Presentación

Nombre: Luis Octavio

Apellido: Minier Acosta
Matricula: 316-3817
Materia: Investigación operativa I
Tema: Teoría de juego/Teoría de colas
Sección: 001
Profesor: Mario Giovanny Ortiz  Valdez
Equilibrio de Nash

El equilibrio de Nash o equilibrio de Cournot o equilibrio de Cournot y Nash o equilibrio del

miedo es, en la teoría de juegos, un “concepto de solución” para juegos con dos o más
jugadores, el cual asume que:

Cada jugador conoce y ha adoptado su mejor estrategia, y

Todos conocen las estrategias de los otros.

Consecuentemente, cada jugador individual no gana nada modificando su estrategia mientras los
otros mantengan las suyas. Así, cada jugador está ejecutando el mejor "movimiento" posible
teniendo en cuenta los movimientos de los demás jugadores.

En otras palabras, un equilibrio de Nash es una situación en la cual todos los jugadores han
puesto en práctica, y saben que lo han hecho, una estrategia que maximiza sus ganancias dadas
las estrategias de los otros. Consecuentemente, ningún jugador tiene ningún incentivo para
modificar individualmente su estrategia.
Es importante tener presente que un equilibrio de Nash no implica que se logre el mejor
resultado conjunto para los participantes, sino sólo el mejor resultado para cada uno de ellos
considerados individualmente. Es perfectamente posible que el resultado fuera mejor para todos
si, de alguna manera, los jugadores coordinaran su acción.

En términos económicos, es un tipo de equilibrio de competencia imperfecta que describe la

situación de varias empresas compitiendo por el mercado de un mismo bien y que pueden elegir
cuánto producir para intentar maximizar su ganancia.

Ejemplo

Quizás el mejor ejemplo de un equilibrio de Nash es la variación del conocido “dilema del
prisionero” modificado a fin de resaltar los efectos descritos. En esta versión hay varios
jugadores (más de tres). El resultado sería mejor para todos si todos cooperaran entre ellos y no
declararan, pero, dado que cada cual persigue su propio interés, y ninguno puede confiar en que
nadie declarará, todos deben adoptar la estrategia de declarar, lo que termina en una situación
(equilibrio) en la cual cada uno minimiza su posible pérdida.

Modificaciones adicionales permiten repetir el juego de forma indefinida (por ejemplo, con los
jugadores repartiendo un “botín”, etc.). En todas esas situaciones resulta que la estrategia de no
cooperar es la que minimiza el riesgo de pérdidas y otorga una ganancia media pero segura para
cada jugador individual, pero la cooperación maximizaría la ganancia tanto a nivel individual
como de grupo.

Dilema del  Prisionero - interpretar el juego

El dilema del prisionero es un problema fundamental de la teoría de juegos que muestra que dos
personas pueden no cooperar incluso si ello va en contra del interés de ambas.

Fue desarrollado originariamente por Merrill M. Flood y Melvin Dresher mientras trabajaban

en RAND en 1950. Albert W. Tucker formalizó el juego con la frase sobre las recompensas
penitenciarias y le dio el nombre del "dilema del prisionero" (Poundstone, 1995).

Es un ejemplo de problema de suma no nula. Las técnicas de análisis de la teoría de juegos

estándar, por ejemplo determinar el equilibrio de Nash, pueden llevar a cada jugador a escoger
traicionar al otro, pero ambos jugadores obtendrían un resultado mejor si colaborasen.

En el dilema del prisionero iterado, la cooperación puede obtenerse como un resultado de

equilibrio. Aquí se juega repetidamente, por lo que, cuando se repite el juego, se ofrece a cada
jugador la oportunidad de castigar al otro jugador por la no cooperación en juegos anteriores.
Así, el incentivo para defraudar puede ser superado por la amenaza del castigo, lo que conduce
a un resultado cooperativo.

Colas Random

También conocidas como RSS, este tipo de nomenclatura se usa cuando la disciplina usa una
seleccion aleatoria.

