Capítulo 2. Teoría de Las Probabilidades y Estadísticas

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS TECNOLOGAS E INGENIERAS

CONTENIDO DIDCTICO DEL CURSO: 208022-TELETRAFICO
CAPTULO 2. TEORA DE LAS PROBABILIDADES Y ESTADSTICAS
Leccin 6: Generacin De Trfico Y Reaccin De Los Abonados

Si el abonado A desea hablar con el abonado B se producir una llamada satisfactoria o bien una
tentativa de llamada fracasada. En el ltimo caso, A puede repetir ms tarde la intencin de
llamada e iniciar as una serie de tentativas de llamada sin xito. Las estadsticas de llamada se
presentan generalmente como se muestra en el cuadro 2.1, donde los errores se han agrupado en
varias clases tpicas. Se observa que los nicos errores que pueden ser influenciados
directamente por el operador son los errores tcnicos y bloqueo. Esta clase usualmente es
pequea pues representa un escaso porcentaje durante la hora cargada. Asimismo, se observa
que la cantidad de llamadas que experimentan B ocupado dependen del nmero de errores de A y
errores tcnicos y bloqueo. Por consiguiente, las estadsticas que figuran en el cuadro 2.1 no son
apropiadas. Para obtener las probabilidades pertinentes, que se muestran en la figura 2.8, slo se
considerarn las llamadas que llegan a la etapa considerada cuando se calculan probabilidades.
Aplicando la notacin en la figura 2.8 se hallan las siguientes probabilidades para un intento de
llamada (suponiendo independencia):
p{error de A} = pe
(2.5)
p{congestin y errores tcnicos} = (1 pe) . ps
(2.6)
p{B no contesta} = (1 pe) . (1 ps) . pn (2.7)
Cuadro 2.1 Resultado tpico de un gran nmero de tentativas de llamada durante la hora
cargada para pases industrializados o pases en desarrollo.
Resultado
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%
Figura 2.8 Probabilidades condicionales de eventos.

Cuadro 2.2 Las probabilidades de las tentativas de llamada calculadas para el cuadro 2.1.
p{B ocupado} = (1 pe) . (1 ps) . pb

p{B contesta} = (1 pe) . (1 ps) . pa
(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

Conforme a las mediciones de Ordrup el 4% aproximadamente de las llamadas eran tentativas de

llamadas repetidas. Si un abonado presenta una indicacin bloqueo u ocupado, hay un 70% de
probabilidad que la llamada se repita dentro de una hora. Vase el cuadro 2.3.
Un clsico ejemplo de la importancia de la reaccin de los abonados se observ cuando la fbrica
de gas industrial de Valby (en Copenhague) explot a mediados de la dcada de los 60. Los
abonados en Copenhague generaron una gran cantidad de tentativas de llamada y ocuparon los
dispositivos de control en las centrales de la zona de Copenhague. Los abonados de Esbjerg
(parte occidental de Dinamarca) que llamaban a Copenhague tenan que esperar debido a que los
nmeros no podan ser transferidos inmediatamente a Copenhague. Por tanto, el equipo en
Esbjerg se mantuvo ocupado en espera, y los abonados que efectuaban llamadas locales en
Esbjerg no pudieron completar las tentativas de llamada.
Esto es un ejemplo de cmo se propaga una situacin de sobrecarga con una reaccin en cadena
por toda la red. Cuando ms ajustada se ha dimensionado una red, habr ms posibilidad que se
produzca una reaccin en cadena. Una central siempre ha de ser construida de modo que
mantenga su capacidad total de funcionamiento durante situaciones de sobrecarga.
Figura 2.9 Funcin de frecuencia para tiempos de ocupacin de enlaces

en un centro de conmutacin local
4

Cuadro 2.3 Secuencia observada de tentativas de llamada repetidas (llamadas

nacionales, "mediciones de Ordrup").
Nmero de observaciones
Tentativa N
1
2
3
4
5
>5
Total
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
La probabilidad de xito disminuye con la cantidad de tentativas de llamada, mientras que la

persistencia aumenta. Aqu un intento de llamada repetido es una llamada repetida al mismo
abonado B dentro de una hora
En una central moderna se tiene la posibilidad de dar prioridad a un grupo de abonados en una
situacin de emergencia, por ejemplo, mdicos y polica (trfico preferencial).
En sistemas informticos similares condiciones influenciarn la calidad de funcionamiento. Por
ejemplo, si es difcil obtener libre ingreso a un sistema terminal, el usuario dispone no
desconectarse sino mantener conectado el terminal, es decir aumentar el tiempo de servicio. Si un
sistema funciona como sistema de tiempo de espera, el tiempo de espera medio aumentar
entonces con el tercer orden del tiempo de medio servicio (vase el Captulo 13). En esas
condiciones el sistema se saturar muy rpido, es decir estar sobrecargado. En pases con redes
de telecomunicacin sobrecargadas (por ejemplo, pases en desarrollo) un gran porcentaje de
intentos de llamadas sern tentativas de llamadas repetidas.
Ejemplo 2.4.2: Tentativa de llamada repetida: Este es un ejemplo de un modelo simple de
tentativa de llamada repetida. Sea la siguiente notacin:
b = persistencia
(2.10)
B = p {no completada}
(2.11)
La persistencia b es la probabilidad que se repita una tentativa de llamada infructuosa, y

