LINEAS DE ESPERA

Teoría de Colas
 Sistema de colas

• Los sistemas de colas son modelos que representan situaciones

de atención real de servicios, donde clientes, trabajos, maquinas
u objetos reciben o esperan recibir un servicio.

• Ya sea para adquirir un producto o servicio por parte de una

persona o agente, es necesario “esperar un tiempo”, debido a
que la sincronía absoluta no existe.
Un sistema de colas esta conformado por las
siguientes partes:
 El tiempo que tarda una persona en
el sistema (cola + servicio) es un
factor importante para el nivel de
servicio que ofrece una organización.

¡A nadie le gusta esperar!

De esta manera, las empresas pueden controlar el tiempo de servicio
mediante:

• Mas servidores (principal).

• Maquinaria nueva para reducir el tiempo de atención.
• Capacitando mejor a los operarios.
• Contratando personal con mayor agilidad y experiencia.
• Realizando una nueva distribución de planta.
• Diseñar o mejorar el actual proceso de servicio.
• Entre otros.

Sin embargo, esto se traduce en costos para la organización.

El equilibrio entre el nivel de servicio y los costos seria:
En estos sistemas el tiempo de llegada y de atención al cliente es
aleatorio. Dado que el tiempo es continuo, los modelos utilizados son
basados en supuestos Markovianos de tiempo continuo.
En un sistema Markoviano de tiempo continuo se supone que:
El servicio de una cola puede ser de tres tipos:

1. FIFO (First in, First out) (primero en llegar, primero en salir).

Ejemplo: Atención Bancos, EPS, Cine , Cajas de supermercados, etc.

2. LIFO (Last in, First out) (ultimo en llegar, primero en salir).

Ejemplo: Generalmente a inventario de mercancías donde no existen
perecederos y se utiliza el que este mas cercano o a la mano.

3. SIRO (Service In Random Order) (Servicio en orden aleatorio).

Ejemplo: Varias personas llegan a una capacitación en diferente horario y son
atendidas según el lugar donde se sentaron.
 3

Esperar un servicio es parte de nuestra vida diaria.

Esperamos para comer en Hacemos colas en las cajas de las
restaurantes, tiendas de comestibles

El fenómeno de espera no es una experiencia limitada

sólo a los seres humanos:

Los aviones vuelan en Los autos se

Los trabajos esperan
círculo antes de que se
para que los procese
les dé permiso de
detienen ante el
una máquina semáforo
aterrizar.

Por desgracia no es posible eliminar la espera sin incurrir

en gastos excesivos.
La meta sería disminuir a niveles de aceptabilidad.
¿Por qué hay que esperar? ¿Compensa
• Como los clientes no queremos invertir?
esperar, los gestores de los servicios • Generalmente
no quieren que esperemos.... esta limitación se
• La respuesta es casi siempre simple, puede eliminar
en algún momento la capacidad de invirtiendo en
servicio ha sido (o es) menor que la elementos que
capacidad demandada. aumenten la
capacidad

1
o En Estados Unidos se estima que las personas
pasan 37 000 000 000 de horas al año en las
líneas de espera.
o Si este tiempo se usara de manera productiva
significaría cerca de 20 millones de personas –
año de trabajo útil cada año.
o Otro estudio en EU concluyó que un ciudadano
medio pasa 5 años de su vida esperando en
distintas colas, y de ellos casi 6 meses parado en
los semáforos..

