Parte II - D y E de Redes Borrador - Hojas Impresas PDF

Análisis de un sistema de transmisión
Los sistemas de cola
Descripción de un sistema de cola
Un sistema de cola se describe por medio de 5 parámetros.
Cola DL/DS/S/C/P
donde:
DL: Distribución del tiempo entre llegada de clientes

DS: Distribución del tiempo de servicio que reciben los clientes
S: Cantidad de servicios que se ofrecen a los clientes
C: Capacidad de almacenar clientes que tiene el sistema
P: Tamaño de la población de donde provienen los clientes
Si C o P no constan.se consideran cantidades muy grandes (infinitas)
Las distribuciones, DL, DS se notan:

D: Distribución determinista, es decir, el tiempo asignado a la tarea es constante, así se puede
saber con exactitud, según sea el caso, el momento que llegará un nuevo diente o el tiempo de
atención que recibirá el cliente.
M: Distribución Markoviana, si la distribución proviene de un proceso de Poisson.
G: Distribución general, si la distribución es estocástica y no es de Poisson.
Las redes de comunicación son diseñadas por ciertos profesionales y hay otros que son responsables
de su funcionamiento. Es necesario que los profesionales involucrados en las redes de comunicación
tengan una comprensión completa de la conducta de las redes.
Las redes de comunicación tienen básicamente tres componentes que las caracterizan:
o Los nodos son las entidades de hardware que mantienen las funciones de
comunicación de datos.
o Los protocolos son un conjunto de reglas y acuerdos entre las partes de comunicación
que determinan la actuación de los nodos.
o El canal es el medio físico por donde viajan los datos, desde un nodo a otro.
El sistema consiste de un nodo que recibe y transmite paquetes. El nodo tiene un búfer para
almacenar a los paquetes que recibe. Además, se asume que los paquetes tienen una longitud
constante en bits y que el búfer tiene capacidad para almacenar K paquetes.
Los paquetes que llegan al nodo para que los transmita, van formando una cola de espera en el búfer.
.
Si un paquete llega cuando el nodo este ocioso, el nodo lo transmite inmediatamente.

Si al nodo llega un paquete en el momento que está transmitiendo uno, se lo guarda en el búfer detrás
de los paquetes que estén esperando su transmisión.
Una vez que la transmisión de un paquete ha finalizado, el nodo atiende al paquete que al momento
encabeza la cola. Si el búfer está lleno, el paquete que llegue al nodo se rechaza, es decir, el paquete
se pierde.
La transmisión de un paquete tiene éxito, cuando se ha completado su transmisión.
EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 1

En adelante, se nombrará clientes a los paquetes.

Conceptos básicos
El estado del sistema N
El estado del sistema N, es el número de clientes en el sistema.
o Si N > 0 el sistema está ocupado

o Cuando N = 0, en el sistema no hay clientes y así, el sistema está ocioso.
o N≤K
Donde K, es la cantidad máxima de clientes que pueden ponerse en cola para recibir el
servicio.
Sea Nc es el número medio de clientes en la cola.

Sea Ns, es el número medio de clientes en servicio, así, Ns da la utilización del sistema
=> N - Nc +NS
Las tasas medias de llegada y transmisión de clientes

Las tasas medias de nacimiento y muerte son constantes.
𝜆 es la tasa media de llegada (nacimiento) de clientes al nodo: 𝜆 clientes/seg
𝜇 es la tasa media de transmisión (muerte) de clientes del nodo: p clientes/seg
Como en un segundo llegan λ clientes, un cliente llega al nodo en 1I 𝜆 seg.
Como en un segundo salen 𝜇 clientes, un cliente sale del nodo en 1/ 𝜇 seg.
El tiempo medio entre llegada de clientes es: 1I 𝜆 seg.
El tiempo medio de servicie de un diente es: 1/ 𝜇 seg
La capacidad de transmisión C
Es la cantidad máxima de dientes que en promedio puede transmitir el nodo en la
unidad de tiempo: C = 𝜇
𝑥̅ es el tiempo medio para transmitir un diente: 𝑥̅ = 1/C = 1/ 𝜇
El factor de utilización del nodo 𝝆

Es la tasa a la que entran los clientes al sistema sobre la tasa máxima a la que se los
transmite.
𝜆 1
𝜌 = 𝜇 𝑚 ∶ 0 ≤ 𝜌 < 1, 𝑚 es la cantidad de servidores.
Por lo tanto, el factor de utilización es la tasa de clientes que llegan al nodo por el
tiempo en que se transmite un cliente, en relación a la cantidad de servidores
disponibles.
si 𝜆 > 𝜇 el estado del sistema crece sin límite, y la condición de estabilidad para la cola
no se cumple.
Se requiere que 𝜌 ∈ [0,1) para que el sistema de cola sea estable. La estabilidad
asegure que los límites de las variables aleatorias existan, y que todos los clientes
eventualmente sean atendidos.
La utilización del canal de transmisión (intensidad de tráfico) U

La utilización, es la cantidad media de clientes que coloca el nodo en el canal, es decir,
Ns es la utilización.
𝜆
(tasa de llegada)(tiempo de transmisión) = = 𝑚𝜌 ∶ 𝜆≤𝜇
𝑈={ 𝜇
1 ∶ 𝜆>𝜇
donde m es la cantidad de servidores
Así, la intensidad del tráfico es la tasa con la cual entra el trabajo al sistema y se la mide
en Erlangs.

El retraso Tc y el retraso total T
El retraso en la cola Tc, que sufre un paquete que llega al nodo, es el tiempo medio que
permanece en la cola. Es decir, el tiempo que espera, para que sea transmitido.
Tc es el tiempo gastado en la cola por el paquete
Ts es el tiempo que dura la atención del paquete , para ser procesado por el servidor del
nodo
El retraso total T, que sufre un cliente que llega al nodo, es su retraso en la cola más su
tiempo de transmisión
=> T=TC + TS
La probabilidad de pérdida L
La probabilidad de pérdida, es la probabilidad de perder al menos un cliente.
Si el búfer tiene capacidad para almacenará clientes, todo cliente que llegue al nodo y
encuentre al búfer con K clientes se pierde.
Así, la probabilidad de pérdida es la probabilidad que el cliente que llegue al nodo se
rechace por encontrarse el búfer lleno
El Throughput Th
El Throughput es el porcentaje de clientes que llegaron al sistema y que se transmitieron
con éxito.
En las redes de telecomunicación, significa que, de la cantidad de clientes transmitidos,

cuantos llegaron a su destino.
Si el canal de comunicación está libre de errores, toda la carga ofrecida se transmite con
éxito. Como en general no ocurre, el Throughput es menor a la carga ofrecida.
La carga ofrecida es 𝑚𝜌, donde m es la cantidad de servidores.

El valor máximo del Throughput permite medir la capacidad del sistema.
Los procesos estocásticos

Un proceso estocástico es en esencia una familia de variables aleatorias X(t), donde las
variables
aleatorias tienen como índice el parámetro de tiempo t.
A un proceso estocástico también se lo conoce como un proceso aleatorio.
La clasificación de un proceso aleatorio depende de tres cantidades:
o El espacio de estados,
o El índice t,
o La dependencia estadística entre las variables aleatorias X{t) para valores
diferentes de t.
El espacio de estados E
Es el conjunto de posibles valores (estados) que puede tomar X(t)
o Si E es finito o contable el proceso se dice que es de estados discreto y a E se

denomina cadena, y E = {0,1,2, 3, ...}
o Si E es un intervalo o unión de intervalos el proceso se dice que es de estado
continuo.
El índice t
o Si los tiempos permitidos para tener cambios de estado son finitos o contables, el
proceso es de tiempo discreto. Se nota Xn en lugar de X(t)
A Xn, se denomina secuencia aleatoria.

o Si los tiempos para los cambios de estado puede tomar cualquier valor en un
intervalo o unión de intervalos, el proceso es de tiempo continuo.
A X(t), se denomina proceso aleatorio.
En un proceso aleatorio, es importante la relación entre las variables X(t)
∀𝑛 ∈ ℕ. ∀𝒆 = (𝑒1, 𝑒2, … , 𝑒𝑛), ∀𝒕 = (𝑡1, 𝑡2, … , 𝑡𝑛) ∶ 𝐹𝑥(𝒆; 𝒕) = 𝑃[𝑋(𝑡1) ≤ 𝑒1, … , 𝑋(𝑡𝑛) ≤ 𝑒𝑛]
La función de distribución FX describe la dependencia entre las variables aleatorias del proceso
estocástico.
Proceso estacionario
El proceso estocástico X(t) es estacionario si FX, es invariante a cambios en el tiempo:
𝐹𝑥(𝒆; 𝒕) = 𝐹𝑥(𝒆; 𝒕 + 𝝉): 𝝉 = (𝝉, 𝝉, … , 𝝉)
Procesos independientes
Una secuencia aleatoria {Xn} forma un conjunto de variables aleatorias independientes si
sus pdf, cumplen:
𝑓𝑥 (𝒆; 𝒕) = 𝑓𝑥1 … 𝑋𝑛(𝑒1, … , 𝑒𝑛; 𝑡1, … , 𝑡𝑛) = 𝑓𝑥1(𝑒1; 𝑡1) … 𝑓𝑥𝑛(𝑒𝑛; 𝑡𝑛)
Procesos de Markov
El proceso aleatorio X(t), forma una cadena de Markov si, su espacio de estados es
discreto y posee la propiedad de sin memoria.
Un proceso de Markov es una cadena de Markov.
Propiedad de sin memoria o Propiedad de Markov
Es la probabilidad que el siguiente estado en+1 dependa únicamente del estado actual en y
no de otros estados previos:
∀𝑛 ∈ ℕ; ∀{𝑡𝑘 } ∶ 𝑡1 < 𝑡2 < 𝑡𝑛+1 ⇒

