Instituto Tecnolgico de Aguascalientes TICs

Instituto Tecnolgico de
Aguascalientes
Teora de lneas de espera

Materia: Matemticas para la toma de decisiones

Maestro: Samuel Galindo Carren

Alumno: Leonardo Adrin De Lira Castaon

Carrera: Ing. En Tecnologas de la Informacin y Comunicaciones

Aguascalientes Ags. 09 de septiembre del 2017

pg. 1
Instituto Tecnolgico de Aguascalientes TICs

NDICE

2 INTRODUCCIN .. 3

2.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE ....................

ESPERA. 4

2.1.1 UN SERVIDOR, UNA COLA . 5

2.1.2 N SERVIDORES, UNA COLA .. 7

2.1.3 N SERVIDORES, N COLAS . 8

2.2 PATRONES DE LLEGADA Y SERVICIO . 9

2.3 CRITERIOS BAJO LA DISTRIBUCION DE POISSONYEXPONENCIAL

PARA LA SELECCIN DEL MODELO APROPIADODE LNEAS DE
ESPERA .. 13

2.4 APLICACION DE MODELOS DE DECISION EN LINEAS DE ESPERA 10

2.5 SOLUCIN ANALTICA ......................................................................... 14

EJEMPLOS DE PROBLEMAS 16

BIBLIOGRAFA . 19

pg. 2
Instituto Tecnolgico de Aguascalientes TICs

INTRODUCCIN

Las colas son un aspecto de nuestra vida moderna que normalmente podemos
encontrar en nuestras actividades diarias.
Como ejemplos podramos mencionar: el contador de un supermercado,
accediendo al Metro, en los Bancos, etc., este fenmeno de las colas surge
cuando unos recursos compartidos necesitan ser accedidos para dar servicio
a un elevado nmero de trabajos o clientes.
El estudio de las colas es de suma importancia ya que proporciona tanto una
base terica del tipo de servicio que podemos esperar de un determinado
recurso, como la forma en la cual dicho recurso puede ser diseado para
proporcionar un determinado grado de servicio a sus clientes.
Debido a lo comentado anteriormente, se plantea como algo muy til el
desarrollo de una herramienta que sea capaz de dar una respuesta sobre las
caractersticas que tiene un determinado modelo de colas.
La teora de colas es el estudio matemtico del comportamiento de lneas de
espera. Esta se presenta, cuando los "clientes" llegan a un "lugar"
demandando un servicio a un "servidor", el cual tiene una cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente y el cliente decide
esperar, entonces se forma la lnea de espera.
Una cola es una lnea de espera y la teora de colas es una coleccin de
modelos matemticos que describen sistemas de lnea de espera particulares
o sistemas de colas. Los modelos sirven para encontrar un buen compromiso
entre costes del sistema y los tiempos promedio de la lnea de espera para un
sistema dado.

pg. 3
Instituto Tecnolgico de Aguascalientes TICs

2.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE

ESPERA

La teora de colas es el estudio de los sistemas de lneas de espera en sus

distintas modalidades. El estudio de estos modelos sirve para determinar la
forma ms efectiva de gestionar un sistema de colas
Demasiada capacidad de servicio => Excesivos gastos
Poca capacidad de servicio => Mal servicio