p{completada} = {1 B} es la probabilidad que el abonado (parte llamada) responda. Para una
tentativa de llamada se obtiene la siguiente resea:
Las siguientes probabilidades se obtienen para una tentativa de llamada:
(2.12)

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)
Sean los tiempos medios de ocupacin siguientes:

sc = tiempo medio de ocupacin de llamadas completadas
sn = 0 = tiempo medio de ocupacin de llamadas no completadas
Se obtienen entonces las siguientes relaciones entre el trfico transportado Y y el trfico ofrecido A:
Y = A 1 B
1 B b
A=Y
1 B b
1 B
(2.15)
(2.16)
Esto es similar al resultado que figura en la Recomendacin UIT-T E.502.

En la prctica, la persistencia b y la probabilidad de complecin 1 B depender del nmero de
veces que la llamada ha sido repetida (consltese el cuadro 2.3). Si las llamadas infructuosas
tienen un tiempo medio de ocupacin positivo, el trfico transportado puede ser mayor que el
trfico ofrecido.
Leccin 7: Introduccin al grado de servicio

La siguiente seccin tiene como base la publicacin: Proposed grade of service chapter for
handbook. ITU-T Study Group, Veir, B. (2001) [100]. El operador de la red debe decidir qu
servicios ha de prestar sta al usuario final y el nivel de calidad de servicio que el usuario debe
experimentar. Esto es as para toda red de telecomunicaciones sea con conmutacin de circuitos
o con conmutacin de paquetes, almbrica o inalmbrica, ptica o de alambre de cobre, y es
independiente de la tecnologa de transmisin aplicada. Otras decisiones que se han de efectuar
pueden incluir el tipo e instalacin de la infraestructura de la red para soportar los servicios, y la
eleccin de las tcnicas que se han de utilizar para tratar el transporte de la informacin. Estas
decisiones ulteriores pueden ser diferentes, segn si el operador ya est presente en el mercado
o si comienza a prestar servicios en una situacin de nuevo concurrente (es decir, una situacin
donde no hay una red heredada para considerar).

Figura 2.11 Histograma para todas las tentativas de llamada repetidas

en el trmino de 5 minutos, cuando la parte llamada est ocupada.
En la Recomendacin UIT-T E.800 se define el concepto de calidad de servicio (QoS) como: el
efecto colectivo de calidad de funcionamiento del servicio que determina el grado de satisfaccin
de un usuario del servicio. La QoS comprende un conjunto de parmetros que pertenece a la
calidad de funcionamiento del trfico de la red, pero adems de esto, la QoS tambin incluye una
serie de otros conceptos, que se resumen como sigue:
logstica del servicio;
facilidad de utilizacin del servicio;
servibilidad del servicio; y
seguridad del servicio.
Las definiciones detalladas de esos trminos figuran en la Recomendacin E.800. Cuanto mejor
calidad de servicio ofrece un operador al usuario final, mayor ser la posibilidad de obtener
nuevos clientes y mantener los clientes actuales. Pero una mejor calidad de servicio significa
tambin que la instalacin de la red sea ms costosa y esto, normalmente, tendr relacin con el
precio del servicio. La seleccin de una determinada calidad de servicio depender, por tanto, de
las decisiones polticas tomadas por el operador y esto no ser tratado en el presente estudio.
Cuando se establece la decisin de calidad se puede iniciar la planificacin de la red pertinente.
Esto incluye la decisin de una tecnologa de red de transporte y su topologa, as como los
8

