1

UNIVERSIDAD NACIONAL DE INGENIERA

2009- I
Facultad de Ing. Industrial y de Sistemas
Ing. de Sistemas

SIMULACIN
ST 124




MODELO DE COLA SIMPLE
Incremento de tiempo variable


Profesor: Ing. Juan Carlos Sotelo Villena






INTEGRANTES:

Nombres Cdigo Seccin
1. Loo Phun, Antonio David 20067001C U
2. Masson Huaman, Aldo Yair 20042663B W
3. Uscuchagua Flores, Jos Antonio 20011014B W

2
NDICE

1. OBJETIVOS ..................................................................................................................... 3
1.1. OBJETIVOS GENERALES ....................................................................................... 3
1.2. OBJETIVOS ESPECFICOS ...................................................................................... 3
2. ENUNCIADOS DE LOS PROBLEMAS ....................................................................... 3
2.1. PROBLEMA 1 ............................................................................................................ 3
2.2. PROBLEMA 2 ............................................................................................................ 3
3. MARCO TERICO ......................................................................................................... 3
3.1. Modelo de cola simple ................................................................................................. 3
3.2. Teorema del lmite central ........................................................................................... 5
3.3. Prueba de Kolmogorov-Smirnov de bondad de ajuste ................................................ 6
3.4. Prueba
2
; de bondad de ajuste ................................................................................... 6
4. PROCEDIMIENTO ......................................................................................................... 7
5. IMPLEMENTACIN DEL ALGORITMO .................................................................. 8
5.1. Simulador .................................................................................................................... 8
5.2. Generador aleatorio ................................................................................................... 11
6. ANLISIS DE LOS RESULTADOS ............................................................................ 12
6.1. Problema 1 ................................................................................................................. 12
6.1.1. Anlisis de las variables exgenas ..................................................................... 12
6.1.2. Anlisis de las variables endgenas ................................................................... 15
6.2. Problema 2 ................................................................................................................. 16
7. CONCLUSIONES .......................................................................................................... 19
8. BIBLIOGRAFA ............................................................................................................ 20
3
1. OBJETIVOS

1.1. OBJETIVOS GENERALES

- Simular un sistema de cola simple con incremento de tiempo variable con datos de
prueba y analizar los resultados obtenidos.

1.2. OBJETIVOS ESPECFICOS

- Implementar un algoritmo de simulacin de un sistema de cola simple con
incremento de tiempo variable usando cualquier lenguaje de programacin.
- Determinar si los datos generados del tiempo de llegada y del de servicio se ajustan
a una funcin de distribucin de probabilidades dada.
- Comparar los resultados sobre los tiempos de ocio, de espera y de servicio y sobre
el tamao de la cola con los valores tericos.


2. ENUNCIADOS DE LOS PROBLEMAS

2.1. PROBLEMA 1
El tiempo de llegada y el tiempo de servicio siguen una distribucin exponencial con
medias de 10 y 3 respectivamente. Se simular por 2000 unidades de tiempo.

2.2. PROBLEMA 2
Se realizar la simulacin por 2000 unidades de tiempo con las siguientes distribuciones de
probabilidad del tiempo de llegada y del tiempo de servicio:

AT f(AT) ST f(ST)
1 0.05 1 0.2
2 0.1 2 0.35
3 0.2 3 0.27
4 0 4 0.18
5 0.5
6 0.15


3. MARCO TERICO

3.1. Modelo de cola simple

En esta seccin, se explicar qu es una cola simple, cmo funciona, cules son sus
variables y qu valores tericos toman en algunos casos particulares. Adems, se mostrar
un diagrama de flujo de la simulacin de una cola simple con incremento de tiempo
variable.

Una cola simple es un sistema al que los clientes llegan, forman una sola cola
mientras esperan a ser atendidos en el orden en que han llegado, y, finalmente, son
4
atendidos por un nico servicio. El modelo de cola simple consta de las siguientes
variables: dos variables exgenas, el tiempo entre llegadas y el tiempo de servicio; dos
variables endgenas, el tiempo de espera de un cliente y el tiempo de ocio del servicio, que
va desde que es desocupado hasta que es ocupado de nuevo; y una variable de estado, la
cantidad de personas en la cola. Adicionalmente, se puede considerar el estado del servicio,
si est libre u ocupado, como una variable de estado del modelo.