Objetivo: Encontrar un balance adecuado entre el coste del servicio y los

tiempos de espera.
Fuente de entrada: (poblacin de clientes potenciales). Se dice que es limitada
o ilimitada segn si su tamao es finito o infinito. Usualmente se asume que es
ilimitada (el caso finito es ms difcil analticamente)
Clientes: entran al sistema cada cierto tiempo y se unen a una cola. Se debe
especificar el patrn estadstico mediante el cual los clientes entran al sistema.
Proceso de llegada: La suposicin habitual es que los clientes acceden al
sistema segn un proceso de Poisson, lo que significa que los clientes que
llegan en un intervalo determinado de tiempo siguen una distribucin Poisson,
con tasa media fija y sin importar cuntos clientes ya estn en el sistema. Una
suposicin equivalente es que los tiempos entre dos llegadas consecutivas
(tiempo entre llegadas) es exponencial.
Cola: cuando los clientes entran al sistema se unen a una cola. La cola es
donde los clientes esperan a ser servidos. Una cola se caracteriza por el
nmero mximo permisible de clientes que puede admitir. La suposicin de
una cola infinita es ms fcil de manejar analticamente que la de una cola
finita. Tambin pueden considerarse otras suposiciones acerca del
comportamiento de los clientes cuando llegan al sistema, como por ejemplo
que un cliente rehse acceder al servicio porque la cola es demasiado larga.
Disciplina de la cola: En un determinado momento se selecciona un miembro
de la cola, mediante alguna regla conocida como disciplina de servicio. La
disciplina deservicio se refiere al orden en el que se seleccionan los clientes
de la cola para recibir el servicio.
FIFO (ms comn)
Aleatorio
LIFO
Sistema de prioridades

pg. 4
Instituto Tecnolgico de Aguascalientes TICs

2.1.1 UN SERVIDOR, UNA COLA.

El objetivo es encontrar el estado estable del sistema y determinar una capacidad

de servicio apropiada.

Un sistema de colas puede dividirse en dos componentes principales:

La cola
La instalacin del servicio
El proceso entre llegadas:

El proceso entre de entrada se denomina por lo regular, proceso de llegadas.

Las llegadas se llaman clientes. En todos los modelos que se estudian se
supone que no ms de una llegada ocurre en un instante dado. En el caso de
un restaurante es una suposicin irreal. Si hay ms de una llegada en un
instante dado se dice que se permiten las llegas en masa. Las llegadas pueden
ser:
Personas
Automviles
Maquinas que requieren reparacin, etc.
Se supone por lo comn que el nmero de clientes presentes en el sistema no
afecta el proceso de llegadas. Hay dos situaciones comunes en las cuales el
proceso de llegadas podra depender de la cantidad de clientes presentes.
La primera se presenta cuando se extrae de una pequea poblacin su ponga
que hay solo cuatro barcos en un astillero, si los cuatro barcos estn en
reparacin entonces ningn barco puede estropearse en un futuro cercano,
por otro lado silos cuatro barcos estn navegando existe una probabilidad muy
alta de una descompostura en un futuro cercano. Los modelos en los cuales
las llegadas se toman de una pequea poblacin reciben el nombre de
modelos de origen finito.
Otra situacin en la cual el proceso de llegadas depende de la cantidad de
clientes presentes ocurre cuando la razn a la cual llegan los clientes a cierta
instalacin disminuye cuando esta est llena.
El nmero esperado de llegadas por unidad de tiempo se llama tasa media de
llegadas (). El tiempo esperado entre llegadas es 1/.
Adems es necesario estimar la distribucin de probabilidad de los tiempos
entre llegadas, generalmente se supone una distribucin exponencial, esto
depende del comportamiento de las llegadas.

pg. 5
Instituto Tecnolgico de Aguascalientes TICs

La distribucin exponencial supone una mayor probabilidad para tiempos entre

llegadas pequeos, en general se considera que las llegadas son aleatorias,
la ltima llegada no influye en la probabilidad de llegada de la siguiente.

La cola:

El nmero de clientes en la cola es el nmero de clientes que esperan el

servicio, el nmero de clientes en el sistema es el nmero de clientes que
esperan en la cola ms el nmero de clientes que actualmente reciben el
servicio.
La capacidad de la cola es el nmero mximo de clientes que pueden estar en
la cola, generalmente se supone que la cola es infinita, aunque tambin la cola
puede ser finita.