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

GoS y QoS, y en la definicin de lo que realmente es la percepcin del usuario, se ha formado un

grupo para tratar estos problemas. Se denomina Grupo de Desarrollo sobre Calidad de Servicio y
trabaja conjuntamente con el Grupo de Estudio 2 del UIT-T. Sus temas de estudio incluyen nuevas
definiciones y mejoramiento de la Recomendacin UIT-T E.800.
Debido a los diferentes criterios para definir el GoS y la QoS, el Grupo de Desarrollo sobre Calidad
de Servicio propuso una solucin para resolver el problema. Esta solucin se denomina acuerdo a
nivel de servicio (SLA, service level agreement). Esto es en realidad un contrato entre el usuario y
el operador de la red. En el mismo se define el significado real de los parmetros en cuestin. Se
supone que las definiciones estn dadas de modo tal que sean interpretadas de la misma manera
por el cliente y por el operador de la red. Asimismo, el SLA define qu sucede en el caso de la
violacin de los trminos del contrato. Algunos operadores han decidido emitir un SLA para todas
las relaciones que tienen (al menos en principio) con el cliente, mientras que otros slo lo hacen
con grandes clientes que conocen lo que realmente significan los trminos del SLA.
7.3 Calidad de funcionamiento de la red
Como se mencion anteriormente la calidad de funcionamiento de la red se refiere a la aptitud de
una red o parte de la misma para ofrecer las funciones correspondientes a las comunicaciones
entre usuarios. Para establecer cmo funciona una determinada red, es necesario realizar
mediciones que abarquen todos los aspectos de los parmetros de comportamiento funcional (es
decir capacidad de trfico, seguridad de funcionamiento, transmisin y tarificacin).
Asimismo, los aspectos de calidad de funcionamiento de la red en el concepto de GoS slo
corresponden a los factores relacionados con el rendimiento funcional de la capacidad de trfico
en la terminologa de QoS. Asimismo, en el marco de la calidad de servicio el trmino "Calidad de
funcionamiento de la red" tambin incluye los siguientes conceptos:
seguridad de funcionamiento,
calidad de transmisin, y
precisin de la tasacin.
No es suficiente efectuar slo mediciones, sino que es tambin necesario tener una organizacin
que pueda proporcionar la supervisin adecuada y tomar las medidas que correspondan cuando
surjan los problemas. A medida que aumenta la complejidad de la red el nmero de parmetros
que ser necesario tener en cuenta ser mayor. Esto significa que se requerirn medios
automticos para que el panorama general de los parmetros ms importantes que se deben
examinar sea ms sencillo.
7.4 Configuraciones de referencia
Para obtener una visin general de la red en estudio es a menudo conveniente presentar un
10

diagrama denominado configuracin de referencia. Este diagrama comprende uno o ms

esquemas simplificados del trayecto que una llamada (o conexin) puede tomar en la red incluido
los puntos de referencia apropiados, donde se definen las interfaces entre las entidades. En
algunos casos los puntos de referencia definen una interfaz entre dos operadores y es, por tanto,
importante observar cuidadosamente qu sucede en ese punto. En lo que se refiere al grado de
servicio la importancia de la configuracin de referencia es la segmentacin del GoS como se
describe a continuacin. Considrese una red telefnica con terminales, conmutadores de
abonado y conmutadores de trnsito. En el ejemplo se ignora la red de sealizacin. Supngase
que las llamadas se pueden encaminar por unas de las tres disposiciones siguientes:
1) terminal conmutador de abonado terminal. Esto se puede representar como la
configuracin de referencia que se muestra en la figura 2.12.
2) terminal conmutador de abonado conmutador de trnsito conmutador
de abonado terminal. Esto se puede representar como la configuracin de referencia que
se muestra en la figura 2.13
3) terminal conmutador de abonado conmutador de trnsito conmutador de trnsito
conmutador de abonado terminal. Esto se puede representar como la configuracin de
referencia que se muestra en la figura 2.14.
Figura 2.12 Configuracin de referencia para el caso 1

Basado en un determinado conjunto de requisitos de QoS, se selecciona y define un conjunto de
parmetros de GoS de una base de extremo a extremo dentro de la frontera de red, para cada
categora de servicio principal proporcionadas por la red. Los parmetros de GoS seleccionados
11

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

Leccin 8: Funciones de distribucin

Todos los intervalos de tiempo que se consideran en este Modulo no son negativos y, por tanto,
pueden ser expresados por variables estocsticas no negativas.
Los intervalos de tiempo de inters son, por ejemplo, tiempos de servicio, duracin de la
congestin (periodos de bloqueo, periodos de ocupado), tiempos de espera, tiempos de
ocupacin, tiempos de CPU ocupado, periodos entre las llegadas a destino de las llamadas, etc.
En este Captulo se examinan la teora bsica de las probabilidades y las estadsticas en lo que
respecta a la teora del teletrfico.
Un intervalo de tiempo puede ser descrito por una variable estocstica T, que se caracteriza por
una funcin de distribucin F(t):
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:
El orden de integracin se puede invertir pues el integrando no es negativo. As, se puede

comprobar (Ec. 3.3) lo siguiente:
La siguiente prueba simplificada es correcta pues se supone que los momentos existen:
Ejemplo 3.1.1: Distribucin exponencial: Para la distribucin exponencial se tiene:
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:
El valor medio (expectativa) es el primer momento:
El i-simo momento central se define como:
La varianza es idntica al segundo momento central:
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
as como /m son independientes de la eleccin de la escala de tiempo, y
aparecer en muchas frmulas en los textos siguientes.

