Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 2. Teoría de Las Probabilidades y Estadísticas
Capítulo 2. Teoría de Las Probabilidades y Estadísticas
Pas I
Pas D
Error de A:
Errores tcnicos y bloqueo:
B no contesta antes de que A cuelgue:
B ocupado:
B contesta = conversacin
15
5%
10%
10%
60%
20%
35%
5%
20%
20%
Sin conversacin
40%
80%
Cuadro 2.2 Las probabilidades de las tentativas de llamada calculadas para el cuadro 2.1.
(2.8)
(2.9)
Utilizando los valores del cuadro 2.1 se hallan las cifras que se muestran en el cuadro 2.2.
Conforme a esta informacin se puede observar que aun si el abonado A se comporta
correctamente y el sistema telefnico es perfecto, slo el 75% de los intentos de llamada en los
pases I, y el 45% en los pases D, respectivamente, dan por resultado una conversacin.
Se puede distinguir entre el tiempo de servicio, que incluye el tiempo desde el instante en que se
ocupa un servidor hasta que ste se desocupa nuevamente (por ejemplo, establecimiento de la
llamada, duracin de la conversacin y terminacin de la llamada), y duracin de la conversacin,
que es el periodo de tiempo en el que A conversa con B. En razn de las tentativas de llamada
fracasadas el tiempo de servicio medio es a menudo menor que la duracin media de la llamada si
se incluyen todas las tentativas de llamada. En la figura 29 se muestra un ejemplo con tiempos de
ocupacin observados.
Ejemplo 2.4.1: Tiempo medio de ocupacin: Se supone que el tiempo medio de ocupacin de
las llamadas que son interrumpidas antes que B conteste (error de A, congestin, errores tcnicos)
es de 20 segundos y que el tiempo medio de ocupacin de llamadas que llegan al abonado B (no
contesta, ocupado, contesta) es de 180 segundos. El tiempo medio de ocupacin del abonado A
se calcula utilizando los valores que figuran en el cuadro 2.1:
Se puede observar que el tiempo medio de ocupacin aumenta de 148 s (92 s, respectivamente)
en el abonado A a 180 s en el abonado B. Si una tentativa de llamada implica ms intenciones de
llamada repetidos (vase tambin el ejemplo 2.4), el trfico transportado puede ser mayor que el
trfico ofrecido.
Si se conoce el tiempo medio de servicio de las fases individuales de una tentativa de llamada, se
puede calcular la proporcin de las intenciones de llamada que se pierden durante las fases
individuales. Esto se puede aprovechar para analizar sistemas electromecnicos utilizando
sistemas SPC para recopilar datos.
Cada tentativa de llamada carga los grupos de control en la central (por ejemplo, una computadora
o una unidad de control) con una carga casi constante mientras que la carga de la red es
proporcional a la duracin de la llamada. Por esta razn muchas tentativas de llamada fracasados
pueden sobrecargar los dispositivos de control mientras que la red an dispone de capacidad libre.
Las tentativas de llamada repetidas no son necesariamente motivadas por errores en el sistema
telefnico, sino que tambin pueden ser causadas, por ejemplo, por un abonado B ocupado. Este
problema fue tratado por primera vez por Fr. Johannsen en su libro "Busy" (ocupado) publicado en
1908 (Johannsen, 1908 [52]. En las figuras 2.10 y 2.11 se muestran algunos ejemplos de
mediciones del comportamiento del abonado.
Los estudios de la respuesta de los abonados con relacin, por ejemplo, al tono de ocupado, es de
vital importancia para el dimensionamiento del sistema telefnico. En realidad, los factores
humanos ( = comportamiento del abonado) constituyen una parte de la teora de teletrfico que es
de gran inters.
Durante la hora cargada = 10 a 16% de los abonados estn ocupados utilizando las lneas para
llamadas entrantes o salientes. Por consiguiente, se supondra que el % de las tentativas de
llamada indicaran que el abonado B est ocupado. Sin embargo, esto es errneo pues los
abonados tienen diferentes niveles de trfico. Algunos abonados no reciben tentativas de llamada
entrantes, mientras que otros reciben mayor cantidad de tentativas de llamadas que la media. Los
abonados A tienen inclinacin en elegir los abonados B ms ocupados, y en la prctica se observa
que la probabilidad que el abonado B est ocupado es de unos 4 , si no se toman medidas.
