Documentos de Académico
Documentos de Profesional
Documentos de Cultura
y estadística
para ingeniería
y administración, /
William W. &es
Associate Director& Graduate Programs
School o f Industrial and Systems Engineering
Georgia Institute of Technology
Douglas C. Montgomery
Department of Industrial and Management Systems Engineering
Arizona State University
TERCERA REIMPRESIÓN
MÉXICO, 1996
Impreso en México
Printed in Mexico
Cada nuevo concepto en el libro se ilustra por medio de uno o mhs ejemplos
numéricos. Nuestra experiencia partir
a de laprimera y segunda edicioneses que
los ejemplos son una parte importante del texto y deben estudiarse con cuidado.
En muchos casos, hemos tomado ejemplos de la bibliografía ya publicada para
ilustrar laextensa gama de aplicaciones potenciales de la metodología estadística
en la toma de decisiones de la ingeniería y la administración. Los problemas de
tarea desempeilan un papel integral en los cursos de probabilidad y estadística
aplicadas. El libro contiene mhs de 500 ejercicios, que van de los problemas
computacionales a las extensiones de la metodología básica. Las especificaciones
y los datos de muchos de estos ejemplos se han extraído de aplicaciones reales
de la estadística y la probabilidad.
El libro puede utilizarse de diversas maneras. Nosotros lo hemos empleado
para un curso de unoo dos semestres de estadística en ingeniería para el segundo
afio de los estudios universitarios. Este curso se enfoca a los siguientes temas:
18-1 Introducción
El término proceso estocástico se emplea con frecuencia en conexi6n con obser-
vaciones provenientes deun proceso físico distribuido en el tiempo y controlado
por medio de un mecanismo aleatorio. De modo mas preciso, un proceso estocas-
tic0 es una secuencia de variables aleatorias ( X i } , donde t E T es un índice de
tiempo o secuencia. El espacio del rango para X , puede ser discreto o continuo;
sin embargo, en este capítulo consideraremos solamente el caso en que en un
punto particular t, el proceso esta exactamente en uno de los m + 1 estados
mutuamente excluyentes y exhaustivos. Éstos se designan O, 1,2,3, . . . ,m.
Las variables X , , X,, . . . , podrían representar el número de clientes que
esperan su turno en una taquilla en los tiempos 1 minuto, 2 minutos, etc., después
de que la taquilla abre. Otro ejemplo seria la demanda diaria de cierto producto
en días sucesivos. X,, representa el estado inicial del proceso.
En este capítulo sepresentara un tipo especial de proceso estocastico llamado
proceso de Markov. También trataremos las ecuaciones Chapman-Kolmogorov,
diversas propiedades especiales de las cadenas de Markov, las ecuaciones de
nacimiento-muerte, y algunas aplicaciones a problemas de línea de espera y de
interferencia.
En el estudio de los procesos estocasticos, se requieren ciertas suposiciones
acerca de la distribuci6n de probabilidad conjunta de las variables aleatorias X , ,
X,,. . . . En los casos de los ensayos de Bernoulli, presentados en el capítulo 6,
recuérdese que estas variables se definieron como independientesyque su
recorrido (espacio de estado)constaba de dos valores (O, I). Aquí consideraremos
724 CAPíTULO 18 PROCESOS ESTOCASTICOS Y LíNEAS DE ESPERA
donde
Y
nz
nz i = O , 1 , 2 ,..., m
p;;) =
/=o
py) .
p r- 0' j = 0,1,2 ,..., m
O s v s n
(18-5)
donde
p2 = [ .375
.688
.625
3121 p3 = [ .344
.672
.656
p4 = [ .664
.668 3321
.336
p5 = [ .666
.667
.334
-333 I
Si sabemos que al inicio el sistema está en el estado de no error, entonces d:
) =
1, = O, y A(") = [ay)]= A . PC").En consecuencia, para el ejemplo, A(') =
[.666, .333].
