TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Nim. 1, 1988. ‘TRABAIOS OF INVESTIGACION OPERATIVA, ‘Volt Nom. 3, 1966, pp 81 872 ESTUDIO BAYESIANO DE LOS PERIODOS DE OCUPACION Y DESOCUPACION EN UNA COLA M/M/1/co/FIFO EN EQUILIBRIO (*) Carmen Armero Cervera Departamento de Bioestadistca(**) Foculiad de Medicina ‘de la Universidad de Valenela ‘Avda, Blasco Tbdtes, 17 Valencia 10 RESUMEN En este articulo, para un modelo de colas M/M/1/<0/FIFO en equilil se obtiene la distribucién predictiva del tiempo de duracién de un periodo de ocupacién, y de desocupacién de la cola, asi como la distribucién pre- ictiva final del nimero de personas atendidas en un periodo de ocupacion, y la probabilidad de que éste sea finito. Finalmente, dichos resultados se aplican en una linea de espera concreta. Palabras clave: Inferencia Bayesiana; Intensidad de tréfico; Nimero de per- sonas atendidas en un periodo de ocupacién; Periodos de ocupacién y desocupacién de la cola; Tiempos de servicio; Tiempos transcurridos entre dos llegadas consecutivas a la cola Clasificacién AMS: 60K25-90B22. SUMMARY We provide the predictive distributions for the length of an idle and busy period in an M/M1/co/FIFO system at steady-state. We also obtain the posterior distribution of the number of customers served in a busy period, and the probability that a busy period is finite. We illustrate these results with an example. (7) Recibido, marzo 1985, Aceptado, febrero 1986. (¢*) Actualmente Departamento de’ Estadistica e Investigacion Operativa Facultad de Matemiticas/Universitat de Valencia/Doctor Moliner, 50/46100 Busjassot/Valencia 61‘TRABAJOS DE INVESTIGACION OPERATIVA. Vol 1. Nim. 1, 1986. Key words: Bayesian Inference; Busy and Idle period; Interarrivals times; Number of customers served in a busy period; Service times; Traffic intensity. AMS Classification: 60K25-90B22, 1, INTRODUCCION Desde un punto de vista prictico, la Teoria de la Decisién y la Inferencia Estadistica son herramientas imprescindibles para el andilisis y disefio de un sistema en cuyo funcionamiento esta involucrada una © varias lineas de espera. Adoptando la Metodologia Bayesiana, se hace necesaria, para su posterior analisis, la obtencién de la distribucién predictiva de las distintas variables que pueden observarse en el modelo de colas selec cionado. En este articulo se estudian los periodos de ocupacién y desocu- pacién para una cola M/M/1/co/FIFO, con solucién estacionaria para el proceso de nacimiento-muerte que la describe. En concreto, y a par- tir de las hipétesis iniciales descritas en la subseccién 2.1, se obtiene en la subseccién 2.2 la distribucién predictiva final del tiempo de du- racién de un periodo de desocupacién, y la distribucién predictiva final del tiempo de duracién de un periodo de ocupacién; en la sub- seccién 2.3 se determina la distribucién predictiva final del nimero de personas, en general, clientes de la cola, atendidos en un periodo de ocupacién, asi como la probabilidad de que éste sea finito, En la seccién 3 se aplican los resultados obtenidos a una de las colas del servicio de urgencias del Hospital Clinico de Valencia, com- parandolos con las correspondientes distribuciones obtenidas desde el punto de vista de la Inferencia Clasica. 2. PROCESO INFERENCIAL 2.1. Hipétesis previas Sea 2, = {x4.Xz,-4%,) uma muestra aleatoria de los tiempos de servicio de la cola, obtenida a partir del modelo exponencial Ex (x|) = we-H, x > 0, ¥ Sea 22 = [Ys, Vay Ym! UNA muestra aleatoria de a‘TRABAJOS DE INVESTIGACION OPERATIVA, Vol 1. Nim. 1, 1986. los tiempos transcurridos entre dos Megadas consecutivas a la cola, obtenida a partir del modelo exponencial Ex (x|2). La funcién de verosimilitud del nimero medio de entradas y de is del sistema sera: ley za] u) = APH exp — pry — Ara! O) siendo r; = Ex; y rz = Zy; los estadisticos suficientes relevantes. Su- ponemos que la informacién inicial sobre los parametros 2 y puede ser descrita como producto de dos distribuciones Gamma indepen- dientes PAA, ) = Ga (s1\A9, bo) - Ga (Alo, Bo) Q) donde Ga (xa, b) = (b*/T(a))x*~ "es, x > 0. Usando el método propuesto por Bernardo (1979a) para obtener distribuciones iniciales de referencia, la distribucién inicial minimo in- formativa de los parimetros 2,4, que ademés coincide en este caso con