Para abonados residenciales es difcil mejorar la situacin, pero para grandes abonados
comerciales que tienen una central automtica privada (PABX) con un grupo de nmeros, la
cantidad suficiente de lneas eliminar la condicin de ocupado de B. Por consiguiente, en pases
industrializados la probabilidad total de abonado B ocupado toma el mismo orden de magnitud de
(vase el cuadro 2.1). Para pases en desarrollo el trfico se centra ms sobre nmeros
individuales y a menudo los abonados comerciales no disponen de numeracin de grupo y, por
tanto, se observa una alta probabilidad de abonado B ocupado (40 a 50%).
3
Satisfactorio
56,935
3,252
925
293
139
134
61,678
Continua
75,389
7,512
2,378
951
476
248
Desiste
10,942
1,882
502
182
89
114
13,711
p{xito}
0,76
0,43
0,39
0,31
0,29
Persistencia
0,41
0,56
0,66
0,72
0,74
(2.11)
Figura 2.10 Histograma para el intervalo de tiempo desde la ocupacin del registro
(tono de marcar) a la respuesta de B para llamadas completadas.El valor medio es
13,60 s
Cuadro 2.4 Distribucin de la cantidad de tentativas de llamadas.
Tentativa N
p{B responde}
p{contina}
p{desiste}
(1 B)
B.b
B . (1 b)
(1 B) . (B . b)
(B . b)
(1 B) . (B . b)
(B . b)
(1 B) . (B . b)
(B . b)
...
Total
(1 B) (1
B b)
1
(1 B b)
B (1 b)
(1 B b)
0
2
B . (1 b) . (B . b)
B . (1 b) . (B . b)
B . (1 b) . (B . b)
2
3
p{no completada}=
Nmero de tentativas de llamada por intencin de llamada =
B (1 b)
(1 B b)
(2.13)
1
(1 B b)
(2.14)
1 B b
1 B
(2.15)
(2.16)
aspectos de fiabilidad en el caso en que uno o ms elementos de red tengan mal funcionamiento.
Es tambin en ese momento que se determina la estrategia de encaminamiento.
ste es el instante en que es necesario considerar el grado de servicio (GoS). Esto se define en la
Recomendacin UIT-T E.600 como: un conjunto de variables de ingeniera de trfico utilizadas
para tener una medida de aptitud de un grupo de rganos en condiciones especificadas. Estas
variables del grado de servicio pueden expresarse como la probabilidad de prdida, la demora del
tono de invitacin a marcar, etc. A esta definicin la Recomendacin proporciona adems las
siguientes notas:
Los valores de parmetro asignados como objetivos para el grado de servicio se denominan
normas de grado de servicio.
Los valores de los parmetros de grado de servicio obtenidos en condiciones reales se
denominan resultados del grado de servicio.
El punto bsico para resolver en la determinacin de las normas de GoS es aplicar los valores a
cada elemento de red de modo tal que se obtenga el objetivo de QoS de extremo a extremo.
7.1 Comparacin de GoS y QoS
No es tarea sencilla encontrar las normas de GoS necesarias para soportar una determinada
QoS. Esto se debe al hecho de que los conceptos de GoS y QoS tienen distintos puntos de vista.
Mientras que la QoS considera la situacin desde el punto de vista del cliente, el GoS tiene en
consideracin la red. Esto se ilustra con los siguientes ejemplos:
Ejemplo 2.5.1:Supngase que se desea fijar la probabilidad de bloqueo de llamada de extremo a
extremo al 1% en una red telefnica. Un cliente puede interpretar que esta cantidad significa que
podr alcanzar el destino deseado en un promedio de 99 sobre 100 casos. Al fijar este objetivo de
diseo, el operador aplic una determinada probabilidad de bloqueo a cada uno de los elementos
de red que una llamada de referencia podra satisfacer. Para asegurar que este objetivo se cumpla
se debe supervisar la red. Pero esta supervisin normalmente tiene lugar en toda la red y slo se
puede asegurar que la red puede satisfacer, en promedio, los valores objetivo. Si se considera una
determinada lnea de acceso, su GoS objetivo puede bien ser superado, pero el promedio para
todas las lneas de acceso debe por cierto satisfacer el objetivo.
