UNIVERSIDAD NACIONAL DE CAJAMARCA

“Norte de la Universidad Peruana”

FACULTAD INGENIERIA
Escuela Académico Profesional Ingeniería De Minas

DISTRIBUCION DE ERLANG

DOCENTE:

ENZO BRAVO BURGOS.

ALUMNO:

JHORDYN ALBERTO EPIQUIEN ZELADA

INDICE:

1. INTRODUCCION
2. OBJETIVOS
2.1 Objetivo principal
2.2 Objetivos secundarios
3. MARCO TEÓRICO
3.1 Distribución de Erlang
4. CONCLUSIONES
5. BIBLIOGRAFÍA
I.INTRODUCCIÓN

La Distribución Erlang es una distribución de probabilidad continua con una amplia

aplicabilidad debido principalmente a su relación con la exponencial y la distribución
gamma dada por la suma de un número de variables aleatorias independientes que
poseen la misma distribución exponencial.

La distribución Erlang se aplica en modelos de sistemas de servicio masivo, ejemplo:

En situaciones donde el servicio tiene que realizar dos operaciones c/u con tiempo de
servicio exponencial.

La distribución Erlang es el resultado del trabajo realizado por el matemático danés

Agner Krarup Erlang (1878 - 1929) quien fue un pionero en la aplicación de métodos
estadísticos para el análisis de las redes telefónicas. La distribución se deriva del modelo
el total de tiempo de espera asociado con una cola de solicitudes en una central
telefónica, por lo cual es de especial interés para nuestro curso de teoría de colas.
II.OBJETIVOS

1.1 Objetivo principal

 Aprender utilizar la distribución de ERLANG aplicados a la ingeniería,

para poder obtener mejores resultados.

1.2 Objetivos secundarios

 Aplicar las propiedades de la distribución de ERLANG de manera

correcta y precisa.

 Analizar la información obtenida sobre la distribución de erlang.

 Realizar ejercicios planteados sobre distribución de erlang para
aplicarlos en la carrera.
 III. MARCO TEORRICO

DISTRIBUCIÓN ERLANG

La distribución Erlang es una distribución continua, que tiene un valor positivo para todos
los números reales mayores que cero, y está dada por dos parámetros:

 la forma k, que es un entero no negativo.

 la tasa λ, que es un número real no negativo.

La distribución a veces se definen utilizando el inverso del parámetro de tasa, la escala

θ. Se utiliza la distribución Erlang para describir el tiempo de espera hasta el suceso
número k en un proceso de Poisson. El parámetro de escala θ es equivalente a la media
de una distribución exponencial, y el parámetro de forma k es equivalente al numero de
eventos distribuidos exponencialmente. Cuando el parámetro de forma k es igual a 1, la
distribución se reduce a la distribución exponencial. 1

La distribución de Gamma 2 generaliza la distribución Erlang permitiendo k ser una real,

usando la función gamma en lugar de la función factorial.

Distribución Función gamma:

Para x>0

Función gamma:

Función gamma para n=entero positivo:

1
La distribución exponencial es una distribución de probabilidad continua con un parámetro λ >0.
2
La distribución gamma es una distribución de probabilidad continua con dos parámetros k y λ.
Función de densidad de Probabilidad

La función de densidad de probabilidad de la distribución Erlang es:

Para x > 0

El parámetro k se llama parámetro de la forma y el parámetro λ parámetro de tasa.

na parametrización alternativa, pero equivalente, utiliza el parámetro de escala θ que

es el recíproco del parámetro de tasa (es decir, θ = 1 / λ):

Para x > 0

Figura.1 Función de densidad de probabilidad para la Distribución Erlang.

Debido a la función factorial en el denominador, la distribución Erlang sólo está

definida cuando el parámetro k es un entero positivo. De hecho, esta distribución es a
veces llamada distribución Erlang-k (por ejemplo, una distribución Erlang-2 es una
distribución Erlang con k = 2).

Función de Distribución Acumulativa

La función de distribución acumulativa Erlang está dada por:

 Figura. 2 Función de atribución acumulativa Erlang

Definiciones Importantes relacionadas con la distribución Erlang

Parámetros

Dominio

Alternativa:

Función de densidad (pdf) Función de distribución (cdf)

Media Mediana — Moda

E(X) = k / λ
for

Varianza Coeficiente de simetría

Curtosis Entropía

Función generadora de momentos Función característica

(mgf)

for

Casos de Uso

Los tiempos de espera

Los eventos que ocurren independientemente con cierta tasa media, son modelados
con procesos de Poisson. Los tiempos de espera entre k ocurrencias del son
distribuciones de Erlang.

La distribución de Erlang, que mide el tiempo transcurrido entre la recepción de

llamadas, se puede utilizar en conjunción con la duración esperada de las llamadas
entrantes para así generar alguna información sobre la carga de tráfico medido en
unidades de Erlang. Esto puede ser usado para determinar la probabilidad de pérdida
de paquetes o el retardo, de acuerdo con diversas hipótesis formuladas acerca de si las
llamadas están bloqueadas son abortadas (fórmula Erlang B) o hasta que la cola sirve
(la fórmula Erlang C). El Erlang B y C fórmulas están todavía en el uso diario para la
elaboración de modelos de tráfico para aplicaciones tales como el diseño de centros de
llamadas.

Formula Erlang B

La fórmula de Erlang B asume una población infinita de orígenes (como usuarios de

telefonía), la cual ofrece tráfico en conjunto a N servidores (como líneas en un grupo de
troncales).