la que se obtiene mediante la regla de Jeffreys, es: “1 TG, a) x Gs A? = QB) siendo J(2, 1) la matriz de informacién de Fisher para el modelo (1) considerado. Es claro que la distribucién inicial (3) es un caso par- icular de (2) cuando todos sus parémetros tienden a cero. La distribucion final de la intensidad de trafico del sistema, p = = A/ps, a partir de las densidades finales de 2 y 1 es: Hole 22) = A F(pap/balpa, 22) ay siendo a = ay +n, b = by +r; los parametros de la densidad final de Hy & = a + m, B = Bo +r; los correspondientes a la distribucién final de J, y representando F(x|2u, 2x) = Cx"""/(1 + (u/v)x)"*" con C = = (u/v)"T(u + v)/P(w)/T(v), x > 0, la funcién de densidad de una variable aleatoria con distribucién F de Snedecor con 2u y 2v grados de li- bertad. 68TRABAIOS DE INVESTIGACION OPERATIVA, Vo. 1. Nim. , 1886 Finalmente, suponemos que se ha resuelto en favor de la hipotesis nula el contraste Ho:p <1 Hyp 21 6) que garantiza el estado de equilibrio para la cola considerada. Dicha condicién supone la constriccién del espacio paramétrico general al subespacio Q = {p,0

0 a Unicamente existe momento absoluto de orden k para la variable ¢ cuando k 0, y>0,2>0,u>0 ee [ ori +p y siendo C Bata + a Pp < Izy, 22) aE (abs. 66‘TRABAJOS DE INVESTIGACION OPERATIVA, Vol. 1. Nim. 1, 1986 La expresion de la media de N,, incluye la resolucién de una in- tegral no convergente en (0,1), y por lo tanto, no existira ni media ni varianza de Ny, Por otra parte, es evidente que la probabilidad de que un periodo de ocupacién sea finito (POF) 0 no lo sea, depende de la intensidad de trafico de la cola, Puede verse en Kleinrock, 1976, p. 215, que dicha probabilidad es 1 si p <1 y 1/p cuando p > 1 Si se acepta como valida la hipétesis nula del contraste planteado en (5) cualquier periodo de ocupacién tiene longitud finita con total seguridad. Si por el contrario, dicha hipétesis se rechaza en favor de lahipétesis alternativa la densidad de la intensidad de trafico queda como Piplzs.22) = 5 (1s) Po conQ = {p,1

1) = Puta e beat 1)P(p> Ney, 22) (aT (a) (16) (ver Grashteyn y Ryzhik, 1965, formula 3.194.2), 0 bien la expresion mis sencilla: 24+ Pk ip > ky)a POF|2,,23, p ® 1) = a St _ PIPOF I tn 3) = ie pp > lle. z) a7) ya que: “Ta + aaFi(a + aa + Lia + 2; —b/B) Ba = Ma + 2) P(k,p, > ky] (18) donde k,p, es una cantidad aleatoria con funcién de densidad F de Snedecor de parametros 22 ~ 2y 2a + 2, con ky = pla + 1)/b(a ~ 1). 3. EJEMPLO. Los datos que utilizamos en este apartado se han obtenido de uno de los servicios de urgencias del Hospital Clinico de Valencia. Se han tomado 25 observaciones de los tiempos de servicio y 20 de los tiem- 07‘TRABAJOS DE INVESTIGACION OPERATIVA, Vol 1. Nim. 1, 1986, pos transcurridos entre dos llegadas consecutivas a la cola, siendo los estadisticos suficientes r; = 32.17 horas para los tiempos de servicio y r, = 34.45 horas para los tiempos entre Ilegadas. Consecuentemente, la distribucién final de referencia de la intensidad de trafico es p ~ ~ 1.34F(40, 50), y 0.84 la probabilidad de que la cola tenga solucién estacionaria, En la grafica siguiente se encuentran respectivamente descritas, la distribucién predictiva de referencia del tiempo de duracién de un periodo de ocupacién (1), la correspondiente distribucién predictiva final obtenida a partir de las opiniones iniciales del servidor de la cola (p(2, 4) = Ga (48,8) Ga (u|10, 12), y consecuentemente, con distri bucion final p(2, ulr.r2) = Ga (4]28, 42.45) Ga (1[25, 44.17), siendo en- tonces p ~ 0.86F(56, 50) la densidad final de la intensidad de trafico del servicio, y que como puede observarse indica una mayor con- gestién en a cola de la puede deducirse de la informacion muestral, (2), y finalmente la distribucién de la misma variable obtenida segin la metodologia clasica sustituyendo 4 por su estimador maximo ve- rosimil 1 = .5806 en la distribucion del tiempo de duracién de un periodo de desocupacién condicionada a 2, (3). 1 as 2 as @ 0 7 + é ¥ 1 Tiempo de duracién de un periodo de desocupacién Como puede observarse, las distribuciones (1) y (3) parecen coin- cidir casi perfectamente. Realmente, esto no es asi ya que ni su es- peranza es igual (1.81 para (1) y 1.72 para (2)), ni mucho menos su varianza (3.63 para (1), 2.95 para (2). 