El GoS est referido a parmetros que se pueden verificar mediante la calidad de funcionamiento
de la red (aptitud de una red o parte de la red para ofrecer las funciones correspondientes a las
comunicaciones entre usuarios) y los parmetros slo se aplican en promedio para la red. An si
slo se limita a considerar la parte de la QoS que est relacionada con el trfico, el ejemplo ilustra
que si bien el objetivo de GoS se satisface esto no es el caso para la QoS.
7.2 Caractersticas especiales de la QoS
Como consecuencia de todas las dificultades mencionadas anteriormente en la comparacin de
9
se especifican de modo tal que el GoS se puede obtener en puntos de referencia bien definidos,
es decir puntos de trfico importantes. Este procedimiento se utiliza para permitir la segmentacin
de los objetivos de GoS de extremo a extremo para que sea posible obtenerlos en cada etapa o
componente de red, sobre la base de algunas conexiones de referencia bien definidas.
Como se define la Recomendacin E.600, referente a los trminos de ingeniera de trfico, una
conexin es una asociacin de rganos que proporciona los medios para una comunicacin entre
dos o ms dispositivos pertenecientes a una red de telecomunicaciones, o acoplados a ella.
Puede haber diferentes tipos de conexiones pues el nmero y los tipos de recursos en las mismas
pueden variar. Por tanto, el concepto de conexin de referencia se utiliza para identificar casos
representativos de distintos tipos de conexiones sin incluir los detalles de sus realizaciones reales
por diferentes medios fsicos.
En el trayecto de una conexin intervienen, por lo general, diversos segmentos de red. Por
ejemplo, una conexin puede ser local, nacional o internacional. Las conexiones de referencia se
utilizan para aclarar y especificar asuntos de calidad de funcionamiento del trfico en diversas
interfaces entre distintos dominios de red. Cada dominio puede estar constituido por una o ms
redes del proveedor del servicio. La Recomendacin I.380/Y.1540 define los parmetros de
calidad de funcionamiento para la transferencia de paquetes de protocolo de Internet; el proyecto
de Recomendacin Y.1541 especifica las atribuciones y objetivos de calidad de funcionamiento
correspondientes. La Recomendacin E.651 especifica las conexiones de referencia para redes
de acceso con protocolo Internet. Se van a elaborar otras conexiones de referencia.
De los objetivos de QoS, se obtiene un conjunto de parmetros GoS de extremo a extremo y sus
objetivos para distintas conexiones de referencia. Por ejemplo, la probabilidad de bloqueo de la
conexin de extremo a extremo y el retardo de transferencia de paquete de extremo a extremo
pueden ser parmetros de GoS pertinentes. Los objetivos de GoS se deben especificar con
referencia a las condiciones de carga del trfico, tal como en condiciones de carga normal y
elevada. Los objetivos de GoS de extremo a extremo se asignan entonces a componentes de
recursos de las conexiones de referencia para fines de dimensionamiento. En una red
operacional, se requieren mediciones y supervisin de la calidad de funcionamiento para asegurar
que los objetivos de GoS se hayan cumplido.
En redes basadas en el protocolo Internet, la asignacin de calidad de funcionamiento se efecta
generalmente en una nube, es decir el conjunto de encaminadores y enlaces bajo una
responsabilidad jurisdiccional nica (o en colaboracin), tal como una ISP. Una nube se conecta a
otra nube mediante un enlace, es decir un encaminador de pasarela en una nube se conecta a
travs de un enlace a un encaminador de pasarela en otra nube. La comunicacin de extremo a
extremo entre sistemas centrales se conduce por un trayecto que comprende una secuencia de
nubes y enlaces de interconexin. Esta secuencia se conoce como trayecto ficticio de referencia
para fines de asignacin de calidad de funcionamiento.
12
En la ecuacin (3. 1) se integra desde 0 para mantener el registro de una posible discontinuidad
en t = 0. Cuando se consideran los sistemas de tiempo de espera, hay siempre una probabilidad
positiva de tener tiempos de espera iguales a cero, es decir F(0) 0. Por otra p arte cuando se
observan los periodos entre las llegadas a destino de las llamadas, se supone generalmente que
F(0) = 0.
La probabilidad que la duracin de un intervalo de tiempo sea menor o igual a t resulta:
p(T t) = F(t).
A veces es ms sencillo considerar la funcin de distribucin complementaria.
Fc(t) = 1 F(t).
Esto tambin se denomina funcin de distribucin de supervivencia.