1
 Situación Llegadas Cola Mecanismos
de servicio.
Aeropuerto Pasajeros Sala de espera Avión

Departamento Alarmas de Incendios Dpto de

de bomberos incendio bomberos

Panadería Clientes Clientes con Vendedor

números

Carga de Camiones Camiones en Muelle de carga

camiones espera

Oficina de Cartas Buzón Empleados de

correos correos

Hospital Pacientes Personas médicos

enfermas
6
 PROBLEMÁTICA

o En general, a nadie le gusta esperar…

o Cuando la paciencia llega a su límite, la

gente se va a otro lugar…

o El objetivo es encontrar el estado estable

del sistema y determinar una capacidad de
servicios apropiada.
 El proceso básico de colas:
 Proceso Básico de Colas

Clientes

Clientes
Fuente de
Cola Mecanismo
entrada del servicio
Servidos
Llegadas
Salidas
Disciplina
Clientes
que de la cola
abandonan
Los costos asociados a la espera de los clientes:
• Por ejemplo, el valor del tiempo perdido o la gasolina
malgastada en los semáforos.
• Lo normal es pensar que estos costos de espera
decrecen conforme aumenta la capacidad de servicio del
sistema.

Los costos asociados a la expansión de la capacidad

de servicio:
• Es el costo asociado a incrementar la capacidad de
servicio, es decir, crezca con alguna proporcionalidad
en relación a esta capacidad.
a) Una línea, un servidor.
Muestra un sistema de un servidor y una cola, por
ejemplo:
Una cola, un servidor
Clientes
Llegadas Cola Servidor

Salidas
Describe una consulta de un médico
Es tipico de una peluquería o una panadería en donde los clientes
toman un número al entrar y se les sirve cuando les llega el turno

Servidor Salidas

Cola
Llegadas Servidor Salidas

Servidor Salidas

Una cola, múltiples servidores

Aquí cada servidor tiene una línea separada, es característico de las
tiendas de auto servicio. Para este tipo de servicio pueden separarse
los servidores y tratarlos como sistemas independientes de un
servidor y una cola.

Cola Servidor Salidas

Cola
Llegadas Servidor Salidas

Cola
Servidor Salidas
Llegadas Cola Servidor Cola Servidor Salidas
 Descargar Flexsim a sus computadores.

https://account.flexsim.com/flexsim-express/
MODELOS DE NACIMIENTO Y MUERTE PUROS
(RELACIÓN ENTRE LAS DISTRIBUCIONES EXPONENCIAL Y DE POISSON)
Aquí se presenta dos situaciones de colas, el modelo de nacimiento puro en el cual sólo
ocurren llegadas, y el modelo de muerte pura en el cual sólo ocurren salidas.

Ejemplo:

• El modelo de nacimiento puro es la creación de actas de nacimiento de bebés recién

nacidos.
• El modelo de muerte pura puede demostrarse por medio del retiro aleatorio de un artículo
en existencia en una tienda.

La distribución exponencial se utiliza para describir el tiempo entre llegadas en el modelo de

nacimiento puro y el tiempo entre salidas en el modelo de muerte pura.

Un subproducto del desarrollo de los dos modelos es demostrar la estrecha relación entre las
distribuciones exponencial y la de Poisson, en el sentido de que una distribución define
automáticamente a la otra.
Modelo de nacimiento puro
 Distribución exponencial y Poisson
En un sistema de llegadas o salidas, la distribución y probabilidades cambia
dependiendo si nos piden tiempo o cantidad.
La siguiente tabla resume las relaciones entre las distribuciones exponencial y de
Poisson, dada la tasa de llegadas λ:
 Ejemplo 1

Una maquina de servicio tiene una unidad de reserva para ser

sustituida inmediatamente cuando falle. El tiempo promedio entre
fallas es cada 40 minutos con un comportamiento exponencial.
De acuerdo a lo anterior, determine:
1. Probabilidad de que falle la maquina exactamente a los 5,4
minutos.
1 1 1 𝑓𝑎𝑙𝑙𝑎𝑠
𝐸𝑡 = ; λ= ; λ= ; λ= 0,025
λ 𝐸𝑡 40 𝑚𝑖𝑛