La tasa de llegadas de nuevas llamadas (tasa de nacimiento) es igual a λ y es constante,

no depende del número de recursos activos, porque se asume que el total de recursos
es infinito. La tasa de abandono (tasa de mortandad) es igual al número de llamadas en
progreso dividida por h, la media del tiempo de llamadas en espera. La fórmula calcula
la probabilidad de bloqueo en una pérdida del sistema, si un requerimiento no es
atendido inmediatamente cuando trata de utilizar un recurso, y este es abortado. Por lo
tanto no son encolados.

El bloqueo ocurre cuando hay un nuevo requerimiento de recursos, pero todos los
servidores ya están ocupados. La fórmula asume que el tráfico que es bloqueado se
libera inmediatamente.

Una forma que es usada para calcular tablas de la fórmula de Erlang B es:

Donde:

B es la probabilidad de bloqueo.
 N es el número de recursos como servidores o circuitos en un grupo.
 A = λh es la cantidad de tráfico entrante expresado en Erlangs.

La fórmula Erlang B se aplica a los sistemas con pérdidas, tales como sistemas
telefónicos tanto fijos como móviles, que no ofrecen almacenamiento de llamadas (es
decir, no permiten dejar la llamada "en espera"), y no se pretende que lo hagan. Se
asume que las llegadas de llamadas pueden ser modeladas por un proceso de Poisson,
pero es válida para cualquier distribución estadística de tiempos entre llamadas.

Erlang B también es una herramienta para dimensionar tráfico entre centrales de

conmutación de voz.
La cantidad B(N, A), como se expresó arriba, involucra algún trabajo de cálculos
numéricos y, consecuentemente, se necesitan tablas.

Formula Erlang C

La Formula de Erlang C también asume una infinita población de fuentes, las cuales
ofrecen en conjunto, un trafico de A Erlang hacia N servidores. Sin embargo, si todos
los servidores están ocupados cuando una petición llega de una fuente, la petición es
introducida en la cola. Un sin fin de números de peticiones podrían ir a la cola en este
modo simultáneamente. Esta formula calcula la probabilidad de la cola ofrecido en el
trafico, asumiendo que las llamadas que fueron bloqueadas se quedaran en el sistema
hasta que se pueda atender. Esta formula es usada para determinar la cantidad de
agentes o representantes de clientes, que necesitará en un [Call Center] para después
saber la probabilidad en la cola.

Donde:

A es la intensidad total del trafico ofrecido en unidades de Erlangs.

N es la cantidad de servidores [numero de troncales].
PW es la probabilidad de que un cliente tenga que esperar para ser atendido.

Se asume que las llamadas entrantes pueden ser modeladas usando una distribución
de Poisson y que el tiempo de espera de las llamadas son descriptas por una distribución
exponencial negativa.

Compartimiento de modelos

La distribución Erlang también se produce como una descripción de la tasa de transición

de los elementos a través de un sistema de compartimentos. Estos sistemas son
ampliamente utilizados en la biología y la ecología.

Por ejemplo:

En matemáticas, epidemiología, una persona puede progresar a un ritmo exponencial

de saludable a portador y de nuevo de forma exponencial de portador a infeccioso. La
probabilidad de que un individuo infeccioso en el momento t sería dada por la
distribución Erlang con k = 2.
Estos modelos tienen la propiedad útil que la varianza en los compartimientos
infecciosos es grande. En un modelo exponencial puro la varianza es 1 / λ2 que a
menudo es demasiado pequeña.
Ejemplos

 Suponga que cierta pieza metálica se romperá después de sufrir dos ciclos de
esfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia
promedio de dos por cada 100 horas. Obtener la probabilidad de que el intervalo
de tiempo se encuentre hasta que ocurre el segundo ciclo.

o Dentro de una desviación con respecto del tiempo promedio.

o A más de dos desviaciones por encima de la media.

Solución:

X: Lapso que ocurre hasta que la pieza sufre el segundo ciclo de esfuerzo, en
horas.
k=2
l=2 ciclos/100 horas → l=0.02

o P (m-s <>m+s) = P (29.29 <>=

o P(X > m+2s) = P(X > 241.42) = 1 – P(X £ 241.42) =

 Encuentre el número de dispositivos n requerido para A = 60 Erlang y la

probabilidad de pérdida de 0.001.

Solución

Para E = 0.001, en las tablas puede verse que n = 83 corresponde al valor A de

60.403 Erlang, y n = 82 al de A= 59.537. Por tanto n=83.

n Probabilidad de pérdida (E)

0.00001 0.00005 0.0001 0.0005 0.001 0.002 0.003 0.004 0.005 0.006
80 48.710 51.397 52.687 56.101 57.810 59.720 60.955 61.895 62.668 63.330
81 49.492 52.204 53.506 56.949 58.673 60.600 61.845 62.794 63.573 64.241
82 50.277 53.012 54.325 57.798 59.537 61.480 62.737 63.693 64.479 65.153
83 51.062 53.822 55.146 58.649 60.403 62.362 63.629
IV. CONCLUCIONES

 Al utilizar las propiedades de la distribución de erlang, se hace más sencillo

y fácil desarrollar los ejercicios.

 Logramos aprender la distribución erlang a través de las aplicaciones

mencionadas en el trabajo.

 Reconocimos los casos donde fue favorable aplicar la distribución erlang y

lograr un resultado acertado.

V. BIBLIOGRAFIA

 http://es.wikipedia.org/wiki/Unidad_Erlang
 http://arantxa.ii.uam.es/~ferreiro/sistel2008/practicas/informacion_xtra/Trafico%20
VoIP.pdf

 http://wwwisis.ufg.edu.sv/wwwisis/documentos/TE/621.385-C152d/621.385-
C152d-Capitulo%20V.pdf