Servicio:

El servicio puede ser brindado por un servidor o por servidores mltiples, el

tiempo de servicio vara de cliente a cliente, el tiempo esperado de servicio
depende de la tasa media de servicio ().El tiempo esperado de servicio
equivale a 1/.
Para representar todo lo mencionado aqu se encuentran unos modelos
bsicos de los sistemas de colas.
Ejemplo:

pg. 6
Instituto Tecnolgico de Aguascalientes TICs

2.1.2 N SERVIDORES, UNA COLA

Una lnea de espera con canales mltiples consiste en dos o ms canales
deservicio que se supone son idnticos desde el punto de vista de su
capacidad. En el sistema de canales mltiples, las unidades que llegan
esperan en una sola lnea y luego pasan al primer canal disponible para ser
servidas. La operacin de un solo canal de Burger Dome puede expandirse a
un sistema de dos canales al abrir un segundo canal de servicio. La siguiente
figura muestra un diagrama de la lnea de espera de dos canales de Burger
Dome.

Salida

Salida

Salida
Llegada
Cola

Mltiples canales

pg. 7
Instituto Tecnolgico de Aguascalientes TICs

2.1.3 N SERVIDORES, N COLAS.

El tercer sistema, en que cada servidor tiene una lnea separada, es

caracterstico de los bancos y las tiendas de autoservicio. Para este tipo de
servicio pueden separarse los servidores y tratarlos como sistemas
independientes de un servidor y una cola. Esto sera vlido slo si hubiera muy
pocos intercambios entre las colas. Cuando el intercambio es sencillo y ocurre
con frecuencia, como dentro de un banco, la separacin no sera vlida.

NOMENCLATURA
S = nmero de servidores
n= nmero de clientes en el sistema
N =nmero mximo de clientes permitidos en el sistema
A,,t =flujo de clientes que entran cuando hay n clientes en el sistema
u,7l =capacidad del servidor cuando hay n clientes en el sistema.
E(t)= tiempo promedio de proceso por cliente
V(t)= variancia del tiempo de proceso
E() = tiempo promedio entre llegadas
V(a) = variancia del tiempo entre llegadas
CQ = coeficiente cuadrado de variacin del flujo de clientes que entran al
sistema
CS`= coeficiente cuadrado de variacin del tiempo de servicio
Cp = coeficiente cuadrado de variacin del flujo de clientes que salen del
sistema PIJ probabilidad de que el sistema cambie de un estado i a un estado
y despus de un intervalo de tiempo.
Pn= probabilidad en estado estable de que existan n clientes en el sistema
L = nmero promedio de clientes en el sistema
Lq = nmero promedio de clientes en la fila
W = tiempo promedio de permanencia en el sistema
Wq= tiempo promedio de permanencia en la fila
p =utilizacin promedio del servicio
Ct = costo total promedio del sistema de lneas de espera por unidad de tiempo.
Ce= costo promedio de servicio por cliente por unidad de tiempo
Cq = costo promedio de espera por cliente por unidad de tiempo

pg. 8
Instituto Tecnolgico de Aguascalientes TICs

2.2 PATRONES DE LLEGADA Y SERVICIO

Existen cuatro caractersticas que determinan el tipo de llegadas al sistema:

-La estructura de las llegadas (controlable o incontrolable).

-El patrn de distribucin (tiempo entre llegadas constantes o de acuerdo a alguna
distribucin estadstica, como la exponencial).
-El nivel de paciencia (si la llegada permanece en la cola o se va).
-Estructura de llegadas

Las llegadas a un sistema son mucho ms controlables de lo que generalmente se

supone.

El patrn de distribucin

Se utiliza la distribucin exponencial para modelar los tiempos entre llegadas en

las aplicaciones de colas, se encuentran en la llamada propiedad de amnesia o de
prdida de memoria, que es exclusiva de las distribuciones exponenciales. Esta
propiedad indica que la distribucin de probabilidad del tiempo que falta hasta que
se produzca una llegada al sistema siempre es la misma, sin importar cuanto
tiempo haya pasado.

El nivel de paciencia:

Una llegada paciente es de aquella que espera todo el tiempo necesario hasta que
sea atendido. Cuando no ocurre esto se dice que la llegada es impaciente. Existen
dos tipos de clientes impacientes: Los primeros analizan la instalacin de servicio
y la longitud de la cola, y finalmente deciden marcharse, este comportamiento se
denomina rechazo, los del otro tipo llegan, analizan la situacin y deciden
quedarse en la cola, pero transcurrido cierto tiempo, se marchan, este
comportamiento se denomina abandono.

pg. 9
Instituto Tecnolgico de Aguascalientes TICs

2.3 CRITERIOS BAJO LA DISTRIBUCION DE POISSONY

EXPONENCIAL PARA LA SELECCIN DEL MODELO
APROPIADODE LNEAS DE ESPERA.

