La distribución de Erlang es una distribución de probabilidad continua con amplia aplicabilidad principalmente

debido a su relación con las distribuciones exponencial y gamma. La distribución de Erlang fue desarrollado
por AK Erlang para examinar el número de llamadas telefónicas que pudieran ser realizados al mismo tiempo
para los operadores de las estaciones de conmutación. Este trabajo de ingeniería de tráfico telefónico ha sido
ampliado para tener en cuenta los tiempos de espera en los sistemas de formación de colas en general. La
distribución se utiliza ahora en el campo de los procesos estocásticos y de biomatemáticas.

La distribución es una distribución continua, que tiene un valor positivo para todos los números reales
mayores que cero, y viene dada por dos parámetros: la forma, que es un entero positivo, y la tasa, que es un
número real positivo. La distribución se define a veces utilizando la inversa de la tasa parámetro, la escala. Es
la distribución de la suma de las variables exponenciales independientes con media.

Cuando el parámetro de forma es igual a 1, la distribución se simplifica a la distribución exponencial. La

distribución Erlang es un caso especial de la distribución Gamma, donde el parámetro de forma es un número
entero. En la distribución Gamma, este parámetro no se limita a los números enteros.

Caracterización
Función de densidad de probabilidad
La función de densidad de probabilidad de la distribución de Erlang es

El parámetro se denomina el parámetro de forma y el parámetro se denomina el parámetro de velocidad. Una

alternativa, pero equivalente, parametrización utiliza el parámetro de escala que es el recíproco de la tasa de
parámetro:

Cuando el parámetro de escala igual a 2, la distribución se simplifica a la distribución chi-cuadrado con grados
de libertad 2k. Por lo tanto, puede ser considerada como una distribución chi-cuadrado generalizada, incluso
para grados de libertad.

Debido a la función factorial en el denominador, la distribución Erlang sólo se define cuando el parámetro k es
un número entero positivo. De hecho, esta distribución se llama a veces la distribución de Erlang-k. La
distribución Gamma generaliza el Erlang por lo que permite al ser cualquier número real, el uso de la función
gamma en lugar de la función factorial.

Función de distribución acumulativa

La función de distribución acumulativa de la distribución de Erlang es:

donde es la función gamma incompleta más baja. La CDF también se puede expresar como

Aparición
Los tiempos de espera
Los eventos que se producen con independencia de algunos tasa media se modelan con un proceso de
Poisson. Los tiempos de espera entre k instancias del evento se distribuyen Erlang.

La distribución de Erlang, que mide el tiempo entre las llamadas entrantes, puede ser utilizado en conjunción
con la duración esperada de las llamadas entrantes para producir información acerca de la carga de tráfico
medido en unidades de Erlang. Esto puede ser usado para determinar la probabilidad de pérdida de paquetes
o retraso, de acuerdo con diversas suposiciones hechas acerca de si las llamadas bloqueadas se abortan o
en cola hasta que se sirve. El Erlang-B y C fórmulas están todavía en uso todos los días para el modelado de
tráfico para aplicaciones tales como el diseño de los centros de llamadas.
A.K. Erlang trabajó mucho en el modelado de tráfico. Así pues, hay otras dos distribuciones Erlang, ambos
utilizados en el tráfico de modelos:

Distribución de Erlang B: este es el más fácil de los dos, y se puede utilizar, por ejemplo, en un centro de
llamadas para calcular el número de troncos de una necesidad de realizar una cierta cantidad de tráfico
telefónico con un cierto "servicio de destino".

Distribución de Erlang C: esta fórmula es mucho más difícil y es de uso frecuente, por ejemplo, para calcular
la llaman largos tendrán que esperar antes de ser conectado a un ser humano en un centro de llamadas o
situación similar.

Procesos estocásticos

Distribuciones relacionadas
 Si, pues, con

 Si y luego
 Si, pues,
 Erlang distribución es un caso especial de tipo 3 de distribución de Pearson
 Si, pues,
 Si y luego