Cuando mayor sea el factor de forma, ms irregular es la distribucin temporal, y mayor ser, por
ejemplo, el tiempo de espera medio en un sistema de tiempo de espera. El factor de forma toma el
valor mnimo igual a uno para intervalos de tiempo constantes ( = 0).
Para estimar una distribucin a partir de las observaciones, se est a menudo satisfecho al
conocer los primeros dos momentos (m y o ) pues los momentos de orden superior requieren
gran cantidad de observaciones para obtener estimaciones fiables. Las distribuciones temporales
tambin se pueden caracterizar de otras maneras, cuyas ms importantes se analizarn ms
adelante.
8.2 Tiempo de vida residual

Se desea hallar la distribucin del tiempo de vida residual, dado que ya ha sido obtenida una
determinada edad x 0.
La distribucin condicional F(t+xIx) se define como sigue (suponiendo que p{T > x} > 0 y t 0:
y as
La figura 3.1 ilustra los clculos grficamente.

El valor medio m1,r del tiempo de vida residual se puede expresar como (3.4):
16

El ndice de mortalidad en el tiempo x, es decir la probabilidad de que la vida til considerada

termina dentro de un intervalo (x,x + dx), bajo la condicin que la edad x haya sido alcanzada, se
obtiene con la expresin (3.11) en la condicin t = dx:
La funcin de densidad condicional (x) tambin se denomina funcin obstculo. Si se da esta

funcin, se puede obtener entonces F(x) como solucin a la siguiente ecuacin diferencial:
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

que tiene la siguiente solucin (suponiendo F(0) = 0):
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:
o si se indica la probabilidad de un tiempo de espera positivo {1 Ws(0)} por D (probabilidad de

demora):
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:
Si se efecta un total de S pruebas, la distribucin de la cantidad de xitos tiene distribucin

binomial:
la que se obtiene, por tanto, mediante la convolucin de S distribuciones de Bernoulli. Si se

ejecuta una prueba adicional, la distribucin del nmero total de xitos se obtiene mediante la
convolucin de la distribucin binomial (3.35) y la distribucin de Bernoulli (3.34):
Leccin 9: Procesos de llegada

Los procesos de llegada, tal como llamadas telefnicas que llegan a una central, se describen
matemticamente como procesos estocsticos puntuales. Para un proceso puntual, se pueden
distinguir dos llegadas entre s. Las informaciones concernientes a una llegada (tiempo de
servicio, nmero de cliente) se ignoran. De modo que la informacin slo se puede utilizar para
determinar si una llegada pertenece al proceso o no.
La teora matemtica para el proceso puntual fue presentada y desarrollada por el sueco Conny
Palm en el decenio de 1940. Esta teora ha sido ampliamente aplicada en diversos temas. Fue
matemticamente perfeccionada por Khintchine (1968, [63]), y se ha aplicado considerablemente
en muchos libros de textos.
9.1
Descripcin de procesos puntuales
En el texto siguiente slo se considerarn procesos puntuales regulares, es decir se excluyen las
llegadas dobles. Para llamadas telefnicas esto se puede realizar utilizando una escala temporal
suficientemente detallada.
19

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)
La primera observacin tiene lugar en el tiempo T0 = 0.

El nmero de llamadas en el semiintervalo abierto [0, t] se indica como Nt. El valor Nt es una
variable aleatoria con parmetros de tiempo continuo y espacio discreto. Cuando t aumenta, Nt
nunca disminuye.
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
Esto se expresa por la identidad de Feller-Jensen:
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

Para procesos puntuales regulares, se tiene:

p {Nt+t Nt 2} = o(t),
(5.7)
p {Nt+t Nt = 1} = tt + o(t),
(5.8)
p {Nt+t Nt = 0} = 1 tt + o(t),
(5.9)
donde, por definicin:
3) ndice de dispersin para conteo

Para describir propiedades de segundo orden de la representacin del nmero de llamadas se
utiliza el ndice de dispersin para conteo (IDC, index of dispersion for counts). Este ndice
describe las variaciones de los procesos de llegada durante un intervalo de tiempo t y se define
como:
Mediante la divisin del intervalo de tiempo t en x intervalos de duracin t/x y observando el

nmero de eventos durante esos intervalos se obtiene una estimacin del IDC(t). Para el proceso
de Poisson IDC se pone igual a uno. IDC es igual al "grado de curtosis", que se tratar ms
adelante para caracterizar el nmero de canales ocupados en un proceso de trfico.
9.1.2 Propiedades bsicas de la representacin del intervalo
4) La distribucin f(t) de intervalos de tiempo Xi (5.2) (y por convolucin la distribucin en s i1
veces la distribucin del tiempo hasta la i-sima llegada).
Fi(t) = p {Xi t},
(5.12)
E {Xi} = m1,i.
(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