Colas Priority

La nomenclatura de colas Priority se usa cuando existe una prioridad dentro de la cola.
Dentro de prioridad, podemos tener con o sin interrupción, según si llega un cliente con prioridad
se interrumpe el trabajo en curso o no.
En este tipo de colas los paquetes que llegan se clasifican por clases de prioridad.
Esta clase de prioridad debe estar marcada de alguna forma. Cada clase de prioridad tendría su
cola virtual independiente. Cuando toque procesar un paquete se elegirá el paquete de la clase
más alta de una cola no vacía. Cada cola trabajará a partir del criterio FIFO para elegir el
paquete a procesar.

Colas WFQ

WFQ es la disciplina donde los paquetes se clasifican en clases y se colocan a su cola

correspondiente. Se va dando servicio a cada clase de forma circular e igualitaria usando un
algoritmo del tipo Round Robin.
En sistema WFQ asigna más capacidad a las colas más llenas, pero, sin dejar de atender a las
colas más libres. Ajusta la disciplina de atención a cada cola según la ponderación del servicio
de cada clase usando pesos en función de la cantidad de elementos. También puede hacerse en
funcion de la cantidad de servicios solicitados por cada flujo. Este sistema permite procesar
distintas necesidades sin penalizar ninguna.

Tasa de abandono
Tenemos que tener en cuenta que en algunos sistemas también puede haber clientes que
abandonan la cola. Deberemos modelizar correctamente dicha tasa de abandono.

Servicios

Distribución del tiempo de atención. Media y desviación típica.

Tipos de clientes

Procesa por lotes o no en su gestión.

Al diseñar el sistema hay que dimensionarlo bien y decidir los recursos que vamos a invertir.

Disciplina o capacidad

Para acertar en ese dimensionamiento deberemos estudiar la disponibilidad de recursos que

tenemos así como que calidad de servicio estamos dispuestos a dar en el sistema.
Deberemos tener en cuenta para conocer el rendimiento del sistema, que puede ser que existan
servidores esperando sin ser utilizados, o que si tenemos el sistema lleno podemos perder
clientes y que habrá un tiempo de espera que puede superar cierto requisito del cliente.

El tiempo medio de estancia del sistema, multiplicado por la tasa de entrada del sistema es igual
a la cantidad de personas o clientes esperando el servicio

Este teorema se aplica para la cola, o para un sistema de colas.

Nivel de saturación = lambda / número de servidores y tiempo de servicios.
Sistemas de colas simples.
La notación de Kendall nos permite escribir las características de los sistemas de colas.

M/M/1 equivalente a M/M/1/inf/FIFO/1

Es decir sería una cola de una única de etapa sin límite de capacidad.
Una población infinita, trata de acceder a un servicio ofrecido por un único servidor.
El tiempo de servicio es una distribución negativa exponencial.

La entrada sigue una distribución de Poisson de media Lambda

La saturación del sistema es ro=lambda / mu. Tendremos que el número de elementos en el

sistema promedio= L. ro / 1- ro.
W=L/lambda = 1 / mu – lambda.
El tiempo que cada cliente de promedio está en el sistema.
Por tanto podemos saber cuánto tiempo estarán en la cola, que será igual al tiempo que estarán
en el sistema menos el tiempo en el que serán atendidos.

Wqueue= W – 1 / mu = ro / mu – lambda

El tiempo de estancia en cola.

Aplicando la fórmula de little.

M/M/1 tiene un servidor

M/M/c tiene c servidores.

La saturación del sistema será ro = lambda / c . debe ser menor que 1 para que sea estable.

Se puede calcular Lq

Wq con la fórmula de little.

Por último a nivel práctico podemos comentar que existe un problema en los sistemas reales
cuando el uso se acerca al 90% de capacidad, entonces empiezan los problemas de calidad de
servicio, Ejemplo.

Centro de reparación Apple Store

El servicio técnico de la tienda Apple Store debe hacer todos los cambios de batería del Iphone,
pero hay algunos casos en los que se complica ya que deben por política de empresa, cambiar
la pantalla.
El tiempo de reparación está distribuido de forma exponencial con una media de 30 minutos por
teléfono entre abrir cambiar la batería, cerrar y comprobar.
A pesar de que hay cita previa, nadie llega exactamente a la hora y los clientes con su teléfono
van llegando durante todo el día.
Asumiremos por facilidad, que ese día no sacan ningún teléfono nuevo, y los clientes llegan de
forma más o menos escalonada. Para reparaciones: Llegan de media 10 al día en las 8 horas
que está abierta la tienda.
Queremos conocer cuál es la capacidad de reparación y cuanto tiempo está el servicio técnico
sin reparar teléfonos.
Como la tasa de llegada de teléfonos es de 10/8 teléfonos a la hora.
MU es de 2 teléfonos a la hora.