Se supone a menudo que F(t) es diferenciable y que existe la siguiente funcin de densidad f(t):
dF(t) = f(t) . dt = p{t < T t + dt},
t 0.
(3.2)
Normalmente, se supone que el tiempo de servicio es independiente del proceso de llegada, y
que un tiempo de servicio es independiente de otros tiempos de servicio. En forma analtica, se
pueden efectuar muchos clculos para cualquier distribucin de tiempo. En general, siempre se
supone que existe el valor medio.
8.1 Caracterizacin de las distribuciones
Las distribuciones temporales que slo suponen argumentos positivos poseen algunas
propiedades ventajosas. Para el i-simo momento no central, que generalmente indica i-simo
momento, se puede indicar que la identidad de Palm es vlida:
13
La identidad de Palm (Ec. 3.3), que es vlida para las distribuciones de tiempo de vida (slo
definidas para argumentos no negativos), se aprob por primera vez en (Palm, 1943,[81]) como
sigue:
La siguiente prueba simplificada es correcta pues se supone que los momentos existen:
14
Sera muy sorprendente que las dos integrales sean idnticas. Los dos integrandos pueden,
aparte de ser constantes, ser transformados en una funcin de densidad Erlang-3 o Erlang-2,
respectivamente, que tiene la masa de probabilidad total:
En especial, se tienen los primeros dos momentos bajo la hiptesis que existen:
Por lo general una distribucin viene definida unvocamente por todos sus momentos. Una medida
normalizada para la (dispersin de) irregularidad de una distribucin es el coeficiente de variacin.
Se define como la relacin entre la desviacin normalizada y el valor medio:
CV = coeficiente de variacin =
m
(3.9)
Esta cantidad no tiene dimensin y luego se aplicar para caracterizar las distribuciones discretas
(probabilidades de estado). Otra medicin de irregularidad es el factor de forma de Palm
se expresa como sigue:
, que
(3.10)
15
El factor de forma
y as
Figura 3.1 Funcin densidad del tiempo de vida residual condicionada para
una edad x dada (3.11). El ejemplo se basa en una distribucin de
Weibull We(2,5) donde x = 3 y F(3) = 0,3023.
17
El ndice de mortalidad (t) es constante si, y solo s, la vida til se distribuye en forma
exponencial. Esto es una caracterstica fundamental de la distribucin exponencial que se
denomina propiedad de Markovian (falta de memoria (edad)): La probabilidad de terminacin es
independiente de la edad real (historia).
Cabra esperar que la vida til residual media m1,r(x) disminuya cuando aumenta x, as como la
vida til residual esperada disminuya cuando la edad x aumenta. Esto no siempre es el caso. Para
una distribucin exponencial con factor de forma = 2, se tiene m1,r = m. Para distribuciones
pronunciadas (1 2) se tiene m1,r < m, mientras que para distribuciones planas (2 < < ), se
tiene m1,r m.
Ejemplo 3.1.2: Distribucin del tiempo de espera
La distribucin del tiempo de espera Ws(t) para un cliente aleatorio tiene usualmente una masa
(atmica) de probabilidad positiva en t = 0, en razn que algunos de los clientes toman el servicio
inmediatamente sin espera. Se tiene as Ws(0) > 0. Aplicando la ecuacin (3.11) la distribucin del
tiempo de espera W+(t) para clientes que tienen tiempos de espera positivos ser:
Para la funcin de densidad, aplicando la ecuacin (3.11), se tiene: Para valores medios se
obtiene:
donde el valor medio para todos los clientes viene indicado por W y el valor medio para los
clientes demorados se indica con w.
Ejemplo 3.2.1: Distribucin binomial y ensayo de Bernoulli. Supngase que la probabilidad de
xito en una prueba (por ejemplo tirar un dado) sea igual a p y la probabilidad de fracaso sea igual
1 p. El nmero de xitos en una sola prueba estar entonces dada por la distribucin de
18
Bernoulli:
Considrense tiempos de llegada en los que la i-sima llamada llega en el tiempo Ti:
0 = T0 < T1 < T2 < . . . < Ti < Ti+1 < . . . .
(5.1)
Figura 4.1 Proceso de llegada de la llamada en las lneas de entrada de una central de
trnsito
La distancia temporal entre dos llegadas es:
Xi = Ti Ti1,
i = 1, 2; . . . . (5.2)
Esto se denomina tiempo entre llegadas y la distribucin de este proceso es la distribucin del
tiempo entre llegadas.
