Modelos de Colass

EST-165 [Investigacin Operativa 2] Docente: Lic.
Nicolas Chavez Quisbert
Gestin II/2010
Captulo 2
Sistemas estocsticos de servicio

Modelos de colas
Univ. Gilmar Rolando Soto Quiroz
Pgina 27
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert
Gestin II/2010
2.1 Introduccin
Modelos de colas o espera
Los modelos de colas se desarrollan en pases con lata poblacin vegetativa (humana), en los cuales se presentan fenmenos de colas en: sistemas bancarios, aeropuertos, gasolineras, hospitales, centros de diversin, etc.
Proceso estocstico
) Un proceso estocstico se define como una familia de variables aleatorias: * ( + donde T se denomina conjunto ndice y S es el espacio muestral asociado a un experimento aleatorio.
Procesos de llegadas
Las llegadas de unidades a un sistema, por lo general son variables aleatorias, pero con distribuciones probabilsticas conocidas, aunque existen sistemas automatizados con tiempos entre llegadas consecutivas constantes. La poblacin o fuente de donde provienen las unidades pueden ser finita numerable, infinita numerable hasta infinita no numerable.
Disciplinas de espera
Es un conjunto de reglas que define como se debe ser atendida una unida que llega al sistema, entre esta se tiene: - Primeo en llegar primero en ser atendido. - ltimo en llegar primero en ser atendido. - Atencin con prioridades. - Unidad que llega al sistema se pierde. - Atencin aleatoria.
Estaciones de servicio
Las estaciones o canales de servicio pueden estar ordenadas de distinta manera, segn las caractersticas propias del sistema. a) Estaciones en paralelo
Estaciones de servicio cola
llegadas
Fuente o poblacin
sistema Fenmeno
salidas
Pgina 28
Gestin II/2010
b) Estaciones en serie
cola Estaciones de servicio
llegadas
Fuente o poblacin
salidas
sistema Fenmeno
c) Estaciones mixtas (Para sistemas complejos conflictivos)

cola
llegadas
Estaciones de servicio
salidas
Fuente o poblacin
sistema Fenmeno
Capacidad del sistema

Es el nmero mximo que permite un sistema, tanto en cola como en servicio. De no darse dicha informacin se supone un modelo de capacidad infinita.
Estadsticos de optimizacin
Como el objetivo de los modelos de colas es minimizar el tiempo de permanencia de una unidad en el sistema y determinar la cantidad optima de servidores, de tal forma de maximizar ingresos o beneficio en forma implcita, esto se lograra optimizando los siguientes estadsticos: : Numero promedio o esperado de unidades en el sistema : Numero promedio o esperado de unidades en la cola. : Numero promedio o esperado de unidades en una cola no vaca. : Tiempo medio o de espera o permanencia de una unidad en el sistema. : Tiempo medio de espera o permanencia de una unidad en la cola. : Tiempo medio de espera o permanencia de una unidad en una cola no vaca.
Pgina 29
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert -
Gestin II/2010
Notacin de Kendall
Muestra las caractersticas que tiene un modelo d colas, dicha notacin es la siguiente:
: Patrn de llegada. Representa a la distribucin probabilstica del tiempo entre llegadas consecutivas, o la distribucin probabilstica del nmero de llegadas por unidad de tiempo. : Patrn de servicio. Representa la distribucin probabilstica del tiempo de servicio, o la distribucin probabilstica del nmero de atenciones por unidad de tiempo. : Representa el nmero de estaciones o canales de servicio : Representa la capacidad del sistema. : La disciplina de espera.
2.2 Procesos estocsticos 2.2.1 Proceso de poisson

+ un proceso puntual discreto en el espacio y continuo en el tiempo, se dice que dicho Sea * ( ) proceso define a un proceso de Poisson de parmetro . Si representa el nmero de ocurrencias en un tiempo T y se cumplen los siguientes axiomas: 1) * ( ) 2) 3) 4) 5) Dnde: ( ): El nmero de concurrencias en el intervalo de tiempo (0,t). : Es un incremento en el tiempo infinitesimal o tiempo muy muy pequeo. ( ) : Cero axiomtico (0.000001 un casi cero). Funcin que tiene las siguientes propiedades: ( ) ( ) ( ) ( ) ( ) ( )
+ ( ) ) ) + ( ) ( ) ( ) + + + ( ) ( ) ( ) )
* * * *
( ( ( ( )
Teorema: Sea * ( ) se cumple: , ( ) Si
, para todo par de ndices la siguiente funcin de probabilidades

