Trabajo Práctico de Procesos Estocasticos

1
TRABAJO PRÁCTICO DE PROCESOS ESTOCASTICOS
“RECOPILACION DE INFORMACION SOBRE REDES DE

COMUNICACIÓN, DIMENCIONADO Y TRAFICO
TELEFONICO”
 MARCO TEORICO
 EJERCICIOS RESUELTOS
 EJERCICOS PROPUESTOS CON SOLUCIONES
JUAN JOSE LEON PAREDES
PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

2
MARCO TEORICO
TEORÍA DE COLAS
Una Cola se presenta con frecuencia cuando se solicita un servicio por

parte de una serie de clientes y tanto el servicio como los clientes son de
tipo probabilístico.
El origen de la Teoría de Colas está en el esfuerzo de Agner Kraup Erlang

(Dinamarca, 1878 - 1929) en 1909 para analizar la congestión de tráfico
telefónico con el objetivo de cumplir la demanda incierta de servicios en
el sistema telefónico de Copenhague.
La Teoría de Colas es una disciplina de Investigación Operativa que se

encarga de proponer modelos para el manejo eficiente de Líneas de
Espera.
Una Línea de Espera es una hilera formada por uno o varios clientes que
aguardan para recibir un servicio. Los clientes pueden ser personas,
objetos, máquinas que requieren un mantenimiento, contenedores de
mercancías para ser embarcados, elementos de inventario para ser
utilizados, etc.
PROCESO BÁSICO DE COLAS
Cola (Zona de espera): En todo sistema los flujos de entrada y salida no

están sincronizados. La cola es una acumulación de clientes (personas,
productos, objetos) que están a la espera de ser servidos.
Servicio:
El servicio puede ser brindado por un servidor o por servidores múltiples,

el tiempo de servicio varía de cliente a cliente, el tiempo esperado de
servicio depende de la tasa media de servicio (µ).El tiempo esperado de
servicio equivale a 1/µ.
Para representar todo lo mencionado aquí se encuentran unos modelos

básicos de los sistemas de colas.

3
En general se considera que las llegadas son aleatorias, la última llegada

no influye en la probabilidad de llegada de la siguiente. El número
esperado de llegadas por unidad de tiempo se llama tasa media de
llegadas (λ). El tiempo esperado entre llegadas es 1/λ.
La distribución de probabilidad de los tiempos entre llegadas,

generalmente se supone una distribución exponencial, esto depende del
comportamiento de las llegadas.
TIPOS DE SISTEMAS DE COLAS

4
LA COLA M/M/1 (UN ÚNICO SERVIDOR)
El modelo de colas denotado por M/M/1 es el más simple de todos.
Consiste en un único servidor (de ahí el 1 en la notación M/M/1) instalado

en una estación de trabajo y trabajos o clientes que llegan para ser
servidos, forman una cola si el servidor está ocupado a su llegada y
cuando finalizan su servicio dejan el sistema.
El espacio de estados es E = N U {0} ya que no hay limitación de clientes

en el sistema. Los clientes llegan a la estación siguiendo un proceso de
Poisson de intensidad λ > 0 (los tiempos entre llegadas sucesivas son
variables aleatorias independientes e idénticamente distribuidas, con ley
exponencial de parámetro λ). A esto hace referencia la primera M de la
notación utilizada para designar al modelo.
Los tiempos de servicio de los clientes también se suponen variables

aleatorias independientes e idénticamente distribuidas, con ley
exponencial de parámetro µ > 0 (así que ésta es la razón de la segunda M
en la notación). Por tanto, se trata de un Proceso de Nacimiento y Muerte
con tasas de nacimiento λn = λ y defunción µn = µ, para todo n.
TASAS PARA LA COLA M/M/1
LA DISTRIBUCIÓN LÍMITE
Se define ρ = λ/µ ; la intensidad de tráfico del sistema o cola. Cuando
ρ ≥ 1, el número medio de llegadas al sistema excede o iguala al número

medio de salidas y se esperaría que al correr el tiempo la cola fuese
creciendo sin parar ya que los clientes no abandonan el sistema hasta
que no acaban su servicio (este hecho parece más claro si ρ > 1 que si ρ
= 1). Sólo en el caso ρ < 1 podemos esperar que el número de clientes en
cola no crezca sin parar y podremos hablar del steady state, que es el
estado de “equilibrio” al que llega el sistema después de haber estado
operando un largo periodo de tiempo.