En general, para describir cualquier modelo de colas, se puede usar la siguiente
notacin introducida por Kendall en 1953 y mejorada en los aos que siguieron:

A/B/C/D/E/F,

en la que
A representa a la funcin de distribucin de tiempo entre llegadas,
B representa a la funcin de distribucin de tiempo de servicio,
C es la cantidad de servicios,
D representa a la disciplina de la cola (PEPS, UEPS, PC, entre otras),
E es la capacidad del sistema, y
F es la cantidad de clientes en la poblacin.

Para el caso del modelo de cola simple, la notacin vendra a ser
G/G/1/PEPS/ / , en la que G representa a una distribucin general.

Sin embargo, para el problema 1 tenemos una cola del tipo M/M/1/PEPS/ / , en
la que M representa a una distribucin de Markov, es decir, exponencial.

Para este caso, se pueden determinar los valores tericos de diversas variables en
funcin de la tasa de arribos y la tasa de servicio. Algunas de las relaciones que se cumplen
para este modelo particular de cola simple, siempre que la tasa de arribos sea menor que la
tasa de servicio, son las siguientes:

Sean , u y p la tasa de arribos, la tasa de servicio y la razn entre ambas tasas
respectivamente: [1][2]

W
q
=
) ( u u

=
) 1 ( p u
p

TIDT = (1- p )CLOCK

L
q
=
) (
2
u u

=
p
p
1
2


L
0
=
u
u

=
p 1
1


L
s
=
u

=
p
p
1


W
s
=
u
1
=
) 1 (
1
p u


L
mn
= Truncar(log
p
p
no encontrar espacio
)

p
no encontrar espacio
= p
L
mn
+ 1

5

Inicializar
variables
Generar AT
AT = AT - WT
Generar ST
AT < ST
AT = ST
WT = ST AT
IDT = 0
TWT = TWT + WT
IDT = 0
WT = 0
IDT = AT ST
WT = 0
TIDT = TIDT + IDT

Diagrama de flujo de la simulacin de un sistema de cola simple con incremento de tiempo variable

3.2. Teorema del lmite central

Un teorema del lmite central es cualquier resultado de convergencia dbil en la
teora de probabilidades. Todos los teoremas del lmite central expresan el hecho de que
cualquier suma de muchas variables aleatorias independientes e idnticamente distribuidas
tender a estar distribuida segn una distribucin atractora particular. El resultado ms
importante y ms famoso es llamado el Teorema del Lmite Central, que afirma que, si la
suma de las variables tiene una varianza finita, entonces estar distribuida
aproximadamente en forma normal.

Sea X
1
, X
2
, X
3
una secuencia de variables aleatorias que estn definidas en el
mismo espacio de probabilidades, comparten la misma distribucin de probabilidades D y
6
son independientes. Asmase que tanto el valor esperado u y la desviacin estndar
o existen y son finitas.

Considrese la suma S
n
= X
1
+ X
2
+ + X
n
. Luego, el valor esperado de S
n
es u n y
su error estndar es o
2 / 1
n . Ms aun, la distribucin de S
n
se aproxima a la distribucin
normal N(n,
2
n) a medida que n se aproxima al infinito.

Si se estandariza S
n
haciendo
n
n S
Z
n
n
o
u
= , entonces la distribucin de Z
n

converge hacia la distribucin normal estndar N(0,1) a medida que n se aproxima al
infinito.


3.3. Prueba de Kolmogorov-Smirnov de bondad de ajuste

Esta es una prueba no paramtrica que requiere clasificar los datos en intervalos de
clase ordenndolos de menor a mayor. La cantidad de intervalos de clase es igual a
1+Truncar(3,32(log(n))).