𝑃[𝑋(𝑒𝑛+1 )|𝑋 (𝑡1) = 𝑒1, … , 𝑋 (𝑡𝑛 ) = 𝑒𝑛] = 𝑃[𝑋(𝑡𝑛+1 ) = 𝑒𝑛+1 |𝑋(𝑡𝑛 ) = 𝑒𝑛 ]
con 𝑒𝑖 elemento en algún espacio de estados discreto
Es decir, la manera como todo el pasado histórico afecta al futuro del proceso se totaliza
completamente en el valor actual del proceso. Esta cualidad hace que el tiempo de
permanencia en un estado se distribuya exponencialmente.
o En una cadena de Markov con tiempo discreto, los instantes en que ocurren los
cambios de estado se ordenan como enteros 0,1,2, 3, …, n, … aquí, el proceso
puede permanecer en un cierto estado, por un tiempo que se distribuye
geométricamente.
o En una cadena de Markov con tiempo continuo, las transiciones entre estados
pueden tomar lugar en cualquier instante en el tiempo.
El resultado de Little
Resultado de Little: N = T𝜆

𝜆 tasa media de llegada de los clientes
T tiempo medio en el sistema
N número medio de clientes en el sistema
El resultado de Little establece, que el número medio de dientes en un sistema de cola, es

igual, a la tasa media de llegadas de los clientes al sistema A, por el tiempo medio gastado por
cliente en el sistema T, independientemente de cómo se defina al sistema. El sistema puede
ser la cola, o la cola más el servicio. '
Observación:
Sea Tc el tiempo gastado en la cola
Nc el número medio de clientes en la cola Sea
Ts el tiempo gastado en el servicio
Ns el número medio de clientes en servicio
T=TC + TS
N= Nc+Ns
𝑵𝒄 = 𝑻𝒄 𝝀
𝑵 = 𝑻𝒄 𝝀 + 𝑻𝒔 𝝀 ⇒ { 1
𝑁𝑠 = 𝑻𝒔 𝝀 = 𝜆
𝜇
Observación:
El resultado de Little, permite calcular el número medio de clientes en el sistema, una vez
que se hayan calculado los tiempos medios en el sistema o viceversa:
Para después de un tiempo t suficientemente grande:
o Sea pk la probabilidad que en el sistema haya k clientes
o p0 es la probabilidad que el sistema esté ocioso
o 1 -p0, es la probabilidad que en el sistema haya al menos un cliente.
De esta manera el factor de utilización del sistema es: U = 1 - p0
Justificación:
p es la fracción de tiempo que el servicio está ocupado:
p0 = P [0 clientes en servicio]
1- p0 = P [1 o más clientes en servicio] es la probabilidad que el sistema esté ocupado.
El trabajo que llevan los clientes al servicio es: (1 -p0)μ
Cuando el tiempo es muy grande, por la ley de los grandes números, existe un valor X tal
que: 𝜆 = (1 -p0)μ
1 𝜆
∴ 𝜆 = 1 − 𝑝0 , 𝑐𝑜𝑚𝑜 𝑝 = ⇒ 𝑝 = 1 − 𝑝0
𝜇 𝜇
𝜆
Conocido p, como 𝑝 = 𝜇 ⇒ 𝜆 = 𝑝𝜇
𝜆 es la tasa media de llegada de clientes al sistema.

𝜆
Además, como Ns = 𝜇 => p es el número medio de dientes en servicio.

Observación:
Si para cada estado, en, se tiene su propia tasa de llegada A„, calcule la tasa media de
llegada, A, con el proceso que se acaba de dar.
El proceso de llegada
La cantidad de clientes en la cola afecta al tiempo para trasmitirlos, y esta cantidad depende de
la manera como llegan los clientes.
Los clientes pueden llegar de manera constante o de manera aleatoria.
Los paquetes llegan de manera constante. Cola D/D/1
𝝀<𝝁 𝝀=𝝁 𝝀>𝝁
𝝀 𝑼=𝟏 𝑼=𝟏
𝑼=
𝝁
𝟏 𝑲
𝑻𝒄 = (𝐩𝐚𝐪𝐮𝐞𝐭𝐞𝐬 𝐞𝐧 𝐜𝐨𝐥𝐚) 𝑻𝒄 =
𝑻𝒄 = 𝟎 𝝁 𝝁
𝟏 𝟏 𝟏
𝑻= 𝑻 = (𝐩𝐚𝐪𝐮𝐞𝐭𝐞𝐬 𝐞𝐧 𝐜𝐨𝐥𝐚 + 𝟏) 𝑻 = (𝑲 + 𝟏)
𝝁 𝝁 𝝁
𝑳=𝟎 𝑳=𝟎 𝑳=𝟏
Justificación:
Dado que 𝜆 es constante, en todo momento, es factible solamente uno de los tres casos
siguientes:
𝝀<𝝁 Esto es, la tasa de llegada 𝝀 es menor a la tasa de transmisión 𝝁

De esta manera, apenas llega un paquete al nodo, éste se transmite con éxito en 1/𝝁
segundos, antes que llegue el siguiente paquete al nodo que lo hace en 1/𝝀 segundos,
donde 1/𝝁 < 1/𝝀. Así, los paquetes que llegan al nodo no hacen cola por lo que el
búfer permanecerá vacío.
La utilización del canal de transmisión es U = 𝝀/𝝁
𝝀=𝝁 La tasa de llegada 𝝀 es igual a la tasa de transmisión 𝝁

Aquí, los paquetes se transmiten a la misma tasa en que llegan a la cola.
En caso que al inicio la cola haya tenido k paquetes pendientes, esa cantidad
permanecerá inalterable y por ellos se genera un retraso constante a cada paquete que
ingrese a la cola. El paquete que llega sufre un retraso igual a 𝑘/𝝁
Si al inicio la cola estaba vacía (k = 0), así se mantendrá, y el retraso será cero.
En este caso, el canal se usa totalmente, U = 1, y no se pierden paquetes.
𝝀>𝝁 La tasa de llegada 𝝀 es igual a la tasa de transmisión 𝝁.

Ahora, la tasa de llegada 𝝀 supera a la capacidad del canal C (C = 𝝁).
Luego, siempre habrá algún paquete en la cola esperando a ser transmitido.
Aquí, el retraso es 𝐾/𝝁 y la utilización del canal es 1, donde K es la capacidad de la
cola
Los paquetes llegan de manera aleatoria en el tiempo
Al considerar que los clientes llegan al nodo de manera aleatoria, se establece que X es una
tasa promedio de llegada y se debe añadir otros conceptos:

o La cantidad de cliente en la cola, N, es una variable aleatoria.
o El sistema está en el estado n, cuando en la cola hay n clientes, por lo tanto, el recorrido
De N es: 0,1,2, …
o La probabilidad que el sistema esté en el estado n es: pn = P [N = n]
o El número medio de cliente en el sistema es E[N], esto es, la esperanza de tener al sistema
en el estado E[N].
Dado que cada llegada de cliente a la cola constituye un nacimiento, y que cada cliente que el
nodo transmite, hace que el cliente que encabeza la cola la abandone, constituye una muerte.
Así, la transición de estados en la cola se da entre estados vecinos más próximos.
El proceso de llegada
La distribución del tiempo entre llegadas provee un mecanismo para modelar la llegada
de una entidad que se transfiere de una localidad a otra.
Como la tasa media de llegada es constante, el tiempo entre llegadas está distribuido
exponencialmente, la cantidad de clientes que llegan al sistema en un intervalo de tiempo
de longitud t aleatorio tiene una distribución de Poisson y que los clientes llegan al
sistema provenientes de un proceso de Poisson.
Por lo tanto, el proceso de llegada exhibe la propiedad de no tener memoria.
Justificación:
Sea N: cantidad de clientes que llegan en un intervalo de tiempo (0, t)
Como N tiene una distribución de Poisson, la probabilidad de tener n clientes en (0, t) es:
(𝜆𝑡)𝑛 −𝜆𝑡
𝑃[𝑁 = 𝑛 𝑒𝑛 (0, 𝑡)] = 𝑒
𝑛!
La probabilidad de no tener clientes en (0,í) es:
𝑃[𝑁 = 0 𝑒𝑛 (0, 𝑡)] = 𝑒 −𝜆𝑡
Sea T: el tiempo entre llegadas de los clientes '

El tiempo entre llegadas sobrepasa al tiempo prefijado t, establece que en (0, t) no llega
ningún cliente. Así:
𝑃[𝑇 > 𝑡] = 𝑃 [𝑁 = 0 𝑒𝑛 (0, 𝑡)] = 𝑒 −𝜆𝑡
El tiempo entre llegadas es menor a t, indica que en (0, t) llegó al menos un cliente:
𝑃[𝑇 ≤ 𝑡] = 𝑃 [𝑁 > 0 𝑒𝑛 (0, 𝑡)] = 𝑒 −𝜆𝑡
Por lo tanto, la FDP y la fdp de T son:
∴ 𝐹(𝑡) = 𝑃[𝑇 ≤ 𝑡] = 1 − 𝑒 −𝜆𝑡 𝑦 𝑓(𝑡) = 𝜆𝑒 −𝜆𝑡
Así T, tiene una distribución exponencial
El Burstiness, B
El Burstiness, es una propiedad para el tráfico de redes determinada por el proceso de
llegada. A la medida del burstiness se la nota B
UE[X]
B = 1−
Cresta de la tasa de llegada
B es pequeño, cuando la cresta de la tasa de llegada se aproxima a la media.
Cresta
El tamaño máximo del lote que se estructura para transmitir, en el peor caso.

Llegadas por Lotes
La llegada de mensajes es un caso de llegadas por lotes.
Un mensaje es un lote de unidades de dato, donde una unidad de dato puede ser, un bit, un
byte, o un paquete. La longitud del mensaje es la cantidad de unidades de dato que posee.
Así, dos mensajes pueden tener diferentes longitudes
Se presentan dos casos:

• Los lotes tienen la misma longitud. El análisis del sistema es simple por ser determinista.
Este caso se presenta, por ejemplo, en la transmisión de un archivo grade y la transmisión
de video.
• Los lotes tienen diferentes longitudes, como en la transmisión de voz y datos.
Ya que los lotes tienen un tamaño aleatorio, el proceso de llegada por lotes se estudia
usando una distribución para una variable aleatoria discreta. Las distribuciones discretas
que pueden presentarse en el tráfico de redes, son:
La distribución geométrica, la distribución binomial, la distribución de Poisson.
Distribución geométrica:
Un nodo colecciona unidades de datos que provienen de varias fuentes y los agrupa en
lotes para sacarlos a un canal de comunicación.
El lote incrementa su longitud según llegan las unidades de datos hasta que se dé un
fracaso.
El proceso genera una variable aleatoria distribuida geométricamente.
La cresta de la tasa de llegada es 1, ya que puede fracasar la llegada de la segunda
unidad de dato.
Sea X : el lote con k unidades.