( )
( )
, (
)-
Pgina 30
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert , ( ) Si , ( ) ( )
Gestin II/2010
Demostracin: ( ( ) ) ( ), ( ( ) ) ( ( ) Para tenemos: ( ( ( ) ) ( ( ) ) ( ) , ( ( ), ( ) ( ) ( ) ( ) ) ( ) ( )( ) , ( ) ( ) , ( ( )( ) ( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ) ( ) ( ), ( ) , ( ( )( ) ( ) ( ) ( ) ( ) ( ) ( ) , ( ( ) ) ( ) ( ), ( )-
( ), ( ))
( ) ( ) ) ( )
( ) ( ) ( )
( )
Funcin generadora de probabilidades La funcin generadora y sus probabilidades de variables aleatorias discretas. ( , ( ) Solucion: ) ( ) ( ) ( )
Pgina 31
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Gestin II/2010
( ( (
( ( ) )
) )
( )
Condicin inicial
: ( ( ) ( ) ( ) ( ) ( ) ) ( ) ( )
Con
Tambin tenemos que:

( ( ) ) )
( )
{
(
( )
Sabiendo que: , ( ) -
Pgina 32
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert , ( ) , ( ) ( )
Gestin II/2010 ( )
( ) los
+ un proceso de Poisson de parmetro para todo para ndices Teorema: Sea * ( ) supuestos estadsticos y funcin caracterstica se cumplen: ( ( ))
( ) ( ) -
( ( )) ( ) , , ( )
Demostracin: ( ( ))
( )
( )
( ) ( )
( )
( )
( ) () ( ) ( ), ( )
( ( )) ( ( )) ( ( ) )
( )
( )
( ) ( ) ( ( ))
( )
( )
( )
( ) () ( ), ( )
( ) ( ) ( ) ( )
( ( )) ( ( )) ( ( ) )
[ ( ( ))] ( ( ))
2.2.2 Modelo Exponencial

Sea T una variable aleatoria que representa el tiempo hasta que ocurra un suceso aleatorio, una variable definida de esa forma se dice que tiene comportamiento exponencial del parmetro con funcin probabilstica: ( ) Demostracin: ( ( ) ) ( ( ) , ( ) ), ( ) ( ( ) )-
Pgina 33
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ( ) ) ( ( ) ) ( ( ) ) ( ( ) )
Gestin II/2010
( )
( (
) ) ( ( (
(
) ) )
)
( Condicin inicial entonces: (

( )
Entonces tenemos que: ( ( ( ( ) ( ) ( ) ( ) ( ) [ ( ) ] ) ) )
Pgina 34
Gestin II/2010
Teorema: Sea T una variable aleatoria distribuida, entonces los siguientes estadsticos se cumplen: ( ) ( ) ( ) ( )
Demostracin: ( ) ( ) (
(
)
)
6
( )
( ) Sabiendo que ( ) ( ) ( ) ( ( ) * ( ( ( ) ) *
( )
)(
) (
)4
( (
) ( )
) 5
)4
) ) , ( )-
( )
( )
2.2.3 Modelo Gamma

Sea X una variable aleatoria que representa el tiempo hasta que ocurran varios sucesos independientes con tiempos exponenciales idnticamente distribuidos, una variable aleatoria definida de esa forma se dice que tiene comportamiento Gamma con parmetros , y su funcin se define como:
Pgina 35
Gestin II/2010 ( ) ( ) talque ( ) ( ) , entonces los siguientes estadsticos y ( ) ( )
Teorema: Sea funcin caracterstica se cumple que: ( )
Demostracin:
( )
( )
( )
( )
( )
( ) ( ) ( )
( )
( )
( )
( )
( )
) (
( ) ) ( ) ) ( ) ( ) , ( )( )
( )
( ( )
Integral Gamma: ( ) ( )
Pgina 36
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ( ) ( ) )
Gestin II/2010 ( )
. /
( ) * (
( ) *
( )
( )
( )
( )
( ) ( ) ( )
( )
Teorema: En un proceso de Poisson de parmetro el tiempo hast que ocurra n sucesos independientes con tiempos idnticamente distribuidos tienen comportamiento . ( )
2.3 Proceso general de Nacimiento y muerte