Sea X
i
el extremo superior de cada intervalo de clase. Se definen S(X
i
) como la
probabilidad observada acumulada, T(X
i
) como la probabilidad terica acumulada y D(X
i
)
como el valor absoluto de la diferencia de S(X
i
) y T(X
i
).

Se calcula el estadstico K como el mayor de los D(X
i
). La hiptesis nula se rechaza
si el estadstico K es mayor que un valor K
c
de la tabla de valores crticos de la prueba de
Kolmogorov-Smirnov para un valor de significacin y un tamao muestral dados. [4]

Las hiptesis para las pruebas de bondad de ajuste son las siguientes:

H
0
: La muestra se distribuye segn un modelo terico dado
H
1
: La muestra no se distribuye segn un modelo terico dado


3.4. Prueba
2
; de bondad de ajuste

Esta es otra prueba no paramtrica que, siendo k el nmero de valores diferentes en la
muestra, requiere calcular el siguiente estadstico:

=
k
i
k
i
i i
c
e
e O
1
2
) 1 (
2
2
~
) (
; ; , en la que
O
i
es el nmero de observaciones para el valor isimo y
e
i
es la frecuencia esperada, igual a np
i
, en la que
p
i
es la probabilidad del valor i segn el modelo
) (
2 2
c
p ; ; o > =
7
4. PROCEDIMIENTO

* Se elabor un programa en Java utilizando la herramienta NetBeans que se us para
simular el sistema de cola simple con incremento de tiempo variable usando los
datos proporcionados en los problemas descritos anteriormente.

* Dicho programa gener los valores aleatorios siguiendo las distribuciones dadas y
calcul los valores de las variables endgenas para cada par de valores generados y
los fue acumulando en otras variables. Despus, realiz un clculo sobre la cola
promedio.

* Luego, escribi un reporte en un archivo con los resultados sobre el nmero de
arribos, nmero de servicios completados, unidades de tiempo simuladas, tiempo
total de espera, tiempo total de ocio y cola promedio. Adems, escribi tambin los
tiempos entre llegadas y los tiempos de servicio que haban sido generados, as
como los instantes en que se termin de usar el servicio.

* Tres iteraciones fueron corridas para cada problema.

* A continuacin se muestra una imagen de la interfaz de este simulador:



8
* Los resultados obtenidos fueron analizados utilizando pruebas estadsticas para
estimar el valor del parmetro de las distribuciones y la bondad de su ajuste (de los
resultados), y comparndolos con los valores tericos proporcionados por la teora
de colas para el problema 1. Las pruebas de bondad de ajuste utilizadas fueron la de
Kolmogorov-Smirnov y la de la
2
; . Para la primera, se compar el estadstico
calculado con un valor crtico aproximado [4]; para la segunda, se utiliz un
programa [5] para hallar el valor crtico y el nivel de significacin para el valor del
estadstico calculado.


5. IMPLEMENTACIN DEL ALGORITMO

5.1. Simulador

java.util.Vector<Double> wts = new java.util.Vector<Double>();//vector de tiempos de espera
java.util.Vector<Double> idts = new java.util.Vector<Double>();//vector de tiempos de ocio
java.util.Vector<Double> ats = new java.util.Vector<Double>();//vector de tiempos entre arribos
java.util.Vector<Double> sts = new java.util.Vector<Double>();//vector de tiempos de servicio
java.util.Vector<Double> tst = new java.util.Vector<Double>();//vector de instantes en los que se desocupa un servicio
double twt;//tiempo total de espera
double tidt;//tiempo total de ocio
int numat;//nmero de arribos
int numst;//nmero de servicios completados
double numut;//nmero de unidades de tiempo simuladas
Generador gat;//generador de tiempos entre arribos
Generador gst;//generador de tiempos de servicio