La longitud del lote se incrementa en una unidad de dato con probabilidad p Se tiene k
incrementos exitosos en la longitud del lote, seguido por un fracaso.
.
𝑃[𝑋 = 𝑘] = 𝑝𝑘 (1 − 𝑝) 𝑝 𝑝
𝐸 [𝑋 ] = 𝐵 = 1−𝑈
1−𝑝 1−𝑝
Distribución binomial:
Se construye el lote como secuencia de k datos provenientes de n fuentes.
La cresta de la tasa de llegada es n, ya que el lote queda determinado al finalizar la n
llegada.
Por ejemplo, considere un multiplexor que está conectado a n fuentes de datos. Cada
fuente puede generar un paquete con probabilidad p. En un momento dado se generan k
paquetes y el lote se construye colocando en cadena a ios paquetes.
Sea X : el lote con k unidades.

La variable aleatoria X, maneja n posiciones, una por cada fuente, en cada posición se
toma en cuenta si la fuente trasmitió o no un paquete.
𝑃[𝑋 = 𝑘] = 𝐶(𝑛, 𝑘)𝑝𝑘 (1 − 𝑝)𝑛−𝑘 ∶ 𝑘 = 0,1,2, … , n. 𝐸 [𝑋] = 𝑛𝑝 𝐵 = 1 − 𝑈𝑝
Distribución de Poisson:
Se construye el lote como secuencia de datos provenientes de infinidad de fuentes. Esto
modela mensajes para los cuales no hay un límite conocido para su longitud.
Considerando la distribución binomial. Incrementando sin límite a n, y manteniendo la
longitud del lote constante en np, se obliga a que p tienda a cero.
Así tenemos la distribución de Poisson con parámetro np.
La cresta de la tasa de llegada es la constante np, es decir, la cresta se aproxima a la
media.
(𝑛𝑝)𝑘 −𝑛𝑝 𝐸 [𝑋] = 𝑛𝑝 𝐵 =1−𝑈

𝑃[𝑋 = 𝑘] = lim [ 𝐶(𝑛, 𝑘)𝑝𝑘 (1 − 𝑝)𝑛−𝑘 ] = 𝑒
𝑛→∞ 𝑘!

𝑝
𝐵𝑔 (𝑈, 𝑝) = 1 − 𝑈 𝐵𝑏 (𝑈, 𝑝) = 1 − 𝑈𝑝 𝐵𝑝 (𝑈, 𝑝) = 1 − 𝑈
1−𝑝
B geométrico: p = 0.1,0.3,0.5,0.7,0.9 B binomial: p =

0.1,0.3,0.5,0.7,0.9
Los trazos son de arriba hacia abajo.
El proceso de servicio
Se asume que se suministra el servicio bajo la modalidad primero en llegar y primero en ser
atendido. Así la atención depende de la disponibilidad del servidor, y del número de servidores.
Los servidores no siempre están disponibles, ya que cuando todos los servidores están
ocupados atendiendo, los clientes que llegan están obligados a esperar. Aceptando que el
tiempo de servicio por cliente es completamente aleatorio, se puede modelar el tiempo de
servicio usando una distribución de probabilidades. .
Considere un nodo que tiene uso exclusivo de un canal cuya capacidad nunca se excede.
Cuando ocurre una llegada al nodo, inmediatamente se inicia el servicio que ofrece. El tiempo
de servicio lo determina el patrón de llegada, el cual es proporcional al tamaño del mensaje o
paquete. Por lo tanto, si está especificado el proceso de llegada se puede determinar el tiempo
de servicio.
En una red más compleja, la distribución del tiempo de servicio depende de la actividad de
varias colas y sus interacciones con el mecanismo de acceso al servicio.
• Si el mecanismo de servicio, atiende a los clientes en una sola fase, a una tasa media 𝜇 se
tiene, que la distribución del tiempo de servicio es exponencial.
• Si el mecanismo de servicio, atiende a los clientes en r fases, de manera que un cliente
entra a una fase luego que ha dejado la fase previa. Solamente cuando el cliente ha
pasado por todas las fases, abandona el sistema y se permite el ingreso a otro cliente.
Así en todo momento únicamente un cliente se permite en el servicio.

1
Como se desea mantener el tiempo de servicio global en , el tiempo de servicio en cada
𝜇
1
fase se distribuye exponencialmente con la media .
𝑟𝜇
La distribución del tiempo de servicio en este caso está dada por la distribución de Erlang
para r fases.
Mecanismo de servicio
X: Tiempo de servicio. Sea b(x) la pdf de X.
Servicio en 1 fase Servicio realizado en r fases

Y: Tiempo que se gasta en toda fase
Sea h(y) la pdf de Y:
𝑏(𝑥) = 𝑢𝑒 −𝑢𝑥 ∶ 𝑥 ≥ 0 1
ℎ(𝑦) = 𝑟𝑢𝑒 −𝑟𝑢𝑦 ∶ 𝑦 ≥ 0 𝐸 [𝑌 ] =
𝑟𝜇
1 𝑟𝑢(𝑟𝜇𝑥)𝑟−1 𝑒 −𝑟𝑢𝑥 1
𝐸 [𝑋 ] = ℎ (𝑦 ) = ∶ 𝑥 ≥ 0 𝐸 [𝑋 ] =
𝜇 (𝑟 − 1 )! 𝜇
Donde E[x] es la duración media del servicio.
Por ejemplo, en una red telefónica, el servicio es el paso de la llamada de un teléfono a otro.
Aceptando que el tiempo de servicio por llamada es completamente aleatorio.
Si el servicio de llamada se realiza en una sola fase, se tiene que la distribución del tiempo de
servicio es exponencial.
Si el servicio se realiza en r fases, la distribución del tiempo de servicio en este caso está dada
por la distribución de Erlang para r fases.
Los procesos de nacimiento y muerte

Los procesos de nacimiento y muerte permiten modelar los cambios del tamaño de la
población.
El proceso está en el estado ek al momento t, cuando la población tiene el tamaño k en ese
momento.
Los cambios en el tamaño de la población, ocurren en una unidad.
• Un nacimiento en la población es la transición del estado ek al ek+1 y corresponde a la
ganancia en una unidad.
• Una muerte en la población es la transición de ek a ek+1 y corresponde a la pérdida en
una unidad.
Ya que el estado siguiente depende únicamente del estado actual y no de otro estado previo, el
proceso de nacimiento y muerte es un proceso de Markov.
En las redes de telecomunicación el proceso de nacimiento y muerte describe el número de

mensajes presentes y describe como los paquetes llegan y parten ordenadamente.

Sea 𝜆𝑛 la tasa de salida del estado 𝑒𝑛 al 𝑒𝑛+1
Sea 𝜇𝑛 la tasa de salida del estado 𝑒𝑛 al 𝑒𝑛−1
Sea Pn(t) la probabilidad que el sistema se encuentre en el estado n al tiempo t.
Ya que las tasas de nacimiento y muerte dependen del estado y no del tiempo, la cadena
de markov es homogénea
Dado que el sistema es dinámico, en cualquier nodo e n, se debe cumplir:
La diferencia entre la tasa de flujo que entra y el flujo que sale de en al tiempo t, es
igual a la tasa de cambio de ese estado.
Ecuación de nacimiento y muerte para el estado e n:
𝑑𝑃𝑛 (𝑡)
= −(𝜆𝑛 + 𝜇𝑛)𝑃𝑛 (𝑡) + 𝜆𝑛−1 𝑃𝑛−1 (𝑡) + 𝜇𝑛+1 𝑃𝑛+1 (𝑡)
𝑑𝑡
Los procesos de nacimiento y muerte en equilibrio

El sistema está en equilibrio cuando en todo estado en, luego de un gran periodo de
tiempo, la tasa de cambio de ese estado es nula.
Es decir, la diferencia entre la tasa de flujo que entra y el flujo que sale de en, es cero, en
todo momento.
De no cumplirse esta condición, se dice que el sistema está inestable.
Ecuación de nacimiento y muerte en equilibrio para el estado en:
𝜆𝑛−1
0 = −(𝜆𝑛 + 𝜇𝑛)𝑝𝑛 (𝑡) + 𝜆𝑛−1 𝑝𝑛−1 (𝑡) + 𝜇𝑛+1 𝑝𝑛+1 (𝑡) ⇔ 𝑝𝑛 = 𝑝
𝜇𝑛 𝑛−1
∞
∑ 𝑝𝑛 = 1
𝑛=0
Donde: 𝑙𝑖𝑚 𝑃𝑛 = 𝑝𝑛
𝑛→∞
La solución de equilibrio es:
𝜆0 𝜆1 𝜆2 … 𝜆𝑘−1 1
𝑝𝑘 = 𝑝 ∶∷ 𝑘 ≥ 1 𝑝0 =
𝜇1 𝜇2 𝜇3 … 𝜇𝑘 0 ∞
𝜆0 𝜆1 𝜆2 … 𝜆𝑘−1
1+∑
𝑘=0 𝜇1 𝜇2 𝜇3 … 𝜇𝑘
Ejemplo:
Búfer de un nodo con un proceso nacimiento y muerte no homogéneo
Sea el sistema constituido por el búfer de un nodo. El estado se determina por la

cantidad de paquetes en el búfer. Asuma que la tasa de salida 𝜇 es constante.
Si se decide que la probabilidad de pérdida es demasiado alta se debe construir un

mecanismo de defensa. Un método para disminuir la probabilidad de pérdida es
desalentar la llegada de paquetes. El control de flujo se puede realizar definiendo 𝜆𝑛
mediante una función de n que reduzca a 𝜆 ∶ 𝜆𝑛 = 𝜆𝑓(𝑛) el sistema ya no es
homogéneo.

1
Sea 𝑓 (𝑛) = 𝑛+1 cuando hay n paquetes en el búfer, tenemos, la cola con llegadas
desalentadas:
𝜆 1 𝑛 −𝑝
𝑝= ∶ 0<𝑝<1 𝑝𝑛 = 𝑝 𝑒 ∶ 𝑛 = 0, 1, 2, …
𝜇 𝑛!
Colas M/M/1 M/M/1/K

El sistema se constituye de un nodo que suministra un servicio que consiste en colocar los
paquetes en un canal de comunicaciones.
Sea 𝜆 la tasa media de llegada, 𝜇 la tasa media de salida de los clientes.

Los clientes hacen cola para recibir un servicio y llegan de manera aleatoria.
Sea p„ la probabilidad de equilibrio, que el sistema se encuentre con n clientes, p0 representa la
probabilidad que el sistema esté ocioso.
La condición de estabilidad de una cola establece:

El número de transiciones del estado n al estado n + l, es igual al número de transiciones del
estado n + 1 al estado n ∶ λpn = μpn+1
p = ρpn ∶ n = 0, 1, 2, …
Ecuación de equilibrio: { n+1
p0
La relación de recurrencia, es geométrica y es convergente cuando 0 < 𝜌 < 1

Como 𝜌 = 𝜆/𝜇 se descartan las posibilidades 𝜆 ≥ 𝜇
La utilización del canal está dada por el número medio de clientes en servicio, que por el
resultado de Little es 𝜌 = 𝜆/𝜇
𝜌 es la probabilidad que es sistema tenga al menos un paquete, es decir, que el sistema esté
ocupado.
En función de la capacidad del búfer K, se tiene:
K→∞ M/M/1 0 < K < ∞ M/M/1
𝑝𝑛 = 𝜌𝑛 𝑝0 ∶ 𝑛 = 0, 1, 2, … 𝑝𝑛 = 𝜌𝑛 𝑝0 ∶ 𝑛 = 0, 1, 2, … 𝐾
𝑝0 = 1 − 𝜌 1−𝜌
𝑝0 =
1 − 𝜌𝐾+1
∞
∑ 𝑝𝑛 = 𝜌 ∞
1−𝜌 𝐾
𝑘=0 ∑ 𝑝𝑛 = 𝜌 1−𝜌𝐾+1 (*)
𝑘=0
𝜌
𝐸 [𝑁 ] =
1−𝜌 𝜌[𝐾𝜌𝐾+1 − (𝐾 + 1)𝜌𝐾 + 1]
𝐸 [𝑁 ] =
(1 − 𝜌𝐾+1 )(1 − 𝜌)
1
𝑇𝑠 =
𝜇 1
𝑇𝑠 =
𝜇
1 1
𝑇𝑐 = 𝐸 [𝑁] = 𝑁𝑐
𝜇 𝜆 1
𝑇𝑐 = 𝐸 [𝑁]
𝜇

1 𝜌2 𝑁𝑐 = 𝜌𝐸 [𝑁]
𝑁𝑐 = 𝜌𝐸 [𝑁] =
𝜆 1−𝜌
1 1
𝑇 = 𝐸 [ 𝑁 + 1] = 𝐸 [𝑁 ]
1 1 1 1 𝜇 𝜆
𝑇 = 𝐸 [𝑁 ] = =
𝜆 1− 𝜌𝜇 𝜇 −𝜆
𝐿 = 𝜌𝐾+1
𝐿=0
Justificación:
𝐾→∞
T = Tc + Ts =>
1 1 1 1 1
𝑇𝑐 = − =[ − 1]
1−𝜌𝜇 𝜇 1−𝜌 𝜇
𝜌 1 𝐸[𝑁]
= =
1−𝜌𝜇 𝜇
0 < 𝐾 < ∞
Se trata como si el búfer tiene capacidad infinita, y se ve la probabilidad de encontrar al menos

K + 1 clientes en el búfer, así se cae en M/M/1:
𝐿 = 𝑃[𝑁 ≥ 𝐾 + 1] = 𝜌𝐾+1
Observaciones:
• Cola M/M/1
Se considera que el espacio para que hagan cola los paquetes que van llegando al nodo hasta
que sean transmitidos, es muy grande.
1
Como el tiempo que se gasta en el sistema está distribuido exponencialmente, con medía 𝜇−𝜆,
la fdp del retraso en el sistema es(𝜇 − 𝜆)𝑒 −(𝜇−𝜆)𝑡 .
• Cola M/M/1/K
Se asume que el tamaño del búfer es K, es decir, el sistema puede contener un máximo de K
clientes.
Cuando el búfer se llena, todos los clientes que lleguen se rechazan porque no hay lugar para
almacenarlos.
pk es la probabilidad de rechazo de clientes o la probabilidad que el sistema esté lleno:
1−𝜌
𝑝𝑘 = 𝜌𝐾
1 − 𝜌𝐾+1
Gráfico del retraso total T, en función del factor de utilización 𝝆
El retraso total T, para K = ∞ K = 10 y K = 5 (de arriba hacia abajo)

La tasa de transmisión es de 12 paquetes/seg

1 1
𝑎) 𝑇 =
1 − 𝜌 12
10𝜌10+1 − (10 + 1)𝜌10+1 + 𝜌 1

𝑏) 𝑇 = [ + 1]
(1 − 𝜌)(1 − 𝜌10+1 ) 12
5𝜌5+1 − (5 + 1)𝜌5+1 + 𝜌 1
𝑐) 𝑇 = [ + 1]
(1 − 𝜌)(1 − 𝜌 5+1 ) 12
Análisis del gráfico para retraso total:
1
𝜌 → 0 => 𝑇 →
12
𝜌→1⇒ 𝑎) 𝑇→∞ 𝑐) 𝑇→5 𝑐) 𝑇 → 0.3
• en (a) Pequeños incrementos de 𝜌 incrementan grandemente el retraso

• Cuado la utilización (p) es baja, el retraso total para un paquete que llega a la cola se
acerca al tiempo de transmisión del paquete 1/12.
• Comparando las funciones, al incrementarse la utilización, las funciones con menor tamaño
de búfer K, tienen un menor retraso total, debido a que se rechaza una mayor proporción
de tráfico. Esto es, el retraso total se mejora con el incremento del rechazo de paquetes.
• Cuando la utilización es baja, las tres funciones se superponen, esto se debe a que
probablemente una pequeña cantidad de paquetes se encuentren en la cola en todo
momento.
Gráfico de la probabilidad de pérdida L, en función del factor de utilización 𝝆

La probabilidad de pérdida L, para K= 1 K = 5 y K = 10 (de arriba hacia abajo)

(a′ ) 𝐿 = 𝜌1+1 (𝑏 ′ ) 𝐿 = 𝜌 5+1 (𝑐 ′ ) 𝐿 = 𝜌10+1
Análisis del gráfico para la probabilidad de pérdida:

Para tamaños de búfer pequeño K, la probabilidad de pérdida aumenta.

Cola M/M/m
El sistema tiene las mismas especificaciones antes dadas. Se asume que el nodo transmite sus
paquetes a m canales de comunicación.
Como hay m canales, la tasa de transmisión se multiplica por m. Este es un sistema de cola
M/M/m.
M/M/m K → ∞
1
𝑇 = (𝐸[𝑁𝑐 ] + 1)
𝜇
𝜆𝑘 = 𝜆 ∶ 𝑘 = 0, 1, 2, …
𝜇𝑘 = min[𝑘𝜇, 𝑚𝜇] =
𝑘𝜇 ∶ 𝑘 = 0, 1, 2, … , 𝑚
={
𝑚𝜇 ∶ 𝑘 = 𝑚, 𝑚 + 1, 𝑚 + 2
𝜆
𝜌= ∶0<𝜌<1
𝑚𝜇
1
Tiempo medio entre llegadas:
𝜆
1
Tiempo medio de servicio:
𝜇
(𝑚𝜌)𝑛
𝑃0 ∶ 𝑛 = 0, 1, 2, … , 𝑚
𝑃𝑛 = { 𝑛!
𝜌 𝑛 𝑚𝑚
𝑃0 ∶ 𝑛 = 𝑚, 𝑚 + 1, 𝑚 + 2
𝑚!
𝑚−1 −1
(𝑚𝜌)𝑛 (𝑚𝜌)𝑚 1
𝑃𝑛 = [ ∑ + ]
𝑛! 𝑚! 1 − 𝜌
𝑛=0
1 1
𝑃[ir a cola] = 𝑃0 (𝑚𝜌)𝑚
𝑚! 1−𝜌
(𝜌𝑚)𝑚 𝜌
𝐸[𝑁𝑐 ] = 𝑃0
𝑚! (1 − 𝜌)2
𝐸[𝑁] = 𝐸[𝑁𝑐 ] + 𝑚𝜌
1
𝑇𝑐 = 𝐸[𝑁𝑐 ]
𝜇

Justificación:
∞ ∞ ∞
𝜌 𝑛 𝑚𝑚 𝑚𝑚
𝐸[𝑁𝑐 ] = ∑ (𝑛 − 𝑚) 𝑃𝑛 = ∑ (𝑛 − 𝑚) 𝑃0 = 𝑃0 ∑ (𝑛 − 𝑚)𝜌 𝑛 =
𝑚! 𝑚!
𝑛=𝑚 𝑛=𝑚 𝑛=𝑚
∞ ∞ ∞ ′
𝑚𝑚 (𝜌𝑚)𝑚 (𝜌𝑚)𝑚
= 𝑃0 ∑ 𝑘𝜌 𝑘+𝑚 = 𝑃0 ∑ 𝑘𝜌 𝑘 = 𝑃0 𝜌 [∑ 𝜌 𝑘 ] =
𝑚! 𝑚! 𝑚!
𝑘=0 𝑘=0 𝑘=0
(𝜌𝑚)𝑚 1 ′ (𝜌𝑚)𝑚 𝜌
= 𝑃0 𝜌[ ] = 𝑃0
𝑚! 1−𝜌 𝑚! (1 − 𝜌)2
𝐸[𝑁] = 𝐸[𝑁𝑐 ] + 𝑈 = 𝐸[𝑁𝑐 ] + 𝑚𝜌
1
𝑇 = 𝑇𝑐 + 𝑇𝑠 = (𝐸[𝑁𝑐 ] + 1)
𝜇
Ejercicio:
Con las fórmulas para m canales, justificar las de 2 canales:
2−𝑈
𝑃0 = 𝑃[ir a cola]
2+𝑈
𝑃1 = 𝑈𝑃0
𝑈𝑛
𝑃𝑛 = 𝑛−1 𝑃0 ∶ 𝑛 ≥ 2
2
𝑈2
𝑃[ir a cola] = 𝑃0
2−𝑈
𝑈3
𝐸[𝑁𝑐 ] =
4 − 𝑈2
4𝑈
𝐸[𝑛] =
4 − 𝑈2
4𝑈 1
𝑇𝑐 =
4 − 𝑈2 𝜇
4𝑈 1
𝑇=[ 2 + 1]
4−𝑈 𝜇

Gráfico del retraso total T, en función del factor de utilización U
Para K =∞;m = 1 y m = 2 (de arriba hacia abajo): U = mp 𝜇 = 12 paquetes/seg
1 1 4𝑈 1
𝑎) 1 𝑐𝑎𝑛𝑎𝑙 ∶ 𝑇 = 𝑏) 2 𝑐𝑎𝑛𝑎𝑙𝑒𝑠 ∶ 𝑇 = [ 2 + 1]
1 − 𝑈 12 4−𝑈 12
Como se espera el retraso es más bajo en el caso de dos canales.