+ un proceso puntual discreto en el espacio y continuo en el tiempo, se dice que define a Sea * ( ) un Proceso general de nacimiento y muerte si y solo si se cumplen las siguientes ecuaciones: , , , , [ ( ( ( (
( )
) ) ) ) ]
( ( ( (
) ) ) )
( ) ( ) ( ) ( )
( ( )
) ( ) )
( )
Dnde: : Tasa de nacimientos (Funcin en el estado n en el instante t) : Tasa de Muertes : Nmero de unidades en el instante t=0 : Funcin dicotmica Delta de Kroneker {
Pgina 37
Gestin II/2010
Ecuaciones de estado del Proceso General de nacimiento y muerte de Kolmogorov

( ) ( ) , ( ) ( ) , ( ( ) , ( ( ) , ( ( ) , ( ) ( ) , ( ( ) , ( ) ( ), ( ( ), ) ) ( )( ) ) ( ) ) ) ) ( ) ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) -
( ) ( )-
( ), ( )( ) ( )( ) ( ) ( ) ( ) ( ) ( )
( ( (
) )
( ) ( ) )
( )( ( )( ( )
( ) ( ) ( )
( ) Para tendremos:
( )(
( )
( )
( )
( )
( )
Distribucin lmite de Probabilidades
Si un proceso es estacionario este debera estabilizarse en un nivel medio a la larga, de ser as un proceso puede ser modelado, suponiendo que un proceso es estacionario la distribucin limite existir siempre que se cumpla los siguientes lmites: ( ) ( ) De donde se tiene que * siguientes propiedades: + forma una funcin probabilstica discreta talque cumpla las
Pgina 38
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Ecuaciones de Equilibrio
Gestin II/2010
Las ecuaciones de equilibrio se obtienen aplicando limites asintticos a las ecuaciones de estado de Kolmogorov, pasa a ser la estabilidad de dichas ecuaciones diferenciales. Para el proceso general de nacimiento y muerte se tiene que las ecuaciones de equilibrio son: { ( )
La solucin a las ecuaciones de equilibrio se las hace de forma recursiva, las cuales darn las condiciones para la existencia de distribucin lmite y la distribucin probabilstica respectiva. Solucin: n=0
n=1
Y as sucesivamente tendremos que: ( Tambin tenemos que: Sea: ( * ( ( ( * * * *
Para el proceso de minimizacin y emigracin que es fundamental en la teora de colas, se tiene las siguientes tasas de intensidad:
Pgina 39
Gestin II/2010
Entonces en S tendremos que: ( * ( *
De donde S debe converger para que tenga distribucin de lmites, entonces tenemos que:
Donde
existir y representara la probabilidad de que el sistema este vaco u ocioso.
2.4 Sistemas Abiertos 2.4.1 Modelo M/M/1

Los supuestos de este modelo son: Poblacin infinita Capacidad del sistema infinito Disciplina PEPS Un canal de servicio Tasa llegadas Tasa servicios Ecuaciones de estado
( ) ( )
( ) ( )(
( ) )
( )
( )
Ecuaciones de equilibrio
( ) ( )( . /
( ) )
( )
( )
Si representa la probabilidad de que el sistema este vaco u ocioso y representa la probabilidad de que el sistema est ocupado y a la probabilidad de trnsito o trfico (solo ocurre en este modelo). Probabilidad de trnsito o trfico Probabilidad de que el sistema est ocupado
Pgina 40
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Probabilidad de que el sistema este vaco u ocioso
Gestin II/2010
Probabilidad de que haya n unidades
. /
Nmero de unidades promedio en el sistema
( )
Nmero de unidades promedio en la cola
Tiempo medio o espera en cola
Tiempo medio o permanencia en sistema
Probabilidad de que en sistema hay ms de m unidades
Distribucin de Tiempo de espera en cola
( )
Probabilidad de que una unidad permanezca ms de t unidades de tiempo en cola
( )
( )
)
( )
Probabilidad de que una unidad permanezca ms de t unidades de tiempo en sistema
( )
Pgina 41
Gestin II/2010
2.4.2 Modelo M/M/S

