Probabilidad y Mtodos Estocsticos

Fecha: 30 de junio de 2014.

Prctica 4: Modelos de Trfico
Tema:
- Simulacin de trfico en una central telefnica empleando el modelo de Poisson.

Modelo de Poisson
La teora de trfico consiste en la aplicacin de modelos matemticos para explicar
la relacin que existe entre la capacidad de una red de comunicaciones, la
demanda de servicio que los usuarios le imponen y el nivel de desempeo que la
red puede alcanzar. Como dicha demanda es de naturaleza estadstica, se suele
representar mediante algn proceso estocstico adecuado, con lo que se
constituyen diferentes Modelos de Trfico.
As pues, dado un modelo de trfico particular, el desempeo de la red se podra
predecir, en principio, aplicando herramientas adecuadas proporcionadas
principalmente por la Teora de Procesos Estocsticos y otros recursos
matemticos. [1]
Para la red telefnica se asume que:
1) Slo una llamada puede ocurrir en cualquier intervalo lo suficientemente
pequeo (dt).
2) La probabilidad de una llamada en dt es directamente proporcional a la longitud
del intervalo (i.e. probabilidad de una llegada = dt).
3) La probabilidad de una llamada en cualquier intervalo particular es
independiente de lo que ha ocurrido en otros intervalos.

Se puede demostrar que la probabilidad de j llamadas en un intervalo t puede ser
determinada por:
P
j
(t) = (1/j!)(t)
j
e
-t


La ecuacin anterior es el modelo Poisson. El nmero de llamadas en un intervalo
de longitud t sigue la distribucin Poisson, con media t.
Consideremos ahora una caracterizacin alternativa del proceso Poisson, en
trminos de los intervalos entre las llamadas. Si denotamos como Tn el tiempo entre
la llamada (n-1) y la n-sima llamada, la secuencia {T1, T2, T3, ...,Tn} se conoce
como la secuencia de tiempo entre llamadas.
Se puede demostrar que Tn, n = 1,2,... son variables aleatorias independientes que
siguen una distribucin exponencial, esto es:
FT(t) = 1 e
-t
para t 0.
Donde FT(t) nos da la probabilidad de que habr una llamada en un intervalo menor
o igual a t (i.e. P(T<t) = FT(t) ). La media de los tiempos entre llamadas es 1/.
La distribucin Poisson es una variable aleatoria discreta: el nmero de llamadas en
un intervalo, mientras que la distribucin exponencial es una variable aleatoria
contnua: el tiempo entre las llamadas. [2]





Imagen 1: Relacin entre distribuciones Poisson y Exponencial
Tomada de: http://www.desi.iteso.mx/telecom/siscom/informacion/p2trafico%20de%20llamadas.doc

En esta prctica se simularn los primeros 100 eventos (n) de un Proceso Poisson
con razn de llamadas . Se puede generar ese proceso generando los tiempos
entre llamadas {T
1
, T
2
...,Tn}. Visto de otra forma, los n eventos se generaran en un
intervalo T, donde T = T
1
+ T
2
+ Tn.
La media y la varianza de los tiempos entre llegadas debe ser igual a 1/. El nmero
promedio de llegadas en el intervalo T deber estar dado por T. La varianza del
nmero de llegadas tambin est dada por T.
Este simulador emplea el modelo de Poisson. Primero se cre un vector de
nmeros aleatorios con valores en un rango entre 0 a 1, para despus crear otro
vector a partir de esos nmeros aleatorios, que se obtienen mediante la ecuacin:

) 1 log( u
t




t es el tiempo en que se genera una llamada
u es nmero aleatorio entre 0 a 1
es la tasa de llegada (llamada/segundos)
Cdigo en Matlab
veces=0;
f=0;
c=0;
while veces<100,
u=0;
l=2.5;
u=rand(1,10000);%se crea la matriz con nmero de elmentos fijo "1000"
t=-(log(u))/l; %tiempos de llegada de las llamadas
g=0;%con esta variable se asegura si en el vector se llego a los mil
%elementos que ya no sume elementos del vector
N=0;%Inicializacin de la sumatoria de todo el vector.
a=1;%indicador de elemento del vector
b=a+1;%indicador de elemento del vector
while N<=10000,%Realizalo mientrasS sumatoria del tiempo de las N
%llamadas esten dentro del rango de 1000s
g=g+4;%contador de los mil elementos
N=t(a)+t(b)+N;
a=a+2;%estas dos lineas solo modifican a y b
b=b+2;%b-2 es el litmo elemento del vector
if g==10000
N=10000
end
end
if c==0 %entra cuando se crea al primer vector y se le asigna a c su
%tamao de vector "b-2"
c=b-2;
end
if b<c %entra cuando el nmero de elementos de un vector a sido menor
%que los que se encuentran
%ya creados.
c=b-2;
end
if f==0%Entra cuando no se a creado ningn vector completo para
%guardarlo en tx
tx=t;
f=f+1;
end
if f>1
tx=tx+t;
end
f=f+1;%Se le suma uno para que despues de la primera vez pueda entrar
%al if f>1 que se encuentra en las tres lineas arriba y que se sumen a los
%100 vectores realizados
veces=veces+1 %con este se crea el arrreglo de 100 vectores
end
tx=tx(:,1:b);%A la suma del arreglo de los 100 vectores se les ajusta para
%que todos los vectores queden con el menor nmero de elementos
tx=tx/100;
hist(tx);
for k=1:b
final(k)=sum(tx(1:k));
end
plot(final,0,'o');
media=mean(tx); % clculo de la media
var=cov(tx); % clculo de la varianza
Resultados Obtenidos
Con lambda = 1.5:


Se ha realizado un histograma de las llegadas, para comprobar que siguen una
distribucin de Poisson.







Con lambda = 2.5:

Se ha realizado un histograma de las llegadas, para comprobar que siguen una
distribucin de Poisson.


Como podemos observar en las grficas, mientras mayor sea la probabilidad de llegada
de las llamadas estas ocurren en periodos de tiempo ms pequeos. Por lo que es
mucho mas difcil para una central telefnica suministrar el nmero de troncales
necesarias para todos los abonados de la red.


Referencias:
[1] Modelos de trfico en anlisis y control de redes de comunicaciones [en lnea]
Disponible en: < http://comunidad.udistrital.edu.co/malzate/files/2011/12/ModelosDeTraficoEnRedes.pdf>
Consulta de: 28 de junio de 2014.

[2] Simulador de trfico de central telefnica [en lnea]
Disponible en: < http://www.desi.iteso.mx/telecom/siscom/informacion/p2trafico%20de%20llamadas.doc>
Consulta de: 29 de junio de 2014.