Cola M/M/m/K m<K
El sistema se constituye de un nodo, el cual tiene capacidad para recibir K clientes.

Los clientes hacen cola para obtener un servicio. El nodo dispone de m servidores para
facilitar la atención a los clientes. Por lo tanto, en servicio pueden estar hasta m clientes en
un tiempo dado. La cola tiene un proceso de nacimiento y muerte en equilibrio.
La probabilidad de pérdida pk, es la probabilidad que un cliente al llegar encuentre el
sistema lleno.
Cola M/M/m/K m<K
𝑛𝜇 ∶ 𝑛 = 1, 2, … , 𝑚
𝜆𝑛 = 𝜆 ∶ 𝑛 = 0,1, … , 𝐾 − 1 𝜇𝑛 {
𝑚𝜇 ∶ 𝑛 = 𝑚, 𝑚 + 1, … , 𝐾
𝜆
𝜌= ∶0<𝜌<1
𝑚𝜇
(𝑚𝜌)𝑛 𝑚−1 −1
𝑃0 ∶ 𝑛 = 0, 1, 2, … , 𝑚 ( 𝑚𝜌 ) 𝑛
( 𝑚𝜌) 𝑚
1 − 𝜌𝐾−𝑚+1
𝑝𝑛 = { 𝑛! 𝑃0 = [∑ + ]
𝜌 𝑛 𝑚𝑚 𝑛! 𝑚! 1−𝜌
𝑃0 ∶ 𝑛 = 𝑚, 𝑚 + 1, … , 𝐾 𝑛=0
𝑚!
Justificación:
m < k, sea k = l + m y usando pn de cola M/M/m tenemos:
1 1
𝑃0 = = 1 1
𝜌𝑘
1 + ∑𝑘𝑘=1 1 + ∑𝑚−1
𝑘=0 𝑘! (𝑚𝜌) + ∑𝑘=𝑚 𝑚! 𝑚 𝜌
𝑘 𝑘 𝑚 𝑘
𝑃0
Donde:
𝑘 𝐾−𝑚 𝑘 𝐾−𝑚
1 𝑚 𝑘 1 𝑚 𝑘 1 𝑚 𝑙+𝑚 1
∑ 𝑚 𝜌 = ∑ 𝑚 𝜌 +∑ 𝑚 𝜌 = (𝑚𝜌)𝑚 ∑ 𝜌 𝑙
𝑚! 𝑚! 𝑚! 𝑚!
𝑘=𝑚 𝑘=0 𝑘=𝑚 𝑘=0
1 1 − 𝜌 𝐾−𝑚+1
= (𝑚𝜌)𝑚
𝑚! 1−𝜌

Cola M/M/m/m: Sistemas con pérdida de m servidores
En esta cota el número de servidores es igual a la capacidad de la cola. No es un caso

particular con K = m de M/M/m/K ya que cambian las ecuaciones de
equilibrio.
En este sistema cada cliente que llega recibe su servicio privado, sin embargo, si llega un
cliente cuando todos los servicios están ocupados, ese diente se pierde.
La probabilidad de pérdida se da por pm que se conoce como la fórmula B de Erlang
𝜆: 𝑘 = 0,1,2,3 … , 𝑚 − 1 𝜆
𝝀𝒌 { 𝜇𝑘 = 𝑘𝜇 ∶ 𝑘 = 1,2, … , 𝑚 𝜌 = :0 < 𝜌 ≤ 1
0: 𝑘 ≥ 𝑚 𝑚𝜇
La distribución de probabilidades:
𝑚 −1
(𝑚𝑝)𝑘 (𝑚𝑝)𝑘
𝑝𝒌 {𝑝0 𝑘!
: 𝑘 = 1,2 … , 𝑚 𝜌0 = [∑ ]
𝑘!
0: 𝑘 > 𝑚 𝑘=0
Formula B de Erlang:
(𝑚𝑝)𝑚 𝑝0
𝐵 (𝑚, 𝜌) = 𝑝𝑚 =
𝑚!
Aplicación para la cola M/M/m/K
Un multiplexor se conecta a una línea de comunicaciones. La línea se utiliza en K

divisiones de tiempo multiplexados con una capacidad global o tasa de
transmisión de datos de D bits/seg. Se tienen m canales de comunicación,
cada uno atendido por un servidor, siendo la capacidad de cada canal D/ m
bits/seg. Además se asume que los tiempos entre llegada están distribuidos
exponencialmente.
La fuente de los mensajes es una población infinita de terminales que se conectan a

la entrada del multiplexor.
Cola M/M/m/K/s m < K < s
Este sistema tiene s fuentes que proveen de clientes al sistema. Así, se dispone de una
población de s fuentes de clientes.
Además, m es la cantidad de servidos y K es la capacidad de la cola.

Todo cliente que llegue y encuentre la cola saturada, se pierde.
Como las fuentes actúan independientemente y si el sistema tiene n clientes, ya sea
poniéndose en cola o recibiendo servicio, hay s-n fuentes generando paquetes a una
tasa media 𝝺. La solución en estado firme es:

𝜆(𝑠 − 𝑛) ∶ 𝑛 = 0,1 … , 𝐾 − 1 𝑛𝜇 ∶ 𝑛 = 0,1,2, … , 𝑚 𝜆
𝝀n { μn { 𝜌=
0∶𝑛 ≥𝐾 𝑚𝜇 ∶ 𝑛 ≥ 𝑚 𝑚𝜇
𝑝0 𝑈 𝑛 𝐶(𝑠, 𝑛) ∶ 𝑛 = 0,1, … , 𝑚 − 1 𝑠!
𝑝𝒏 { 𝑛 (
𝑛! 𝑚−𝑛
𝐶 (𝑠, 𝑛) = 𝑈 = 𝑚𝜌
𝑝0 𝑈 𝐶 𝑠, 𝑛) 𝑚 ∶ 𝑛 = 𝑚, 𝑚 + 1, … , 𝐾 (𝑠 − 𝑛)! 𝑛!
𝑚!
Ap li ca ci ó n pa r a l a col a M/M/m/K/s
La cola se puede usar para modelar un nodo de comunicaciones simple con 5 líneas
entrantes, el tamaño del búfer K, y una línea de salida con m canales TDM
Cadenas de Markov en equilibrio
La cadena de Markov, es un proceso estocásisco con la propiedad de sin memoria, que permite
transiciones de estados no solo entre los vecinos más cercanos.
Las colas de Markov se usan para modelar procesos de llegada y salida por lotes.
La longitud de un lote se establece por la cantidad de paquetes que lo conforman.
Ya que los clientes son los lotes, en este modelo se interpreta al cliente como la longitud del lote.
Como el estado se establece por la cantidad de clientes en el sistema, en el modelo, el estado

está dado por la cantidad de paquetes con los que aportan esos clientes al sistema.
Así, por ejemplo, la llegada de un lote de longitud k, hace que el estado se desplace a
un estado k posiciones adelante del actual.
Si el sistema puede atender a q paquetes a la vez, se da la transición del estado actual a un

estado q posiciones previas.
Así cuando abandona un cliente el sistema, y si el cliente está compuesto de s paquetes, se

regresa del estado actual al que está a s posiciones previas.
Servicio o ingreso al sistema por fases
El método de fases permite estudiar sistemas de cola más generales que los de nacimiento y
muerte. Erlang estructura la distribución del tiempo en una secuencia de distribuciones
exponenciales. De manera que, haya una distribución exponencial común para cada fase, y
que mantenga el tiempo medio que le toma a un cliente pasar sobre las fases
Debe tomarse en cuenta, que un cliente que ingresa a la estructura de fases, debe pasar por
todas las fases en secuencia. En la estructura no se permita más de un cliente. Al salir un
cliente de la estructura, se permite el ingreso de otro cliente. Si la estructura tiene r fases, y hay
un diente en ella, se tienen r - 1 fases libres.
Distribución de Erlang con r fases
Sea X la variable aleatoria del tiempo total gastado sin considerar las fases.
Sea µla tasa de salida de los clientes de la estructura de fases.
Sea b(x,) la pdf de X:

𝒓𝝁(𝒓𝝁𝒙)𝒓−𝟏 𝒆−𝒓𝝁𝒙
𝑏 (𝑥 ) =
(𝑟 − 1)!
Sea Y (a variable aleatoria del tiempo que se gasta en una fase,
• Cuando la estructura de fases, se refiere al servicio, el estado del sistema se

determina por la cantidad de fases pendientes que deben cumplir todos los
clientes en el sistema.
• Cuando la estructura de fases, se refiere a las etapas por las que deben pasar
los dientes para solicitar el servicio, el estado está determinado por el total de
fases que cumplieron los dientes que ya están solicitando el servicio, más las
fases por las que ya ha pasado el cliente que está entrando al servicio.
Cola M/Er/1 Servicio por fases
El nodo provee de un servicio estructurado en r fases.
Si el cliente está en la fase i, significa que ha recibido la atención de las i -1 fases previas y que
incluyendo a la fase actual, le falta recibir la atención de las r - i +1 fases restantes. Por cada
cliente que ingrese a la cola, interpretado en término de fases, el sistema adquiere r fases
pendientes. Si en la cola hay k -1 dientes, el total de fases pendientes del sistema 𝑗 = 𝑟 − 1 +
1 + (𝑘 − 1)𝑟 = 𝑘𝑟 − 𝑖 + 1 a j se conoce como el descriptor de estados.
Cada vez que el diente avanza a la siguiente fase, el estado disminuye en 1.
En el sistema la tasa de llegada es A, y el tiempo medio de servido se mantiene fijo en 1//J e

independiente de r.
M/Er/1 servicio con r fases
Sea j el descriptor de estados: y == rk- i+ 1
Sea Tel tiempo de entre llegadas de un diente al sistema: a(t) = 𝝺e-𝝺f : t > 0
Sea X el tiempo gastado por el cliente en el sistema:

𝑟𝜇(𝑟𝜇𝑥)𝑟−1 𝑒 −𝑟𝜇𝑥
𝒃(𝒙) =
(𝒓 − 𝟏)!
Sea pk la probabilidad de equilibrio para el número de clientes en el sistema

Sea Pj la probabilidad que el sistema tenga j fases pendientes en total.

