Trafico1 Procesos Estocasticos

PROCESOS ESTOCASTICOS
TRFICO
POR:
M.C ALOR AGUILAR C
1
DEFINICIN DE LA TEORA DE TELETRFICO
Aplicacin de la teora de probabilidad a la solucin de

problemas concernientes a la planificacin, evaluacin
del desempeo, operacin y mantenimiento de los
sistemas de telecomunicacin.
Herramientas matemticas: procesos estocsticos ,
teora de colas y simulacin numrica
M.C ALOR AGUILAR C 2

OBJETO DE LA TEORA DE TELETRFICO
El objetivo de la teora de teletrfico es el desarrollo de modelos

matemticos que permitan derivar la relacin entre capacidad y
grado de servicio. El conocimiento proporcionado por la
modelizacin de los sistemas ser la base en la toma de
decisiones operacionales y econmicas.
Hacer el trfico mesurable en unidades bien definidas a travs de
modelos matemticos y derivar relaciones entre grado de servicio
y capacidad del sistema, de manera que la teora se convierta en
una herramienta de planificacin de inversiones. (Iversen).
Disear sistemas que se adapten a la carga de trabajo, con un
desempeo mesurable y con una optimizacin de los costes.

GRADO DE SERVICIO
Definicin
Nmero de variables de ingeniera de trfico que proveen una
medida del desempeo de un grupo de recursos bajo unas
condiciones especficas.
Los valores de referencia asignados a las variables de trfico
constituyen los estndares del Grado de Servicio
Los valores obtenidos para los parmetros especificados
constituyen los resultados del Grado de Servicio
Qu mide el Grado de Servicio?
Mide el desempeo medio de una red , o parte de una red.
Es el punto de vista del Operador del servicio

Calidad de servicio. QoS. SLA
El Grado de Servicio mide el desempeo de la red, es el punto de
vista del Operador. Parte de unos objetivos y dimensiona la red
para su cumplimiento. Las medidas, usualmente de
comportamiento medio comprueban la bondad de las hiptesis y
el comportamiento de la red.
La calidad de servicio QoS - representa el punto de vista del

usuario y est expresada en trminos adecuados a sus
expectativas. La red puede tener un bloqueo del 1%, pero un
usuario en particular experimentar un 3%.
El SLA o ANS (Acuerdo de Nivel de Servicio) es un contrato entre

Operador y Usuario en el que se definen los trminos
(disponibilidad, proceso provisin, mantenimiento ...) y las
penalizaciones por incumplimiento.

TAREAS EN LA INGENIERA DE TRFICO
Caracterizacin Objetivos de
de la demanda grado de servicio
Requisitos
Modelos Medidas QoS
trfico trfico
Objetivos
GoS
Previsin
trfico
Elementos
Red
Control
Dimensionado
Trfico
Monitorizacin
6
MODELOS
Las redes de telecomunicaciones se disean para
atender demandas de usuarios adscritos a un
determinado servicio.
El comportamiento de los usuarios, de las fuentes ,
ser en general aleatorio y ello nos impulsa a intentar
modelarlo mediante la teora de procesos estocsticos.
Construiremos modelos que confrontaremos a la
medidas en la red, si no concuerdan deberemos
construir nuevos modelos en un proceso iterativo.
Parece natural separar la descripcin de las
propiedades del trfico en dos procesos diferentes:
Aparicin de eventos (peticiones de servicio)
Tiempos de servicio

Terminologa en procesos trfico
Tiempo entre eventos
Tiempo servicio Tiempo libre
Tiempo llegada Tiempo salida
Busy , Idle, Interarrival time, Holding time
8
Redes telefnicas
Comportamiento usuario
Control y camino de voz. Sealizacin y media.
Comentario estructura de la red telefnica
Topologa
Arquitectura
Ejemplo VSAT
Concepto conmutacin circuitos

Redes de datos
Principio conmutacin paquetes
Almacenamiento y retransmisin
Caso LAN

Redes mviles
Diferencias respecto redes fijas
Control de presencia
Handover

Redes de nueva generacin
Complejidad
Trfico de agregacin
Tasas de crecimiento
Modelos matemticos

HISTORIA
13
HISTORIA
Molina desarrolla trabajos anteriores de Rorty en los
Bell Labs para ATT
Hiptesis
Las llamadas se producen aleatoriamente
Todas las llamadas permanecern en el sistema durante
un tiempo igual al tiempo medio de permanencia tanto si se
atienden como si no.
El bloqueo ocurre cuando el nmero de llamadas es mayor
que el nmero de recursos durante un tiempo igual al
tiempo medio.
En 1920 alguien coment que esos resultados provenan de
investigaciones de Poisson (1781-1840), Molina le cedi los
honores.