Correspondiente a las dos variables aleatorias Nt y Xi, los dos procesos se pueden caracterizar de
dos maneras:
1)
Representacin del nmero Nt: el intervalo de tiempo t se mantiene constante y se
observa la variable aleatoria Nt para el nmero de llamadas en t.
2)
Representacin del intervalo Ti: el nmero de llamadas entrantes se mantiene
constante y se observa la variable aleatoria Ti para el intervalo de tiempo hasta que se
hayan producido n llegadas (en especial T1 = X1).
20
La reaccin fundamental entre las dos representaciones viene dada por la siguiente relacin
simple:
si y slo si
El anlisis del proceso puntual se puede basar en ambas representaciones. En principio estas
representaciones son equivalentes. La representacin de intervalos corresponde a los anlisis
usuales en serie del tiempo (si, por ejemplo i = 1), se obtienen promedios de llamada, es decir
estadsticas basadas en las llamadas entrantes.
La representacin del nmero de llamadas no tiene comparacin en el anlisis en serie del
tiempo. Las estadsticas estn calculadas por unidad de tiempo y se obtienen promedios de
tiempo. (Confrntese la diferencia entre congestin de llamadas y congestin temporal.)
Las estadsticas de inters cuando se estudian procesos puntuales, se pueden dividir conforme a
las dos representaciones.
9.1.1 Propiedades bsicas de la representacin del nmero
Hay dos propiedades que son de inters terico:
1) El nmero de llamadas entrantes total en el intervalo [t1, t2] es igual a Nt2 - Nt1.
El nmero de llamadas promedio en el mismo intervalo se denomina funcin de renovacin H:
H (t1, t2) = E{Nt2 Nt1}
(5.5)
2) La densidad de las llamadas entrantes en el tiempo t (valor medio del tiempo) es:
Se supone que t existe y es un valor finito. Se puede interpretar que t es la intensidad, con la
que se producen las llegadas en el tiempo t.
21
(5.7)
p {Nt+t Nt = 1} = tt + o(t),
(5.8)
p {Nt+t Nt = 0} = 1 tt + o(t),
(5.9)
(5.13)
El valor medio es el promedio de llamadas entrantes que se obtiene para cada llamada. Un
proceso de renovacin es un proceso puntual en el que los tiempos entre llamadas son
estocsticos independientes entre s y tienen la misma distribucin (excepto para X1), es decir mi
= m. (IID = Idntica e independientemente distribuidas).
5) La distribucin V(t) del intervalo de tiempo desde un periodo aleatorio hasta que se produzca la
primera llegada. El valor medio de V(t) es un promedio de tiempos que se calcula por unidad de
tiempo.
6) ndice de dispersin por intervalos.
22
donde Xi es el tiempo entre llegadas. Para el proceso de Poisson que tiene tiempos de servicio
distribuidos exponencialmente, el IDI se pone igual a uno. El IDI es igual al factor de forma de
Palm menos uno (3.10). En general, el IDI es ms difcil de obtener por observacin que el IDC, y
es ms sensible a la exactitud de medicin y regularizacin del proceso de trfico. La tecnologa
digital es ms adecuada para la observacin del IDC, mientras que complica la observacin del
IDI.
Cul de las dos representaciones se debe utilizar en la prctica depende realmente del caso
particular. Esto se puede ilustrar con los siguientes ejemplos.
Ejemplo 5.1.1: Principios de medicin. Las medidas del comportamiento del teletrfico se llevan
a cabo por uno de los dos principios bsicos siguientes:
1) Medidas pasivas. El equipo de medicin registra en intervalos de tiempo regulares el nmero
de llegadas desde la ltima registrada. Equivale al mtodo de exploracin, que es apropiado
para computadoras. Y corresponde a la representacin del nmero cuando el intervalo de
tiempo es fijo.
2) Medidas activas. El equipo de medicin registra un evento en el instante que se produce. Se
mantiene el nmero de evento fijo y se observa el intervalo de medicin. Un ejemplo de esto
est dado por los instrumentos de registro. Esto corresponde a la representacin del intervalo
donde se obtienen estadsticas para cada llamada simple.