Cola Er/M/1 Ingreso por fases
El nodo requiere que los clientes que solicitan su servicio, pasen por una entrada de r fases de
control.
Cada vez que un cliente pasa de una fase a otra, el estado avanza en una posición.
Al abandonar un cliente el sistema, el estado retrocede en r posiciones.
Si k clientes ya llegaron a la cola por el servicio, y el que está llegando, está en la fase i, el
descriptor de estados está dado por: j = kr + i – 1
Aplicación M/Er/1: Llegadas de Lotes de Tamaño Fijo
La cola M/Er/1, es un modelo conveniente para representar a un búfer que acepta los datos
como mensajes que consisten en r paquetes de longitud variable que llegan al azar y los
sueltan a una tasa de transmisión fija. Así, los clientes que llegan y salen del sistema, son los
mensajes.
La tasa de llegada, X, es el número de mensajes de tamaño r que llegan en la unidad de

tiempo.
La tasa de salida, p, es igual al número de mensajes atendidos por segundo.
Por ejemplo, si un mensaje tiene una longitud media de 5000 bits, y el mensaje se
constituye de 4 paquetes ( r = 4), la longitud media del paquete será
de 1250 bits.
Aplicación Er/M/1: Servicio por Lotes con Tamaño Fijo
La cola Er/M/1 es un modelo conveniente para analizar los sistemas que esperan hasta que un
cierto tamaño de mensaje se alcance antes de soltar los datos para su transmisión. Así, el
proceso de llegada describe una fuente de mensajes con tamaño de longitud fija a ser
generado de manera completamente aleatoria La cola Er /M/1 permite modelar un búfer con el
servicio por lotes
El servicio de un mensaje particular no inicia hasta que todas sus partes constitutivas
hayan llegado o generado, y en todo momento se atienden a mensajes completos

Llegadas por Lotes de Tamaño general
Los siguientes puntos de vista definen sistemas idénticos:
• En el sistema M/Er/1 cada cliente pasa por r fases de servicio para completar su
servicio total.
• En el sistema M/M/1 se puede considerar que cada llegada se constituye de un grupo
de r clientes. Cada uno de esos r clientes requieren únicamente un servicio de una
sola fase, eso es, la distribución del tiempo de servicio es exponencial. Así se tiene un
sistema M/M/1 con llegada de grupos de tamaño r .
Aquí se va a considerar sistema de llegadas por grupos de diferente tamaño, con la distribución
de llegadas de Poisson. El tamaño del grupo en cada instante de llegada tendrá un tamaño
aleatorio. En algunas comunicaciones el tamaño de los mensajes no es constante. Por
ejemplo, la conversación digital, tiene diálogos de diferente tamaño e incluyen periodos de
silencio de tamaño aleatorio. Así, la conversación digitalizada consiste de un número variable
de bits.
M/M/1 Sistema de llegada por grupos
En este modelo, se puede ingresar al estado en desde cualquier estado inferior, ya que
se permite la llegada de lotes de cualquier tamaño; similarmente podemos
movemos del estado e n a todo estado superior.
La variable de estado es el número de dientes en el sistema.
Sea 𝝺 la tasa de llegada de los grupos.
Sea gi el tamaño aleatorio de un grupo: g¡ = P[tamaño del grupo es i] : i ≥ 1
Sea G(r) la z-transformada de {gk}
p = (tasa media de llegada de clientes) • (tiempo medio de servicio)
Nota:
• Todos los sistemas de cola discutidos en este capítulo son pertinentes para el análisis
de nodos individuales.
Por ejemplo, los multiplexores de TDM.
• Cuando se interconectan los nodos entre ellos, se forman redes de

colas.
Cadenas de Markov de tiempo discreto
Se usará la cadena de Markov de tiempo discreto para desarrollar un método general para el
análisis de los sistemas de red.
Además se dará soluciones para calcular los indicadores de actuación más útiles.

El sistema se encuentra en cierto estado en un momento particular.
Según transcurre el tiempo, el sistema va de un estado a otro en cierta secuencia.
Como la transición se da del estado actual a un estado vecino aleatoriamente, la posición en un

estado, en un momento futuro es una variable aleatoria.
Sea X„ = j el sistema se encuentra en el estado j, al momento (o paso) n.
{.Xn} es una cadena de Markov de tiempo discreto si
• El conjunto de estados posibles del sistema es discreto.

• ∀𝑛 ∈ ℕ, 𝑃[𝑋𝑛−1 = 𝑒𝑛+1 | 𝑋1 = 𝑒1, 𝑋2 = 𝑒2 , … , 𝑋𝑛 = 𝑒𝑛 ] = 𝑃[𝑋𝑛+1 =
𝑒𝑛+1 | 𝑋𝑛 = 𝑒𝑛 ]
Donde e 1 , e 2 ,…, e n , e n+1 son estados:

e 1 <e 2 <…<e n+1
La cadena de Markov, tiene la propiedad de sin
memoria
Definiciones:
• P[ Xo = j] es la probabilidad que el sistema, al iniciar esté en el estado j

• P i j = P[ Xn = j | Xn-i = i] es la probabilidad de transición del estado i al j
• P i j p j da la probabilidad que al paso n el sistema esté en el estado j, sabiendo que al
momento está en el estado i
P = [pij] Matriz de probabilidades de transición
𝑃𝑖𝑗 (𝑚) = 𝑃[𝑋𝑛+𝑚 = 𝑗 | 𝑋𝑛 = 𝑖 ] es la probabilidad de transición a m pasos de i a j
•
= [𝜋0 , 𝜋1 , 𝜋2 , … ] Vector de probabilidades de equilibrio
Π
La probabilidad límite Π¡ se denomina probabilidad de equilibrio, en el sentido que el efecto de
(0)
la distribución de estado inicial ΠJ ha desaparecido.
(0)
ΠJ Probabilidad de encontrar al cliente en el estado j, al tiempo n
Π = [𝜋0 , 𝜋1 , 𝜋2 , … ] Vector de probabilidades de estado al tiempo n
• La cadena de Markov es homogénea cuando pij permanece constante en el transcurso

del tiempo, es decir, no depende del paso n.
Es decir, Si se considera que las probabilidades de transición son independientes de n,
P i j da la probabilidad que el paquete pueda dirigirse al nodo j, a partir del nodo actual i
y en un solo paso, sin importar la cantidad de nodos que visitó para llegar al nodo i.
Por lo tanto, a partir del estado actual, la probabilidad de alcanzar cierto estado luego de m
pasos al futuro, depende únicamente de m y no del tiempo actual.
• La cadena de Markov es irreducible si todo estado se puede alcanzar desde otro:

(𝑚 )
∀𝑖, 𝑗 𝑒𝑠𝑡𝑎𝑑𝑜𝑠, ∃𝑚0 ∈ ℕ ∶ 𝑝𝑖𝑗 0 > 0

Clasificación de los estados de una cadena de Markov
Sea la cadena de Markov irreducible
Dado el estado j :
(𝑛)
Sea 𝑓𝑗 = 𝑃[𝑝𝑟𝑖𝑚𝑒𝑟 𝑟𝑒𝑡𝑜𝑟𝑛𝑜 𝑎 𝑗, 𝑜𝑐𝑢𝑟𝑟𝑎 𝑛 𝑝𝑎𝑠𝑜𝑠 𝑑𝑒𝑠𝑝𝑢é𝑠 𝑑𝑒 𝑎𝑏𝑎𝑛𝑑𝑜𝑛𝑎𝑟 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑𝑜 𝑗]
(𝑛) (𝑛)
Sea 𝑓𝑗 = 𝑃[𝑠𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑎 𝑎𝑙 𝑒𝑠𝑡𝑎𝑑𝑜 𝑗] = ∑∞
𝑛=1 𝑓𝑗
(𝑛)
El tiempo medio de recurrencia de 𝑗, es: 𝑀𝑗 = ∑∞
𝑛=1 𝑛𝑓𝑗
𝑀𝑗 es el tiempo medio para retornar a 𝑗

El estado j es recurrente no nulo si 𝑓𝑗 = 1 𝑦 𝑀𝑗 < ∞
El estado j es periódico, con periodo 𝛾 ∈ ℕ, 𝛾 > 1, si los únicos pasos posibles para retornar
a 𝑗 son 𝛾, 2𝛾, 3𝛾, …, sino se dice que es aperódico
El estado 𝑗 es ergódico si es aperiódico, recurrente no nulo.
Teorema:
(𝑚) 𝑚−1
o 𝑃𝑖𝑗 = ∑𝑘 𝑃𝑖𝑘 : 𝑚 = 2, 3, 4, …
(𝑚𝑜)
o La cadena de Markov es irreducible si ∃𝑚0 ∈ ℕ, ∀𝑗 ∶ 𝜋𝑗 >0
(𝑛)
o La probabilidad de encontrar al sistema en el estado j en n pasos, es: 𝜋𝑗 = 𝑃[𝑋𝑛 = 𝑗]
o Si la cadena de Markov es irreducible y aperiódica con un espacio de estados finito,
entonces todos los estados son ergódicos, es decir, la cadena de Markov es ergódica.
Así, dada la distribución de probabilidad inicial y las probabilidades de transición, se puede

encontrar la probabilidad que al momento 𝒏 el sistema se encuentre en algún estado dado.
Teorema:
Sea {𝑋𝑛 } una cadena de Markov homogénea, irreducible, y apreiódica
(𝑛)
o Los siguientes límites existen y no dependen del estado inicial: 𝜋𝑗 = lim 𝜋𝑗
𝑛→∞
o Todos los estados son recurrentes no nulos y {𝜋𝑗 } es una distribución de probabilidad
estacionaria:
∀𝑗, 𝜋𝑗 > 0, 𝜋𝑗 = 1/𝑀𝑗
𝜋 = 𝜋𝑃
o Los valores 𝜋𝑗 se determinan únicamente con el sistema de ecuaciones: {
1 = ∑𝑖 𝜋 𝑖
(𝑛)
o En una cadena de Markov ergódica, la distribución de probabilidad {𝜋𝑗 } como
función de 𝑛 siempre convergen a una distribución estacionaria {𝜋𝑗 }
independientemente de la distribución de estado inicial.
Las probabilidades límite {𝜋𝑗 }, de una cadena de Markov ergódica, se denominan