HISTORIA
SIMEON D. POISSON
15
HISTORIA
Agner Krarup Erlang
desarrolla sus modelos en
1909
Hiptesis
Las llamadas que llegan
con todas los servidores
ocupados se pierden (se
enrutan por otro sitio)
Las llamadas que llegan
con todos los servidores
ocupados esperan en cola
hasta ser atendidas.
16
HISTORIA
Tore Olaus Engset en 1918
propone un refinamiento de
las frmulas de Erlang
Erlang supone que el nmero
de fuentes productoras de
eventos es infinito. Si el
nmero es finito Erlang est
sobreestimando el
dimensionado
17
HISTORIA
Despus de la WWII, Roger Wilkinson desarrolla un
modelo para el trfico de desbordamiento
Hiptesis. El trfico que no puede ser cursado por una ruta, no
tiene caractersticas poissonianas. Usualmente la varianza es
mayor que la media. A su relacin se la conoce como
coeficiente de variacin.
Wilkinson desarrollo un mtodo para dimensionar los
recursos que debern cursar este tipo de trfico. Neal en 1970
refin el modelo y public unas tablas de dimensionado , las
tablas de Neal-Wilkinson
En 1982 Henry Jacobsen de ATT publica las tablas EART y
EARC para el diseo de enlaces en PBX con rutas de
desbordamiento basndose en los modelos de Neal-Wilkinson

HISTORIA
A mediados de los 50 , Roger Wilkinson estudia el
modelo de reintentos. Bretschneider hace lo mismo en
Alemania.
Los intentos de llamada, en el mundo real, se repiten si no
consiguen servicio. Wikinson desarrolla los modelos tericos.
En 1980 Jacobsen publica las Retrial Tables basndose en
los trabajos de Wilkinson.

HISTORIA
En 1951 Kendall introduce una notacin para
especificar los distintos escenarios de un sistema de
colas.
En los 60 y 70 se producen grandes avances tericos
en USA y Alemania.
Kleinrock publica en 1970 su primer volumen y
evangeliza sobre el uso de los computadores en
teora de colas.

CONCEPTOS BSICOS Y
MEDIDAS
21
CONCEPTOS TEORA TELETRFICO
Intensidad de trfico
Intensidad de trfico. Nmero
de recursos ocupados en un
sistema en un instante de
tiempo dado.
1 T
Y (T )
T
0
n(t )dt
Dnde n(t) es el nmero de recursos

ocupados en el tiempo t
C : Nmero de recursos ocupados en funcin de t

D: Intensidad media en un tiempo T
La curva de la figura representa el trfico cursado por un conjunto de recursos
22
Conceptos (cont)
Trfico ofrecido
Si el nmero de recursos no es infinito, pueden producirse
peticiones de servicio con todos los recursos ocupados.
El trfico ofrecido no puede medirse, puede estimarse.
Se trabaja con dos parmetros
: nmero de eventos (peticiones de servicio) por unidad
de tiempo.
Tiempo medio de servicio tm
A=tm

INTENSIDAD DE TRFICO
24
VARIACIN DIARIA
25
VARIACIN DEL TIEMPO MEDIO DE LLAMADA
26
VARIACIONES INTENSIDAD TRFICO. MODEM POOL INTERNET
27
CONCEPTO DE BLOQUEO. Loss systems
Congestin de tiempo
Fraccin de tiempo en la que todos los servidores estn
ocupados.
Congestin de llamadas
Fraccin de todas las llamadas que encuentran todos los
servidores ocupados.
Congestin de trfico
Fraccin de todo el trfico ofrecido que no es cursado.

EVENTOS INTERVALOS DE TIEMPO
llamadas
Server 3
Server 2
Server 1
Cul es la congestin de tiempo, trfico, llamadas?
29
Trfico en Erlang
A tm
1 N
A ti
T i 1
t i : duracin de la ocupacin i
N : nmero total ocupaciones
1 N
A i ti
T i 0
i : nmero simultneo de ocupaciones
t i : tiempo con exactament e i ocupaciones
N : nmero de recursos
30
ELEMENTOS TEORA DE
PROBABILIDAD
31
PROBABILIDAD
Trataremos con intervalos de tiempo no negativos

Funciones de distribucin
Un intervalo de tiempo puede ser descrito por una variable estocstica X
caracterizada por t
F (t ) dF (u ) 0t
0
F (t ) 0 t0
p(X t) F(t)
F c (t ) 1 F (t )
Incluye posibles
si F(t) es diferencia ble discontinuidades en cero
dF (t ) f (t ) pt X t dt
32
PROBABILIDAD.
E X m
i
i t f (t )dt i t i 11 F (t )dt
i
0 0

m1 t f (t )dt
0 0
1 F (t )dt m

t f (t )dt 2 t1 F (t )dt
2
0 0
i

E X m (t m) f (t )dt
0

i Identidad de Palm
2 m2 m 2 E X m 2

Coeficient e variacin CV (peakedness)
m

2
m2
Factor de Palm o factor 2 1 1
m m
33
PROBABILIDAD
Estas relaciones son independientes de la escala de
tiempos
Cuando mayor sea el factor de forma ms irregular es
la distribucin temporal, eso llevar por ejemplo a que
el tiempo de espera medio, en los sistemas de colas ,
sea mayor.
Para estimar una distribucin a partir de
observaciones, a menudo se est satisfecho al conocer
los dos primeros momentos.

Distribucin exponencial negativa
Se utiliza para caracterizar los
tiempos de vida (no negativos)
de manera sencilla.
Es un caso especial de la
distribucin Gamma 1
m1
Tiene un solo parmetro
2 1
m2
2
F (t ) 1 e t
0, t 0 2
2
f (t ) e t 2
recordemos la funcin Gamma

n 1 t n e t dt n!
0
reemplazando t por t se obtienen los momentos
35
Tiempo de vida residual
PX t x 1 F (t x)
pX t x / X x
pX x 1 F ( x)
F (t x) F ( x)
F (t x / x) pX t x / X x
1 F ( x)
el valor medio del tiempo de vida residual ser

mr
1
1 F (t x)dt x0
1 F ( x) 0
36
Tiempo de vida residual para la exponencial
m1,r
1
x 0
1 (1 e )

1
1 e x t
dt
1 x t 1
m1,r x e dt
e 0
La vida residual es igual a la vida media.
Esto no es cierto siempre.

Para distribuciones con < 2 la vida residual es menor, para >2 la vida
residual es mayor
37
Carga de los tiempos de servicio menores que uno dado

m t f (t )dt
0
x
t f (t )dt
0
El 75% de los trabajos contribuye con el 30% del valor de la media
38
Combinacin de variables estocsticas
Serie
La funcin de distribucin es la convolucin de las funciones de
distribucin de las respectivas variables. La media es la suma de
las medias y la varianza la suma de varianzas
Paralelo
Cada variable estocstica se pondera. La funcin de distribucin
es la suma ponderada de las funciones de distribucin
individuales. La media y varianza son:
l l
m pi m1,i con pi 1
i 1 i 1
l
pi ( i2 m12,i ) m 2
2
i 1
39
Ejemplo: Ensayo de Bernouilli y binomial
En una prueba la probabilidad de xito es p y la de fracaso q 1 - p

1 p i 0
pi (i )
p i 1
Si se efectuan S pruebas
S i
pS i p (1 p) S i
i
se obtiene as la distribucin binomial

Combinacin de distribuciones exponenciales
Con combinaciones de distribuciones exponenciales se puede
aproximar cualquier distribucin
Combinando en serie se obtienen las llamadas distribuciones
hipoexponenciales, que tienen <2. Si todos los parmetros son
iguales se llaman distribuciones de Erlang
1 2 3 4

Erlang-k
f (t )
t k 1
e t
, 0, t 0, k 1,2,...
(k 1)!
F(t)

t j
e t
k 1
1
t j
e t
j k j! j 0 j!
k k 1
m 2
1
2
k
m1,r ( x) m, x 0

Grfica Erlangiana
Se ha normalizado la media a un
valor 1, por ejemplo reemplazando
por k.
El caso k=1 corresponde a la
exponencial

PROBABILIDAD. PROCESOS DE LLEGADA
Se consideran procesos puntuales simples en los que se excluyen
llegadas mltiples. En las telecomunicaciones se puede hacer
considerando intervalos de tiempo lo suficientemente pequeos.
Consideremos los instantes de aparicin de eventos a partir de un tiempo
inicial
0 T0 T1 T2 ... Ti Ti 1 ...
El numero de llamadas en un intervalo abierto [0,t [ se representa por Nt.
En la que t es un parmetro continuo pero tiene un espacio muestral
discreto
La distancia entre dos llegadas sucesivas, se llama tiempo entre llegadas
X i Ti Ti 1 i 1,2,...
44
Identidad de Feller - Jensen
Tenemos dos variables aleatorias que representan dos procesos
Representacin Nmero. El intervalo de tiempo t se mantiene
constante y se observa el nmero de llegadas en ese tiempo Nt
Representacin Intervalo. Se mantiene el nmero de llamadas
constante y se observa la variable Ti
Existe la siguiente relacin
N t n si y solo si
n
Tn X i t , n 1,2,.. Identidad de Feller-Jensen
i 1
pN t n p Tn t n 1,2...
45
Procesos puntuales
Caractersticas de los procesos puntuales
Estacionareidad
Independencia
La evolucin del proceso (su futuro) depende solo del estado

actual (propiedad de Markov)

Para los procesos puntuales simples
La probabilidad de que haya ms de un evento en un intervalo
suficientemente pequeo tiende a cero
pNt t Nt 2 o(t )
El proceso de Poisson es un proceso puntual simple
46
Poisson
PPT ESPECFICO

Poisson
Proceso de Poisson
pN t t N t 2 o(t )
pN t t N t 1 (t )
pi, t
t i t
e
i!
m t 2 t
n 1
t j e t x n1 e x dx
j 0 j!
x t (n 1)!
por la identidad de Feller - Jensen
relacin entre la distribucin acumulada de Poisson y la de Erlang
48
Teoerema de Palm
La superposicin de procesos puntuales independientes

tiende a un proceso que localmente es de Poisson. El trmino
localmente significa que el intervalo del tiempo es lo
suficientemente corto como para que cada proceso individual
contribuya a lo sumo con un evento y no domine.

Teorema de Raikov
Una descomposicin aleatoria de un proceso puntual

en subprocesos, produce subprocesos que convergen
a procesos de Poisson, cuando la probabilidad de que
un evento pertenezca a un subproceso tiende a cero.

Teorema de Little
Vlido para cualquier cola (solo se requiere

estacionareidad)
El proceso de llegada es estocstico
Las llegadas esperan hasta que son servidas y
despus abandonan el sistema.
Se considera un tiempo de observacin T

Teorema de Little. Definiciones
N(T) : Nmero de llegadas en el tiempo T
A(T) : Tiempo total de servicio en el tiempo T. Trfico cursado.
(T)=N(T)/T Tasa media de llamadas en el tiempo T
W(T)=A(T)/N(T) Tiempo medio de servicio en el tiempo T
L(T)=A(T)/T nmero medio de llamadas simultneas en el tiempo T
A(T ) W (T ) N (T )
L(T ) (T )W (T )
T T
Si lim (T ) y W lim W (T )
T T
L W

Teorema de Little
Nmero medio de peticiones en cola Tasa de peticiones x tiempo medio en cola

t total tiempo de servicio tiempo en cola
N : nmero de peticiones en el sistema t total A L
A : trfico ofrecido nmero medio de peticiones servidas
N nmero medio de peticiones servidas nmero medio en cola
53
Teorema de Little. Grfica

SIMULACIN DE VARIABLES
ALEATORIAS
55
Simulacin variables aleatorias
Queremos generar nmeros , x , aleatorios en un determinado dominio
de manera que su probabilidad de ocurrencia, o densidad de
probabilidad dependa de x de una manera prescrita f(x).
Tcnica de transformacin inversa
Generar U(0,1) uniforme entre 0 y 1
Obtener X=F-1(U). Recordar que la funcin de distribucin tiene un rango
entre 0 y 1
Ej Weibull
b
x
c
F ( x) 1 e
U F(X )
X b ln 1 U
1
c
56
Simulacin Gaussiana
x2
1 2
f ( x) e 2 - x
2
x
F(x) f ( y )dy pero esta integral no se puede expresar mediante

funciones elementale s
Utilizando la relacin que existe entre la distribucin
de Rayleigh y la Gaussiana
0 2 R0
F ( R) R
2
1 e 2 R0 Las gaussianas son de media
cero , para otro valor solo
que est relacionad a con un par de gaussianas har falta aadirlo a cada
C R cos nmero generado
D R sen
con F ( x) U
1
R 2 2 ln
1U
2U

Simulacin
Otros mtodos
Composicin. Es una extensin del mtodo de inversin, se utiliza cuando la
fdp se puede escribir como combinacin lineal de funciones ms simples en
las que pueda aplicarse el mtodo de inversin. Ejemplo : distribucin de
Laplace
Convolucin. Las combinaciones algebraicas de variables aleatorias y para
el caso de que las variables sean independientes pueden ayudar a su
simulacin. Por ejemplo si una determinada funcin de densidad se puede
obtener por convolucin de funciones elementales (caso de suma de
variables) se puede generar cada variable individual y sumar los resultados.
Ejemplo distribucin de Erlang. Se pueden obtener tambin as variables
generados por multiplicacin y divisin de otras variables con fdp
elementales o invertibles.
Aceptacin- Rechazo. No es tan eficiente como los mtodos anteriores pero
siempre funciona, incluso cuando no hay formas explcitas de la fdp, La idea
es generar puntos aleatoriamente en un plano y aceptar o rechazar cada
uno de ellos. Si x<f(x) se acepta, si no se rechaza.
Muestreo de datos. Interpolacin estocstica
Monte Carlo

MODELOS
59
Naturaleza de la Teora de Teletrfico
Modelo
Proceso de entrada
Mecanismo de servicio
Disciplina de la disposicin en cola

Naturaleza de la Teora de Teletrfico
Proceso de entrada
Describe la secuencia de peticiones de servicio
A veces se especifica en trminos de la distribucin de las
duraciones entre los instantes de llegada de peticiones de
servicio.
Mecanismo de servicio
Incluye el nmero de servidores y la duracin del servicio
(ocupacin del servidor)
Disciplina de cola
Especifica las acciones de las peticiones que encuentran
todos los servidores ocupados

Modelos de nacimiento - muerte
Hiptesis de trabajo
llamadas independientes
tasa de llegadas en el estado i representada por i
tasa de salidas en el estado i representada por i
en cualquier instante de tiempo solo puede ocurrir un suceso

Diagrama de estados
0 1 2 j-1 j n-1
0 1 2 3 j N-1 N
1 2 3 j j+1 n
N puede ser
63
Algunas definiciones
: n promedio de peticiones de servicio por unidad de
tiempo
1/ : tiempo promedio entre peticiones de servicio
Ej : estado del sistema en el que el nmero de
clientes es j
Pj. Proporcin del tiempo en el estado j (en el que haya
j servidores ocupados)
Ej Ej+1 transiciones del estado j a j+1
Pj : nmero de transiciones por unidad de tiempo
tm : tiempo medio de duracin de un servicio, tiempo
medio de ocupacin de un servidor

Algunas definiciones
: tasa de finalizacin de servicio por unidad de tiempo
igual a 1/ tm.
(j+1)/ tasa de finalizacin con j+1 servidores ocupados
Ej+1 Ej transiciones del estado j+1 a j

Ecuaciones de estado
d i t
i i i t i 1i 1t i 1i 1t
dt
d i t
equilibrio estadstic o 0
dt
i 1i 1t i i t
66
Modelo de Erlang
Tasa de llamada constante, nmero de fuentes mucho mayor

que el nmero de servidores.
0 1 2 3 j N-1 N
1 2 3 j j+1 n
j
j N: nmero servidores
tm
67
Erlang
Nmero de fuentes ... o mucho mayor que nmero de servidores N
AN / N!
N EN ( A) i N i
A

i 0 i!
B N
AEN 1 ( A)
EN ( A)
N AEN 1 ( A)
68
69
Utilizacin
1.0
0.5
0.2
0.1
0.8
0.05
0.02
0.01
0.6
0.001
0.0001
0.4
0.2
0.0
Nmero de canales
70
Tablas Erlang-1
Clculo de la probabi-
lidad de prdida:
Datos n y A
Ej n=15 A =7
71
Tablas Erlang-2
Clculo de la probabi-
lidad del nmero de
servidores:
Datos B y A
Ej B=0.005 A =7
72
Tablas Erlang-3
Clculo del trfico

ofrecido mximo
Datos n y B
Ej n=15 B =0.005
73
Reintentos
Se considera una situacin real, al no obtener servicio
se reintenta obtenerlo.
Cul es el efecto de este comportamiento?
Incremento en la tasa de llamadas del sistema
Si consideramos que los reintentos se producen
transcurridos algunos tiempos medios de llamada
podemos seguir considerando equilibrio estadstico
con la nueva tasa de llamada

Extended Erlang B (EEB)
Se utiliza cuando se permiten reintentos. Un tanto por
ciento de los llamantes reintenta cuando se encuentra
todos los servidores ocupados.
Algoritmo clsico con reintentos hasta obtener servicio
Algoritmo (JewittShrago). Permite considerar
abandonos en los reintentos

Erlang con reintentos, Algoritmo clsico
' B B 2 B3

'
1 B
pero B depende de la tasa de llamada,
se requiere un proceso de iteracin.
76
Algoritmo
El proceso es el mismo para o para A. Se desarrollar
para A.
Con el trfico ofrecido de primer intento A se calcula B
Con el valor de B obtenido se calcula A
Con el valor de A se obtiene un nuevo B
Con B se obtiene un nuevo valor de A
Se comparan los valores de A obtenidos y se itera el proceso
hasta que la diferencia entre dentro del rango de precisin
establecido. La serie de valores obtenidos debe ser
convergente, lo cual ser cierto excepto que el trfico ofrecido
sea mayor que el nmero de servidores.

Algoritmo
A inicial B1
A
A
'
1 B1
1
A1' B2
No se itera con A1
A
A2
'
1 B2
? A' 2 A1'
A2' B3
A
A
'
1 B3
3
78
Algoritmo de Jewitt & Schrago
Permite considerar abandonos en los reintentos
Partiendo del trfico ofrecido en primera instancia se calcula
B
Con B se calcula el trfico rechazado
Se calcula el trfico cursado
Sobre el trfico rechazado se aplica la tasa de abandono o
de reintento (son complementarias)
Se calcula el trfico cursado ms el trfico que abandona
Si cursado ms abandono no se acerca suficientemente a
trfico ofrecido se calcula un nuevo trfico ofrecido como el
original ms el de reintento.
Se repite le proceso hasta que trfico cursado ms
abandono sea igual (suficientemente cercano) a trfico
ofrecido

Engset
Engset S>N
0 1 2 n-1
j-1 j
0 1 2 3 j N-1 N
j j+1
n
1 2 3
j
S j S = nmero de fuentes
tm = trfico ofrecido por fuente libre
j
j
tm
80
Engset
N: nmero de servidores
S : nmero de fuentes
: tasa de llamada por fuente libre
i: tasa de llamada en el estado i, i servidores
ocupados.
tm : tiempo medio de servicio.
i= tasa de terminacin en el estado i.
El comportamiento de cada fuente se modela de la
siguiente manera. Cuando la fuente est libre su tasa
de llamada es constante y de valor , cuando la fuente
est ocupada el valor de su tasa de llamada es cero.

Engset.
i 1 i 1 i i j S j
1 0 0 S
0 S 0 definiendo t m , trfico por fuente libre
1 1
tm
1 1 0 S ( S 1) 2
2 1 0 0
2 2 1 2
S ( S 1)( S 2) 3
3 0
3!

j
S
j
0
j

N
S N
0
N
82
Engset
0 1

0
S S
S
S
S
S
2 3 j N
0 1 2 3 j N
0 N 1
S i

i 0 i
S N

N N N que es la expresin para la congestin de tiempo,
S i probabilidad de tener todos los servidores ocupados.

i 0 i
83
Engset
N N ( S i )
B i
0 0 1 1 2 2 N N tm
( S N )
N
B tm
S
0 ( S 1) 1 (S 2) 2 ( S N ) N
tm tm tm tm
se eliminan y tm . Expresando las probabilidades de estado en funcin de 0
S N
S N
0
N
S S S
S 0 S 1 0 S 2 2 0 S N N 0
1 2 N
eliminando 0 y dividiendo por S numerador y denominador
S - 1 N

B N
N
E ( S 1, N , )
S - 1 i

i 0
i

84
Engset. Clculo del trfico por fuente libre
Consideraciones sobre el clculo de , j
a actividad de la fuente

1 a(1 B) tiempo libre
A

S A(1 B)
pero B es funcin de .
Se requiere pues un proceso de iteracin que puede ser
obviado para valores pequeos de B.
85
Engset. Trfico por fuente libre
A
A S
Pero B depende de , por lo que hay
S A 1 B 1 A 1 B que montar un proceso iterativo
S
S
A
1 1 B
Trfico ofrecido dividido por el nmero
medio de fuentes libres
86
Algoritmo Engset
1. Partimos de una primera aproximacin de ,
considerando B=0
2. Con el valor de se obtiene un primer valor de B
3. Se sustituyen los valores de y B en la frmula de A y
se compara la estimacin de A as obtenida con el
dato Trfico Ofrecido, si la diferencia est por encima
de la precisin necesaria en nuestro clculo
4. Se calcula una nueva con el valor de B obtenido en
el punto 2
5. Se calcula un nuevo B con el valor de del punto 4
6. Se realiza una nueva estimacin de A como en el
punto 3, si la diferencia est por encima de la
precisin necesaria se repite desde el punto 4.

Engset. Frmula recursiva
B es funcin de N,S y
S N B N 1, S ,
B( N , S , )
N S N BN 1, S ,
B0, S , 1
La probabilidad de prdida con 0 servidores es 1
88
TABLAS DE ENGSET
Grupos nuevos
Se conoce A, S y el nivel de prdida deseado. Se busca N
Procedimiento
Se busca la columna del nivel de prdida
En la columna se busca A para el nmero de fuentes S
Se obtiene N

TABLAS DE ENGSET
Grupos existentes:
Se conoce A, N (nmero servidores) y S (nmero de fuentes)
Se establece el nivel de bloqueo (prdida )deseado
Procedimiento
Buscar en la tabla la fila que corresponda a N y S
Buscar en la fila el valor ms cercano a A
La columna corresponde al valor de prdida (interpolar en su
caso)
Si no es el deseado, buscar la columna de la prdida deseada
y en la misma encontrar A para el nmero de fuentes S , una
vez encontrado S para ese A se obtiene N.

COLAS
91
Colas. Notacin de Kendall
D.G. Kendall estableci en 1953 la siguiente notacin:
A/B/c/k/s/Z
A: Proceso de llegada
B: Proceso de servicio
c: nmero de canales o servidores
k: capacidad del sistema
s: nmero de fuentes
Z: disciplina de la cola

Kendall
A/B/c/k/s/Z
Proceso de llegada Proceso de servicio

M: Markoviano, random, M: Markoviano, random,
exponencial exponencial
E: Erlangiano E: Erlangiano
H: Hiperexponencial H: Hiperexponencial
h: Hipoexponencial h: Hipoexponencial
G: General G: General
93
Kendall
Nmero de canales Disciplina de la cola

1,2,3, FCFS. Primero entra, primero
sale
LCFS. ltimo entra, primero
Capacidad del sistema sale
Servidores +posiciones de SIRO. Servicio aleatorio
cola GD. General
RR. Round Robin
Nmero de fuentes
1,2,3,
94
Cola M/M/N. Probabilidades de estado
A i
i
i i 1 i 1 tm
i 1 tm
i i i nmero de servidores ocupados
tm
t m tiempo medio de servicio
A partir del estado N, no puede aumentar la tasa de N

salida, es decir para los estados N, N+1, N+2, .... la N
tasa de salida es constante tm
A2 AN
1 A0 2 0 ... N 0
2 N!
A A
N
N 1 N 0
A
N N N!
2
A A
N
N 2 0

N N !
...
j
A A
N
N j 0
N N!
...

Cola M/M/N. Probabilidades de estado
0 1
2 j
A2 A 3 AN A AN A AN A A
N
1 A
2! 3! N! N N! N N!
N N !
0 N 1 1
j
Ai A N A

i 0 i!

N ! j 0 N
el segundotrmino del denominador contiene la suma de una serie de razn menor a la unidad
0 N 1 i 1 N
A A N

i 0 i!

N! N A
AN
N N 1 i NN !

A A N

i 0 i!

N! N A
96
Cola M/M/N. Clculo probabilidad de entrar en cola
Ser la probabilidad de que las peticiones entren con
todos los servidores ocupados
Se dar en los estados N, N+1, N+2 .
N N 1 N 2
p( 0)
0 1 2
Eliminando y poniendo todas las probabilidades

de estado en funcin de la probabilidad [0]
2
AN AN A AN A
0 0 0
N! N! N N! N
p( 0)
A2 A3 AN
0 A0 0 0 0
2! 3! N!

Eliminando [0] y reordenando
A N A A
2
1 AN N
N ! N N
N! N A
p( 0) N 1
A2 AN Ai A N N
1 A
2! N! i 0 i! N! N A
Que se puede simplificar

AN
Sumar y restar en el denominador el trmino
N!
con lo que el denominador quedara
N
Ai A N N

i 0 N !

N !

N A
1


N
Ai
dividiendo ahora numerador y denominador por
i 0 i!
AN
e identificando que N! B
N
Ai

i 0 i!
es decir la probabilidad de prdida de un sistema de tipo Erlang-B con un trfico

ofrecido A y N servidores.
N N
B B
p( 0) NA NA NB
N A N A AB
1 B 1 1 B
N A N A
p( 0) NB
N A 1 B
A esta frmula se la conoce como Erlang-C o segunda frmula de Erlang EN,2(A)
99
M/M/N. Longitud media de la cola

Lq j N j
j 0
j j
A
Lq j
AN
0
AN
0 j A
j 0 N! N N! j 0 N
Utilizando que
r

r

j r j
1 r 2
con r 1
j 0
jr j
1 r 2
con r 1 j 0
dr j
A 2 jr j 1
AN AN N
Lq 0 N 0 A dr
N! 1 A
N

2
N! N N A

jr j
r
d j
r r
1

r
j 0 dr j 0 1 r 2 1 r 2
100
M/M/N. Longitud media de la cola
Recordando que
A N A A
2
1 AN N
N ! N N
N! N A
p( 0) N 1
A2 AN Ai A N N
1 A
2! N! i 0 i! N! N A
AN N
p( 0) 0
N! N A
A
Lq p( 0)
NA
101
M/M/N.Tiempo medio en la cola
Hay dos posibles preguntas a las que responder:
Cul es el tiempo medio en la cola considerando todas las
peticiones de servicio? Cul es el tiempo medio de espera
para las peticiones de servicio que entran en cola?
El teorema de Little establece que

Lq t w
por lo tanto
Lq A 11 tm tm
tw p( 0) p( 0) p( 0)
NA N tm NA
tm
t wq
NA

M/M/N. Probabilidad de permanencia en cola >t
Se trata de responder a la pregunta: Cul es la
probabilidad de permanecer en cola ms de un
determinado tiempo t?
Para responder a esa pregunta hay que establecer la
disciplina de la cola. Si la disciplina es Primero entra
Primero sale (FIFO) que es la que nos encontramos
cotidianamente, si nos encontramos en la posicin j de
la cola, para ser atendidos tienen que producirse j
terminaciones de servicio. Las terminaciones se
producen con una fdp exponencial cuyo parmetro es
el tiempo medio en la cola para las llamadas que entran
en cola

M/M/N. Probabilidad de permanencia en cola >t
t
( N A)
pc ( t ) e tm
Si queremos calcular la probabilidad de que una peticin de servicio

cualquiera permanezca en cola ms de t
t
( N A)
p( t ) 1 p( 0) 0 p( 0) e tm
t
( N A)
p( t ) p( 0) e tm
104
M/M/N/N+L
En este nuevo escenario las llamadas que lleguen con todos los
servidores ocupados y todas las posiciones de cola ocupadas se
pierden.
Calcularemos expresiones para los parmetros significativos del
escenario
Clculo de las probabilidades de estado
Aj
j 0 para (0 j N )
j!
j
A A
N
N j 0 para (0 j L)
N N!
0 N 1 i L1 k N
A A A

i 0 i! k 0 N N !
105
M/M/N/N+L
0 1
N 1
Ai A N 1 N
A L 1

i 1 i!

N! 1 A
N
Probabilidad de prdida
L L
A A A A
N N

B N L N N! N N!
N 1 A
i L
A A
k N A
L 1
N 1 i N 1
i 0 k 0 A A N

i! N N !

i! N ! A
i 0 1
N
106
M/M/N/N+L
Probabilidad de entrar en cola
N N 1 N L 1
p( 0)
0 1 N L

A A
2 L 1
A
1
A
L

p( 0) N 1 N N

N N N 1 N
A

AN
N !
1 A L
N
p( 0)
N 1
A i
A
N 1 A
L 1
1

A
N

i 0 i!

N! 1 A
N

N
107
M/M/N/N+L
Longitud media de la cola
L
Lq i N i
i 1
En general, y aunque se puede llegar a una expresin cerrada por manipulacin

de la frmula anterior, es ms fcil sumar los trminos de la serie.
Tiempo medio en la cola
Lq c W
c (1 B) 1 N L

Colas con abandono
Se considera que la peticin de servicio tiene una paciencia limitada
y abandona , es el proceso natural cuando en una cola consideramos
que el tiempo de espera es mayor que el que podemos aceptar.
Como hiptesis para modelar el abandono aceptaremos que la tasa
de abandono aumentar con la longitud de la cola, en la posicin i de
la cola, la tasa de abandono ser:
(i N ) tm , no tiene significacin fsica, se

i Utiliza para simplificar la expresin
tm
Tasa de terminacin de llamadas en el estado i
N i N
N i
tm tm
109
Colas con abandono
A2 AN
1 A0 2 0 N 0
2 N!
AN A AN
N 1 N 0 0
N ! N N !
tm tm
A AN
N 2 A
0
N 2 N N !

Aj AN
N j j
0
N k
N!
k 1
0 1

N
Ai AN Aj
j
N k
i 0 i! N! j 1
k 1
110
Cola M/G/1
Muchas veces la hiptesis de tiempos de servicio
exponenciales no se ajusta a la realidad. Trataremos
con tiempos de servicio con una distribucin general .
Pero con tiempos de servicio independientes.
Trataremos de obtener el tiempo medio de espera en la
cola y la longitud media de la cola.
W Lqtm tres
Tiempo medio en la cola = longitud media de la cola

por el tiempo medio de servicio +
probabilidad de ocupacin del servidor por el tiempo residual

Obtencin de parmetros de la M/G/1
Una peticin de trabajo que llega al sistema debe
esperar al tiempo residual de servicio (si el servidor
est ocupado) y a los tiempos de servicio de los
trabajos que le preceden en la cola (si existen)
Por la propiedad PASTA conocemos que la
probabilidad de que un servidor est ocupado es de

tm A

Y que el tiempo medio de espera es
W Lqtm tres

Clculos
Por el teorema de Little
Lq W
Combinando las dos ecuaciones se obtiene la frmula

de Pollacek Khinchin

W W t m t res W tres
tres
W
1

Tiempo residual
La media del tiempo residual es de
E tresidual

2
E t servicio
2 E t servicio
Podemos tambin a partir de estas frmulas calcular el

tiempo total en el sistema
Tiempo en cola +tiempo de servicio
Y nmero medio de peticiones en el sistema
Longitud media de la cola + ocupacin media del servidor
(que es igual al trfico ofrecido)

Clculo del tiempo residual
Supongamos que una peticin llega cuando se est
atendiendo otra peticin, y que el tiempo total del
trabajo en curso es X (que ser una variable aleatoria),
y que tendr una f.d.p. fX(x), Para buscar esa f.d.p.
observamos que la probabilidad de que llegue un trabjo
estando otro en curso ser mayor si la duracin del
trabajo en curso es larga. As la probabilidad de que X
sera de longitud x deber ser proporcional a la longitud
x y a la frecuencia con la que se produzca esa longitud

Clculo tiempo de vida residual
P( x X x dx) f X ( x)dx Cxf t .serv ( x)dx

C es una constante para normalizar la funcin de densidad

Cxf t .serv ( x)dx 1 C xf t .serv ( x)dx CE t servicio 1
0 0
1
C
E t servicio
xf t serv x
f X x
E t serv
E( X )

xf X x dx
1
E t
2
E t serv 0
x 2
f x dx serv
E t serv
t serv
0

Como la llegada del nuevo trabajo puede ocurrir en
cualquier momento de la vida del trabajo en curso con
igual probabilidad, tendr su media en la mitad de X
E tresidual

E X E t serv
2
2 2 E t serv

Trafico1 Procesos Estocasticos

Cargado por

Información del documento

Título original

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

Trafico1 Procesos Estocasticos

Cargado por

Copyright:

Formatos disponibles

PROCESOS ESTOCASTICOS

M.C ALOR AGUILAR C

Aplicacin de la teora de probabilidad a la solucin de

M.C ALOR AGUILAR C 2

El objetivo de la teora de teletrfico es el desarrollo de modelos

M.C ALOR AGUILAR C 3

M.C ALOR AGUILAR C 4

La calidad de servicio QoS - representa el punto de vista del

El SLA o ANS (Acuerdo de Nivel de Servicio) es un contrato entre

M.C ALOR AGUILAR C 5

M.C ALOR AGUILAR C 7

Tiempo entre eventos

Tiempo servicio Tiempo libre

Tiempo llegada Tiempo salida

Busy , Idle, Interarrival time, Holding time

M.C ALOR AGUILAR C 9

M.C ALOR AGUILAR C 10

M.C ALOR AGUILAR C 11

M.C ALOR AGUILAR C 12

M.C ALOR AGUILAR C 14

M.C ALOR AGUILAR C 18

M.C ALOR AGUILAR C 19

M.C ALOR AGUILAR C 20

Dnde n(t) es el nmero de recursos

C : Nmero de recursos ocupados en funcin de t

La curva de la figura representa el trfico cursado por un conjunto de recursos

M.C ALOR AGUILAR C 23

M.C ALOR AGUILAR C 28

Cul es la congestin de tiempo, trfico, llamadas?

Trataremos con intervalos de tiempo no negativos

M.C ALOR AGUILAR C 34

reemplazando t por t se obtienen los momentos

La vida residual es igual a la vida media.

Esto no es cierto siempre.

El 75% de los trabajos contribuye con el 30% del valor de la media

En una prueba la probabilidad de xito es p y la de fracaso q 1 - p

M.C ALOR AGUILAR C 40

M.C ALOR AGUILAR C 41

M.C ALOR AGUILAR C 42

M.C ALOR AGUILAR C 43

actual (propiedad de Markov)

M.C ALOR AGUILAR C 47

La superposicin de procesos puntuales independientes

M.C ALOR AGUILAR C 49

Una descomposicin aleatoria de un proceso puntual

M.C ALOR AGUILAR C 50

Vlido para cualquier cola (solo se requiere

M.C ALOR AGUILAR C 51

M.C ALOR AGUILAR C 52

Nmero medio de peticiones en cola Tasa de peticiones x tiempo medio en cola

M.C ALOR AGUILAR C 54

M.C ALOR AGUILAR C 57

M.C ALOR AGUILAR C 58

M.C ALOR AGUILAR C 60

M.C ALOR AGUILAR C 61

M.C ALOR AGUILAR C 62

M.C ALOR AGUILAR C 64

M.C ALOR AGUILAR C 65

Tasa de llamada constante, nmero de fuentes mucho mayor

Nmero de fuentes ... o mucho mayor que nmero de servidores N

Clculo del trfico

M.C ALOR AGUILAR C 74

M.C ALOR AGUILAR C 75