Un planteamiento alternativo sería efectuar los cálculos anteriores como A(')
= A . P, A(') = A('' . P, . . . , A(")= A("- 1) . p. Entonces A(') = A(6) . p. Esto
conduce a un desarrollo alternativo de los resultados en la ecuación 18-7 como:
= A .p
A(2) = A(11 . p = A .p .p = A . pL
proceso vaya la primera vez del estado i al estado j se llama primer tiempo de
paso. Si i = j , entonces éste esel número depasos necesarios para que el proceso
regrese al estado i por primera vez, y se denomina primer tiempo de retorno o
tiempo de recurrencia para el estado i.
Los primeros tiempos de pasoen ciertas condiciones son variables aleatorias
con una distribución de probabilidad asociada. Dejamos que f jj') denote laproba-
bilidad de que el primer tiempo de paso del iestado alj sea igual n,a donde puede
mostrarse directamente del teorema 2-5 que
puesto que hay una probabilidadpositiva de que dado que elproceso se encuentra
en el estado i, nunca regresará a este estado. No siempre es fácil clasificar un
estado como transitorio o recurrente, puesto que por lo general no es posible
calcular las probabilidades del primer tiempo de paso para toda n como fue el
caso en el ejemplo 18.2. Aunque puede ser difícil calcular lasft) para toda n, el
tiempo de primera transición esperado es
y si Z :==
,f$) = 1, puede demostrarse que
(18-10)
1. PI >
111
o
2. Cp,=l
/=o
01
Puesto que hay 112 + 2 ecuaciones en (2) y (3) arriba y hay m + 1 incbgnitas, una
de las ecuaciones es redundante. Por tanto, emplearemos m de las m + 1
ecuaciones en (3) con la ecuaci6n (2).
P o = 2/3 Y P 1 = 1/3
la cual concuerda con el resultado que se produce cuando n > 5 en el ejemplo
18.1
1
p .=
JJ
- j = 0,1,2 ,..., m (18-12)
p/
En el ejemplo 18.3 obsérvese que poo= l/po = 1/(2/3) = 1.5 y p , , = I/p, =
1/(1/3) = 3.
O: Bueno(animado)
1: Adecuado (irregular)
2: Pobre (triste y deprimido)
P = [ .o
.6
.3
.2
.4
.3
.2
.1]
.7
Y
bjk = O para i recurrente, i +k
i = O , 1 , 2 ,..., m + l
p , , ( t ) = ~ [ ~ ( t + s ) = j l ~ ( s ) = ij =] 0 , 1 , 2 ,..., m + l
s 2 O , t 2 0
=
O i + j
lím p , ] ( t )
1-0 1 i=j
Hay una correspondencia directa entre los modelos de tiempo discreto y los
de tiempo continuo. Las ecuaciones deChapman-Kolmogorov se convierten en
m
A,([) = c
/=O
P,/(U) .P / J f - u) (18-14)
una clase y, donde la cadena es irreducible (todoslos estados forman una única
clase)
(18-16)
iddnticas para estos mddulosy, ademhs, cuando un m6dulo fallay entra al taller,
otro mecanismose mueve al lado y se inicia de inmediatoel trabajo dereparaci6n.
El “sistema” en este caso est6 compuesto por el mecanismo y la instalaci6n de
reparaci6n y los estados son
Los tiempos entre falla y entre reparaci6n son independientes, y puede demos-
trarse que (X(t)}ser6 una cadena de Markov irreducible de pardmetro continuo
con transiciones s610 de un estado a sus estados vecinos: O 1, 1+ +
O, I -+ 2,
2 + 1. Desde luego, es posible que no haya cambio de estado.
Las intensidades de transicibn son
¿lo = 2x u1 = ( x + I*)
uol = 2 x UI2 = x
UO2 = o u20 =o
u10 =P u21 = 2P
u2 = 2 p
Al emplear la ecuaci6n 18-17,
ZAPO = PP1
( A + E”)p1= ZAP, + 2PP2
2PP2 = APl
Y, comoPo +PI + Pz = 1
734 CAPiTULO 18 PROCESOS ESTOCASTICOS Y LLNEAS DE ESPERA
A2
Disponibilidad = 1-
( A + PI2
La matriz de probabilidades de transici6n para el incremento de tiempo At
puede expresarse como
p= [{ P,,(W}]
-uoAt)
r(l (u0,At) *.-(uOJAt) ..*(U~,A~)
( ul0 A t ) (1 - uI A t ) . . ( ulJ A t ) . . . (ulmA t )
-
(18-18)
íu,oAt) (uilAt) ... ( u i J A t ) - . -( u l n 1 A t )
De la jesima ecuacih
en las m + 1 ecuaciones de la ecuaci6n 18-19
p,(t + A t ) =po(t) - u , , , A t + . . . + p i ( t ) . u,,At + . . .
