocupadas e por isto a
gerncia deseja que o tempo mdio gasto com um servio de lavagem no ultrapasse o tempo mdio
de permanncia na sauna, que de 20 minutos. A capacidade da sauna de 10 clientes. H trs
mquinas de limpeza a seco e 2 lavadeiras especializadas em roupa branca. Em ambos os servios,
a roupa de cada cliente processada em separado. Uma mquina processa um terno em 10 minutos
e uma lavadeira gasta, em mdia, 10 minutos para lavar e outros 10 para passar a ferro a roupa de
um cliente. Dos clientes 30% usam a lavagem a seco e 20% lavam roupa branca, no sendo
habitual que um deles use os dois servios no mesmo dia.
a. A gerncia gostaria que os clientes no tivessem de esperar para entrar na sauna. Quantos
clientes podero chegar em mdia, por hora, se a probabilidade de espera deve ser menor que
5% ?
166

b. Suponha que chegam 25 clientes por hora. Ser ento possvel dizer que os servios de lavagem
a seco e de roupa branca funcionam a contento ? Qual a situao da sauna, neste caso, em
termos de fila de espera ?
24) Uma dona de casa tem, no congelador de sua casa de praia, 5 quilos de camaro para o almoo de
domingo. Na sexta feira, o gs engarrafado acabou e noite caiu uma forte chuva que, alm de
bloquear o acesso de veculos rea prxima, provocou falta de luz. A companhia de eletricidade
est, neste perodo, recebendo em mdia 3 pedidos por hora para reparos na rede eltrica. Ela
dispe de 5 equipes de reparo, uma equipe levando em mdia 90 minutos para chegar ao local do
defeito e efetuar o reparo. O congelador leva 6 horas para descongelar. Aps este tempo, o
camaro ter de ser preparado, a fim de que no se estrague. Sem acesso para o caminho de gs e
no havendo fogo lenha disponvel, pergunta-se se a dona da casa em questo poder esperar ou
no conseguir usar o camaro para o seu almoo.
25) As pessoas que atenderam a um anncio de emprego colocado por uma empresa passam por uma
entrevistadora com a qual necessrio marcar hora; nessa base, 6 pessoas por hora so agendadas e
cada entrevista leva, em mdia, 8 minutos. As pessoas passam ento ao servio mdico da empresa,
onde um mdico as submete a trs exames, cada um com durao mdia de 5 minutos. H dois
mdicos fazendo este atendimento.
a. Quanto tempo, em mdia, uma pessoa demorar para iniciar uma entrevista ?
b. Quantas pessoas, em mdia, estaro no departamento mdico em um dado momento ?
26) Em uma agncia bancria h dois guichs para atender apenas a retiradas. Os clientes que as
desejam chegam razo e 25 por hora em mdia e se dirigem ao guich 1, cujo caixa, conhecido
por sua rapidez, leva em mdia 1,5 minutos para atender a um cliente. Se um cliente encontrar este
guich ocupado e o guich 2 desocupado, ento ele se dirigir para este ltimo, cujo caixa consegue
atender apenas a 20 clientes por hora em mdia. Qual a frao do tempo ocioso de cada um dos
caixas ?
27) Uma linha automtica de embalagem de medicamentos enche e fecha 60 frascos de determinado
remdio por minuto. Os frascos passam ento por uma mesa na qual so colocados em caixas,
manualmente, por 3 embaladoras capazes de embalar, cada uma, em mdia 22 frascos por minuto.
Em mdia quantos frascos estaro sobre a mesa a espera de serem embalados ?
28) No trailer "O Lanche" situado defronte ao bloco M do CCS trabalham duas moas. Maria no caixa
e Beatriz no atendimento aos pedidos. Quando existe apenas um cliente esperando por um pedido
ele atendido por Beatriz, com um tempo de servio esperado de 1,5 minuto. Quando existe mais
de um cliente aguardando por pedido, Maria "d uma mo" para Beatriz e o tempo para processar
um pedido cai para 1 minuto. Em ambos os casos a distribuio do tempo de servio exponencial.
a. Desenhe o diagrama de transio de estados para este sistema de filas.
b. Qual a distribuio de probabilidade do estado de equilbrio do nmero de clientes no sistema?
c. Como voc obteria L, Lq , W, Wq ?
29) Um pequeno hotel possui 2 cofres para guarda de valores dos hspedes, em regime de
exclusividade (ou seja, no se quadram valores de dois hspedes em um mesmo cofre). Em mdia
3 pessoas por semana procuram o gerente para solicitar o uso de um cofre.
Um levantamento feito por uma companhia de seguro mostrou que os dois cofres ficam vazios
durante 10% do tempo. De posse deste dado voc, que o gerente, teria condies de dizer por
quanto tempo em mdia, os valores de um hspede ficam guardados?
Qual seria o nmero de cofres necessrio para mantendo o mesmo tempo de ocupao dos cofres
atender ao dobro da demanda por cofres, garantindo que o tempo desocupado de cada cofre no
ultrapasse 20% do tempo?
30) Em uma agncia de banco, 3 funcionrios ocupam 3 caixas destinados apenas a retiradas; cada um
pode atender, em mdia a 60 pessoas por hora. Os clientes que demandam essas caixas chegam a
167

mdia de 150 por hora e entram, com igual probabilidade, em qualquer das filas que se formam
diante delas. ( O sistema se encontra em equilbrio estacionrio).
O gerente da agncia resolveu adotar, para essas caixas, o sistema de fila nica.
a. Qual a probabilidade de uma dada caixa estar ociosa, no sistema antigo ?
b. Idem no novo sistema ?
c. Qual a economia (ou perda) de tempo obtida por um cliente que vai fazer retirada, com a
mudana de sistema ?
31) Em um supermercado da cidade existem 30 caixas distribudas da seguinte forma: 2 caixas se
destinam a emisso de nota fiscal, 3 caixas so caixas rpidas e as demais caixas so caixas
normais. Os tempos mdios de atendimento em cada um destes tipos de caixa so de
respectivamente 15 min, 5 min e 10 min. Alm destas caixas existem ainda 5 postos de
recebimento com cartes de crdito, cujo tempo mdio de atendimento de 2 min. Sabe-se que dos
60 clientes que se destinam aos caixas por hora 10% se destinam aos caixas que emitem notas, 30%
se destinam aos caixas rpidos e os 60% restantes se destinam aos caixas normais. Sabe-se ainda
que 60% dos clientes deste supermercado efetuam seus pagamentos com carto de crdito.
Observao: Os cliente que pagam com cheque ou dinheiro dirigem-se a um dos caixas e aps
serem atendidos se retiram do estabelecimento. Os clientes que pagam com carto de crdito
dirigem-se a um dos caixas e aps o registro de suas compras dirigem-se a um dos postos de
recebimento com carto para assinarem o recibo de dbito, aps o que retiram-se.
a. Represente esquematicamente o modelo de filas correspondente ao problema.
b. Qual o valor esperado do tempo que um cliente demora para pagar suas compras (desde o
instante que ele se destina ao caixa at o instante que ele sai do supermercado) ?
c. O que aconteceria ao tempo obtido no item (b) se o nmero de clientes que chegam ao
supermercado por hora dobrasse? Por que ?
d. Na sada dos caixas para os postos de recebimento de carto necessrio supor que 2 clientes
no saem simultaneamente, por que?
32) O transporte de passageiros de Manaus para a base de produo de Urucu da Petrobrs realizado
por dois helicpteros com capacidade para 16 passageiros cada. A durao da viagem tem distribuio exponencial com mdia 2 horas.
O procedimento de embarque o seguinte: Os
passageiros que chegam, a uma taxa de 12 por hora, so inscritos nos vos na ordem em que
chegam. Quando a lotao de um vo est completa ento os passageiros so admitidos numa sala
de vistoria e espera, onde aguardam a preparao da aeronave para o embarque.
a. Construa o diagrama de transio de estados para este sistema.
b. Usando o modelo adequado calcule o nmero esperado de pessoas na sala de espera e o tempo
mdio entre o instante que o passageiro entra na sala de espera e o instante que o helicptero
pousa na base de Urucu.
33) Um projetista de plataforma de produo de petrleo se deparou com a seguinte situao: A
produo de petrleo estimada em 15.000 m3/dia. Cada bomba de transferncia tem capacidade
para transferir 5.000 m3/dia, e em mdia trabalha 20 dias sem dar problemas (exponencialmente
distribudo). O custo de aquisio de cada uma destas bombas de US$150.000,00. O projetista
precisa decidir quantas bombas comprar. Os dados adicionais de que ele dispe so: o tempo
mdio para reparar uma destas bombas quando elas do problema de 2 dias (exponencialmente
distribudos); usualmente existe uma equipe de manuteno embarcada que pode reparar uma
bomba de cada vez; se em um determinado instante no houver capacidade de transferncia
suficiente para escoar toda a produo esta restringida e ocorre uma perda por lucros cessantes
cujo valor unitrio estimado em US$1,20/m3 ; a vida til do projeto de 10 anos. A luz de seus
conhecimentos de teoria das filas quantas bombas dever o projetista especificar ?
168

34) Para produzir um determinado tipo de tinta colorida uma indstria realiza em uma mquina 8
operaes de mistura. As operaes so semelhantes, consecutivas, e a durao de cada uma delas
pode ser considerada exponencialmente distribuda com mdia 1 minuto.
A matria prima da mquina em questo, chamada tinta bsica, produzida segundo um processo
Poisson com taxa 2 litros/hora. Sabendo que esto em operao simultnea 2 mquinas misturadoras determine:
a. Qual o estoque mdio de tinta no sistema (tinta bsica + tinta em processo) ?
b. O intervalo de tempo decorrido entre o instante que a tinta bsica produzida e o instante que a
tinta colorida obtida ?
c. Para produzir um tipo especial de tinta so necessrias 50 operaes da mquina misturadora.
Faa uma estimativa do tempo necessrio para obter est tinta especial.
35) Dada a rede de filas M/M/1 em srie abaixo:
a. Estabelea as condies de estabilidade para a rede.
b. Esboce o diagrama de transio de estados
c. Calcule a probabilidade de que existam mais de 2 pessoas na rede para
150 c/h,
2 = 180 c/h.
= 120 c/h, 1 =
(100, 200, 250 )
36) Num certo problema de fila os clientes chegam seguindo a distribuio de Poisson com taxa mdia
de 4 c/h. Observou-se que o tempo mdio de atendimento de 10 min. com varincia de 25 min 2.
Supondo que o modelo M/Ek/1 razovel para este problema encontre o nmero esperado de
clientes no sistema, e o tempo que um cliente tpico espera aguardar na fila.
37) A coordenao do concurso vestibular de uma determinada universidade deseja prever a quantidade
de fiscais/salas necessrios para o bom andamento do concurso. Esto inscritos 5000 (6000)
candidatos que sero igualmente divididos pelas diversas salas. Cada candidato ao chegar dever se
dirigir a sua sala e ali deixar um documento de identidade com um fiscal. No ato de devoluo da
prova, o fiscal dever conferir o nome nela escrito com o documento, identificar visualmente o
candidato e devolver-lhe o documento; este processo leva, em mdia, 15 segundos por candidato.
Ao planejar o processo, baseada em experincia anterior, a coordenao conta com um ritmo de
devoluo (considerando o universo de todos os 5000 (6000) candidatos) de 80 (100) provas por
minuto, em mdia, nos ltimos 15 minutos do prazo de realizao da prova. Para evitar tumulto na
devoluo ela considera que a probabilidade de haver mais de um candidato a espera para entregar a
prova no deva exceder 10%. Nestas condies, qual o menor nmero de fiscais/salas deve ser
utilizado ?
38) Uma UTI especializada em transplantes de medula recebe a visita de uma numerosa turma de
estudantes de medicina, os quais, para poderem entrar, devem se submeter a um processo de
assepsia que envolve um banho e troca de roupa, cada etapa dessas exigindo em mdia 3 (5)
minutos. A turma chega toda de uma vez e aguarda a entrada em uma sala de espera, cada
estudante indo fazer a assepsia no momento exato em que o anterior a termina e entra na UTI. H
apenas 2 pacientes internados e junto a cada um est um professor que orienta os alunos no exame
do seu paciente. Um aluno, ao entrar na UTI, deve aguardar em uma sala de espera at que algum
paciente esteja disponvel e, ento, se dirige ao mesmo, saindo da UTI aps examin-lo (com isto se
evita que mais de uma pessoa entre ao mesmo tempo). A discusso do caso e o exame levam em
mdia 10 minutos ao todo.
Considera-se que o regime de trnsito dos estudantes dentro da UTI
seja estacionrio.
a. Desenhe o diagrama de transio de estados para a situao descrita.
b. Qual o tempo mdio de espera de um estudante na sala interna, antes da visita a um paciente ?
(use os grficos fornecidos, indicando neles as leituras efetuadas.)
169