Sistemas de colas: las llegadas - distribucin de poisson

La distribucin de Poisson es una distribucin de probabilidad discreta que

expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado nmero de eventos durante cierto periodo de tiempo.
Propiedades. La funcin de masa de la distribucin de Poisson es:

Dnde:
K es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la
probabilidad de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se
espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra k veces dentro de un intervalo de

10 minutos, usaremos un modelo de distribucin de Poisson con = 104 =

40.
e es la base de los logaritmos naturales (e = 2,71828...)

Tanto el valor esperado como la varianza de una variable aleatoria con

distribucin de Poisson son iguales a . Los momentos de orden superior son
polinomios de Touchard en cuyos coeficientes tienen una interpretacin
combinatoria. De hecho, cuando el valor esperado de la distribucin de
Poisson es 1, entonces segn la frmula de Dobinski, el n-simo momento
iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no
entero es igual a, el mayor de los enteros menores que (los smbolos
representan la funcin parte entera). Cuando es un entero positivo, las
modas son y 1. La funcin generadora de momentos de la distribucin
de Poisson con valor esperado es:

pg. 10
Instituto Tecnolgico de Aguascalientes TICs

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles. La divergencia Kullback-Leibler desde una variable aleatoria de
Poisson de parmetro 0 a otra de parmetro es

Intervalo de confianza
Un criterio fcil y rpido para calcular un intervalo de confianza aproximada de
, se propone en Guerriero (2012). Dada una serie de eventos k (al menos el
15 -20) en un periodo de tiempo T, los lmites del intervalo de confianza para
la frecuencia vienen dadas por:

Entonces los lmites del parmetro estn dadas por:

= ; =

Sumas de variables aleatorias de Poisson

La suma de variables aleatorias de Poisson independientes es otra variable
aleatoria de Poisson cuyo parmetro es la suma de los parmetros de las
originales. Dicho de otra manera, si ~ (), = 1, ,

Son N variables aleatorias de poisson independientes entonces

pg. 11
Instituto Tecnolgico de Aguascalientes TICs

Sistema de colas: Distribucin binomial

La distribucin de Poisson es el caso lmite de la distribucin binomial. De

hecho, si los parmetros n y de una distribucin binomial tienden a infinito y
a cero de manera que = se mantenga constante, la distribucin lmite
obtenida es de Poisson.
Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de ,
una variable aleatoria de Poisson X puede aproximarse por otra normal dado

que el cociente converge a una distribucin normal de media nula y

varianza 1.
Distribucin exponencial

Supngase que para cada valor t > 0, que representa el tiempo, el nmero de
sucesos de cierto fenmeno aleatorio sigue una distribucin de Poisson de
parmetro t. Entonces, los tiempos discurridos entre dos sucesos sucesivos
sigue la distribucin exponencial.

pg. 12
Instituto Tecnolgico de Aguascalientes TICs

2.3 APLICACION DE MODELOS DE DECISION EN LINEAS DE

ESPERA.

La teora de colas requiere de un estudio matemtico del comportamiento de

lneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente y el cliente decide
esperar, entonces se forma en la "lnea de espera".
El problema es determinar qu capacidad o tasa de servicio proporciona el
balance correcto. Esto no es sencillo, ya que un cliente no llega a un horario
fijo, es decir, no se sabe con exactitud en qu momento llegarn los clientes.
Tambin el tiempo de servicio no tiene un horario fijo.
Las llegadas se describen por su distribucin estadstica. Si las llegadas
ocurren con una tasa promedio y que son independientes una de otra,
entonces ocurren de acuerdo con una distribucin de probabilidades de tipo
"poisson.
La teora de colas requiere de un estudio matemtico del comportamiento de
lneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente y el cliente decide
esperar, entonces se forma en la "lnea de espera".