+ p j ( t ) [ l - u,At] + * + p , ( t ) . U,]. A t
o -
que puede resolverse cuando m es finita, dando las condiciones iniciales (probabi-
lidades) A = [a',')af') . .d
:)], y empleando el resultado ,,pi(t) = l . La soluci6n
(18-22)
presenta las probabilidades de estado como una knci6n del tiempo de lamisma
manera que p j " ) presenta las probabilidades de estado como una funci6n del
número de transiciones, n, dado un vector A de condiciones iniciales
en el modelo
de tiempo discreto. La soluci6n para las ecuaciones 18-21 puede ser un poco
difícil de obtener en y, la prhctica general, se emplean
tBcnicas de transformaci6n.
18-5 Procesosdenacimiento-muerte
en líneas de espera
La principal aplicaci6n en el proceso de nacimiento-muerte que estudiaremos es
la teoría de colas o de línea de espera. En consecuencia, nacimiento se referirh
al arribo y muerte a lasalida de un sistema físico, como se muestra en la figura
18.1.
La teoría de linea de espera es el estudio matemhticode líneas de colaso de
espera. Estas lineas de espera ocurrenen una diversidad de ambientes delproble-
mas. Hay un proceso de entrada o "poblaci6n demandante"y un sistema de colas,
que en la figura 18.1 se compone de la instalaci6n de colas y de servicio. La
Sistema
r----------- 1
I Instalaci6n
de servicio I
I
I espera
Linea
de
Proceso
de entrada
Arribos -
U I '
L """_ ""I
Figura ld.1 Sistema simple de líneas de espera.
Y"
736 CAPITULO 18 PROCESOS ESTOCASTICOSY LíNEAS
ESPERA
DE
poblaci6n demandante puede ser finita o infinita. Los arribos ocurren de una
manera probabilística. Una suposición comúnes que los tiempos entre arribos se
distribuyen exponencialmente.La cola se clasifica por lo general de acuerdo asi
su capacidad es infinita o finita, y la disciplina de servicio serefiere al orden en
el cual los clientes enla cola obtienen el servicio. El mecanismo de servicio consta
de uno o mhs servidores, y el tiempo que tardael servicio se llama comlinmente
tiempo de espera.
Se empleara la siguiente notaci6n:
P A 0 = PMO =jlA)
pj = lím p,{t)
I”
P-
O O O
Lo ... ~
o O ... 0 O . I .
...
PI At bAt u ; APj-
~ 1At Pjtc At
~ ; ( t )= - ( A , + PI> . P J ( ~ +
) ',-1Pj-l(') + EL,+,
* ~ J + l ( t ) j = 1,2,***
( 18-24)
m
En el estado estable (t +
m),tenemos p;{t) = O, por lo que las ecuaciones de
estado estable se obtienen delas ecuaciones 18-23
PlP1 = X O P O
m
y zj=np= j 1.
Las ecuaciones 18-25 tambienpodríanhabersedeterminadomediantela
aplicaci6n directa de la ecuaci6n 18- 17, la cual brinda un “balance de tasa” o
“balance de intensidad”. Al resolver las ecuaciones 18-25 obtenemos
X0
P1 = -‘Po
Pl
Al V O
P2= -‘P1= - . Po
P2 P2P1
(18-26)
Entonces
p,= C j . p o j = 1,2,3,..