Para describir propiedades de segundo orden para la representacin de intervalos se utiliza el

ndice de dispersin para intervalos (IDI, index of dispersion for intervals). Esto se define:
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:
Hay muchas otras definiciones de la condicin de estacionario, algunas ms estrictas y otras ms

amplias.
La condicin de estacionario tambin se puede definir por representacin de intervalos requiriendo
que todas las Xi sean independientes e idnticamente distribuidas. Una definicin amplia es
aquella que todos los momentos de primero y segundo orden (por ejemplo el valor medio y la
24

varianza) de un proceso puntual deben ser constantes con respecto a desplazamientos en el

tiempo.
Erlang introdujo el concepto de equilibrio estadstico, que requiere que las derivadas del proceso
con respecto al tiempo sean cero.
9.2.2 Independencia
Esta propiedad se puede expresar como la necesidad que la evolucin futura del proceso slo
dependa del estado presente.
Definicin: La probabilidad que los eventos k (k es entero y 0) se produzcan en [t1, t1 + t2] es
independiente de los eventos antes del tiempo t1:
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.
Leccin 10: Teorema de Little

Este es el nico resultado general que es vlido para todos los sistemas de puesta en fila y fue
publicado por primera vez por Little (1961 [76]). La prueba se muestra por aplicacin de la teora
del proceso estocstico en (Eilon, 1969 [25]).Se considera un sistema de puesta en fila donde los
clientes llegan conforme a un proceso estocstico. Los clientes ingresan al sistema en un tiempo
aleatorio y esperan hasta obtener el servicio; una vez servidos dejan el sistema.
En la figura 5.3 los procesos de llegada y salida se consideran como procesos estocsticos con el
nmero de clientes acumulado en ordenadas.
Considrese un tiempo T y supngase que el sistema est en equilibrio estadstico en el tiempo
inicial t = 0. Se tienen las siguientes notaciones (vase la figura 5.3):
N(T)
A(T) =
nmero de llegadas en el periodo T.

tiempo de servicio total de todos los clientes en el periodo T.
A(T)= zona sombreada entre curvas.

A(T)= volumen de trfico transportado.
(T)
N(T) = intensidad promedio de la llamada en el periodo T.

T
26

W(T) =
A(T) = tiempo de ocupacin medio en sistemas por llamada en el periodo T.

N(T)
L(T)
A(T) = nmero de llamadas promedio en el sistema en el periodo T.

T
Se tiene la relacin importante entre esas variables:
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 = /.)".
Figura 4.2 Sistema de puesta en fila con llegada y salida de clientes.

La distancia vertical entre las dos curvas es igual al nmero real de clientes que estn servidos.
Los clientes en general no salen en el mismo orden en que llegan, de modo tal que la distancia
horizontal entre las curvas no describe el tiempo real en el sistema de un cliente.
27

CAPITULO 3: DISTRIBUCIONES DE LOS INTERVALOS DE TIEMPO

La distribucin exponencial es la distribucin temporal ms importante de la teora del teletrfico.
Al combinar en serie intervalos temporales distribuidos exponencialmente, se obtiene una clase de
distribuciones denominadas distribuciones de Erlang. Al combinarlos en paralelo, se obtiene una
distribucin hiperexponencial. Al combinar las distribuciones exponenciales en serie y en paralelo,
posiblemente con retroalimentacin, se obtienen distribuciones de tipo fase, lo que constituye una
clase muy general de distribuciones. Las distribuciones de Cox son una sub categora importante
de las distribuciones de tipo fase. Se observa que una distribucin arbitraria se puede expresar
mediante una distribucin Cox, lo que puede utilizarse en modelos analticos en forma
relativamente sencilla. Por ltimo, tambin se estudian otras distribuciones temporales que se
emplean en la teora del teletrfico. Se ofrecen algunos ejemplos de observaciones de tiempos de
vida.
Leccin 11: Distribucin exponencial

En la teora de teletrfico esta distribucin tambin se denomina distribucin exponencial negativa.
En principio, se puede utilizar cualquier funcin de distribucin con valores no negativos para
modelar un tiempo de vida. Sin embargo, la distribucin exponencial tiene algunas caractersticas
propias que hacen que esta distribucin se califique para utilizacin analtica y prctica. La
distribucin exponencial desempea un papel fundamental entre todas las distribuciones de tiempo
de vida.
Esta distribucin se caracteriza por un parmetro nico, la intensidad o rgimen :
La funcin gamma viene defina por:
Si se reemplaza t por t y se obtiene el -simo momento, se tiene:
28