Objetivos de la teora de colas

Dada la funcin de costes anterior, los objetivos de la teora de colas consisten

en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el
coste global del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la
capacidad del sistema tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en
la cola: la paciencia de los clientes depende del tipo de servicio
especfico considerado y eso puede hacer que un cliente abandone el
sistema.

pg. 13
Instituto Tecnolgico de Aguascalientes TICs

2.4 SOLUCIN ANALTICA

Las tcnicas ms conocidas sobre el modelado analtico (solucin analtica) son, la teora
de colas y los procesos de Markov. Los modelos analticos son representaciones
matemticas de los sistemas, permiten sacar conclusiones sobre el comportamiento del
sistema. La teora de colas tanto como la teora de lneas de espera deben considerarse
equivalentes.

El termino matemtico cola significa una lnea de espera, si en dado caso no hubiera
lneas de espera, el cliente recibira el servicio de inmediato, Seria lo deseable y el costo
de disponer de la suficiente capacidad de servicio para no tener que esperar sera muy
elevado.

En las lneas de espera se consume cierta cantidad de tiempo por servicio pero, el costo
de ese servicio es menor debido a la mejor utilizacin del servicio. En dado caso que
exista una poblacin de clientes que demanden cierto servicio prestado por servidores:

Algunos clientes ingresaran a la cola y esperaran un servicio disponible. Existen colas

ilimitadas las cuales pueden crecer tanto sea necesario y colas limitadas estas solo
pueden contener un numero especifico de clientes o en ocasiones no contienen ningn
cliente en fila.

Proceso de Markov:

Un proceso de Markov es un modelo que describe el comportamiento de sistemas donde

el sistema est situado en uno de un conjunto de estados discretos mutuamente
excluyentes y colectivamente exhaustivos S0, S1, S2, ..., Sn. El estado presente del
sistema y las probabilidades de transicin entre varios estados del sistema, caracterizan
el comportamiento futuro del sistema.

Dado que un proceso de Markov se encuentra en un estado determinado, su

comportamiento futuro no depende de su historia anterior a su entrada a ese estado.
Muchos procesos de Markov exhiben un comportamiento de estado estable, esto quiere
decir que la probabilidad de que el proceso se encuentre en un estado determinado es
constante en el tiempo.

En un estado Sj, es transitorio si desde un estado Sk que puede ser alcanzado desde sj,
el sistema no puede regresar a Sk. Una cadena sencilla es una serie de estados
recurrentes tal que el sistema puede llegar a cualquier estado de la cadena desde
cualquier otro estado de esta.

Un cambio de estado en un proceso de Markov de transicin continua puede producir

cambios en cualquier instante de una escala de tiempo continua.

pg. 14
Instituto Tecnolgico de Aguascalientes TICs

pg. 15
Instituto Tecnolgico de Aguascalientes TICs

EJEMPLOS DE PROBLEMAS
Problema 1:

Un lava carros puede atender un auto cada 5 minutos y la tasa media de

llegadas es de 9 autos por hora. Obtenga las medidas de desempeo de
acuerdo con el modelo M/M/1.

Adems la probabilidad de tener 0 clientes en el sistema, la probabilidad de

tener una cola de ms de 3 clientes y la probabilidad de esperar ms de 30
minutos en la cola y en el sistema.

Solucin: Se conoce la siguiente informacin: = 9 clientes/hora

(media de servicio a los clientes) = 0.15 clientes/minutos = 0.2

clientes/minutos (media de llegada de los clientes)

a) Vamos a calcular el factor de desempeo del sistema calculando .