39) Uma competio de triatlon organizada da seguinte forma: na primeira etapa uma corrida em
pista livre (com qualquer nmero de corredores) de 20km, a segunda etapa consiste de uma prova
de natao na qual os nadadores tm que atravessar (ida e volta) um lago;, devido as condies
operacionais apenas dois nadadores podem estar na gua simultaneamente, o tempo da travessia do
lago (ida ou volta) pode ser considerado exponencial com mdia de 30 min. Finalmente a terceira
etapa uma corrida de bicicleta, 5 voltas em torno do lago (20km de permetro), a organizao da
corrida dispe de apenas 10 bicicletas para uso dos competidores. Sabe-se ainda que a velocidade
mdia de um competidor a p de 40km/h, e de bicicleta de 80 km/h, considere que o tempo
mdio entre chegadas dos competidores (aps a prova de corrida) de 45 min. Pede-se:
a. Modele o problema como um sistema de filas.
b. Qual o tempo mdio gasto pelo corredor lder ?
c. Qual o tempo mdio gasto por um corredor mdio ?
40) Uma oficina de mquinas contm um esmeril para amolar os instrumentos de corte das mquinas.
Tem que ser tomada uma deciso agora quanto a que velocidade ajustar o esmeril.
O
tempo
necessrio para que um operador de mquinas amole seu instrumento de corte tem uma distribuio
exponencial, sendo que a mdia 1/ pode ser ajustada a qualquer ponto entre 1/2 e 2 minutos,
dependendo da velocidade do esmeril. Os custos de operao e manuteno aumentam rapidamente
de acordo com a velocidade do esmeril, de modo que o custo estimado por minuto para uma mdia
de 1/ de $(102). Os operadores de mquinas chegam para amolar seus instrumentos de acordo
com um processo de Poisson a uma taxa mdia de um a cada 2 minutos. O custo estimado de um
operador estar afastado de sua mquina enquanto ocupado no esmeril de $15,00/minuto.
Represente num grfico o custo total esperado por minuto E(CT) versus , e determine o valor
timo de .
41) O proprietrio de uma pequena mas procurada banca de jornais atende a clientes a uma mdia de
um a cada 30 segundos, sendo a distribuio exponencial. Os clientes chegam de acordo com um
processo Poisson, a uma taxa mdia de trs por minuto, e podem ou no esperar para serem
atendidos se o dono estiver ocupado com outro cliente. Um nmero de clientes preferem no
esperar e fazer suas compras em outro lugar. A probabilidade de que um cliente desista n/3, onde
n o nmero de clientes j na loja. Que lucro pode o proprietrio esperar perder dos clientes que
iro fazer suas compras em outro lugar, se o lucro mdio por cliente de $0,30?
42) Um posto de lavagem de carros tem espao para somente trs carros em espera e somente duas
plataformas de lavagem. Cada plataforma pode acomodar somente um carro de cada vez. Os
proprietrios chegam de acordo com um processo Poisson, a uma taxa mdia de 20 por hora, mas a
entrada proibida sempre que o posto estiver lotado. A lavagem e a limpeza so feitas
manualmente e o tempo consumido exponencialmente distribudo. Sob condies normais, cada
plataforma est ocupada com um carro durante uma mdia de 5 minutos. Entretanto, quando dois
ou mais carros esto esperando por atendimento, o procedimento de lavagem acelerado, reduzindo
o tempo mdio de atendimento para 4 minutos. Determine:
a. o nmero esperado de carros no posto de lavagem;
b. o tempo esperado que um carro permanece no posto se ele no impedido de entrar.
43) Estudos realizados pelo pessoal tcnico de um grande supermercado determinaram que 20 % da
clientela adquire 10 itens ou menos em uma compra. Se um(a) caixa pode registrar 5 itens por
minuto, em mdia, quantas caixas para uma mximo de 10 itens (caixas expressas) devero ser
instaladas, para que o tempo mdio dispendido por um cliente, desde a chegada fila de caixa at
sua sada da mesma no ultrapasse 3 minutos, na previso de uma demanda mdia de 750 clientes
por hora pelo supermercado ? (Despreze o tempo de pagamento e considere que todos os clientes
dessas caixas adquirem exatamente 10 itens).
44) Um excelente restaurante de comida nordestina situado em uma cidade prxima ao Rio de Janeiro
tem, em sua cozinha, uma cozinheira e uma ajudante que trabalham em conjunto para atender a uma
comanda (uma comanda o pedido de refeio para uma pessoa). O tempo mdio de atendimento
de uma comanda de 10 minutos e 30 segundos e os fregueses chegam ao restaurante mdia de 5
por hora, no horrio que nos interessa. Apesar da boa reputao da casa, a clientela ameaa
170