Los supuestos de este modelo son: Poblacin infinita Capacidad del sistema infinito Disciplina PEPS S canales de servicio Tasa llegadas Tasa servicios {
Ecuaciones de estado
( ) ( ) ( )
( ) ( )( ( )(
( ) ) )
( ) ( )
( )( ( )
Ecuaciones de equilibrio
( ) ( )( ( )(
. / . /
( ) ) )
( ) ( )
( )( ( )
Probabilidad de trnsito o trfico
Probabilidad de que el sistema este vaco u ocioso
( )
5 (
. / ( )
( )
5 (
. /
Probabilidad de que haya n unidades

. / . /
Pgina 42
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Nmero de unidades promedio en la cola
. / ( )
Gestin II/2010
. /
Numero promedio o esperado de estaciones ocupadas
Numero promedio o esperado de estaciones desocupadas
Probabilidad de que una unidad permanezca ms de t unidades de tiempo en cola

( ( ) ) ( )
( )
( )
Probabilidad de que una unidad permanezca ms de t unidades de tiempo en sistema
( )
( )
) (
[ )(
)]
Probabilidad de que una unidad que llega al sistema tenga que esperar
. /
5.
Pgina 43
Gestin II/2010
2.5 Sistemas cerrados

Se llaman sistemas cerrados por que no cualquier unidad puede entrar al sistema (la poblacin forma parte del sistema), en este tipo de sistemas ya se pueden presentar relacin entre poblacin y sistema. Si m representa el tamao poblacional (m finito) debe tomarse muy en cuenta cuando este es significativamente pequeo, ya que la llegada de una unidad al sistema puede ocasionar grandes problemas econmicos a una empresa, si por el contrario m es significativamente grande se puede tener problemas de clculo para la obtencin de estadsticos, por lo cual dichos modelos cerrados pueden aproximarse a los modelos abiertos anteriormente desarrollados, gracias al Teorema de limites central y la Ley fuerte de los grandes nmeros , haciendo notar que si se resuelve por el modelo terico cerrado se perder tiempo pero se genera precisin, y de aproximar un modelo cerrado a un modelo abierto implica ganar tiempo pero perder precisin.
2.5.1 Modelo M/M/1/C

Los supuestos de este modelo son: Poblacin finita tamao m Capacidad del sistema infinito Disciplina PEPS Un canal de servicio ( ) { Tasa llegadas Tasa servicios 2
Probabilidad de que haya n unidades en sistema
8(
/(
Pgina 44
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Nmero de unidades promedio en el sistema
Gestin II/2010
. /(
2.5.2 Modelo M/M/S/C

Los supuestos de este modelo son: - Poblacin finita de tamao m - Capacidad del sistema infinito - Disciplina PEPS - S canales de servicio ( ) { - Tasa llegadas Tasa servicios {
. / * (
. / *
{
(
( )
. / . /
Pgina 45
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Nmero de unidades promedio en la cola
Gestin II/2010
)( (
. / )
Numero promedio o esperado de estaciones desocupadas
)(
. /
Numero promedio o esperado de estaciones ocupadas
. /
. /

)
2.6 Sistemas de Perdida

Llamados tambin de capacidad finita son aquellas en las cuales algunas unidades son admitidos en el sistema, y algunas son rechazadas por tenerse limitacin de capacidad, por ser finita y de tamao k. Dicha limitacin puede deberse al tiempo de servicio limitado, capacidad del sistema limitado, numero de servidores y limitacin de ambiente fsico.
2.6.1 Modelo M/M/1/K

Los supuestos de este modelo son: Poblacin infinita Capacidad del sistema finito de tamao k Disciplina PEPS Un canal de servicio
Pgina 46
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Tasa llegadas Tasa servicios Probabilidad de trnsito o trfico {
Gestin II/2010

( )
{

( )
{
Tasa promedio de filtraje (# de atendidos)
)
Tasa promedio de perdida
Pgina 47
Gestin II/2010
2.6.2 Modelo M/M/S/K