. El sistema est
ocupado el 75% del tiempo. O sea pasa un 25% ocioso. Es decir la
probabilidad de tener 0 clientes en el sistema es cuando el sistema est
vaco y eso puede ocurrir con una probabilidad del 25%. Su clculo
puede hacerse directamente con la frmula:

0.25 = 25%

b) La probabilidad de tener una cola de ms de 3 clientes

La probabilidad que haya ms de tres clientes en el Sistema, implica

que debemos conocer la Probabilidad que haya cero, uno, dos y tres
clientes. La diferencia con 1. Ser la probabilidad que hayan ms de
tres.

pg. 16
Instituto Tecnolgico de Aguascalientes TICs
( > 3) = 1 (0 + 1 + 2 + 3) = 1 (0.25 + 0.1875 + 0.1406 +
0.1055) = 1 0.6836 = 0.3164
c) La probabilidad de esperar ms de 30 minutos en la cola. Primero
calcularemos el tiempo promedio que un cliente espera en la cola.

15 minutos (es el tiempo promedio

que un cliente tiene que esperar en la cola).

Ahora vamos a calcular tiempo (t) de espera sea mayor de 30 minutos.

( > )=(1) Vamos aplicar esta ecuacin para calcular dicha

probabilidad.

P( > 30) = (1) = (0.75)0.2(10.75)30 = (0.75)1.5 =

(0.75)(0.2231) = 0.167 = 16.7%. Como se puede ver la

probabilidad es baja.

d) La probabilidad de esperar ms de 30 minutos en el Sistema.

P( > t) = (1) Vamos aplicar esta ecuacin para calcular dicha
probabilidad.
P( > 30) = (1) = 0.2(10.75)30 = 1.5 = 0.2231 = 22.31%.
Como se puede ver la probabilidad es baja pero es ms alta que la
probabilidad de que el tiempo promedio que un cliente espere ms de
30 minutos en la cola.
Problema 2:

Un promedio de 10 automviles por hora llegan a un cajero con un solo

servidor que proporciona servicio sin que uno descienda del automvil.
Suponga que el tiempo de servicio promedio por cada cliente es 4 minutos, y
que tanto los tiempos entre llegadas y los tiempos de servicios son
exponenciales. Conteste las preguntas siguientes:

a) Cul es la probabilidad que el cajero est ocioso?

b) Cul es el nmero promedio de automviles que estn en la cola del
cajero? (se considera que un automvil que est siendo atendido no
est en la cola esperando)
c) Cul es la cantidad promedio de tiempo que un cliente pasa en el
estacionamiento del banco, (incluyendo el tiempo de servicio)?
d) Cuntos clientes atender en promedio el cajero por hora?

Solucin: Se conoce la siguiente informacin:

pg. 17
Instituto Tecnolgico de Aguascalientes TICs
= 10 clientes/hora (media de llegada de los clientes) = 1/6 clientes/minutos

= 1 clientes/4minutos (media de servicio de los clientes)=1/4 cliente/minuto

a) Por lo tanto factor de utilizacin del

sistema.
Es decir que el sistema permanece ocioso el 33.33%.
b) Cul es el nmero promedio de automviles que estn en la cola del
cajero?

Puede haber 2 autos en la cola

c) Cul es la cantidad promedio de tiempo que un cliente pasa en el
estacionamiento del banco (incluyendo el tiempo de servicio)?
Nos preguntan por el tiempo promedio que el cliente pasa en el sistema .

.
d) Cuntos clientes atender en promedio el cajero por hora?
Si el cajero siempre estuviera ocupado, atendera un promedio de =15
clientes por hora. Segn la solucin encontrada en el inciso a
(1/4*60=15), el cajero est ocupado 2/3 del tiempo. Por tanto dentro de
cada hora, el cajero atender un promedio de (2/3)(15)= 10 clientes.
Esto es *= 2/3 * 15 = 10 clientes.

pg. 18
Instituto Tecnolgico de Aguascalientes TICs

Bibliografa

Teoras de lneas de espera

Primera Edicin Aguascalientes Ags. 8 de septiembre 2017
Autor: Leonardo Adrin De Lira Castaon
Fuentes de informacin:
http://es.scribd.com/doc/141477763/Unidad-4-Linea-de-Espera#scribd
https://jrvargas.files.wordpress.com/2009/01/problemas-resueltos-de-
teorc3adade-colas.pdf
http://www.marcoteorico.com/curso/87/matematicas-para-la-toma-de-
decisiones/712/solucion-analitica-

pg. 19