abandon-la, por causa da demora no atendimento. A gerncia pensa ento em ampliar a cozinha e
colocar outra cozinheira com outra ajudante.
a. Qual o tempo esperado gasto por um cliente no restaurante, nas condies atuais e com a
ampliao ?
b. Quantos clientes estaro esperando ser atendidos nos dois casos ?
45) Um caixa de banco trabalha numa agncia na qual, frequentemente, 4 caixas esto em atividade ao
mesmo tempo ( a presena de mais de destes funcionrio menos frequente). Ele foi acometido de
uma doena cardaca e o parecer do mdico do banco indicou uma perda de produtividade de 40%
(ou seja, ele teria que passar esta parte do tempo inativo). As condies mais exigentes do trabalho
ocorrem exatamente quando h apenas 4 caixas na agncia; nestes horrios, a experincia indica
uma demanda mdia, pelas caixas, de 192 clientes por hora. Cada caixa (inclusive o prprio) pode
atender em mdia 60 clientes por hora. Se ele no puder dispor do repouso necessrio, durante o
trabalho, ter que ser aposentado. Qual deciso voc, que o gerente da agncia, tomar a respeito
deste funcionrio ?
46) H uma lei que determina que pessoas idosas devem ter atendimento prioritrio nas agncias
bancrias. O cumprimento rigoroso desta lei obrigaria a no atender qualquer no idoso enquanto
houvesse pelo menos um idoso na fila. No entanto, praticamente todas as agncias bancrias
adotaram um procedimento modificado de atender a lei, que consiste em reservar um ou mais
caixas para o atendimento especial dos idosos, deixando os demais caixas para o atendimento dos
outros clientes.
a. Na sua opinio este procedimento atende a lei ? Porque ?
Suponha que em certa agncia chegam, em mdia, 30 clientes por hora, dos quais 30% so idosos.
H trs caixas na agncia, dos quais um destinado exclusivamente para o atendimento de idosos.
Os outros dois trabalham no sistema de fila nica. O tempo de atendimento mdio de 3 minutos
por cliente, idoso ou no.
b. Qual o tempo mdio de permanncia (espera + atendimento) de um cliente idoso na agncia ?
E de um cliente no idoso ? Qual o tamanho mdio de cada uma das filas ?
c. Qual seria o tempo mdio de permanncia de um cliente se todos os clientes fossem,
indistintamente, atendidos por todos os caixas ? E o tamanho mdio da fila ?
d. Que procedimento de atendimento voc recomendaria nesta situao ? Porque ?
e. Se a lei fosse cumprida rigorosamente qual seria o tempo mdio de permanncia (espera +
atendimento) de um cliente idoso na agncia ? E de um cliente no idoso ?
47) Uma loja tem dois balconistas, cada um capaz de atender fregueses a uma taxa mdia de 60 por
hora; os tempos de atendimento so exponencialmente distribudos. A capacidade da loja de 4
fregueses, com espera do lado de fora proibida. Os fregueses chegam loja de acordo com um
processo do tipo Poisson onde a taxa mdia de chegadas depende do nmero de pessoas na loja, da
forma: Determine:
Clientes na loja
Taxa mdia de chegadas (clientes/hora)
0
100
1
125
2
150
3
175
4
200
a. o nmero esperado de fregueses na loja;

b. o valor esperado do tempo que um fregus deve aguardar por atendimento;
c. a taxa esperada de perda de fregueses devido limitao de capacidade da loja
48) Cada passageiro de um vo e sua bagagem deve ser checada para verificar a existncia de armas e
explosivos. Suponha que no aeroporto de Polndia chegue em mdia 10 passageiros por hora (com
tempos entre chegadas exponenciais). Para verificar os passageiros o aeroporto deve ter um posto
de checagem constitudo de detector de metais e uma mquina de Raio X para a verificao de
bagagem. Quando um posto de checagem est em operao so necessrios dois funcionrios. Um
171

posto pode verificar em mdia 12 passageiros por hora (tempos de verificao exponenciais). Se o
aeroporto tem apenas um posto responda:
a) qual a probabilidade que um passageiro tenha de esperar pela verificao ?
b) em mdia quantos passageiros estaro esperando pela verificao ?
c) em mdia quanto tempo o passageiro gastar no processo de verificao ?
d) Suponha agora que a administrao do aeroporto queira determinar quantos postos deve operar
de modo a minimizar custos operacionais e de atraso por um perodo de 10 anos. Assuma que o
custo de 1 hora de atraso de um passageiro $10, e que o aeroporto funciona 16 h por dia. O
custo de aquisio, operao e manuteno de um posto pode ser estimado em $ 1 milho em um
perodo de 10 anos. Finalmente assuma que cada passageiro escolhe entre os postos com igual
probabilidade.
49) Duas barbearias esto situadas lado a lado em um shopping. Cada uma delas comporta at 4
clientes (1 cortando o cabelo e os demais esperando), e qualquer cliente potencial que encontre a
barbearia cheia no espera e desiste de cortar o cabelo ali. A barbearia 1 cobra $11 por um corte de
cabelo, que demora em mdia 12 minutos. A barbearia 2 cobra $5 por corte, que dura, em mdia, 6
minutos. Os clientes potenciais procuram cada uma das barbearias a uma taxa mdia de 10
clientes/hora. Assumindo tempos entre chegadas e de corte como exponenciais, qual barbearia ter
maior receita ?
50) A partir da modernizao dos pontos de venda a operao de efetuar o pagamento com carto de
crdito, que era uma operao realizada seqencialmente a passagem das mercadorias por um caixa
de supermercado passou a ser realizada no prprio caixa. Supondo tempos entre chegadas e tempos
de servio exponenciais, e que o tempo de efetuar o pagamento do carto tem durao equivalente
ao tempo de passagem das mercadorias pelo caixa, analise as duas situaes, sob o ponto de vista
do cliente e do supermercado. Construa os modelos representativos das duas situaes e a partir
deles faa suas anlises.
51) O processo de produo de um produto constitudo de 3 estgios. Em mdia um novo produto
comeado no estgio 1 a cada 6 minutos. O tempo mdio de processamento em cada estgio dado
respectivamente por 3 minutos, 2 minutos e 1 minuto. Aps passar pelo 3o estgio o produto
inspecionado (assuma que isto no toma tempo); 10% dos produtos so inteiramente reprovados e
voltam ao estgio 1 para um completo reprocessamento, 20 % so parcialmente reprovados e
voltam para o estgio 2 para sofrerem reprocessamento dos estgios 2 e 3. Em mdia, quantas
unidades do produto esto no sistema ? Assuma que todos os tempos entre chegadas e de servio
tem distribuio exponencial, e que cada estgio seja constitudo de um nico servidor.
52) A rede de postos Prodleo combina estaes de abastecimento e de lavagem de automveis em
todo o Grande Rio. A Prodleo d uma lavagem grtis para cada cliente que completar o tanque de
combustvel e, para clientes que busca apenas o servio de lavagem, cobra uma taxa de $5,00.
Experincias anteriores mostram que o nmero de clientes que lavam o carro, aps realizar o
abastecimento, aproximadamente igual ao nmero de clientes que lavam apenas o carro. O lucro
bruto mdio para os abastecimentos de $7,00, e o custo da lavagem para a Prodleo de $1,00.
Os postos Prodleo permanecem abertos 14 horas por dia. A Prodleo possui trs tipos de unidades
de lavagem automtica e os postos devem selecionar a unidade preferida. A unidade I pode lavar
carros a uma taxa de um carro a cada 5 minutos e alugada por $120 por dia. A unidade II pode
lavar carros a uma taxa de um carro a cada 4 minutos e alugada por $160 por dia. A unidade III
pode lavar carros a uma taxa de um carro a cada 3 minutos e alugada por $220 por dia. Os
postos estimam que os clientes no iro esperar na fila mais do que 5 minutos para lavar seus
carros. Um tempo de espera maior ir causar perdas para a Prodleo, tanto em venda de
combustvel quanto em lavagens. Se a estimativa de chegadas de clientes que resultam em lavagem
de 10 por hora, qual unidade de lavagem deve ser selecionada ?
53) O gerente de um banco deve determinar quantos caixas devem trabalhar as sextas feiras. Para cada
minuto que um cliente passa na fila o gerente imagina que um custo devido ao atraso de $0,05
incorrido. Uma mdia de dois clientes por minuto chega ao banco. O tempo que um caixa demora
para atender a um cliente em mdia 2 minutos. Cada caixa custa ao banco $9,00/hora. Tempos
entre chegadas e de atendimento podem ser considerados exponenciais. Para minimizar a soma dos
custos de servio e de atraso, quantos caixas devem trabalhar ?
172