(0)
probabilidades de equilibrio en el sentido que el efecto de la distribución de estado inicial 𝜋𝑗
ha desaparecido.
Teorema:
Sea 0𝑚 = (0,0, … ,0)𝑇 ∈ ℝ𝑚
Sea 1𝑚 = (1,1, … ,1)𝑇 ∈ ℝ𝑚
• ∑𝑗 𝑝𝑖𝑗 = 1
• ∑𝑗 𝜋𝑘 = 𝜋1𝑚 = 𝜋 𝑇 ∙ 1𝑚 = 1
𝜋=𝜋𝑃 (𝐼𝑚 − 𝑃)𝑇 𝜋 𝑇 = 0𝑇𝑚
• } ⟺ {
∑𝑘 𝜋𝑘 =1 𝜋 𝑇 ∙ 1𝑚 = 1

Sea 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑚 )𝑇 ∈ ℝ𝑚,
1 𝑥𝑘
Si 𝑥 ∈ 𝐾𝑒𝑟((𝐼𝑚 − 𝑃)𝑇 ) ⇒ 𝜋 = 𝑥 𝑇 , 𝜋𝑘 =∑
𝑥 ∙ 1𝑚 𝑘 𝑥𝑘
𝜋=𝜋𝑃 𝐼𝑚 − 𝑃 1𝑚 −1
• ∑𝑘 𝜋𝑘 =1} ⟺ (𝜋, 0) = (0𝑇𝑚 , 1) ( )
1𝑇𝑚 1
𝐼𝑚 − 𝑃 1𝑚 −1 𝐼𝑚 1𝑚 𝑃 0𝑚 −1
Además: ( 𝑇 ) = [( 𝑇 )−( 𝑇 )]
1𝑚 1 1𝑚 1 0𝑚 0
Justificación:
• ∑𝑗 𝑝𝑖𝑗 = ∑𝑗<𝑖−1 𝑝𝑖𝑗 + 𝑝𝑖,𝑖−1 + 𝑝𝑖𝑖 + 𝑝𝑖,𝑖+1 + ∑𝑗>𝑖+1 𝑝𝑖𝑗 = {0} + {𝑃𝑎 [1, 𝑖] ∙ 𝑃𝑝 [0, 𝑖]} +
{(1 − 𝑃𝑎 [1, 𝑖]) ∙ 𝑃𝑝 [0, 𝑖] + 𝑃𝑎 [0, 𝑖] ∙ 𝑃𝑝 [1, 𝑖]} + {(1 − 𝑃𝑎 [0, 𝑖]) ∙ 𝑃𝑝 [1, 𝑖])} + {∑𝑗>𝑖+1 𝑃𝑝 [𝑗 −
𝑖, 𝑖]} = {𝑃𝑎 [1, 𝑖] + (1 − 𝑃𝑎 [1, 𝑖])}𝑃𝑝 [0, 𝑖] + {𝑃𝑎 [0, 𝑖](1 − 𝑃𝑎 [0, 𝑖])}𝑃𝑝 [1, 𝑖] + {∑𝑗−𝑖=2 𝑃𝑝 [𝑗 −
𝑖, 𝑖]} = 𝑃𝑝 [0, 𝑖] + 𝑃𝑝 [1, 𝑖] + ∑𝑘=2 𝑃𝑝 [𝑘, 𝑖] = ∑𝑘=0 𝑃𝑝 [𝑘, 𝑖] = 1
• 𝜋 = 𝜋𝑃 ⟺ 𝜋 − 𝜋𝑃 = 0 ⟺ 𝜋(𝐼𝑚 − 𝑃) = 0 ⟺ (𝐼𝑚 − 𝑃)𝑇 𝜋 𝑇 = 0
Sea 𝑥 ∈ 𝐾𝑒𝑟((𝐼𝑚 − 𝑃)𝑇 ) ⇒ (𝐼𝑚 − 𝑃)𝑇 𝑥 = 0
Como (𝐼𝑚 − 𝑃)𝑇 𝜋 𝑇 = 0, ∃𝛼 ∈ ℝ ∶ 𝜋 𝑇 = 𝛼𝑥
1
𝜋 𝑇 ∙ 1𝑚 = 1 ⇒ 𝛼𝑥 ∙ 1𝑚 = 1 ⇒ 𝛼 =
𝑥 ∙ 1𝑚
1 1
∴ 𝜋 = 𝛼𝑥 𝑇 = 𝑥𝑇 = (𝑥 , 𝑥 , … , 𝑥𝑚 )
𝑥 ∙ 1𝑚 ∑𝑘 𝑥𝑘 1 2
𝐼 − 𝑃 1𝑚 −1 𝐼𝑚 − 𝑃 1𝑚
• (𝜋, 0) = (0𝑇𝑚 , 1) ( 𝑚 𝑇 ) ⟺ (𝜋, 0) ( 𝑇 ) = (0𝑇𝑚 , 1) ⟺
1𝑚 1 1𝑚 1
𝜋 − 𝜋𝑃 = 0𝑇𝑚
[𝜋(𝐼𝑚 − 𝑃) 𝜋1𝑚 ] = (0𝑇𝑚 , 1) ⟺ [𝜋 − 𝜋𝑃 𝜋1𝑚 ] = (0𝑇𝑚 , 1) ⟺ { ⟺
𝜋1𝑚 = 1
𝜋 = 𝜋𝑃
{∑
𝑘 𝜋𝑘 = 1
Cola M/G/1
Aspectos de la Teoría de Renovación
Sea {𝜏𝑘 } una secuencia creciente de instantes que se van fijando según se obtiene resultados
de un proceso que se desarrolla en el tiempo (proceso estoástico de renovación), de manera
que las longitudes de los intervalos marcados 𝜏𝑘+1 − 𝜏𝑘 sean variables aleatorias distribuidas
idénticamente e independientes por la variable aleatoria 𝑋 con la distribución dada por 𝐹(𝑥)
𝐹(𝑥) = 𝑃[𝜏𝑘+1 − 𝜏𝑘 ≤ 𝑥]
La secuencia de puntos de llegada {𝜏𝑘 } forma un proceso de renovación. La teoría de
renovación discute el reemplazo instantáneo de componentes. En este caso, {𝜏𝑘 } forma una
secuencia de instantes cuando la componente vieja cae y es reemplazada por una nueva
componente.
Dado un tiempo aleatorio 𝑡, mientras el proceso avanza, sea 𝜏𝑛−1 la última marca antes de 𝑡 y
𝜏𝑛 será la primera marca después de 𝑡.

Sea 𝑌 el tiempo que se debe esperar a partir de 𝑡, hasta que ocurra la siguiente marca de
tiempo 𝜏𝑛 .
𝑌 = 𝜏𝑛 − 𝑡
En la teoría de renovación:
𝑋 es el tiempo de vida de la componente en consideración,
𝑌 es la vida residual de la componente al tiempo 𝑡, y
𝑋0 = 𝑋 − 𝑌 es la edad de la componente al tiempo 𝑡.
Como 𝑋 es variable aleatoria y 𝑡 está dada al azar, 𝑋0 y 𝑌 son variables aleatorias.
La secuencia de puntos de llegada {𝜏𝑘 } forma un proceso de renovación.
Se asume que el proceso de renovación está siendo operado por un largo tiempo
arbitrariamente. Estamos interesados únicamente en las distribuciones límites.
Sea 𝐹𝑌 (𝑥) la distribución de la vida residual 𝑌, y 𝑓𝑌 (𝑥) su pdf
Sea 𝐹𝑋 (𝑥) la PDF del tiempo de 𝑋, y 𝑓𝑋 (𝑥) su pdf.
𝐹𝑌 (𝑥) = 𝑃[𝑌 ≤ 𝑥] 𝐹𝑋 (𝑥) = 𝑃[𝑋 ≤ 𝑥]
Tomando en cuenta, que intervalos largos entre puntos de renovación ocupan segmentos
largos en el eje de tiempo que intervalos cortos, es más probable que nuestro punto aleatorio
𝑡 caiga en un intervalo largo. Esto causa que la probabilidad de que se escoja un intervalo con
longitud 𝑥 sea proporcional a la longitud 𝑥.
Tenemos para el intervalo
seleccionado:
𝑚𝑛 = 𝐸[(𝜏𝑘 − 𝜏𝑘−1 )𝑛 ] = 𝐸[𝑋 𝑛 ]
𝑚𝑛+1
𝑟𝑛 = 𝐸[𝑌 𝑛 ] =
(𝑛 + 1)𝑚1
𝑚2 𝐸[𝑋 2 ] 𝑚1 𝑚2 −𝑚1 2
𝑟1 = 𝐸[𝑌] = = 𝑟1 = 𝐸[𝑌] = +
2𝑚1 2𝐸[𝑋] 2 2𝑚1
𝑚3 𝐸[𝑋3 ]
𝑟2 = 𝐸[𝑌 2 ] = =
3𝑚1 3𝐸[𝑋]
𝑉(𝑋) = 𝑚2 − 𝑚12
Nota:
1
Asumiendo llegadas de Poisson con parámetro 𝜆, 𝑟1 = = 𝑚1 .
𝜆
En la teoría de renovación, la tasa del fracaso dependiente de la edad, 𝑟(𝑥) se define como la
tasa instantánea a la cual una componente fallará sabiendo que ha alcanzado la edad x. Esta
densidad condicional es:
𝑓(𝑥)
𝑟(𝑥) =
1 − 𝐹(𝑥)
Donde 𝑓(𝑥) y 𝐹(𝑥) se refieren a la distribución común del tiempo de vida de la componente.
La distribución de renovación, 𝐻(𝑥) es:
𝐻(𝑥) =
𝐸[𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑛𝑜𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑛 𝑢𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑥]
Teorema:
Sea la densidad de renovación ℎ(𝑥)
1
lim ℎ(𝑥) =
𝑥→∞ 𝑚1