5
En tal caso se reduce a la conocida formula de la función de

probabilidad de la distribución geométrica de parámetro ρ (Є (0; 1)).
Cuyo comportamiento, a partir de la distribución límite, en función de las

tasas de llegadas y salidas (o servicios), λ y µ respectivamente, define
las siguientes mediadas de efectividad:
N = “número de clientes en el sistema” (a largo plazo)
Vemos que N toma los valores n Є{1, 2, 3…..} con probabilidades pn . Sea
también
L = “número medio de clientes en el sistema” (a largo plazo)
Tal que: E(N) = L y:
Notemos que cuando ρ tiende a 1 (es decir, cuando el trafico tiende a

ser “intenso”), el número medio de clientes en el sistema L tiende a
+infinito lo que parece bastante natural.
GRAFICA DE LA FUNCIÓN L = ρ/(1 – ρ) PARA ρ Є (0, 1)
También podemos definir la variable aleatoria

6
Nq = “número de clientes haciendo cola” (a largo plazo).
Así, también introducimos
Lq = E(Nq) = “número medio de clientes haciendo cola” (a largo plazo)
También podemos definir la probabilidad de que haya al menos n

clientes en el sistema a largo plazo, que es para todo n ≥ 0 . Es decir:
La última medida de efectividad que consideraremos es el valor

numérico W definido así:
W = “tiempo medio de estancia en el sistema”
(=tiempo medio de espera en cola + tiempo medio de servicio (que

siempre es 1/µ))
Para poder calcular su valor hemos de introducir la variable aleatoria
τ = “tiempo de estancia en el sistema” (de un cliente, a largo plazo)
Resulta interesante observar, como veremos, que τ también es una

variable exponencial, concretamente, τ es una exponencial de
parámetro µ λ.
Entonces:
Además, si denotamos por Wq el tiempo medio de espera en cola,

tendremos que:

7
En efecto, τ es una exponencial de parámetro (µ λ) puesto que su función

generatriz de momentos con α = µ λ (> 0 en el caso ρ < 1) es:
Vemos que existe una relación entre L y W, que es:
Esta relación, que es cierta para modelos más generales que los
considerados aquí, se conoce como fórmula de Little y se suele expresar
de esta manera:
Ejemplo.
Ana Poodle es una peluquera canina que tiene una pequeña peluquería en
un barrio de la ciudad. Ella es la única peluquera que trabaja en su
negocio, pero los sábados por la tarde tiene mucho trabajo. Los clientes
llegan los sábados por la tarde de manera independiente y a razón de unos
2 por hora.
Ella tarda un promedio de 20 minutos por cliente, y los tiempos de

servicios de los clientes son independientes entre si y no dependen
tampoco ni de la hora ni del trabajo que tenga acumulado (el éxito de su
negocio radica en servir a los clientes siempre bien, aunque tenga otros
esperando). Naturalmente, los atiende por estricto orden de llegada.
La sala de espera es pequeña y sólo tiene espacio para dos clientes.
A partir de esta información suministrada por Ana vemos que el modelo

M/M/1 se adapta bien a su negocio y que los parámetros del modelo se
pueden estimar por:

8
El número esperado de clientes en la peluquería a largo plazo un sábado

por la tarde:
El número esperado de clientes haciendo cola en la peluquería a largo

plazo un sábado por la tarde:
El porcentaje de ocupación a largo plazo un sábado por la tarde es:
ρ × 100 % = 66.6 %
El tiempo medio de estancia en la peluquería un sábado por la tarde
para un cliente es:
es decir, en promedio cada cliente se pasa 40 minutos esperando a ser

servido (esto es Wq), y 20 minutos más siendo atendido por la peluquera.
La probabilidad de que haya al menos 2 clientes esperando (y si llega uno

nuevo tenga que esperar en el parque frente a la peluquería ) es:

9
esto es, un 30 % del tiempo la sala de espera está llena y si llega un nuevo
cliente habrá de esperar fuera.
MODELO DE COLA M/M/c
El modelo supone que los tiempos entre llegadas y los tiempos de servicio
son variables aleatorias distribuidas exponencialmente, la disciplina es
FIFO y la población es infinita.
Se diferencia respecto al modelo M/M/1 en que el número de servidores s

puede ser cualquier número natural tal que c ≥ 1 . Cuando el número de
servidores es mayor que 1, las expresiones anteriores no son tan
sencillas.
Por tanto, se trata de nuevo de un Proceso de Nacimiento y Muerte con

espacio de estados E = N[f0g, con tasa de llegadas constante λn = λ para
todo n ≥ 0, y tasa de servicio μn que hay distinguir dos casos:
μn = nμ cuando n <= c
μn = Cμ cuando n > c
μ ≡ tasa media de servicio de todos los servidores en conjunto
cμ ≡ tasa máxima de servicio para c servidores
El siguiente diagrama de tasas (cadena de Markov del modelo M/M/s)

representa los posibles estados del sistema y las transiciones entre ellos.
TASAS PARA LA COLA M/M/c
LA DISTRIBUCIÓN LÍMITE

10
p0 Probabilidad de que ningún cliente se encuentre en el sistema de

colas
Probabilidad del estado n:
Pobabilidad del estado n:
Número promedio de clientes en cola: (c = s)
Número promedio de clientes en sistema:

11
Tiempo promedio de espera en cola:
Tiempo promedio de estancia en el sistema:
Se asume que la probabilidad de la función de tiempos de servicio es una

exponencial negativa de parámetro μn.
Cuando s -1 - λ /μ = 0 se utiliza:
Ejemplo
Un terminal de facturación dispone de dos operarios que atienden a los

clientes que llegan según una distribución de Poisson de media ochenta
clientes por hora, que esperan en una única cola hasta que alguno de los

12
operarios esté libre. El tiempo requerido para atender a un cliente se

distribuye exponencialmente con medía 1,2 minutos. Se pide:
a) ¿Cuál es el número esperado de clientes en el terminal de facturación?
b) ¿Cuál es el tiempo medio que un cliente pasa en el terminal de

facturación?
c) ¿Qué porcentaje de tiempo está libre un determinado operario?
Solución:
a) Es un modelo de cola M/M/2 con 2 = servidores
Tasa de llegadas ≡ λ = 80 clientes/hora
Tasa de servicio por operario μ = 60/1.2 = 50 clientes/hora
Factor de utilización o congestión del sistema:
Probabilidad de que ningún cliente se encuentre en el sistema de colas:
Número promedio de clientes en la cola:
Número promedio de clientes en el sistema (terminal de facturación):
b) Tiempo medio de espera en cola:

13
Tiempo medio de estancia en el sistema (terminal de facturación):
Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más

el tiempo en el servicio (1 / μ) o bien:
c) El porcentaje de tiempo que determinado operario esté libre:
MODELOS ERLANG
Erlang: Unidad de intensidad de tráfico, cuyo símbolo es E. Un erlang es

la intensidad de tráfico en un conjunto de órganos, cuando sólo uno de
ellos está ocupado de manera continua. Cuando el tráfico es de un (1)
erlang significa que el elemento de red está totalmente ocupado durante
el tiempo de medición, normalmente una hora.
Es la unidad de tráfico telefónico, en honor del matemático danés A.K.

Erlang (1878-1929), que fue el fundador de la teoría del tráfico en
telefonía.
A parte del erlang también se usa el CCS (Centi-Call Seconds) como unidad
de tráfico.
1 CCS equivale a 100 llamadas-segundos, por lo tanto el tráfico en una

línea ocupada totalmente durante una hora es de 36 CCS, por lo tanto:
1erlang = 36 CCS

14
Si una línea está ocupada durante una hora entonces cursa un tráfico de
3600 llamadas-segundos que a 36 llamadas de 100 seg de duración cada
una, o a cualquier otra combinación que resulte en 3600
llamadas/segundo. Si 100 usuarios solicitan una llamada con una duración
promedio de 3 minutos entonces el tráfico es:
CÁLCULO DE TRÁFICO
El tráfico ofrecido depende de dos factores importantes
1.- La tasa de llegada de sesiones de comunicaciones Q [sesiones/s,

sesión/min, sesión/hr]
2.- La duración promedio de cada sesión = [s o min]
Esto se aplica por igual para llamadas de voz o para aplicaciones de datos
Si Q se expresa en sesión/min y = en min, el tráfico promedio en erlang
viene dado por:
AQ
Ejemplo: Si en una red llegan 10 llamadas por mín y cada una dura en
promedio 3 min, entonces el tráfico promedio ofrecido a la red es de 30
erlang.
A 10[llamadas / min]3[min]  30 erlang