54) Uma equipe de projeto dispes de 2 estaes de trabalho, cada uma delas com um tempo entre
falhas exponencialmente distribudo com mdia de 40 dias. O projeto tem um contrato de
manuteno com o fornecedor, que permite que at as duas estaes sejam reparadas
simultaneamente, quando da ocorrncia de defeitos. O reparo de cada estao envolve duas etapas:
uma visita tcnica, seguida pelo reparo propriamente dito. Os tempos de cada etapa podem pode
ser considerados exponencialmente distribudos com durao mdia de 10 dias. Desenvolva um
modelo de filas para representar o problema e obtenha:
a) diagrama de transio de estados
b) as equaes de equilbrio e de recorrncia
c) nmero mdio de estaes em operao normal
d) percentagem do tempo em que todas as estaes esto paradas
55) O Programa de Engenharia de Produo est procurando determinar se deve arrendar uma
copiadora rpida ou lenta. O valor da hora de trabalho dos funcionrios, que dentre outras tarefas
iro fazer as cpias de $15. A copiadora lenta alugada por $4/hora e toma em mdia 10 minutos
do funcionrio para efetuar as cpias (exponencialmente distribudos). A copiadora rpida custa
$15/hora e ocupa o funcionrio por 6 minutos em mdia (tambm exponencialmente distribudos).
Uma mdia de 4 funcionrios por hora necessitam usar a copiadora (tempos entre chegadas
exponencialmente distribudos). Qual copiadora deve o programa alugar ?
56) Sanduches Bitoca est querendo determinar quantos atendentes deve disponibilizar durante o
horrio do almoo. Durante este perodo uma mdia de 100 clientes por hora chega ao restaurante.
Cada atendente pode servir uma mdia de 50 clientes por hora. Um atendente custa $5/hora e o
custo de um cliente esperando pode ser avaliado em $20/hora. Assumindo que um modelo M/M/S
aplicvel, qual o nmero de atendentes minimiza a soma dos custos de atendente e de atrasos ?
57) Um empreiteiro est definindo sua equipe de trabalho. Ele tem alocado dinheiro suficiente para
contratar ou dois pedreiros "Tipo A" ou trs pedreiros "Tipo B". A classificao e o pagamento
dos pedreiros feita de acordo com sua eficincia no trabalho. Um mesmo trabalho realizado por
um pedreiro "Tipo A" em 2/3 do tempo gasto por um pedreiro "Tipo B". Assim em uma primeira
impresso as duas alternativas parecem iguais. Desenvolva um modelo de filas (Markovianas, onde
os pedreiros so os servidores e os trabalhos a efetuar formam uma fila nica, com uma disciplina
FCFS) para avaliar qual, se for o caso, das alternativas prefervel de forma a manter a fila de
tarefas a realizar no mnimo.
58) Um posto de servio est analisando duas formas de processamento de pedidos de clientes.
Opo 1: Trs atendentes em paralelo atendendo a uma nica fila. Cada atendente preenche
completamente todos os formulrios, na presena do solicitante. O tempo de processamento
exponencial com mdia de 15 minutos.
Opo 2: Cada solicitante primeiramente preenche um formulrio sem a ajuda do atendente. O
tempo para este preenchimento exponencialmente distribudo com mdia de 65 minutos. Quando
o solicitante completa o preenchimento ele se dirige a uma fila nica onde aguardar que um dos
trs atendentes confira o formulrio. Isto demora em mdia 4 minutos, exponencialmente
distribudo.
Os tempos entre chegadas so exponencialmente distribudos e em mdia 4,8 clientes chegam a
cada hora. Qual das opes permitir que o solicitante saia mais rapidamente do posto de servio ?
59) A Sapataria Caroline funciona com um nico empregado. A sapataria recebe normalmente pares
de sapatos para serem reparados, (em uma base primeiro a chegar o primeiro a ser atendido), que
chegam segundo um processo Poisson com uma taxa mdia de 1 par por hora. O tempo para
reparar cada p de sapato individualmente tem uma distribuio exponencial com mdia de 15
minutos.
a) Considere a formulao deste problema de filas onde cada sapato individualmete (no o par de
sapatos) considerado o cliente. Para esta formulao construa o diagrama de transio de
estados e desenvolva as equaes de balano (sem precisar resolver).
b) Considere agora que o par de sapatos o cliente. Para esta formulao construa o diagrama de
transio de estados, desenvolva as equaes de balano e obtenha o tempo mdio at que um
par de sapatos esteja reparado.
173

60) Um posto de gasolina em um local de grande concorrncia lanou a seguinte campanha: Se o

cliente tiver de esperar para abastecer o preo da gasolina de $1,00 por litro. O preo normal da
gasolina de $1,20/litro. Com est promoo os clientes chegam ao posto segundo um processo
Poisson com taxa mdia d 15 por hora. O tempo de servio na bomba (para facilitar considere uma
nica bomba) exponencialmente distribudo com mdia de 3 minutos. Em vista do preo atrativo
todos os clientes que chegam esperam pelo atendimento. Determine o preo esperado da gasolina
que vendida.
61) Na rodovia do Vai-e-Vem, que d acesso ao Parque Ecolgico do Lobo Guar, foi instalada uma
nica cabine de pedgio. Na poca da instalao foi imaginado que no haveria trfego suficiente
para justificar mais que uma cabine, mas o turismo ecolgico tem aumentado muito recentemente.
Atualmente, ( nos perodos de pico, que so os que nos interessam) h um fluxo de passagem de
210 carros/hora, enquanto o tempo mdio de servio de 15 segundos. De forma a diminuir os
interminveis engarrafamentos que passaram a ocorrer, duas propostas foram feitas. A primeira
consiste em instalar uma nova cabine idntica a primeira (assuma que o trfego ir se dividir
igualmente, porm de forma aleatria entre as duas cabines). A segunda instalar uma cabine
automtica, que opera com carto pr-pago. Nesta cabine o tempo mdio de servio ser de
somente 5 segundos, mas apenas um tero das chegadas (selecionadas aleatoriamente) tero o
carto pr-pago. A medida de performance o tempo mdio que as pessoas dispendem para passar
pelas cabines.
a) Usando o(s) modelo(s) apropriado de filas, estime os tempos mdios para as duas propostas.
b) Reconhecendo que os tempos de servio provavelmente no so exponenciais, mas que
certamente tambm no so constantes, avalie se e como os resultados de (a) devem ser
modificados.
c) Levando em conta outros fatores que podem ter sido negligenciados, qual usa recomendao?
62) Considere dois servidores. Uma mdia de 8 clientes por hora chegam do exterior para o servidor 1
e uma mdia de 17 clientes por hora chegam do exterior para o servidor 2. Tempos entre chegadas
so exponenciais. O servidor 1 pode servir, com uma taxa exponencial, 20 clientes por hora,
enquanto o servidor 2 pode servir, tambm com uma taxa exponencial, 30 clientes por hora. Aps
completar o servio no servidor 1 metade dos clientes deixa o sistema enquanto a outra metade vai
para o servidor 2. Aps completar o servio no servidor 2, 3/4 dos clientes deixa o sistema e 1/4
retorna ao servidor 1.
a)
b)
c)
d)
Qual a frao do tempo o servidor 1 est ocioso ?

