Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cadenas de Markov - Acetatos
Cadenas de Markov - Acetatos
(n)
ij
0,
p ij(n)
2)
j 0
1; i,
p (n)
p (n)
01
0M
(n)
(n)
p11 p1M
p (n)
p (n)
M1
MM
ECUACIONES CHAPMAN-KOLMOGOROV:
La siguiente relacin se cumple para las probabilidades de una cadena de
Markov finita con probabilidades estacionarias:
M
Para m = 1 tenemos
p ij(n) p ik p nkj1 ;
k 0
p ij(2) p ik p kj ;
k 0
PROPIEDADES DE fii
El nmero esperado de perodos que el proceso est en estado i es
infinito si un estado es recurrente.
Si un estado es transitorio y la probabilidad de que regrese al estado i
es fii entonces la probabilidad de que no regrese al estado i ser 1 - f ii y
el nmero esperado de perodos en que el proceso est en estado i es
1/(1 - fii).
La recurrencia es una propiedad de clase es decir todos los estados de
una clase son recurrentes (o transitorios).
No todos los estados pueden ser transitorios. Esto implica que en una
cadena de Markov irreducible todos los estados son recurrentes.
n
ii
y es transitorio si p
n 1
n
ii
j i p ij ; j 0,1,2,..., M ,
i 0
Los
j
as como
j 0
1
jj
donde
JJ
es el tiempo esperado de
recurrencia.
TIEMPOS DE PRIMERA PASADA
Algunas veces es necesario referirse al nmero de transiciones que hace
el proceso al ir del estado i al estado j por primera vez. A este lapso
de tiempo se le llama tiempo de primera pasada. Si i = j se llama
tiempo de recurrencia del estado i.
Los tiempos de primera pasada son variables aleatorias cuyas
distribuciones de probabilidad dependen de las probabilidades de
transicin.
Si fij(n) denota la probabilidad de que el tiempo de primera pasada del
estado i al estado j es n, tenemos las siguientes frmulas recursivas:
p ik f kj(1)
fij(2) =
;
k j
p ik f kj(n -1)
fij(n) =
k j
n 1
, si f ij(n) 1
ij
n 1
nf ij(n) , si f ij(n) 1
n 1
n 1
n 1
n
ij
ij
ij
k j
ik
kj
k j
ik
kj
COLAS O LINEAS
Hay dos actores principales que conforman el sistema: los cliente y los
servidores. Estos sistemas se consideran como casos especiales de un
estudio ms general: simulacin de eventos discretos. As que
consideraremos el sistema como < la fila ms los servidores >
En estos casos hay tres variables que se utilizan: 1) de tiempo, 2) de
conteo y 3) las variables de estado del sistema. Cuando ocurre un
evento los valores de estas variables se modifican
Caractersticas:
La llegada de los clientes se genera de una fuente entrando en el
sistema. (Poblacin de clientes = finita o infinita)
Se consideran dos variables temporales: 1) tiempo entre llegadas de
los clientes y 2) tiempo de servicio por cliente.
Tamao de la cola : finita o infinita
La disciplina de la cola: orden en que se seleccionan los clientes de la
cola, (FIFO = FCFS, LIFO = LCFS, SIRO, Prioridad)
Pueden haber uno o varios servidores. En paralelo, en serie o en red.
Los modelos ms sencillos y ms utilizados constan de una cola y
varios servidores.
Cantidades en que usualmente podremos estar interesados en un estudio
de colas (las cuales llamaremos medidas de desempeo del sistema):
c , si n c
p1
0
p0 ;
1
Utilizando p
n 0
si n = 1,
p1
1 0
p0
2 1
pn
n 1 n 2 1 0
p0
n n 1 2 1
nP ;
n 1
Lq
(n - c)P ;
n c 1
Ls = efws ;
Lq = efwq
pn
1
1
1
p 0
Lq Ls
(M/M/1)(DG/N/)
L
1
2
WS S
;
1
(1 )
;W
Lq
(1 )
0;
n
n 0,1,2, , N 1
n N, N 1,
,
1
N 1
ef (1 p N )
Wq
Lq
ef
Lq
(1 p N )
{1 (n 1) N N N1}
, 1
N 1
(1 )(1 )
Ls
N,
1
2
L q Ls
ef
(1 p N )
Ls
Ws Wq
Ls
1
(1 p N )
(M/M/c)(DG//)
Caractersticas:
- Los clientes llegan con una tasa constante , por lo que ef =
- Un mximo c de clientes pueden ser atendidos simultneamente
n , si n c
c , si n c
0, si n N
n , si 0 n c
c , si c n N
(M/G/c)(NPRP//)
Caracteristicas:
(G/M/1)(DG//)
Caracteristicas:
(G/M/K)(DG//)
Caracteristicas: