Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ISSN 0122-1701 31
APLICACIONES DE LAS SERIES DE TIEMPO EN MODELOS DE TRFICO PARA UNA RED DE DATOS
conocer predicciones de sus valores futuros, aportan criterios 2.1.4 Componente Cclica
que disminuyen el riesgo en la toma de decisiones o en la Esta componente se presenta en series que son afectadas por
implementacin de polticas futuras. [2]. fenmenos fsicos o econmicos que ocurren con una
periodicidad variable.
Una serie de tiempo es una sucesin de un proceso estocstico
Zt generado al obtener una y solo una observacin de cada una
2.2 Tipos de series de Tiempo
de las variables aleatorias que definen el proceso estocstico.
Estas observaciones son tomadas a intervalos de tiempo o de Los mtodos de pronstico pueden clasificarse en dos grandes
distancia iguales, segn lo indica el ndice t que genera la bloques: mtodos cualitativos o subjetivos y mtodos
sucesin. En este sentido, la serie es una realizacin de un cuantitativos.
proceso estocstico. [2].
Debido a que el objetivo es desarrollar un modelo de trfico se
Como Zt es un valor que toma la variable aleatoria Zt en el escogi los mtodos cuantitativos de series de tiempo, estos
tiempo t, si t < n, Zt es una observacin del pasado; si t = n, Zt mtodos modelan las series de tiempo estudiando la estructura
es la observacin presente; y si t > n, Zt es un valor que tomar de correlacin que el tiempo, o el ndice, o la distancia induce
en las variables aleatorias que originan la serie. [6] [7] [8].
la variable Zt. Es claro que los valores de Zt para t > n no son
Dentro de los mtodos cuantitativos existen varios tipos de
desconocidos, uno de los objetivos es estudiar mtodos para
series de tiempo, entre los que se destacan: los modelos
estimarlos. Generalmente se est interesado en pronsticos de
autorregresivos (AR), modelos de promedio mvil (MA),
variables aleatorias futuras, esto es, en predecir valores que
modelos autorregresivos y de promedio mvil (ARMA),
toma Zt cuando t > n, si se considera n como origen o como
modelos autorregresivos e integrados de promedio mvil
valor presente. [2].
(ARIMA), modelos autorregresivos e integrados de promedio
mvil estacinales (SARIMA), modelos autorregresivos e
En el contexto de Series de Tiempo, pronosticar significa
integrados de promedio mvil fraccionales (FARIMA) y
predecir valores futuros de una variable aleatoria basndose en
modelos multivariados (VARMA). [9] [10].
el estudio de la estructura definida por las observaciones
pasadas de variables que explican su variacin, suponiendo que
Para explicar la estructura de correlacin entre las
la estructura del pasado se conserva en el futuro. [5].
observaciones de una serie estacionaria se consideran
bsicamente dos modelos, el modelo autorregresivo en la
Es importante anotar que existen factores o eventos que
ecuacin 1 y el modelo de media mvil en la ecuacin 2.
influyen en la calidad de un pronstico. Estos factores pueden
ser internos o controlables y externos o incontrolables.
____________________________
34 Scientia et Technica Ao XIV, No 38, Junio de 2008. Universidad Tecnolgica de Pereira.
universidad para los cuales se propusieron varios modelos de Luego de desarrollar la anterior metodologa se llego al modelo
trfico todos basados en una metodologa de series de tiempo. de trfico descrito por la ecuacin 4.
1 1
BT = 0.184934294 Z t 6 0.180394106 Z t 10 TS = 1(bit ) = seg. (8)
VS (bps) VS
+ 0.186045914 Z t 18 + 2 at 1.957724192 at 1
0.018992226 at 10 0.01989126 at 18
(5) Ahora se puede determinar el tiempo de retardo instantneo TR
para un nico bit como:
Sin embargo algunos autores (Stallings, 2004) (Schwartz, 1994) 1 1
definen el ancho de banda como la cantidad de informacin de TR = TS TL = (9)
datos que se puede enviar a travs de un medio de transmisin VS VL
en un periodo de tiempo dado, en este sentido se puede decir
que el ancho de banda es equivalente a la velocidad de Sin embargo hay que hacer una salvedad importante, si el valor
transmisin de datos.
del tiempo de salida es menor al valor del tiempo de llegada, el
retardo no queda definido como la diferencia, ya que para ese
5.2 Parmetros de Calidad de Servicio instante el retardo en teora valdra cero. Digo en teora a razn
Es importante que durante los periodos de congestin los flujos de que es posible que en ese momento existan aun paquetes en
de trafico con distintos requisitos sean tratados de forma cola, por lo que los nuevos arribos tendrn que esperar un
diferente y se les asigne una calidad de servicio (QoS) tiempo TR* determinado por el cociente del numero de paquetes
diferente. Por ejemplo, algunas aplicaciones de voz y video, son en cola NR entre la diferencia de las velocidades instantneas de
sensibles al retardo pero insensibles a la perdida de datos; salida y llegada, como se indica en la ecuacin 10.
mientras otras, como la transferencia de ficheros y el correo
NR
electrnico, son insensibles al retardo pero sensibles a las TR* = (10)
perdidas de datos. [12]. VS VL
Debido a esto es necesario determinar parmetros de calidad de Ahora el numero de paquetes NR* que experimentaran el
servicio que le garanticen al usuario final un adecuado servicio. retardo TR* esta dado por la ecuacin 11, siempre y cuando
A continuacin se determinaran dos parmetros de calidad de durante dicho tiempo la diferencia entre la velocidad de salida y
calidad de servicio a partir del modelo de trafico seleccionado la velocidad de llegada permanezca constante y mayor que cero.
anteriormente (ARIMA(18,1,18)).
____________________________
36 Scientia et Technica Ao XIV, No 38, Junio de 2008. Universidad Tecnolgica de Pereira.
REFERENCIAS BIBLIOGRAFICAS