y como
m a
Cp,=l 0 PO+ C p , = l
j=O /=1
1
Po =
(18-27)
1+ &,
j= 1
Estos resultados delestado estable suponen que los valores X, pJ son tales que
puede alcanzarse un estado estable. Lo anterior será cierto si X, = O para j > k,
18-6 CONSIDERACIONES
EN LOS MODELOS DE LíNEAS DE ESPERA 739
L = xw (18-28)
Y
L, = AW,
Si las AJ no son iguales, 1 sustituye a A, donde
(1 8-29)
740 CAPíTULO 18 PROCESOS ESTOCASTICOS Y LINEAS DE ESPERA
1
w = w,+- (18-30)
P
A las tasas 5, Al, . . . , Aj, . . . , y yl, p2,. . . ,yJ, . . . , del proceso nacimien-
to-muerte puede asigniirseles cualesquiera valores positivos siempre y cuando la
asignaci6n conduzca a una soluci6n de estado estable. Esto permite bastante
flexibilidad al emplear el resultado dado en la ecuaci6n 18-27. Los modelos
específicos presentados diferirhn en la manera en la cual A, y yj variarhn como
funci6n dej .
(18-31)
y de la ecuaci6n 18-27
p, = pJpo j = 1,2,3,. .
1
Po = 00 =1-p (18-32)
1+ CPJ
J=1
p/ = (1 - p)pJ j = o, 1 , 2 , . . . (18-33)
m
L = j . (1 - p)p’
j=O
P
= - (18-34)
1-P
y la longitud prevista de línea de espera
W
L,= C1 ( j - 1) * p J
j=
= L - (1 - P o )
-
-
x2 (18-35)
P b - A)
18-28 y 18-29, encontramos que el tiempo de espera
Al emplear las ecuaciones
previsto en el sistema es
L 1
w=“= =- (1 8-36)
x X(1-p) p-x
Estos resultados podrían haber sido desarrolladosen forma directa a partir de las
distribuciones de tiempo en el sistema y el tiempo en la cola, respectivamente.
Puesto quela distribuci6n exponencial refleja un proceso de carencia de memoria,
un arribo que encuentraj unidades en el sistema esperara durante j + 1 servicios,
incluso el propio, y por ello ,
su tiempo de espera + es la suma dej + 1 variables
aleatorias independientes quese distribuyen en formaexponencial. Se mostr6en
el capítulo 7 que estas variables aleatorias tiene una distribuci6n gamma. Ésta es
una densidad condicional dado queel arribo encuentraj unidades en el sistema.
Por tanto, si S representa el tiempo en el sistema
742 CAPíTULO 18 PROCESOS ESTOCASTICOS Y LíNEAS DE ESPERA
(18-38)
el cual seve como el complementode la función de distribuciónpara una variable
exponencial con parámetrop( 1 -p). El valor W = 1/p(1 - p) = l/p- A se obtiene
directamente.
Si dejamos que S, represente el tiempo en la cola, excluyendo el tiempo de
servicio, entonces
P(S,= o) = p a = 1 - p
Si tomamos como la suma de j tiemposdeservicio, T, tendrá también una
distribución gamma. Entonces,
m
= c (1 -
1x1
P I P ' . p(T, 'w,)
= pe-"('-P)Wq wq > o
=o w4 < o (18-39)
y encontramos la distribución del tiempo en la cola g(w,), para w, > O serh
d
g(w,) = -[I - pe-p('-P)wq] = p(1 - p)pe-'"-~)~q wq > 0
dw,
En consecuencia, la distribución de probabilidad es
dw,) = 1 - P = o
= X(1 - p)e (P x ) '$4 wu > 0 ( 18-40)
lacual,como se indicó en la sección 3-2, es una variable aleatoriadetipo
+
mezclado (en la ecuación 3-2, G f O y H O). El tiempo previsto de espera en
lalíneadeespera W, podría determinarse en forma directa a partir de esta
distribución como
w,= ( I - p) .0 + 1 O
T.
wy X ( l - P).