Qual o nmero mdio de clientes em cada servidor ?
Qual o tempo mdio que um cliente gasta no sistema ?
Como se alteram as respostas (a) at (c) se o servidor 2 puder atender, em mdia, a apenas 20
clientes por hora.
63) Meu escritrio usa 2 lmpadas. Em mdia, uma lmpada dura 22 dias (exponencialmente
distribudo). Quando uma lmpada se queima em demoro em mdia 2 dias (exponencialmente
distribudo) para substitu-las.
a) Construa o diagrama de transio de estados para o problema.
b) Determine qual a frao do tempo o escritrio est com luminosidade mxima, mdia e
mnima.
64) O programa de engenharia de produo aceita a cada ano 20 novos alunos de doutorado. Se um
aluno de doutorado gasta em mdia 5 anos para concluir seu curso, qual o nmero esperado de
alunos de doutorado no programa. Use o modelo de filas adequado para justificar sua resposta.
65) Considere um sistema de filas que tenha duas classes de clientes, dois caixas provendo servio e
no admita filas. Clientes potenciais de cada classe chegam segundo processos Poisson, com taxa
mdia de chegada de 10 clientes por hora para a classe 1 e 5 clientes por hora para a classe 2, mas
estas chegadas so perdidas para o sistema se no puderem entrar imediatamente em servio. Cada
cliente da classe 1 que entra no sistema poder receber servio de qualquer um dos servidores que
estiver desocupado, os quais tem tempo de servio com distribuio exponencial com mdia de 5
minutos. Cada cliente da classe 2 que entra no sistema requer o uso simultneo dos dois caixas (os
174

dois caixas juntos agem como se fossem um nico servidor) e o tempo de servio tem distribuio
exponencial com mdia de 5 minutos. Assim, um cliente desta classe que chega ser perdido para o
sistema a menos que ambos os caixas estejam desocupados para comear o servio imediatamente.
a.
Formule um modelo de filas, como um processo de Markov de tempo contnuo, definindo os

estados e construindo o diagrama de transio de estados.
b. Descreva como a formulao obtida em (a) pode ser ajustada ao formato de um processo
nascimento e morte.
c. Use o modelo nascimento e morte para calcular a distribuio de regime permanente do nmero
de clientes de cada classe no sistema.
d. Para cada uma das classes de clientes qual a frao do nmero esperado de clientes que no
so admitidos no servio ?
66) Uma farmcia possui 3 caixas. O gerente usa a seguinte estratgia de operao pra a abertura das
caixas: se o nmero de clientes na farmcia for menor ou igual a 2, a farmcia opera com apenas
um caixa; se o nmero de clientes for igual a 3 ou 4, a farmcia opera com dois caixas; se o
nmero de clientes for maior ou igual a 5, a farmcia opera com trs caixas. Os clientes chegam na
farmcia de acordo com uma distribuio de Poisson, com taxa de 10 clientes por hora. O tempo de
atendimento de um cliente em um caixa segue uma distribuio exponencial, com tempo mdio de
12 minutos por cliente.
a) Qual a probabilidade de apenas um caixa se aberto?
b) Quantos caixas ficam em mdia fechados?
175

Exerccios de filas - respostas

1) V F V F F V F V V F V F V
2)
3)
4)
5)
6)
7) A -
B- No se alteram
8)
9)
10)
11)
12)
13) = 1 + 2 + 3 + 4 , Exponencial
14)
15) a e b) 1,3 min.
16) a) 4h24min. b) 49 min
17) a) 40,2%
c) 3h42min.
b) 2,25 e 14,06 carros
c) 1h 5min.
18) a) 0,98 cestos b) 9,4 carroas c) 7 escravos d) 27,44 cestos e 9,4 carroas
19) a) 2h40'
b) 7.5% c) 1,7 pacientes
20) a) 16,1 pessoas b) 4,45 pessoas c) 3,05 pessoas
d) 14'14'' e) 7'56'' f) 4%
21) 0,5 horas

22) Manteria a equipe inalterada
23) 17,5 clientes/hora
24) W = 4 horas
25) a) 12min.
b) 3 pessoas
26) 51,9%
27) 3,3 frascos
28) Pn = (1- n-1
29) 3,8 dias
30) a) 16,7%
b) 8%
31) b) 12' c) infinito
c)3,4min.
c) Processo Poisson
32) a) 8 pessoas b) 2h 40 min.

33) 4 bombas
C(3) = $ 175.861.704
C(4) = $ 121.254.600
34)
35)
36) 1,5 clientes, 12,5 min.
37) 64 fiscais
38) 14 min.
176

39) b) 2h 45 c) 3h 50
40) 1
41) $ 25.58 /h
42) a) 1,96 carros b) 5,86
43) 11 caixas
44) a) 1,4h e 0,24 h
b) 6,125 clientes e 0,325 clientes
45) Aposentar o caixa pois um caixa passa ociosa 22% do tempo (, 40%)
46)
47) a) 2,5 clientes, b) 97,45 clientes, c) 65 cl./h.
177