Ejemplo 5.1.2: Llamadas de prueba. Investigacin de la calidad de trfico. En la prctica esto se
efecta de dos maneras:
1) La calidad de trfico se estima recopilando estadsticas de los resultados de las llamadas de
prueba efectuadas a abonados especficos o ficticios. Las llamadas se generan durante la hora
cargada independientemente del trfico real. El equipo de prueba registra el nmero de las
llamadas bloqueadas, etc. Las estadsticas obtenidas corresponden a los promedios de tiempo
de la medida de rendimiento. Lamentablemente, este mtodo aumenta la carga ofrecida en el
sistema. Tericamente, las medidas de rendimiento obtenidas deferirn de los valores
correctos.
2) Los datos recopilados de los equipos de prueba a partir del nmero de llamada N, 2N, 3N, . . . ,
por ejemplo N = 1 000. El proceso de trfico no cambia y la estadstica de rendimiento es un
promedio de llamada.
23
Ejemplo 5.1.3: Estadsticas de llamadas. Un abonado evala la calidad por una fraccin de
llamadas que estn bloqueadas, por ejemplo promedio de llamadas.
El operador evala la calidad mediante la proporcin de tiempo cuando todas las lneas de enlace
estn ocupadas, es decir promedio de tiempo.
Los dos tipos de valores promedio (tiempo/llamada) estn a menudo mezclados, causando
aparentes estados contrarios.
Ejemplo 5.1.4: Parte llamada ocupada (B ocupado). En una central telefnica el 10% de los
abonados est ocupado, pero el 20% de las tentativas de llamada estn bloqueadas debido a que
B est ocupado (parte llamada ocupada). Este fenmeno se puede explicar por el hecho que la
mitad de los abonados estn en estado pasivo (es decir no efectan ni reciben llamadas), mientras
que el 20% de los abonados restantes estn ocupados. G. Lind (1976 [74]) analiz el problema
bajo la hiptesis de que cada abonado en promedio tiene el mismo nmero de llamadas entrantes
y salientes. Si el valor medio y el factor de forma de la distribucin de trfico por abonado es b y ,
respectivamente, la probabilidad que una tentativa de llamada encuentre al abonado B ocupado es
b . .
9.2 Caractersticas del proceso puntual
Se ha tratado anteriormente una estructura muy general para procesos puntuales. Para
aplicaciones especficas habr que examinar otras propiedades. Slo se considerar la
representacin del nmero pero se podra hacer lo mismo basado en la representacin del
intervalo.
9.2.1 Condicin de estacionario (Homogeneidad del tiempo)
Esta propiedad se puede describir sin considerar la posicin en el eje del tiempo. Las
distribuciones de probabilidad que describen el proceso puntual son entonces independientes del
instante de tiempo. La siguiente definicin es til en la prctica:
Definicin: Para una relacin t2 > 0 arbitraria y toda 0, la probabilidad que haya llegadas en
[t1, t1 + t2] es independiente de t1, es decir para todos los t, se tiene:
Si esto es vlido para todos los tiempos t, se tendr un proceso Markov en el que la evolucin
futura slo depende del estado presente pero es independiente de cmo ha sido obtenida. Esta es
la propiedad denominada falta de memoria. Si esta propiedad slo es vlida para determinados
puntos en el tiempo (por ejemplo, tiempos de llegada), estos puntos se denominan puntos de
equilibrio o puntos de regeneracin. El proceso entonces tiene una memoria limitada y slo es
necesario mantener el registro de los ltimos puntos de regeneracin.
Ejemplo 5.2.1: Puntos de equilibrio = puntos de regeneracin
Ejemplos de procesos puntuales con puntos de equilibrio.
a) El proceso de Poisson (como se ver en el Captulo siguiente) no tiene memoria, y todos los
puntos de los ejes de tiempo son puntos de equilibrio.
b) Un proceso de exploracin, en el que las exploraciones se producen en un ciclo regular, tiene
memoria limitada. El ltimo instante de exploracin tiene plena informacin sobre el proceso
explorador y, por tanto, todos los puntos de exploracin son puntos de equilibrio.
c) Si se superponen el proceso de Poisson y el proceso de exploracin (por ejemplo, mediante la
investigacin de los procesos de llegada en un sistema informtico), los nicos puntos de
equilibrio en el proceso compuesto son los instantes de exploracin.
d) Considrese un sistema de puesta en fila con procesos de llegada de Poisson, tiempo de
servicio constante y servidor nico. El nmero de posiciones en la fila puede ser finito o infinito.