68TRABAJOS DE INVESTIGAGION OPERATIVA. Vol 1. Nim. 1, 1996. En la tabla que viene a continuacién, y para valores del némero de personas atendidas en un periodo de ocupacin Nyy = 1,2, .. 10, >10, se obtiene la distribucién predictiva final de N,., de referencia (1), con la informacién inicial considerada anteriormente (3), asi como la correspondiente distribucién obtenida desde la perspectiva de la In- ferencia Clisica sustituyendo en la expresién (13) p por su estimador maximo verosimil 6 = 0.747, (2). (1) referencia (2) clésica (3) inf. ini 1 05938 05724 0.5708 2 041406 0.1401 0.1383 3 0,068 0.0686 0.0671 4 00398 0.0420 0.0407 5 0.0266 0.0288 0.0277 6 ois 0.0211 0.0202, 7 00144 0.0162 00135 8 00128 0.0129 0.0123 9 00091 0.0105 0.0100 10 0.0074 0.0088 0.0083, >10 0.0696 0.0786 0.0891 Los resultados obtenidos utilizando la distribucién inicial minimo informativa de los pardmetros del modelo y la obtenida mediante la Metodologia Clasica son muy parecidos. Aunque la tabla expuesta sugiere que la segunda distribucién es mas difusa que la primera, esto no es asi como podria observarse si se calculan las correspon- dientes probabilidades para valores superiores de la variable N,.. 0 s€ piensa que la estimacién de los parametros de una distribu diante métodos clasicos produce distribuciones menos difusas que las correspondientes a las obtenidas utilizando los métodos bayesianos. Las grificas que siguen corresponden a, la distribucién predictiva de referencia del tiempo de duracién de un periodo de ocupacion del sistema (grifica 1), la correspondiente distribucién predictiva obte- nida usando la informacién inicial del servidor de la cola expuesta anteriormente, (grafica 2), y la distribucién obtenida desde la perspec- tiva Clisica, sustituyendo en la expresién (7) los parametros 4 y 1 por sus estimadores maximo verosimiles. 69.‘TRABAJOS DE INVESTIGAGION OPERATIVA. Vol 1. Nim 1 1986 1S 2s z 7 $ 7 0 2 74 Tiempo de duracién e un periodo de ocupacién Gritiea 1 1 15 5 2s ° z + 6 ' 10 2 ry Tiempo de duracién de un periodo de ocupacién Grifiea 2 0‘TRABAJOS DE INVESTIGAGION OPERATIVA. Vol 1. Nim. 1, 1996. 15 2s % 2 + é 7 10 2 ry Tiempo de duracién de ux perodo de ocupacion Grifiea 3 Los comentarios hechos a propésito de los resultados obtenidos para la cantidad aleatoria N,, son validos para las distintas distri- buciones del tiempo de duracién de un periodo de ocupacién de la cola obtenidas: resultados y la distribucion de referencia, y robustez de la distribucién predictiva final de dicha cantidad aleatoria frente a la especificacién de distribuciones iniciales. 4, DISCUSION Cuando analizamos el comportamiento de una linea de espera, la seleccién del modelo a utilizar, asi como el estudio de los distintos parimetros que gobiernan el sistema seleccionado son capitulos inevi- tables, Desde la Metodologia Clisica, este altimo problema se centra en la estimacién de dichos parametros a partir de la informacion muestral obtenida, utilizando dichas estimaciones para asi obtener un conoci- miento aproximado del comportamieno de las distintas variables que intervienen en la cola, ‘Aunque en el ejemplo considerado hemos podido observar que la Metodologia Clisica y la Bayesiana dan resultados numéricos parecidos 1‘TRABAJOS DE INVESTIGACION OPERATIVA. Vol 1. Num. 1, 1996. cuando se utilizan distribuciones iniciales de referencia, creemos que s6lo desde la Metodologia Bayesiana se puede dar un tratamiento ade- cuado a la condicion p <1 de equilibrio del sistema, y consecuen- temente al hecho de que un determinado periodo de ocupacién sea © no finito. Finalmente, en lineas de espera para las que se disponga de poca informacién muestral, la Metodologia Bayesiana nos permite incorpo- rar al anilisis la informacién inicial que tenga cualquier persona co- nocedora del funcionamiento de esa cola, lo cual es sumamente va- lioso en dichos casos. REFERENCIAS BERNARDO, J. M, (1979a}: «Reference posterior distributions for Bayesian inference», J. Roy. Statist. Soc. B 41, 113-147 (with discussion), FERRANDIZ, J. (1981): Una alternativa bayesiana al contraste de hipé- tesis, Tesis Doctoral, Universidad de Valencia, GRADSHTEYN, I. S, y RYZHIK, I. M. (1965): Tables of integrals and products, New York: Academic Press. KLEINROCK, L. (1976): Queueing Systems. Volume I: Theory, New York, Wiley. n