public void simula() {//implementacin del algoritmo de simulacin de cola simple con incremento de tiempo variable
double wt = 0;
double at;
double st;
double idt = 0;
double sumaat = 0;
double sumast = 0;
int na = 1;
int ns = 0;
ats.add((double)0);
do {
at = gat.genera();
sumaat += at;
if (numut != 0 && sumaat > numut) {//condicin de terminacin por unidades de tiempo
numat = na;
st = gst.genera();
sumast += st;
ns++;
sts.add(st);
if (sumast <= numut) {
tst.add(sumast);
idt = numut - sumast;
idts.add(idt);
} else {
idt = 0;
idts.add(idt);
ns--;
}
tidt += idt;
numst = ns;
9
break;
}
na++;
ats.add(at);
at-=wt;
st = gst.genera();
sumast += st;
if (numut != 0 && sumast > numut) {//condicin de terminacin por unidades de tiempo
at = gat.genera();
while (sumaat + at < numut) {
ats.add(at);
at-=wt;
wt = numut - sumaat - at;
sumaat += ats.get(ats.size()-1);
twt+=wt;
na++;
at = gat.genera();
}
numat = na;
numst = ns;
break;
}
ns++;
sts.add(st);
tst.add(sumast);
if (at < st) {
wt = st - at;
idt = 0;
twt+=wt;
} else if (at == st) {
idt = 0;
wt = 0;
} else {
idt = at - st;
sumast += idt;
wt = 0;
tidt+=idt;
}
idts.add(idt);
wts.add(wt);
if (numat != 0 && numat >= na) {//condicin de terminacin por nmero de arribos
if (sumast > sumaat) {
while (sumast > sumaat) {
sumast-=idts.get(ns-1);
wts.set(ns-1,wts.get(ns-1)-sumast+sumaat);
sumast-=sts.get(ns-1);
ns--;
}
while (idts.size() > ns) {
idts.remove(idts.size()-1);
}
if (tst.get(ns)<sumaat) {
idts.add(sumaat - tst.get(ns));
ns++;
while (sts.size() > ns) {
sts.remove(sts.size()-1);
tst.remove(tst.size()-1);
}
} else {
while (sts.size() > ns + 1) {
sts.remove(sts.size()-1);
tst.remove(tst.size()-1);
10
}
tst.remove(tst.size()-1);
}
}
numat = Math.min(numat, na);
numst = ns;
numut = sumaat;
break;
}
if (numst != 0 && numst == ns) {//condicin de terminacin por nmero de servicios completados
if (sumaat > sumast) {
sumaat -= ats.remove(ats.size()-1);
idts.set(idts.size()-1, idts.get(idts.size()-1)-sumaat+sumast);
tidt -= sumaat - sumast;
na--;
} else {
at = gat.genera();
while (sumaat + at < sumast) {
ats.add(at);
at-=wt;
wt = numut - sumaat - at;
sumaat += ats.get(ats.size()-1);
twt+=wt;
na++;
at = gat.genera();
}
}
numat = na;
numut = sumast;
break;
}
} while (0 == 0);
}

public double getColaTotal() {//funcin que determina el rea total bajo los segmentos que representan el estado de la
//cola
double twl = 0;//area total
int iat = 0;//ndice del vector de tiempos de arribo
int its = 0;//ndice del vector de finalizaciones de servicio
double sumaat = 0;//acumulador de tiempos de arribo
int wl = 0;//estado de la cola
double previo = 0;//instante del evento inmediato anterior
while (iat < ats.size() && its < tst.size()) {
if (sumaat < tst.get(its)) {
sumaat+=ats.get(iat);
twl += (sumaat-previo)*wl;
wl++;
previo = sumaat;
iat++;
} else if (sumaat == tst.get(its)){
sumaat+=ats.get(iat);
twl += (sumaat-previo)*wl;
previo = sumaat;
iat++;
its++;
} else {
twl += (tst.get(its)-previo)*wl;
wl--;
previo = tst.get(its);
its++;
}
}
11
if (iat < ats.size()) {
sumaat+=ats.get(iat);
twl += (sumaat-previo)*wl;
wl++;
iat++;
}
while (iat < ats.size()) {
sumaat+=ats.get(iat);
twl += ats.get(iat)*wl;
wl++;
}
return twl;
}