Defnase un proceso puntual por los instantes de tiempo cuando comienza el servicio. Todos los
intervalos de tiempo cuando el sistema est en reposo, sern puntos de equilibrio. Durante los
periodos en que el sistema est ocupado los puntos en el tiempo para aceptar nuevas llamadas
de servicio dependen del instante en que la primera llamada del periodo ocupado inicia el
servicio.
25
9.2.3 Regularidad
Se ha indicado ya que se excluyen los procesos con mltiples llegadas.
Definicin: Se dice que un proceso puntual es regular, si la probabilidad que haya ms de un
evento en un punto dado es cero:
Con la representacin del intervalo, la distribucin del tiempo entre llegadas a destino de las
llamadas no debe tener una probabilidad de masa (atmica) en cero, es decir, la distribucin es
continua en cero (3.1):
F (0+) = 0
(5.18)
Ejemplo 5.2.2: Eventos mltiples. Los puntos temporales de accidentes de trfico formarn un
proceso regular. La cantidad de vehculos daados o personas fallecidas ser un proceso puntual
y regular con eventos mltiples.
A(T) =
W(T) =
L(T)
Si los lmites de = limT (T) y W = limTT W(T) existen, existir tambin el valor limitado de
L(T) y
L = . W (Teorema de Little)
(5.20)
Esta frmula simple es vlida para todos los sistemas generales de puesta en fila. La prueba ha
sido perfeccionada durante varios aos. La frmula, que se ha probado aqu por una consideracin
muy simple del proceso estocstico, es ms til de lo que parece.
Ejemplo 5.3.1: Frmula de Little. Slo se considerarn las posiciones de espera, la frmula
muestra "la longitud media de la fila es igual a la intensidad de la llamada multiplicado por el
tiempo de espera medio." Considrense ahora los lugares del servicio, la frmula muestra "el
trfico transportado es igual a la intensidad de llegada multiplicado por el tiempo del servicio medio
(A = y . s = /.)".
27
28
Esta funcin de distribucin propiamente dicha es tambin una distribucin exponencial con
intensidad (1 y 2).
Con la hiptesis que el primer evento (ms pequeo) sucede en el tiempo t, la probabilidad que
la variable aleatoria X1 se realice primero viene dada por:
Figura 5.3 Distribuciones Erlang-k con valor medio igual a uno. El caso k = 1 corresponde
a una distribucin exponencial (funciones de densidad)
31
(4.10)
Mediante las ecuaciones (3.31) y (3.32) se pueden obtener los momentos siguientes;
La funcin de densidad se calcula en el 6.2.2. El tiempo de vida residual medio m1,r(x) para x 0
ser menor que el valor medio:
Con esta distribucin se tiene dos parmetros ( , k) disponibles para ser estimados por
observacin. El valor medio se mantiene a menudo fijo. Para estudiar la influencia del parmetro k
en la funcin de distribucin, se normalizan todas las distribuciones Erlang-k al mismo valor medio
como la distribucin Erlang-1, es decir la distribucin exponencial con 1/ medio, reemplazando t
por kt o por k:
32
donde la funcin de ponderacin puede ser discreta o continua (integral de Stieltjes). Esta clase de
distribucin corresponde a una combinacin en paralelo de las distribuciones exponenciales
(vase la figura 5.4). La funcin de densidad se denomina funcin montona completa debido a los
signos alternados (Palm, 1957 [84]).
33
13.1
Distribucin hiperexponencial
En este caso, W() es un valor discreto. Supngase que se tengan los siguientes valores dados:
1, 2, ... , k,
y que W() tenga incrementos positivos:
p1, p2, ... , pk
donde
Para cualquier otro valor, W() es constante. En este caso (4.20) resulta:
Los valores medio y el factor de forma se pueden hallar con las ecuaciones (3.36) y (3.37) (i =
m1,i = 1/i):
34
Los problemas estadsticos surgen aun cuando se tratan tres parmetros. Por consiguiente, para
aplicaciones prcticas se escoge usualmente i= 2pi y se reduce as la cantidad de parmetros a
slo dos:
Para esta eleccin de parmetros las dos derivaciones tiene la misma contribucin para el valor
medio. En la figura 5.5 se ilustra un ejemplo.