Si Q se expresa en sesión/hr y μ en segundos entonces el tráfico es:
FÓRMULA ERLANG B

15
La fórmula proporciona el GoS (grado de servicio) que es la probabilidad

Pb de que una nueva llamada que llega al grupo de circuito sea rechazada
debido a que todos los servidores (circuitos) están ocupados:
donde:
N= Número de canales de servicio,
A= Carga ofrecida, y
Pb = B(N, A)= Probabilidad de bloqueo.
A continuación se muestra el modelo de tráfico para Erlang B extendido,

donde se tiene una entrada de fuentes infinitas, aleatorias y con un
determinado grado de servicio que brindará el servicio a unas llamadas y
otras las bloqueará, siendo un porcentaje de éstas retroalimentadas hasta
obtener el servicio.
MODELO DE TRÁFICO PARA ERLANG B EXTENDIDO
La siguiente tabla representa un desarrollo de la fórmula de Erlang B,

que relaciona los parámetros: Número de canales o circuitos, Trafico en
erlang y probabilidad de rechazo.
Ejemplo: Tráfico de 5 E y P0.01, Cuantos circuitos se necesitan?

16
Primero nos ubicamos en la columna correspondiente a P0.01, es decir

B=1% y luego nos desplazamos hasta ubicar el tráfico en erlang que sea
igual o inmediatamente superior a 5 E, en este caso 5.160, y así leemos
en la columna de la izquierda la cantidad de 11 líneas (circuitos o
servidores) necesarias para cursar el tráfico.
CALCULADORA ERLANG B
Como la anterior tabla es de rango limitado, en internet existen varios

sitios que tienen implementado una calculadora de Erlang B, por ejemplo
http://www.erlang.com/calculator/erlb/.
Ejemplo
Consideremos un centro de atención al cliente ON LINE vía telefónica a

través de tonos DTMF (Dual-Tone Multi-Frequency). El tiempo completo de
la fase de marcado de un digito DTMF se asume a ser de 20 s, incluye la
invitación a marcar y el anuncio de todas las opciones. Se esperan 10.000
llamadas en la hora pico y se requiere que el porcentaje de bloqueo sea

17
inferior a 0.1%=0.001 . Deseamos calcular la cantidad de receptores de

DTMF que se necesitan.
En este caso las llamadas bloqueadas se pierden ya que no se considera

ningún sistema de colas de espera. Si los 78 receptores de DTMF están
ocupados existe una probabilidad del 0,1% que la siguiente llamada se
pierda.
FÓRMULA PARA ERLANG C
El modelo Erlang C se usa para calcular la probabilidad que una llamada

sea colocada en la cola de espera y permite dimensionar un grupo de
servidores bajo el esquema de colas FCFS (First Come First Serve) o FIFO,
donde las llamadas en espera se van atendiendo a medida que los
servidores se van liberando. Se asume que:
• La cantidad de fuentes es muy grande
• Las llamadas llegan en forma aleatoria de acuerdo a una distribución de

Poisson
• Las llamadas se atienden según el orden de llegada
• Las llamadas bloqueadas se colocan en una cola de espera de tamaño

infinito
• El tiempo de duración de las llamadas es de acuerdo a una distribución

exponencial
La probabilidad de que una llamada sea retrasada y puesta en la cola de

espera es:

18
donde:
A= Carga ofrecida,
N= Número de canales en servicio, y
Pw = C[N,A]= Probabilidad de bloqueo.
MODELO DE TRÁFICO PARA ERLANG C
En internet hay muchos sitios con calculadoras Erlang C donde se

pueden hacer las diversas combinaciones de variables.
En general existen 5 parámetros y debemos conocer 4 de ellos.
1. Cantidad de llamadas en la hora pico

2. Duración promedio de las llamadas en la hora pico. El producto de
la cantidad de llamadas por su duración es la carga o tráfico
ofrecido a la red en erlangs
3. Cantidad de agentes o servidores
4. Tiempo promedio de retardo. Es el tiempo promedio de retardo
considerando todas las llamadas, tanto las que se atienden
inmediatamente como las que se retardan.