Poblacin infinita Capacidad del sistema infinito Disciplina PEPS S canales de servicio Tasa llegadas {
4(
*(
( )
*5 .
/ .
( (
) ) ( )
)(
Tasa promedio de filtraje (# de atendidos)
)
Tasa promedio de perdida
Pgina 48
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert Tiempo medio o espera en cola
Gestin II/2010
2.7 Ejemplos
Antes de comenzar a resolver ejercicios de colas se debe tomar en cuenta lo siguiente: Se debe uniformizar y , ya que estos valores pueden ser de forma Exponencial o Poisson, es decir llegadas o Tiempos medios de llegas o servicio y Tasas de servicio o llegadas respectivamente.
Ejemplo 1.
Las llegadas de carros a una gasolinera donde existe un vendedor y una maquina distribuidora tiene comportamiento Poisson, con una tasa de intensidad de 25 carros por hora, el tiempo de servicio se distribuye exponencialmente, con una duracin promedio de 2 minutos. Determinar: a) b) c) d) e) f) g) h) i) La probabilidad de que la estacin de venta este vaca. La probabilidad de que la estacin de venta este ocupada. La probabilidad de que en la gasolinera exista ms de 3 vehculos. Calcular el tiempo medio de espera de un carro en la cola. Calcular el tiempo medio de permanencia de un vehculo en la gasolinera. Calcular el nmero promedio de carros en la cola. Calcular el nmero promedio de vehculos en la gasolinera. Calcular la probabilidad de que un carro se quede ms de 6 minutos en la gasolinera. De 5 carros que acaban de llegar a la gasolinera calcular la probabilidad de que 2 encuentren vaca la estacin de venta.
Solucion: Es un modelo M/M/1
a)
Pgina 49
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert b) c) d) e)

. /
Gestin II/2010
. /
f)
g) h) i) ( . / ( ) . /( * ( ) *
Ejemplo 2.
Las llegadas de personas a una sucursal del banco de crdito en el cual atienden 3 cajeros tienen comportamiento Poisson, con una tasa de intensidad de 80 clientes por hora, los tiempos de servicio se distribuyen exponencialmente. Si se sabe que los cajeros atienden de forma similar con una tasa de intensidad de 32 personas por hora. Determinar: a) b) c) d) e) f) g) La probabilidad de que el banco este vaco. Calcular la probabilidad de que en el banco existan por lo menos 5 clientes. Calcular el nmero promedio de personas que esperan tener servicio. Calcular el nmero promedio de personas en el banco. Calcular el tiempo de permanencia de un cliente en la cola. Calcular la probabilidad de que una persona se quede ms de 4 min en el banco. De 5 personas que acaban de llegar al banco, calcular la probabilidad de que ms de la mitas permanezca ms de 4 min en el banco.
Solucion: Es un modelo M/M/S con s=3.
Pgina 50
Gestin II/2010
a) b) (
( (
) )
)
, ( ,
) -
)-
c) d)
e) f) j) ( . / ( ) ( ) . /) ( ) ( ) ( )
Ejemplo 3.
Una fbrica de refrescos tiene cinco camiones repartidores, cualquier servicio de mantenimiento y reparacin es realizado por u mecnico de la empresa, las llegadas de carros al taller sigue un proceso de Poisson con una tasa de intensidad de 2 carros por da y el mecnico es capaz de realizar hasta 3 reparaciones por da. Determinar: a) b) c) d) La probabilidad de que el mecnico este ocioso. El numero promedio de carros esperando. El tiempo medio de espera de un carro para ser reparado. El tiempo medio de permanencia de un carro en el taller.
Solucin: Es un modelo M/M/1/C con m=5.
a)
. /
Pgina 51
EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert b) ( *( c) )
Gestin II/2010
( d)
Ejemplo 4.
Una empresa consultora tiene en su plant de trabajadores a los empleados, y un labotatorio con 4 rquipos de computacin. Las llegadas de personas al laboratorio sigue un proceso de Poisson, co una tasa de intensidad de 4 personas por hora, el tiempo de servicio se distribuye exponencialmente con un tiempo medio de computo de 30 minutos. Determinar: a) b) c) d) e) La probabilidad de que el laboratorio se encuentre vaco. El numero promedio de trabajadores en cola. El numero promedio de trabajadores en el laboratorio. El tiempo medio de espera en cola. El tiempo medio de permanencia de un trabajador en el Laboratorio.
Solucin: Es un modelo M/M/S/K con m=6 y s=4.
a)
b) c) d) e)
) ( )
)
( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( )
Pgina 52
Gestin II/2010
Ejemplo 5.
Una estacin de lavado fumigado y engrasado de autos tiene tres casetas de lavado y un espacio para otros 3 carros en espera, si un vehculo llega y no existe espacio en el inmueble este debe irse ya que las leyes de trnsito prohben que un carro este estacionado en va pblica. Las llegadas de carros a la estacin siguen un proceso Poisson con una tasa de intensidad de 8 carros por hora, el tiempo de lavado se distribuye exponencialmente con una duracin media de 20 minutos. Determinar: a) b) c) d) e) f) g) h) La probabilidad de que a estacin de servicio este vaca. El numero promedio de carros en la cola. Tasa promedio de filtraje. Tasa promedio de perdida. El tiempo de permanencia de un carro en la cola. El tiempo de permanencia de un carro en al estacin. El numero promedio de carros en la estacin. Hallar el ingreso perdido de una jornada de 10 horas de trabajo si se sabe que el ingreso promedio por carro es de 30 Bs.
Solucin: Es un modelo M/M/S/K con k=6 y s=3.
a) b) c)
( ( ) ( ) )
1 ) -
, )
d) e) f) g) h)
.(
Pgina 53
Gestin II/2010
Pgina 54