5.2. Generador aleatorio

double mexp;//media de la distribucin exponencial
java.util.Vector<Double> pt;//vector de valores y sus probabilidades acumuladas de la distribucin arbitraria

public double genera() {
double r = Math.random();
for (int i = 1; i < pt.size(); i+=2) {
if (r < pt.get(i)) {
return (pt.get(i-1));
}
}
if (pt.size() > 0) {
int s = pt.size() - 1;
return (-mexp*Math.log(1-((r-pt.get(s))/(1-pt.get(s)))));
} else {
return (-mexp*Math.log(1-r));
}
}

12
6. ANLISIS DE LOS RESULTADOS

A continuacin, se presenta un resumen y un anlisis de los resultados de las simulaciones.

6.1. Problema 1
Terico Corrida 1 Corrida 2 Corrida 3
Media de AT 10 10.51547 9.854692 10.91713
Media de ST 3 2.790593 2.935191 3.157472
Nmero de arribos 191 200 182
Nmero de servicios 190 200 182
Varianza de AT 100 115.9288 91.0123 123.746
Varianza de ST 9 8.677392 9.195953 9.59271
Valor z para la media de AT 0.071052 -0.0205 0.123387
Probabilidad acumulada para los valores z de la media de
AT 0.528322 0.491823 0.5491
Valor z para la media de ST -0.32156 -0.11769 0.246584
Probabilidad acumulada para los valores z de la media de
ST 0.373892 0.453155 0.597385
Media del tiempo de espera 1.285714 0.867405 1.261462 1.268045
Tiempo de ocio 1400 1468.364 1412.962 1425.34
Esperado de la lnea de espera 0.128571 0.347099 0.419622 0.402583
Esperado de lnea de espera sin contar los que no esperan 1.428571 1.308425 1.429836 1.401795
Esperado de la cola ms el que est en servicio 0.428571 1.347099 1.419622 1.402583
Esperado del tiempo total en el sistema 4.285714 10.52619 9.807999 10.87588
Porcentaje del tiempo en el que el servicio est ocupado 0.3 0.26528 0.293475 0.287191
Distribuciones exponenciales

6.1.1. Anlisis de las variables exgenas

Se observa que los valores obtenidos tanto para la media de AT como para la media
de ST son cercanos y estn alrededor de los valores tericos. Dado que las sumas de los
valores respectivos de ambas variables tienen varianza finita, se puede usar el teorema del
lmite central para asumir la normalidad de la suma y del promedio de los valores de las
variables. Considerando esto, se formulan las siguientes hiptesis:

Para AT,

H
0
: La media de los valores generados para AT es 10
H
1
: La media de los valores generados para AT no es 10

Para ST,

H
0
: La media de los valores generados para ST es 3
H
1
: La media de los valores generados para ST no es 3

Calculando la probabilidad acumulada para los valores experimentales
estandarizados, se observa que tanto para AT y ST y para todas las corridas se debe aceptar
13
la hiptesis nula a un nivel de significacin de 0,05, ya que estas probabilidades
acumuladas calculadas estn dentro del intervalo [0,025; 0,975].

En vista que se poda aceptar que las medias de los valores generados coincidan
con las medias tericas, se realizaron pruebas de Kolmogorov-Smirnov de bondad de ajuste
para AT y ST:

Para AT,

H
0
: AT sigue una distribucin exponencial con parmetro 0,1
H
1
: AT no sigue una distribucin exponencial con parmetro 0,1

Corrida 1:

Nmero de intervalos 8
Tamao del intervalo 9.378985
X S T D
9.431458 0.6 0.610599 0.010599
18.81044 0.821053 0.847569 0.026517
28.18943 0.942105 0.940331 0.001774
37.56841 0.973684 0.976643 0.002958
46.9474 0.984211 0.990857 0.006646
56.32639 0.989474 0.996421 0.006947
65.70537 0.994737 0.998599 0.003862
75.08436 1 0.999452 0.000548
N 190
K 0.026517
K
c
0.098665

Alfa 0.05

Corrida 2:

Nmero de intervalos 8
Tamao del intervalo 6.817613
X S T D
6.831647 0.482412 0.494984 0.012572
13.64926 0.768844 0.7446 0.024244
20.46687 0.874372 0.870838 0.003534
27.28449 0.944724 0.934679 0.010044
34.1021 0.959799 0.966966 0.007167
40.91971 0.979899 0.983294 0.003394
47.73733 0.994975 0.991551 0.003424
54.55494 1 0.995727 0.004273
N 199
K 0.024244
K
c
0.096408



14
Corrida 3:

Nmero de intervalos 8
Tamao del intervalo 10.18175
X S T D
10.18633 0.618785 0.638912 0.020127
20.36808 0.834254 0.869556 0.035301
30.54983 0.939227 0.952876 0.01365
40.73158 0.966851 0.982976 0.016126
50.91333 0.994475 0.99385 0.000625
61.09508 0.994475 0.997778 0.003303
71.27682 0.994475 0.999197 0.004722
81.45857 1 0.99971 0.00029
N 181
K 0.035301
K
c
0.101088

Alfa 0.05

Para las tres corridas, el valor del estadstico K es menor que el valor crtico para un
nivel de significacin de 0,05; por ello, se acepta la hiptesis nula para AT.

Para ST,

H
0
: ST sigue una distribucin exponencial con parmetro 1/3
H
1
: ST no sigue una distribucin exponencial con parmetro 1/3

Corrida 1:

Nmero de intervalos 8
Tamao del intervalo 2.377675
X S T D
2.393622 0.565445 0.549715 0.01573
4.771297 0.837696 0.796163 0.041534
7.148973 0.921466 0.907726 0.01374
9.526648 0.963351 0.958229 0.005122
11.90432 0.968586 0.981091 0.012504
14.282 0.994764 0.99144 0.003324
16.65967 0.994764 0.996125 0.001361
19.03735 1 0.998246 0.001754
N 191
K 0.041534
K
c
0.098406

Alfa 0.05





15
Corrida 2:

Nmero de intervalos 8
Tamao del intervalo 1.945794
X S T D
1.951973 0.505 0.478297 0.026703
3.897767 0.73 0.727265 0.002735
5.843562 0.84 0.85742 0.01742
7.789356 0.93 0.925462 0.004538
9.73515 0.955 0.961033 0.006033
11.68094 0.975 0.979629 0.004629
13.62674 0.985 0.989351 0.004351
15.57253 1 0.994433 0.005567
N 200
K 0.026703
K
c
0.096167

Alfa 0.05

Corrida 3:

Nmero de intervalos 8
Tamao del intervalo 2.556526
X S T D
2.55924 0.527473 0.573899 0.046427
5.115765 0.78022 0.818274 0.038054
7.672291 0.928571 0.922496 0.006075
10.22882 0.972527 0.966946 0.005582
12.78534 0.989011 0.985903 0.003108
15.34187 0.989011 0.993988 0.004977
17.89839 0.994505 0.997436 0.00293
20.45492 1 0.998906 0.001094
N 182
K 0.046427
K
c
0.10081

Alfa 0.05

Para las tres corridas, el valor del estadstico K es menor que el valor crtico para un
nivel de significacin de 0,05; por ello, se acepta la hiptesis nula para ST.

6.1.2. Anlisis de las variables endgenas

Con el objeto de medir la aproximacin de los valores experimentales a los valores
tericos, los errores relativos fueron calculados:

Corrida 1 Corrida 2 Corrida 3
Media del tiempo de espera -0.32535 -0.01886 -0.01374
Tiempo de ocio 0.048832 0.009258 0.0181
Esperado de la lnea de espera 1.699657 2.263724 2.131202
16
Esperado de lnea de espera sin contar los que no esperan -0.0841 0.000885 -0.01874
Esperado de la cola ms el que est en servicio 2.14323 2.312451 2.272694
Esperado del tiempo total en el sistema 1.45611 1.288533 1.537705
Porcentaje del tiempo en el que el servicio est ocupado -0.11573 -0.02175 -0.0427
Distribuciones exponenciales Errores relativos