Figura 5.1 En diagramas de fase todo intervalo de tiempo distribuido exponencialmente se

ilustra como una casilla con la intensidad. La casilla significa as que uncliente que llega a
la misma sufre el retardo de un intervalo de tiempo distribuido exponencialmente antes de
dejar la casilla
La distribucin exponencial es muy apropiada para describir intervalos de tiempo fsicos (vase la
figura 6.2). La caracterstica ms importante de la distribucin exponencial es su falta de memoria.
La distribucin del tiempo residual de una conversacin telefnica es independiente de la duracin
real de la conversacin, y es igual a la distribucin del tiempo de vida total (3.11):
Si se quita la masa de probabilidad del intervalo (0, x) a partir de la funcin densidad y se

normaliza la masa residual en (x, ) a la unidad, la nueva funcin de densidad se hace congruente
con la funcin de densidad original. La nica funcin de distribucin continua que tiene esta
propiedad es la distribucin exponencial, mientras que la distribucin geomtrica es la nica
distribucin discreta que tiene esta propiedad. En la figura 3.1 se muestra un ejemplo con la
distribucin de Weibull en la que esta propiedad no es vlida. Para k = 1 la distribucin de Weibull
se hace idntica a que la distribucin exponencial. Por tanto, el valor medio del tiempo de vida
residual es m1,r = m y la probabilidad de observar un tiempo de vida en el intervalo (t,t + dt),
teniendo en cuenta que se produzca despus de t, viene dado por:
es decir es independiente del tiempo real t.

11.1 Mnimo de k variables aleatorias distribuidas exponencialmente
Se supone que dos variables aleatorias X1 y X2 son mutuamente independientes y estn
distribuidas exponencialmente con intensidades 1 y 2, respectivamente. Una nueva variable
aleatoria X se define como:
29

La funcin de distribucin de X es:
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:
es decir independiente de t. (No es necesario integrar todos los valores de t.)

Esos resultados pueden ser generalizados a k variables e integrar el principio bsico de la
simulacin tcnica denominada mtodo de la ruleta, una metodologa de simulacin de Monte
Carlo.
11.1.2 Combinacin de distribuciones exponenciales
Si una distribucin exponencial (es decir, un parmetro) no puede describir los intervalos de
tiempo con detalle suficiente, se ha de tener que utilizar entonces una combinacin de dos o ms
distribuciones exponenciales. Conny Palm introdujo dos clases de distribuciones: pronunciada y
plana. Una distribucin pronunciada corresponde a un conjunto de distribuciones estocsticas con
exponencial independiente dispuestos en serie (vase la figura 5.2), y una distribucin plana
corresponde a distribuciones exponenciales dispuestas en paralelo (vase la figura 5.4). Esta
estructura corresponde naturalmente a la configuracin de procesos de trfico en redes de
telecomunicacin y datos.
Mediante la combinacin de distribuciones pronunciada y planas se obtiene una aproximacin
arbitrariamente buena para cualquier funcin de distribucin (vase la figura 5.7). Los diagramas
de las figuras 5.2 y 5.4 se denominan diagramas de fase.
Figura 5.2 - Mediante la combinacin de k distribuciones exponenciales en serie se obtiene

una distribucin pronunciada ( 2). Si todas las distribuciones k son idnticas (1 = ), se
obtiene entonces una distribucin Erlang-k
30

Figura 5.3 Distribuciones Erlang-k con valor medio igual a uno. El caso k = 1 corresponde
a una distribucin exponencial (funciones de densidad)
Leccin 12: Distribuciones pronunciadas

Las distribuciones pronunciadas tambin se denominan distribuciones hiperexponenciales o
distribuciones Erlang generalizadas con un factor de forma en el intervalo 1 < 2. Esta funcin de
distribucin generalizada se obtiene convolucionando distribuciones exponenciales k (vase la
figura 5.2). Aqu slo se considera el caso en el que todas las distribuciones exponenciales k son
idnticas. Se obtiene entonces la siguiente funcin de densidad que se denomina distribucin
Erlang-k.
31

(4.10)
Mediante las ecuaciones (3.31) y (3.32) se pueden obtener los momentos siguientes;
El i-simo momento no central es:
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

Se observa que el factor de forma es independiente de la escala de tiempos. La funcin de

densidad (4.15) se ilustra en la figura 5.3 para diferentes valores de k con = 1. El caso k = 1
corresponde a la distribucin exponencial. Cuando k se obtiene en un intervalo de tiempo
constante ( = 1).
Resolviendo la ecuacin f' (t) se halla el valor mximo con la siguiente expresin:
Las distribuciones pronunciadas se denominan as debido a que las funciones de distribucin

aumenta de 0 a 1 ms rpidamente que la distribucin exponencial. En teora de teletrfico se
utiliza a veces el nombre distribucin de Erlang para la distribucin de Poisson truncada.
Leccin 13: Distribuciones planas

La funcin de distribucin general es en este caso una suma ponderada de distribuciones
exponenciales (distribucin compuesta) con un factor de forma 2:
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

Figura 5.4 Mediante la combinacin de distribuciones exponenciales k en paralelo y

seleccionando la derivacin nmero i con la probabilidad pi, se obtendr una distribucin
hiperexponencial, que es una distribucin plana ( 2)
El tiempo de vida residual medio m1,r(x) para toda x 0 es mayor que el valor medio:
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

Si n = 1 o todas las i son iguales, se tendr una distribucin exponencial.