' (p "%lw,
( 18-41)
18-8 SERVIDOR ÚNICO
CON
LINEA DE ESPERA DE LONGITUD
LIMITADA 743
h J. = O j 2 N
Y
=o j > N (18-42)
Por tanto,
Y
1 I - P
( I 8-43)
/=1
1-P
pJ = pJ[ 1 - pN+l] j = O , 1 , 2 ,..., N (18-44)
744 CAPITULO 18 PROCESOS ESTOCASTICOS Y LíNEAS DE ESPERA
=P[
1- ( N + 1 ) p N + NpN+l
(1 - P ) ( l - P N + ' ) I (18-45)
N N
= C jp, - C P,
j=O J=1
= L - (1 - P o ) (18-46)
L
w =- (18-47)
x
y el tiempomedio en la cola es
(18-48)
= sp para j > S
18-9 SERVIDORES MúLTIPLES CON LINEA DE ESPERA DE LONGITUD ILIMITADA 745
Por tanto,
(1 8-50)
(18-51)
= [s!(l - P I 2 ] (18-52)
746 CAPíTULO 18 PROCESOS ESTOCASTICOS Y LíNEAS DE ESPERA
Entonces
(18-53)
Y
1
w = w9+- (18-54)
P
por lo que
L=
iw,+-:i =L,+r$ (18-55)
1
w = W q +- (18-56)
P
18-12 EJERCICIOS 747
18-1 1 Resumen
Este capítulo present6 la noci6n de procesos estocasticos de espacio de estados
discretos con orientaciones de tiempo discreto y tiempo continuo. El proceso de
Markov se desarro116 junto con la presentaci6n de las propiedadesy caracteristi-
cas del estado. A esto sigui6 una presentaci6n del proceso del nacimiento-muerte
y varias aplicaciones importantes para los modelos de líneas de espera en la
descripcibn de fen6menos de tiempo de espera.
18-12 Ejercicios
18-1 Un taller de reparacibn de calzado en una zona suburbana tiene
un solo operario.
Los zapatos se llevan a reparacibn y llegan segúnun proceso de Poisson con una
tasa media de arribo 2depares por hora. La distribucibn del tiempo de reparacibn
es exponencial con media de 20 minutos, y hay independencia entrela reparacibn
y el proceso de arribo. Considere un par de zapatos como la unidad que se va a
servir, y
a) En el estado estable, encuentre la probabilidad de que el número de pares de
zapatos en el sistema exceda de 5.
b) Encuentre el número medio de pares en el taller y el número medio de pares
esperando servicio.
c ) Encuentre el tiempo medio del ciclo de reparaci6n de un par de zapatos (tiempo
que se espera en el taller mas la reparacibn, pero excluyendo el tiempo de espera
para recogerlos zapatos).
18-2 Se analizalos datos del estado del tiempo en una localidad particular,
se emplea
y
una cadena de Markov como modelo para el cambio de clima como sigue. La
probabilidad condicional del cambio de lluvioso a despejado en un día es .3. De
igual manera, la probabilidad condicional de transici6n de despejado a lluvioso
en un día es . l . El modelo sera de tiempo discreto, con transiciones que ocurren
s610 entre días.
a) Determine la matrizP de las probabilidades de tr'ansici6n deun paso.
b) Encuentre las probabilidades de estado, de estado estable.
c ) Si hoy esta despejado, determine la probabilidad de que est6 despejado exacta-
mente de aquí a tres días.
d) Encuentre la probabilidad de que el primer paso de un día claro a uno lluvioso
ocurra en dos días exactamente, dado que el día claro
es el estado inicial.
e ) ¿CUB1 es el tiempo de recurrencia media para el estado de día lluvioso?
18-3 Un enlace de comunicaciones transmite caracteres binarios (O, 1). Hay una proba-
bilidadp de que receptor,
un caracter transmitido sera recibido correctamente unpor
que luegol o transmite a otro enlace, etc.X,Sies el carhcter inicial
y X,es el caracter
recibido despues de la primera transmisibn,X, despues de la segunda, etc., entonces
{X,,} es la cadena de Markov con independencia. Encuentrela matriz deun paso y
transici6n de estado estable.
"" . ..
.
18-4 Considere una redundancia activade dos componentes donde los componentes sean
idénticos y las distribuciones del tiempo de falla sean exponenciales. Cuando ambas
unidades estén operando, cada una transporta carga L12 y tiene una tasa de fallaL.