Se observa que, para la media del tiempo de espera, en dos corridas, la
aproximacin fue buena; sin embargo, en las tres corridas, el valor terico fue mayor que el
experimental.
Para el tiempo de ocio, las aproximaciones fueron buenas en los tres casos; se
observa, adems, que, tanto para el tiempo de ocio y para la media del tiempo de espera, la
corrida 1 tuvo una mayor desviacin.
Los valores promedio del tamao de la cola, as como los valores promedio del
nmero de clientes en el sistema, no se aproximaron bien: todos fueron mucho mayores que
los tericos. Tampoco se aproximaron bien los valores del tiempo promedio que un cliente
pasa en el sistema, siendo de alrededor de tres medios del valor terico.
Mejor aproximacin tuvo el porcentaje del tiempo en el que el servicio estuvo
ocupado, pero aun mejor fue la aproximacin del valor promedio de la cola sin contar a los
que entran directamente a ser atendidos. Para ambas variables, en la corrida 1 se observ
una mayor variacin porcentual.

Clculos sobre la capacidad mnima de la cola requerida para albergar a un
porcentaje de los clientes fueron realizados:

Tamao Pd Po WL Corrida 1 Corrida 2 Corrida 3
2 0.05 0.027 0 0.73472 0.706525 0.712809
Corrida 1 0.014175 1 0.200765 0.199228 0.199425
Corrida 2 0.02621 2 0.05034 0.068037 0.06777
Corrida 3 0.019996 3 0.011045 0.020946 0.01324
4 0.003129 0.004839 0.005882
5 0 0.000425 0.000874

Con una probabilidad de que la cola no pueda albergar a los clientes que llegan de
0,027, la capacidad terica resulta ser de 2. Para las tres corridas, la probabilidad de que la
cola sea mayor a 2 es menor que esa probabilidad.



6.2. Problema 2

Terico Corrida 1 Corrida 2 Corrida 3
Media de AT 4.25 4.329718 4.306034 4.192872
Media de ST 2.43 2.354978 2.389247 2.40795
Nmero de arribos 462 465 478
Nmero de servicios 462 465 477
Varianza de AT 2.0875 2.117137 2.048689 2.227428
Varianza de ST 1.0051 1.049422 1.03566 0.917086
Valor z para la media de AT 0.819937 0.578213 -0.5977
17
0
0.1
0.2
0.3
0.4
0.5
0.6
1 2 3 5 6
fo(AT) ft(AT)
0
0.1
0.2
0.3
0.4
0.5
0.6
1 2 3 5 6
fo(AT) ft(AT)
0
0.1
0.2
0.3
0.4
0.5
0.6
1 2 3 5 6
fo(AT) ft(AT)
Probabilidad acumulada para los valores z de la media de AT 0.793874 0.71844 0.275021
Valor z para la media de ST -1.60435 -0.87433 -0.47964
Probabilidad acumulada para los valores z de la media de ST 0.054319 0.19097 0.315741
Distribuciones particulares

Igual que para el problema anterior, se plantean las hiptesis para las medias de AT
y ST con sus valores tericos respectivos.
Resulta que las probabilidades acumuladas para los valores estandarizados de las
medias experimentales de AT y ST estn dentro del intervalo de aceptacin para o = 0,05.
En consecuencia, se aceptan las hiptesis nulas que afirman que las medias muestrales
coinciden con las medias poblacionales. Por consiguiente, pruebas de
2
; de bondad de
ajuste para AT y ST fueron realizadas:

Para AT,

Corrida 1:

AT O E (O-e)
2
/e
1 28 23.05 1.063015
2 39 46.1 1.093492
3 77 92.2 2.505857
5 243 230.5 0.677874
6 74 69.15 0.340166
Total 461 5.680405
Alfa 0.22432
Valor crtico con alfa 0,05 9.4877

Corrida 2:

AT O E (O-e)
2
/e
1 24 23.2 0.027586
2 38 46.4 1.52069
3 93 92.8 0.000431
5 235 232 0.038793
6 74 69.6 0.278161
Total 464 1.865661
Alfa 0.76045
Valor crtico con alfa 0,05 9.4877