Esta clase de distribucin se denomina distribucin hiperexponencial y se puede obtener
combinando n distribuciones exponenciales en paralelo, donde la probabilidad de elegir la i-sima
distribucin viene dada por pi. La distribucin se denomina plana pues su funcin de distribucin
de 0 a 1 aumenta ms lentamente que la distribucin exponencial.
En la prctica, es difcil estimar ms que uno o dos parmetros.
El caso ms importante es para n = 2 (p1 = p, p2 = 1 p):
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:
El valor medio y el factor de forma resultan:
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.
Leccin 14: Distribuciones de Cox

Mediante la combinacin de distribuciones planas y pronunciadas se obtiene una clase de
distribucin general (distribuciones de tipo de fase) que se pueden describir con fase exponencial
tanto en serie como en paralelo (por ejemplo una matriz k l). Para analizar un modelo con esta
clase de distribuciones, se puede aplicar la teora de los procesos de Markov, de la que se tienen
herramientas eficaces como el mtodo de fase. En el caso ms general se puede permitir la
realimentacin entre las fases.
35

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.
Figura 5.5 Funcin de la (frecuencia de) densidad para tiempos de ocupacin

observndose lneas en una central local durante las horas cargadas. (Central 0163, 27/5-6/6
1975.)
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

que se puede expresar as:
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
14.1 Prueba polinomial

Las siguientes propiedades tienen importancia para aplicaciones posteriores. Si se considera un
punto en el tiempo escogido al azar dentro de un intervalo de tiempo con distribucin de Cox, la
probabilidad que este punto est dentro de la fase i viene dada por:
Si este experimento se repite y veces (independientemente), la probabilidad que la fase i se

observa yi veces est dada por la distribucin multinomial ( = distribucin polinomial):
donde
38

Estas expresiones (4.38) se denominan coeficientes multinomiales. Por la propiedad de "falta de

memoria" de las distribuciones (fases) exponenciales se tiene plena informacin acerca del tiempo
de vida residual, cuando se conoce el nmero de la fase real.
14.2 Principios de descomposicin
Figura 5.8 Una distribucin exponencial con intensidad es equivalente a la distribucin

de Cox mostrada (Teorema 4.1)
Los diagramas de fase constituyen una herramienta til para analizar las distribuciones de Cox. La
siguiente es una caracterstica fundamental de la distribucin exponencial (Iversen y Nielsen, 1985
[43]):
Teorema 4.1 Una distribucin exponencial con intensidad se puede descomponer en una
distribucin Cox de dos fases, donde la primera tiene una intensidad m > y la segunda una
intensidad (vase la figura 5.8).
El Teorema 4.1 muestra que una distribucin exponencial es equivalente a una distribucin de
Cox homognea (homognea significa que tiene iguales intensidades en todas las fases) con
intensidad m y un nmero infinito de fases (vase la figura 5.8). Se observa que las probabilidades
de derivaciones son constantes. La figura 5.9 corresponde a una suma ponderada de
distribuciones Erlang-k donde los factores de ponderacin estn geomtricamente distribuidos.
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
Importancia de la distribucin de Cox
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:
Otras distribuciones temporales
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

negativos y obtiene la distribucin gamma:
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):
Esta distribucin tiene su origen en la teora de la fiabilidad. Para k = 1 se tiene la distribucin

exponencial.
Ms adelante, se tratar un conjunto de distribuciones discretas que tambin describe el tiempo de
vida, tal como la distribucin geomtrica, distribucin de Pascal, distribucin binomial, distribucin
de Westerberg, etc. En la prctica, los parmetros de distribuciones no son siempre constantes.
Los tiempos (de ocupacin) del servicio se pueden relacionar fsicamente con el estado del
sistema. En sistemas hombre-mquina el tiempo del servicio cambia en razn de la actividad
(disminuye) o inactividad (aumenta). De la misma manera, los sistemas electromecnicos
funcionan ms lentamente durante periodos de carga elevada en razn que la tensin diminuye.
Para algunas distribuciones que se aplican ampliamente en la teora de puesta en fila, se utilizan
las siguientes notaciones abreviadas:
M
Ek
Hn
D
Cox
G
~
~
~
~
~
~
Distribucin exponencial (Markov),