FORMULRIO DE TEORIA DE FILAS

Frmulas Gerais
L = W = nPn Lq = Wq = (n-s)Pn W = Wq+()-1 = nPn

= nPn = /s
Frmulas M/M/1
Pn = (1-)n
L = /(1-)
W = ( - )-1
Frmulas M/G/1
P0 = (1-)
Lq = (2 2 + 2) / 2(1-)
Frmula Erlang
Lq = (k+1) /2k 2 / (1-)
Frmula M/M/S
Onde P(j s) dado pela tabela abaixo:
Wq
P( j s )
s
0,10
0,20
0,30
0,40
0,50
0,55
0,60
0,65
0,70
0,75
0,80
0,85
0,90
0,95
S=2
0,02
0,07
0,14
0,23
0,33
0,39
0,45
0,51
0,57
0,64
0,71
0,78
0,85
0,92
S=3
0,00
0,02
0,07
0,14
0,24
0,29
0,35
0,42
0,51
0,57
0,65
0,73
0,83
0,91
S =4
0,00
0,00
0,04
0,09
0,17
0,23
0,29
0,35
0,43
0,51
0,60
0,69
0,79
0,89
S=5
0,00
0,00
0,02
0,06
0,13
0,18
0,24
0,30
0,38
0,46
0,55
0,65
0,76
0,88
S=6
0,00
0,00
0,01
0,04
0,10
0,14
0,20
0,26
0,34
0,42
0,52
0,62
0,74
0,87
S=7
0,00
0,00
0,00
0,03
0,08
0,11
0,17
0,21
0,30
0,39
0,49
0,60
0,72
0,85
178

Apostila Teoria Das Filas

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apostila Teoria Das Filas

Hochgeladen von

Copyright:

Verfügbare Formate

Universidade Federal do Rio de Janeiro

COPPE: Programa de Engenharia de Produo

Prof. Virglio Jos Martins Ferreira Filho

COPPE Universidade Federal do Rio de Janeiro

PROCESSOS ESTOCSTICOS ....................................................................................... 4

EXERCICIOS PROPOSTOS DE PROCESSOS ESTOCSTICOS ........................ 30

TEORIA DE FILAS .......................................................................................................... 39

Processos Estocsticos e Teoria de Filas

COPPE Universidade Federal do Rio de Janeiro

EXERCICIOS PROPOSTOS DE TEORIA DAS FILAS ...................................................... 88

MOVIMENTO BROWNIANO ........................................................................................... 94

PROCESSO DE WIENER ........................................................................................ 97

GENERALIZAO - PROCESSO DE WIENER COM DESVIO ............................. 98

REPRESENTAO DO MOVIMENTO BROWNIANO POR PASSEIO ALEATRIO

REFERNCIAS BIBLIOGRFICAS ............................................................................. 102

LISTA DE EXERCICIOS RESOLVIDOS DE PROCESSOS ESTOCASTICOS ........... 104

LISTA DE EXERCICIOS RESOLVIDOS DE TEORIA DAS FILAS .............................. 140

Lista de Exerccios Complementares ........................................................................ 158

Processos Estocsticos e Teoria de Filas

COPPE Universidade Federal do Rio de Janeiro

DESCRIO E DEFINIO DE PROCESSOS ESTOCSTICOS

Segundo Lieberman, um processo estocstico uma coleo de variveis

X t ), onde t um ndice definido num conjunto T. Assim, um processo

estocstico a descrio de um fenmeno aleatrio que varia com o tempo.

X 1 , X 2 , X 3 ... , pode representar a coleo das quantidades

Y1 , Y2 , Y3 ,... representa a evoluo populacional brasileira,

desde o ano de 1998 como mostra a Tabela 1.1:

Os valores assumidos por um processo estocstico so denominados estados e o

1.1.1. PROCESSO ESTOCSTICOS CONTNUOS / DISCRETOS

Os processos estocsticos podem ser classificados como:

Processos Estocsticos e Teoria de Filas

COPPE Universidade Federal do Rio de Janeiro

Estado Discreto e Tempo Contnuo: nmero de usurios em uma fila de banco

Estado Discreto e Tempo Discreto: nmero de mquinas avariadas no fim do dia,

1.1.2. DISTRIBUIES DE PROBABILIDADE

Para um dado valor de t, o processo estocstico X(t) uma varivel aleatria, e a

A probabilidade do processo estocstico estar no tempo t no estado

probabilidade de estado ( Pt ) e definida por:

A probabilidade do processo estocstico (com tempo e estado discretos) estar no

Processos Estocsticos e Teoria de Filas

COPPE Universidade Federal do Rio de Janeiro

Para o caso contnuo, a probabilidade condicional de transio e a probabilidade

A matriz que armazena todas as probabilidades de transio

Um processo dito homogneo (no tempo) se a transio depende de

t 0 . Nesse caso temos:

Diagrama de Transio de Estados

1.1.3. ALGUNS PROCESSOS ESTOCSTICOS IMPORTANTES

Processos Estocsticos e Teoria de Filas

COPPE Universidade Federal do Rio de Janeiro

denominado processo de Poisson. Esse processo

modela, razoavelmente bem, o nmero de chamadas numa cabine telefnica, por

Processo de Renovao: um exemplo desse processo a vida til de um

Processo de Markov: nesse processo toda histria passada resumida no estado

CADEIAS DE MARKOV EM TEMPO DISCRETO

para t = 0, 1, ... e qualquer seqncia i, j, k0, ..., kt-1.

P[ X t 1 j | X t i] P[ X 1 j | X 0 i], para todos t 0,1,...

COPPE Universidade Federal do Rio de Janeiro

1- Um nmero finito de estados,

P[ X t n j | X t i] P[ X n j | X 0 i], para todos t 0,1,...

Estas probabilidades condicionais so usualmente denotadas por pij

A matriz que armazena as probabilidades de transio em n estgios denotada por

a probabilidade de transio do estado i para o estado j em 2 estgios,

como mostra a Figura 1.1 a seguir.

mij pij 1 pik 1 pik mkj