Modelos de Colass

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modelos de Colass

Enviado por

Direitos autorais:

Formatos disponíveis

EST-165 [Investigacin Operativa 2] Docente: Lic.

Nicolas Chavez Quisbert

Sistemas estocsticos de servicio

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

c) Estaciones mixtas (Para sistemas complejos conflictivos)

Capacidad del sistema

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert -

2.2 Procesos estocsticos 2.2.1 Proceso de poisson

Teorema: Sea * ( ) se cumple: , ( ) Si

, para todo par de ndices la siguiente funcin de probabilidades

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert , ( ) Si , ( ) ( )

Demostracin: ( ( ) ) ( ), ( ( ) ) ( ( ) Para tenemos: ( ( ( ) ) ( ( ) ) ( ) , ( ( ), ( ) ( ) ( ) ( ) ) ( ) ( )( ) , ( ) ( ) , ( ( )( ) ( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ) ( ) ( ), ( ) , ( ( )( ) ( ) ( ) ( ) ( ) ( ) ( ) , ( ( ) ) ( ) ( ), ( )-

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Tambin tenemos que:

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert , ( ) , ( ) ( )

2.2.2 Modelo Exponencial

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ( ) ) ( ( ) ) ( ( ) ) ( ( ) )

( Condicin inicial entonces: (

Entonces tenemos que: ( ( ( ( ) ( ) ( ) ( ) ( ) [ ( ) ] ) ) )

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

2.2.3 Modelo Gamma

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

Gestin II/2010 ( ) ( ) talque ( ) ( ) , entonces los siguientes estadsticos y ( ) ( )

Teorema: Sea funcin caracterstica se cumple que: ( )

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert ( ( ) ( ) )

2.3 Proceso general de Nacimiento y muerte

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

Ecuaciones de estado del Proceso General de nacimiento y muerte de Kolmogorov

Distribucin lmite de Probabilidades

Univ. Gilmar Rolando Soto Quiroz

Y as sucesivamente tendremos que: ( Tambin tenemos que: Sea: ( * ( ( ( * * * *

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

Entonces en S tendremos que: ( * ( *

existir y representara la probabilidad de que el sistema este vaco u ocioso.

2.4 Sistemas Abiertos 2.4.1 Modelo M/M/1

Univ. Gilmar Rolando Soto Quiroz

Probabilidad de que haya n unidades

Nmero de unidades promedio en el sistema

Nmero de unidades promedio en la cola

Tiempo medio o espera en cola

Tiempo medio o permanencia en sistema

Probabilidad de que en sistema hay ms de m unidades

Distribucin de Tiempo de espera en cola

Probabilidad de que una unidad permanezca ms de t unidades de tiempo en cola

Probabilidad de que una unidad permanezca ms de t unidades de tiempo en sistema

Univ. Gilmar Rolando Soto Quiroz

EST-165 [Investigacin Operativa 2] Docente: Lic. Nicolas Chavez Quisbert

2.4.2 Modelo M/M/S

Probabilidad de trnsito o trfico

Probabilidad de que el sistema este vaco u ocioso