W= 1 / mu Durante cada hora hay, en media, Q = 4.166 clientes haciendo cola. Es decir, el coste
horario por obreros ociosos es de 4.166400 = 1666.66 pesos. Por otro lado, 1− = 0.166, que el
coste del tiempo que el oficinista esta ocioso es de 250 0.166 = 41.5 pesos horarios, que es
mucho inferior. Si se pusiera otra ventanilla, el sistema seria M/M/2. En ese caso, el número
medio de clientes en servicio es de B = µ = 0.83333. Por tanto, como hay 2 ventanillas, el tiempo
de oficinista que se perdería cada hora seria, en media, 2 − B = 1.166 horas. Lo que supone un
coste de 291.5 euros cada hora. Por otro lado, cada hora habría, en media, Q = 1.01 obreros en
la cola.
De forma que el tiempo perdido por los obreros tendría un coste de 400 1.01 = 404 pesos la
hora. La suma de los dos costes es mucho menor en este segundo caso, de forma que sı serıa
rentable poner otra ventanilla.

Ejemplo

En un centro de salud con tres médicos, los pacientes llegan de forma aleatoria a razón de 12
por hora. Estos son atendidos en orden de llegada por el primer médico que este libre. Cada
médico tarda una media de 13 minutos en atender a cada paciente Q = 4.93 pacientes, W = 0.41
horas y S = 0.63 horas
En este caso > 1 por lo que el sistema no es estacionario y la línea de espera aumenta
indefinidamente.
Teorema de Little

En la teoría de colas, una disciplina dentro de la matemática teoría de la

probabilidad, consecuencia del pequeño, teorema, lema, la ley o fórmula es un teorema por John
Little, que establece que el número promedio de largo plazo L de clientes en un estacionario del
sistema es igual a la tasa media de llegada efectiva a largo plazo λ multiplicado por el tiempo
promedio W que pasa un cliente en el sistema. Expresa algebraicamente la ley es

Aunque parece intuitivamente fácil, es absolutamente un resultado notable, ya que la relación

"no está influenciada por el proceso de llegada de distribución, la distribución de servicios, la
orden de servicio, o prácticamente cualquier otra cosa."

El resultado se aplica a cualquier sistema, y particularmente, se aplica a los sistemas dentro de

los sistemas. Así, en un banco, la línea de atención al cliente podría ser un subsistema, y cada
uno de los cajeros de otro subsistema, y el resultado del pequeño podría ser aplicado a cada
uno, así como a toda la cosa. Los únicos requisitos son que el sistema sea estable y no
preferente; esto excluye los estados de transición tales como el arranque inicial o apagado.

En algunos casos es posible no sólo para relacionarse matemáticamente el promedio de número

en el sistema a la media de espera pero incluso para relacionar toda la distribución de
probabilidad (y momentos) del número en el sistema a la espera.

Aplicaciones

Probadores de software de rendimiento han utilizado la ley de Little para asegurar que los
resultados de rendimiento observados no se deben a los cuellos de botella impuestas por el
aparato de prueba.

Otras aplicaciones incluyen los servicios de urgencias de personal en los hospitales.

Sistema de colas simple

Sistemas de colas simples. 

La notación de Kendall nos permite escribir las características de los sistemas de colas.

M/M/1 equivalente a M/M/1/inf/FIFO/1

Es decir sería una cola de una única de etapa sin límite de capacidad. 
Una población infinita, trata de acceder a un servicio ofrecido por un único servidor. 
La entrada sigue una distribución de Poisson de media Lambda 

El tiempo de servicio es una distribución negativa exponencial. de media 1/mu

La saturación del sistema es ro=lambda / mu. tendremos que el número de elementos en el
sistema promedio= L. ro / 1- ro.

W=L/lambda = 1 / mu – lambda. 
El tiempo que cada cliente de promedio está en el sistema.

Por tanto podemos saber cuánto tiempo estarán en la cola, que será igual al tiempo que estarán
en el sistema menos el tiempo en el que serán atendidos.

Wqueue= W – 1 / mu = ro / mu – lambda