Es decir, al límite uno no puede identificar cuando el proceso de renovación ha
empezado, y así la tasa a la cual los componentes se renovaron es igual a la inversa del
tiempo medio entre renovaciones.
Debe tomarse en cuenta que ℎ(𝑥) no es una pdf.
𝑥
ℎ(𝑥) = 𝑓(𝑥) + ∫ ℎ(𝑥 − 1)𝑓(𝑡)𝑑𝑡

0
Cola M/G/1
La cola M/G/1 es un sistema de un solo servidor con llegadas de Poisson con parámetro 𝜆 y en
donde la variable aleatoria 𝑋, es el servicio dado a los clientes, tiene una distribución arbitraria
del tiempo de servicio 𝐵(𝑥) con su 𝑝𝑑𝑓 𝑏(𝑥).
𝜆 clientes/seg es la tasa media de llegada de clientes al sistema.
1 1
El tiempo medio entre llegadas es seg, y una varianza 𝑉(𝑡) =
𝜆 𝜆2
No se necesita especificar cuánto tiempo ha pasado desde la última llegada al sistema, ya que
el proceso de llegada es del tipo sin memoria
La distribución del tiempo de servicio 𝐵(𝑥) no es necesariamente del tipo de sin memoria. Se
debe especificar 𝑋0 (𝑡), el tiempo de servicio que ha recibido el cliente en servicio al momento
𝑡. 𝑋0 (𝑡) es una variable continua.
Sea 𝑁(𝑡) el número de clientes presentes al momento 𝑡.
Si en algún momento 𝑡 se va a resumir toda la historia pasada del sistema, se debe especificar
𝑁(𝑡) y 𝑋0 (𝑡).
Se ve que el proceso aleatorio 𝑁(𝑡) es un proceso no Markoviano. Sin embargo, el vector
[𝑁(𝑡), 𝑋0 (𝑡)] es un proceso de Markov, y es un vector de estado apropiado para el sistema
M/G/1, ya que resume completamente todo el pasado histórico relevante para el desarrollo
futuro del sistema.
El descriptor de estados [𝑁(𝑡), 𝑋0 (𝑡)] es continuo.
Cadena de Markov encajada

Consideramos los instantes de partida de clientes como un conjunto de puntos marcados en el
eje del tiempo. En estos instantes se define una cadena de Markov encajada, dada por el
número de clientes que van quedando por la partida de un cliente.
Si se determina el número de clientes dejados atrás por la partida de un cliente, se puede
calcular esta misma cantidad en algún punto en el futuro antes de la siguiente partida, dando
sólo las entradas adicionales al sistema.
En toda marca, el tiempo de servicio gastado en ese instante es 0 para el cliente (si hay alguno)
que está en servicio, ya que él simplemente en ese instante entró al servicio.
Además, el tiempo desde la última llegada no es pertinente para el desarrollo futuro del
proceso, porque la distribución del tiempo entre llegadas es sin memoria, por lo tanto las
llegadas no afectan al tiempo de servicio.
Luego de algún modo debemos implícitamente especificar el tiempo de servicio gastado por el
cliente en servicio.
El número en el sistema, es el número de clientes que van quedando por la partida de un
cliente.
El número en el sistema, da una descripción de estados completa del sistema de cola M/G/1

El proceso que se está describiendo es semi-Markoviano en el cual las transiciones de estado
ocurren en los instantes de partida de clientes. Las transiciones, toman lugar únicamente en
los puntos encajados y forma un espacio de estados discreto.
En la cola M/G/1, el núcleo de clientes en el sistema como lo mira un observador externo, es
igual a lo que mira un cliente que está llegando, y es igual a lo que mira un cliente que sale del
sistema.
Propiedades del sistema de cola M/G/1

𝑥̃ 𝑒𝑠 𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 𝑑𝑎𝑑𝑜 𝑎 𝑙𝑜𝑠 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝐵(𝑡) 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜
𝐸[𝑥̃] 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜
𝑏(𝑡) 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜
𝐵 ∗ (𝑠) 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑑𝑒 𝐿𝑎𝑝𝑙𝑎𝑐𝑒 𝑑𝑒 𝑏(𝑡)
𝜌 = 𝜆𝐸[𝑥̃] 𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛
Sean: 𝑞̃ 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑐𝑜𝑙𝑎 𝑒𝑛 𝑒𝑠𝑡𝑎𝑑𝑜 𝑓𝑖𝑟𝑚𝑒
𝑄(𝑧) 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑟𝑎 𝑑𝑒 𝑞
̃
𝐷 𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑔𝑎𝑠𝑡𝑎𝑑𝑜 𝑒𝑛 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 (𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑟𝑒𝑡𝑟𝑎𝑠𝑜)
𝐸[𝐷̃ ] 𝑡𝑖𝑒𝑚𝑝𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑡𝑟𝑎𝑠𝑜
𝑊̃ 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑛 𝑐𝑜𝑙𝑎 (𝑡𝑖𝑒𝑚𝑝𝑜 𝑔𝑎𝑠𝑡𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑐𝑜𝑙𝑎)
{ 𝐸[𝑊̃ ] 𝑡𝑖𝑒𝑚𝑝𝑜 𝑚𝑒𝑑𝑖𝑜 𝑒𝑛 𝑐𝑜𝑙𝑎
(1 − 𝜌)(1 − 𝑧)
𝑄(𝑧) = 𝐵∗ (𝜆 − 𝜆𝑧)
𝐵∗ (𝜆 − 𝜆𝑧) − 𝑧
𝜆2 𝐸[𝑥̃ 2 ]
𝐸[𝑥̃] = 𝜌 +
2(1 − 𝜌)
(1 − 𝜌)𝑠
𝑊 ∗ (𝑠) =
𝑠 − 𝜆 + 𝜆𝐵∗ (𝑠)
𝜆𝐸[𝑥̃ 2 ]
̃] =
𝐸[𝑊
2(1 − 𝜌)
(1 − 𝜌)𝑠
𝐷 ∗ (𝑠) = 𝐵 ∗ (𝑠)
𝑠 − 𝜆 + 𝜆𝐵 ∗ (𝑠)
𝜆𝐸[𝑥̃ 2 ]
̃ ] = 𝐸[𝑥̃] + 𝐸[𝑊
𝐸[𝐷 ̃ ] = 𝐸[𝑥̃] +
2(1 − 𝜌)

Parte II - D y E de Redes Borrador - Hojas Impresas PDF

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

Parte II - D y E de Redes Borrador - Hojas Impresas PDF

Cargado por

Copyright:

Formatos disponibles

Análisis de un sistema de transmisión

Los sistemas de cola

Descripción de un sistema de cola

Un sistema de cola se describe por medio de 5 parámetros.

DL: Distribución del tiempo entre llegada de clientes

Si C o P no constan.se consideran cantidades muy grandes (infinitas)

Las distribuciones, DL, DS se notan:

Si un paquete llega cuando el nodo este ocioso, el nodo lo transmite inmediatamente.

La transmisión de un paquete tiene éxito, cuando se ha completado su transmisión.

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 1

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 2

o Si N > 0 el sistema está ocupado

Sea Nc es el número medio de clientes en la cola.

Las tasas medias de llegada y transmisión de clientes

El factor de utilización del nodo 𝝆

La utilización del canal de transmisión (intensidad de tráfico) U

donde m es la cantidad de servidores

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 3

En las redes de telecomunicación, significa que, de la cantidad de clientes transmitidos,

La carga ofrecida es 𝑚𝜌, donde m es la cantidad de servidores.

Los procesos estocásticos

o Si E es finito o contable el proceso se dice que es de estados discreto y a E se

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 4

En un proceso aleatorio, es importante la relación entre las variables X(t)

𝐹𝑥(𝒆; 𝒕) = 𝐹𝑥(𝒆; 𝒕 + 𝝉): 𝝉 = (𝝉, 𝝉, … , 𝝉)

∀𝑛 ∈ ℕ; ∀{𝑡𝑘 } ∶ 𝑡1 < 𝑡2 < 𝑡𝑛+1 ⇒

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 5

El resultado de Little establece, que el número medio de dientes en un sistema de cola, es

El trabajo que llevan los clientes al servicio es: (1 -p0)μ

𝜆 es la tasa media de llegada de clientes al sistema.

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 6

Los paquetes llegan de manera constante. Cola D/D/1

𝝀<𝝁 𝝀=𝝁 𝝀>𝝁

𝑳=𝟎 𝑳=𝟎 𝑳=𝟏

𝝀<𝝁 Esto es, la tasa de llegada 𝝀 es menor a la tasa de transmisión 𝝁

𝝀=𝝁 La tasa de llegada 𝝀 es igual a la tasa de transmisión 𝝁

𝝀>𝝁 La tasa de llegada 𝝀 es igual a la tasa de transmisión 𝝁.

Los paquetes llegan de manera aleatoria en el tiempo

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 7

Por lo tanto, el proceso de llegada exhibe la propiedad de no tener memoria.

𝑃[𝑁 = 0 𝑒𝑛 (0, 𝑡)] = 𝑒 −𝜆𝑡

Sea T: el tiempo entre llegadas de los clientes '

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 8

Se presentan dos casos:

Sea X : el lote con k unidades.

Sea X : el lote con k unidades.

(𝑛𝑝)𝑘 −𝑛𝑝 𝐸 [𝑋] = 𝑛𝑝 𝐵 =1−𝑈

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 9

B geométrico: p = 0.1,0.3,0.5,0.7,0.9 B binomial: p =

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 10

X: Tiempo de servicio. Sea b(x) la pdf de X.

Servicio en 1 fase Servicio realizado en r fases

Donde E[x] es la duración media del servicio.

Los procesos de nacimiento y muerte

En las redes de telecomunicación el proceso de nacimiento y muerte describe el número de

EPN Departamento de Matemática Mat Luis Alfonso Salázar Rubio 11

Dado que el sistema es dinámico, en cualquier nodo e n, se debe cumplir:

Ecuación de nacimiento y muerte para el estado e n:

Los procesos de nacimiento y muerte en equilibrio

Ecuación de nacimiento y muerte en equilibrio para el estado en:

La solución de equilibrio es:

Sea el sistema constituido por el búfer de un nodo. El estado se determina por la

Si se decide que la probabilidad de pérdida es demasiado alta se debe construir un