Sin embargo, cuando falla una unidad, la carga que transporta el otro componente
es L, y su tasa de falla de acuerdo con esta es (1 31.S610 hay una instalaci6n
carga
de reparacibn disponible,y el tiempo de reparaci6n se distribuye de forma exponen-
cia1 con media llp. Se considera que el sistema falla cuando ambos componentes
estan en el estado de falla. Ambos componentes se encuentran operando al inicio.
Suponga que p > (I.5)ky que los estados sean
O: Ningunodeloscomponentesfalla.
1: Un componente fa116 y esta en reparaci6n.
2: Los dos componentes han fallado, uno esta en reparacidn y el otro en espera,
y
el sistema esta en la condicibn de falla.
O: Noserequierecorrecci6n.
1: Se requiere una correcci6n menor.
2: Se requiere una correcci6n mayor.
3: Aborto y destrucci6n del sistema.
Si {X,} puede modelarse como una cadena de Markov con una matriz de transici6n
de un paso como
/ 1 o o o \
2/3 1/6 1/6 O
P=
O 2/3 1/6 1/6
\ o o o 1
18-7 Un objeto se mueve entre cuatro puntosen un círculo, los cuales se denotan 1 , 2 , 3
y 4. La probabilidad de moverse unaunidad a la derecha esp , y la probabilidad de
moverse una unidad a la izquierda es 1 - p = q. Suponga que el objeto empiezaen
1, y deje queX, denote la localizaci6n de un círculo despues de
n pasos.
a) encuentre la matriz P de transicidn de un paso.
b ) Determine una expresión para las probabilidades del estado establepj.
c ) Evalúe las probabilidadespj parap = .5 y p = .8.
18-10 Los automóviles arriban a una gasolineria de manera aleatoriaa una tasa media de
15 por hora. Esta gasolineriasólo tiene un puesto deservicio, con una tasa media de
servicio de27 clientes por hora. Los tiempos de servicio se distribuyen exponencial-
mente. Sólo hay espacio para el automóvil que se está atendiendo y para dos que
esperan. Si los tres espacios estrin llenos, el autom6vil irá a otra gasolinería.
a) ¿Cuál es el número promedio de unidades en la gasolinería?
b ) ¿Qué fracción de clientes se perderá?
c ) ¿Por qué es L, $ L - I ?
_" """""
750 CAPITULO18 PROCESOS ESTOCASTICOS Y LíNEAS DE ESPERA
18-12 La frecuencia media de arribosa un aeropuerto es de18 aviones por hora, yel tiempo
medio que una pista está reservada para un arribo es de 2 minutos. ¿Cuántas pistas
tendrán que proporcionarse de modo que laprobabilidad de que un avibn tenga que
esperar sea .20? Ignore los efectos de poblaci6n finita y haga la suposición de
interarribos y tiempos de servicio exponenciales.
18-13 Una agencia dereservaciones de hoteles utiliza líneas internas WATS para atender
las solicitudes delos clientes. El numero medio de llamadas quellegan por hora es
de 50, y el tiempomedio de servicio para una llamadaes de3 minutos. Suponga que
los interarribos y los tiempos de servicio se distribuyen en formaexponencial. Las
llamadas que llegan cuando todas laslíneas están ocupadas reciben la sefía1 de
ocupado y el sistema laspierde.,
a) Encuentre las ecuaciones de estado, de estado estable, del sistema.
b ) ¿Cuántas líneas WATS debe brindarse para asegurar que la probabilidad de que
un cliente obtenga lasefíal de ocupado sea.05?
c ) ¿En que fraccibn de tiempo están ocupadas todas las líneas WATS?
d) Suponga que en las horas de la noche, las llegadas de llamadas ocurren a una
tasa media de10 por hora. LC6mo afecta esto la utilizacih de la líneas WATS?
e ) Suponga que el tiempo de servicio estimado (3 minutos) es un error, y que el
verdadero tiempo de servicio es en realidad 5 minutos. ¿Que efecto tendrh esto
en la probabilidad de que un cliente encuentre todas las líneas ocupadas si se
emplea el número delíneas en u)?