Slo se considerarn distribuciones de Cox como las que se muestran en la figura 5.6 (Cox, 1955
[18]). Estas distribuciones tambin aparecen con el nombre de distribucin de Erlang con
derivaciones.
36
Figura 5.6 Distribucin de Cox en una distribucin Erlang generaliza que tiene
distribuciones exponenciales tanto en serie como en paralelo.
El diagrama de fase es equivalente a la figura 5.7
Figura 5.7 Diagrama de fase de una distribucin de Cox (vase la figura 5.6)
El valor medio y la varianza de esta distribucin de Cox (vase la figura 5.7) se encuentran en las
frmulas:
donde:
El trmino qi(1 ai) es la probabilidad de salir despus de alcanzar la i-sima fase. El valor medio
se puede calcular con la simple expresin siguiente:
donde m1,i = qi/i, es el i-simo valor medio relacionado con la fase. La varianza es:
37
La adicin de dos variables aleatorias con distribucin Cox produce otra variable con distribucin
Cox, es decir esta clase es cerrada de acuerdo con la operacin de adicin.
La funcin de una distribucin de Cox se puede expresar como la suma de funciones
exponenciales:
donde
donde
38
39
Figura 5.9 Una distribucin exponencial con rgimen se transforma por descomposicin
sucesiva en una distribucin compuesta de distribuciones Erlang-k homogneas con los
parmetros > , donde los factores de ponderacin siguen una distribucin geomtrica
(cociente p = /m).
Figura 5.10 Con una distribucin hiperexponencial con dos fases 1 > 2 puede ser
transformada a una distribucin de Cox-2.
Conforme al Teorema 4.1 una distribucin hiperexponencial con l fases es equivalente a una
distribucin de Cox con el mismo nmero de fases. El caso l = 2 se muestra en la figura 5.10.
Se tiene otra propiedad de las distribuciones de Cox (Iversen y Nielsen, 1985 [43]):
Teorema 4.2
En cualquier distribucin de Cox se pueden ordenar las fases, tal como i i+1.
Mediante el empleo de los diagramas de fase es sencillo ver que cualquier intervalo de tiempo
exponencial () se puede descomponer en distribuciones de tipo de fase (i), donde i .
Referente a la figura 5.11 se observa que el rgimen fuera de los estados macro (rectngulo en
lnea de trazos) es independiente de del estado micro. Cuando el nmero de fase k es finito y no
hay realimentacin la fase final debe tener rgimen .
40
Figura 5.11 Esta distribucin de tipo de fase es equivalente a un exponente nico cuando
pi . i = . As i como 0 < pi 1
14.3
Las distribuciones de Cox han atrado la atencin durante los ltimos aos pues son de gran
importancia debido a las siguientes propiedades:
a. La distribucin de Cox se puede analizar utilizando el mtodo de fases.
b. Se puede tener una distribucin arbitraria aproximadamente bien con una distribucin de Cox.
Si una propiedad es vlida para una distribucin de Cox ser tambin vlida para cualquier
distribucin de inters prctico.
Con las distribuciones de Cox se pueden obtener resultados con mtodos elementales que
previamente requeran matemticas muy avanzadas.
En la conexin con aplicaciones prcticas de la teora, se han utilizado los mtodos para estimar
los parmetros de la distribucin de Cox. En general, hay 2k parmetros en un problema
estadstico sin resolver. Normalmente, se puede elegir una distribucin de Cox especial (por
ejemplo, distribucin Erlang-k o hiperexponencial) y aproximarse al primer momento.
Por simulacin numrica en computadoras utilizando el mtodo de la ruleta, se obtienen
automticamente las observaciones de los intervalos de tiempo como distribucin de Cox con las
mismas intensidades en todas las fases.
Leccin 15:
En principio, cada distribucin que tiene valores no negativos, se puede utilizar como distribucin
temporal para describir los intervalos de tiempo. Pero en la prctica, se trabaja principalmente con
las distribuciones mencionadas anteriormente.
Se supone que el parmetro k en la distribucin de Erlang-k (Ec. 4.8) toma valores reales no
41
El valor medio y la varianza vienen dados por las ecuaciones (4.11) y (4.12).
Otro ejemplo de una distribucin tambin conocida en la teora de teletrfico es la distribucin de
Weibull:
Con esta distribucin se puede, por ejemplo, obtener la intensidad de fin de vida dependiente del
tiempo (3.14):
~
~
~
~
~
~
43