Corrida 3:

AT O E (O-e)
2
/e
1 29 23.85 1.112055
2 53 47.7 0.588889
3 90 95.4 0.30566
5 235 238.5 0.051363
18
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
1 2 3 4
fo(ST)
ft(ST)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
1 2 3 4
fo(ST)
ft(ST)
0
0.1
0.2
0.3
0.4
0.5
1 2 3 4
fo(ST)
ft(ST)
6 70 71.55 0.033578
Total 477 2.091544
Alfa 0.71893
Valor crtico con alfa 0,05 9.4877

Como los estadsticos calculados son menores que los valores crticos respectivos,
se cumple que para AT, los valores muestrales siguen la distribucin de probabilidades
arbitraria dada.

Para ST,

Corrida 1:

ST O E (O-e)
2
/e
1 112 92.4 4.157576
2 151 161.7 0.70804
3 122 124.74 0.060186
4 77 83.16 0.456296
Total 462 5.382098
Alfa 0.14586
Valor crtico con alfa 0,05 7.8147

Corrida 2:

ST O E (O-e)
2
/e
1 99 93 0.387097
2 172 162.75 0.52573
3 108 125.55 2.453226
4 86 83.7 0.063202
Total 465 3.429254
Alfa 0.33005
Valor crtico con alfa 0,05 7.8147






Corrida 3:

ST O E (O-e)
2
/e
1 84 95.6 1.407531
2 192 167.3 3.646683
3 125 129.06 0.12772
4 77 86.04 0.949809
Total 478 6.131744
Alfa 0.10537
Valor crtico con alfa 0,05 7.8147
19

Dado que los estadsticos calculados son menores que los valores crticos
respectivos, se cumple que para ST, los valores muestrales siguen la distribucin de
probabilidades arbitraria dada.

7. CONCLUSIONES

- Al implementar el algoritmo de simulacin de cola simple con incremento de
tiempo variable se debe incluir una condicin para evaluar si la simulacin debe
terminar.

- Los valores generados a partir de una funcin random para las distribuciones
exponenciales siguieron estas distribuciones.

- La funcin random tambin sirvi para generar valores que siguieron distribuciones
arbitrarias dadas.

- De las variables endgenas para el caso de distribuciones exponenciales, el tiempo
de espera promedio, el tiempo de ocio, el porcentaje del tiempo en que la cola est
ocupada y el tamao de cola promedio sin contar a los que son atendidos sin hacer
cola tuvieron buenas aproximaciones. Estas aproximaciones estuvieron por debajo
de los valores tericos para la primera y la tercera variables; por encima para la
segunda variable; y con signos diferentes para la ltima.

- La probabilidad terica de que se requiera una cola de mayor capacidad que una
capacidad dada es mayor que los valores experimentales y menor para una
capacidad de una unidad menos, por lo que el clculo de la capacidad terica
requerida determina adecuadamente la capacidad mnima.

20
8. BIBLIOGRAFA

1. TAHA, Hamdy A. Investigacin de Operaciones Mxico: 2004 7
ma
ed. Cap. 17 p.
579-634
2. NAYLOR, Thomas H. Tcnicas de Simulacin en Computadoras Mxico: Limusa,
1975 Cap. 5
3. WIKIPEDIA Central limit theorem [en lnea] s.l. con fecha de publicacin
desconocida [citado el 2009-06-21] Disponible en Internet:
http://encyclopedia.thefreedictionary.com/Central+limit+theorem
4. ERI Distance Learning Center Table 7: Kolmogorov-Smirnov Test [en lnea] s.l. con
fecha de publicacin desconocida [citado el 2009-06-21] Disponible en World Wide
Web: http://www.eridlc.com/onlinetextbook/appendix/table7.htm
5. LOHNINGER, Hans Distcalc_eng en Learning by Simulations [en lnea] v. 1.3
Austria: 2008 citado el 2009-06-21 Disponible en World Wide Web:
http://www.vias.org/simulations/simusoft_distcalc.html