19
5. Porcentaje de llamadas a ser atendido en un tiempo inferior td
Ejemplo
Vamos a resolver el ejemplo anterior pero considerando que existe una

cola de espera para ser atendido. Se asume que el 99% de los usuarios
no debe esperar más de 1 minuto en la cola.
Los resultados fueron obtenidos en la calculadora Erlang C de la

siguiente dirección:
http://www.math.vu.nl/~koole/ccmath/.
Vemos que se necesitan menos receptores que en el caso de Erlang B,

la cantidad de recursos es menor pero los usuarios deben esperar como
máximo un minuto para ser atendidos. La reducción es de un 25.64%.
Service Time: Es el tiempo durante el cual se usan los recursos de la

red.

20
EJERCICIOS PROPUESTOS
Problema 1. Un grupo de circuitos cursan en 3 horas 500 llamadas con

un tiempo medio de duración de 4 minutos. Calcular:
(a) Volumen de trafico.
(b) Intensidad de trafico cursado.
(c) Numero medio de llamadas en el sistema.
Problema 2. Dada la figura representativa del estado de ocupaci´on de

un grupo de circuitos durante un tiempo de observaci´on de 12
segundos, determinar:
(a) La tasa de llegada de peticiones del sistema.
(b) El tiempo medio de servicio de una unidad.
(c) El número medio de circuitos ocupados.
Teniendo en cuenta que de la figura anterior se desprende que el grupo

de circuitos constituye un sistema con tres posibles estados: 0, 1 y 2,
durante el tiempo de observación,

21
obtener:
(d) λ0 y µ1, y comprobar que λ0 · p0 = µ1 · p1, siendo:
λ0 la tasa de cambios del estado 0 al 1, con la condición de que el

sistema está en el estado 0.
µ1 la tasa de cambios del estado 1 al 0, con la condición de que el

sistema está en el estado 1.
Problema 3. Dados los siguientes sistemas con pérdidas:
Sabiendo que en el Sistema A el tiempo medio de servicio por servidor

es 1=µ, con ocupación aleatoria, mientras que en el Sistema B el tiempo
medio de servicio del servidor es de 1=2µ, calcular, para los dos
sistemas A y B:
(a) Tráfico ofrecido a un circuito (servidor).
(b) La expresión del Grado de Servicio. Decir cual de los dos es más
grande, razonando la respuesta.
Con la ayuda de los diagramas de transición entre estados (procesos de

nacimiento y muerte), determinar:
(c) El tiempo medio de permanencia en el estado de bloqueo.
(d) El tiempo medio de permanencia en el estado 0 (sistema

desocupado).
(e) Las probabilidades pi (i 6= 0) de todos los estados diferentes al

estado de desocupado p0.
(f) Calcular la p0 en función de ρ = λ=µ.

22
(g) El número medio de llamadas que se están sirviendo en función de

las pi.
(h) Utilizando la relación de Little, calcular cuál es la tasa cursada de

entrada en función de la probabilidad de bloqueo
Problema 4. Dos poblaciones a y b infinitas generan un trafico

poissoniano de tasas λa y λb, respectivamente. Las peticiones de las dos
poblaciones son atendidas por un grupo de C = 25 circuitos con un
tiempo medio de servicio de 3 minutos.
Calcular:
(a) El trafico ofrecido por cada población.
(b) La probabilidad de bloqueo para la población b.
(c) El trafico cursado de la población a y de la población b.
(d) El trafico perdido para las poblaciones a y b.
(e) La probabilidad de que una llamada sea de la población a y de la

población b.
(f) La probabilidad de que una llamada desbordada provenga de la

población a y la probabilidad de que lo haga de la población b.
SOLUCIONES

23
NOTA
EL PRESENTE TRABAJO, ES UN RESUMEN Y COMPILACION DE

MATERIAL EXTRAIODO DE VARIOS TEXTOS ESPECIALIZADOS EN EL
MATERIA, QUE HONESTIDAD INTELECTUAL Y RESPETO A LOS
DERECHOS DE AUTORES, SE DETALLAN A CONTINUACIÓN.
BIBLIOGRAFIA
Rosario Delgado de la Torre, Recordando a Erlang: Un breve paseo (sin

esperas) por la Teoría de Colas.
Prof. Diógenes Marcano, Tráfico en Redes de Telecomunicaciones.