Distribucin de Erlang-k,
Distribucin hiperexponencial de orden
n,
Constante
(Determinstica),
Distribucin de Cox,
General = atribucin arbitraria.
15.1 Observaciones de la distribucin de tiempo de vida

En la figura 5.5 se muestra un ejemplo de los tiempos de ocupacin observados desde una central
telefnica local. El tiempo de ocupacin comprende el tiempo de sealizacin y, si la llamada se
42

responde, el tiempo de conversacin. En la figura 6.2 se muestra la observacin y los periodos

entre llegadas de llamadas a una central telefnica de trnsito durante una hora.
Desde sus comienzos, la teora de teletrfico ha sido caracterizada por una fuerte interaccin entre
teora y prctica, y han habido excelentes posibilidades para efectuar mediciones.
Erlang [12] present en 1920 un informe sobre los resultados de una medicin en las que se
registraron 2 461 tiempos de conversacin en una central telefnica de Copenhague (1916). Palm
(1943 [81]) analiz el campo de mediciones de trfico, de manera terica y prctica, y efectu
amplias mediciones en Suecia.
Se han llevado a cabo numerosas mediciones en sistemas de computacin. Mientras que en
sistemas telefnicos rara vez se tiene un factor de forma mayor que 6, en trfico de datos se
observan factores de forma mayores que 100. Este es el caso, por ejemplo para transmisin de
datos, donde se envan algunos caracteres o bien una gran cantidad de datos. Las mediciones
extensas ms recientes han sido efectuadas y modeladas utilizando modelos de trfico similares
(Jerkins y otros, 1999 [51]).
43

Capítulo 2. Teoría de Las Probabilidades y Estadísticas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capítulo 2. Teoría de Las Probabilidades y Estadísticas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS TECNOLOGAS E INGENIERAS

CAPTULO 2. TEORA DE LAS PROBABILIDADES Y ESTADSTICAS

Leccin 6: Generacin De Trfico Y Reaccin De Los Abonados

Figura 2.8 Probabilidades condicionales de eventos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

p{B ocupado} = (1 pe) . (1 ps) . pb

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Conforme a las mediciones de Ordrup el 4% aproximadamente de las llamadas eran tentativas de

Figura 2.9 Funcin de frecuencia para tiempos de ocupacin de enlaces

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Cuadro 2.3 Secuencia observada de tentativas de llamada repetidas (llamadas

La probabilidad de xito disminuye con la cantidad de tentativas de llamada, mientras que la

La persistencia b es la probabilidad que se repita una tentativa de llamada infructuosa, y

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Sean los tiempos medios de ocupacin siguientes:

Esto es similar al resultado que figura en la Recomendacin UIT-T E.502.

Leccin 7: Introduccin al grado de servicio

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Figura 2.11 Histograma para todas las tentativas de llamada repetidas

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

GoS y QoS, y en la definicin de lo que realmente es la percepcin del usuario, se ha formado un

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

diagrama denominado configuracin de referencia. Este diagrama comprende uno o ms

Figura 2.12 Configuracin de referencia para el caso 1

Figura 2.13 Configuracin de referencia para el caso 2

Figura 2.14 Configuracin de referencia para el caso 3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 8: Funciones de distribucin

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El orden de integracin se puede invertir pues el integrando no es negativo. As, se puede

Ejemplo 3.1.1: Distribucin exponencial: Para la distribucin exponencial se tiene:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El valor medio (expectativa) es el primer momento:

El i-simo momento central se define como:

La varianza es idntica al segundo momento central:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

as como /m son independientes de la eleccin de la escala de tiempo, y

aparecer en muchas frmulas en los textos siguientes.

8.2 Tiempo de vida residual

La figura 3.1 ilustra los clculos grficamente.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El ndice de mortalidad en el tiempo x, es decir la probabilidad de que la vida til considerada

La funcin de densidad condicional (x) tambin se denomina funcin obstculo. Si se da esta

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

que tiene la siguiente solucin (suponiendo F(0) = 0):

o si se indica la probabilidad de un tiempo de espera positivo {1 Ws(0)} por D (probabilidad de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Si se efecta un total de S pruebas, la distribucin de la cantidad de xitos tiene distribucin

la que se obtiene, por tanto, mediante la convolucin de S distribuciones de Bernoulli. Si se

Leccin 9: Procesos de llegada

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La primera observacin tiene lugar en el tiempo T0 = 0.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Esto se expresa por la identidad de Feller-Jensen:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Para procesos puntuales regulares, se tiene:

donde, por definicin:

3) ndice de dispersin para conteo

Mediante la divisin del intervalo de tiempo t en x intervalos de duracin t/x y observando el