24
Portal Estadística Aplicada: Instrumentos Estadísticos Avanzados,

Teoría de colas.
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería

Informática, UC3M Curso 08/09
Materia: investigación de operaciones GRUPO: BW41 ALUMNA: LIZARY

CERVERA HERRERA
Ramón Agüero Calvo Departamento de Ingeniería de Comunicaciones

Universidad de Cantabria.
Wikipedia, la enciclopedia de contenido libre.

Trabajo Práctico de Procesos Estocasticos

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

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

Trabajo Práctico de Procesos Estocasticos

Hochgeladen von

Copyright:

Verfügbare Formate

1

TRABAJO PRÁCTICO DE PROCESOS ESTOCASTICOS

“RECOPILACION DE INFORMACION SOBRE REDES DE

JUAN JOSE LEON PAREDES

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

Una Cola se presenta con frecuencia cuando se solicita un servicio por

El origen de la Teoría de Colas está en el esfuerzo de Agner Kraup Erlang

La Teoría de Colas es una disciplina de Investigación Operativa que se

PROCESO BÁSICO DE COLAS

Cola (Zona de espera): En todo sistema los flujos de entrada y salida no

El servicio puede ser brindado por un servidor o por servidores múltiples,

Para representar todo lo mencionado aquí se encuentran unos modelos

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

En general se considera que las llegadas son aleatorias, la última llegada

La distribución de probabilidad de los tiempos entre llegadas,

TIPOS DE SISTEMAS DE COLAS

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

LA COLA M/M/1 (UN ÚNICO SERVIDOR)

El modelo de colas denotado por M/M/1 es el más simple de todos.

Consiste en un único servidor (de ahí el 1 en la notación M/M/1) instalado

El espacio de estados es E = N U {0} ya que no hay limitación de clientes

Los tiempos de servicio de los clientes también se suponen variables

TASAS PARA LA COLA M/M/1

Se define ρ = λ/µ ; la intensidad de tráfico del sistema o cola. Cuando

ρ ≥ 1, el número medio de llegadas al sistema excede o iguala al número

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

En tal caso se reduce a la conocida formula de la función de

Cuyo comportamiento, a partir de la distribución límite, en función de las

N = “número de clientes en el sistema” (a largo plazo)

L = “número medio de clientes en el sistema” (a largo plazo)

Tal que: E(N) = L y:

Notemos que cuando ρ tiende a 1 (es decir, cuando el trafico tiende a

GRAFICA DE LA FUNCIÓN L = ρ/(1 – ρ) PARA ρ Є (0, 1)

También podemos definir la variable aleatoria

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

Nq = “número de clientes haciendo cola” (a largo plazo).

Así, también introducimos

Lq = E(Nq) = “número medio de clientes haciendo cola” (a largo plazo)

También podemos definir la probabilidad de que haya al menos n

La última medida de efectividad que consideraremos es el valor

W = “tiempo medio de estancia en el sistema”

(=tiempo medio de espera en cola + tiempo medio de servicio (que

Para poder calcular su valor hemos de introducir la variable aleatoria

τ = “tiempo de estancia en el sistema” (de un cliente, a largo plazo)

Resulta interesante observar, como veremos, que τ también es una

Además, si denotamos por Wq el tiempo medio de espera en cola,

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

En efecto, τ es una exponencial de parámetro (µ λ) puesto que su función

Vemos que existe una relación entre L y W, que es:

Ella tarda un promedio de 20 minutos por cliente, y los tiempos de

La sala de espera es pequeña y sólo tiene espacio para dos clientes.

A partir de esta información suministrada por Ana vemos que el modelo

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

El número esperado de clientes en la peluquería a largo plazo un sábado

El número esperado de clientes haciendo cola en la peluquería a largo

El porcentaje de ocupación a largo plazo un sábado por la tarde es:

El tiempo medio de estancia en la peluquería un sábado por la tarde

para un cliente es:

es decir, en promedio cada cliente se pasa 40 minutos esperando a ser

La probabilidad de que haya al menos 2 clientes esperando (y si llega uno

PROCESOS ESTOCASTICOS, TRAFICO TELEFÓNICO J. J. LEON P.

MODELO DE COLA M/M/c

Se diferencia respecto al modelo M/M/1 en que el número de servidores s