𝑓(𝑡) = λ𝑒 −λ𝑡 ; 𝑓 5,4 = 0,025𝑒 −0,025 5,4 = 0,02184 = 2,184%

2. Probabilidad de que se dañe la maquina en los primeros 30 minutos.
𝑃 𝑡 ≤ 𝑇 = 1 − 𝑒 −λ𝑡

𝑃 𝑡 ≤ 30 = 1 − 𝑒 −0,025(30) = 0,5276 = 53%

3. Probabilidad de que se dañe la maquina entre 20 a 50 minutos.

𝑃 20 ≤ 𝑡 ≤ 50 = 𝑃 𝑡 ≤ 50 - 𝑃 𝑡 ≤ 20

𝑃 20 ≤ 𝑡 ≤ 50 = 1 − 𝑒 −0,025(50) - [ 1 − 𝑒 −0,025 20
]

𝑃 20 ≤ 𝑡 ≤ 50 = 0,320 = 32%
4. Probabilidad de que 2 maquinas se dañen en los primeros 60
minutos.
(λ𝑡)𝑛 𝑒 −λ𝑡 (0,025(60))2 𝑒 −0,025(60)
𝑃𝑛 𝑡 = ; 𝑃2 60 = = 0,2510 = 25%
𝑛! 2!

5. Probabilidad de que se dañen 6 maquinas o menos en los primeros

70,5 minutos.
𝑃𝑛<𝑁 𝑡 = 𝑃𝑜 𝑡 + 𝑃1 𝑡 + 𝑃2 𝑡 + ……+ 𝑃𝑁 𝑡

𝑃𝑛<6 70,5 = 𝑃𝑜 70,5 + 𝑃1 70,5 + 𝑃2 70,5 +𝑃3 70,5 + 𝑃4 70,5 + 𝑃5 70,5 +𝑃6 70,5

Pn<6 70,5 = 0,997710 = 99.77%

N. maquinas Pn(t) lamda 0,025
0 0,17161529 tiempo 70,5
1 0,30247195
2 0,2665534
3 0,15660012
4 0,06900193
5 0,02432318
6 0,00714493
Total 0,99771081

0,99771081
6. Probabilidad de que se dañen de 3 a 6 maquinas en los primeros
70,5 minutos.

𝑃3≤𝑛≤6 70,5 = 𝑃3 70,5 + 𝑃4 70,5 + 𝑃5 70,5 +𝑃6 70,5

𝑃3≤𝑛≤6 70,5 = 𝑃6 70,5 − 𝑃2 70,5

𝑃0 70,5 + 𝑃1 70,5 + 𝑃2 70,5 +𝑃3 70,5 + 𝑃4 70,5 + 𝑃5 70,5 + 𝑃6 70,5 − [P0 70,5 + P1 70,5 + P2 70,5 ]

𝑃0 70,5 + 𝑃1 70,5 + 𝑃2 70,5 +𝑃3 70,5 + 𝑃4 70,5 + 𝑃5 70,5 + 𝑃6 70,5 − 𝑃0 70,5 − 𝑃1 70,5 − 𝑃2 70,5

𝑃3≤𝑛≤6 70,5 = 25,7%

N. maquinas Pn(t) lamda 0,025
0 0,17161529 tiempo 70,5
1 0,30247195
2 0,2665534
3 0,15660012
4 0,06900193
5 0,02432318
6 0,00714493
Total 0,25707017

0,25707017
 Ejemplo 2

Los niños de un estado poco poblado nacen con una frecuencia de 12

minutos. Dado que el tiempo entre nacimientos sigue una distribución
exponencial.
De acuerdo a lo anterior, determine:
1. Cantidad promedio de nacimientos al año.
2. Probabilidad de que nazca un niño entre los primeros 15 a 17
minutos al día.
3. Probabilidad de que nazcan entre 7 a 9 niños en la primera hora del
día.
1. Cantidad promedio de nacimientos al año.

1 1 1 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠
𝐸𝑡 = ; λ= ; λ= ; λ= 0,083
λ 𝐸𝑡 12 𝑚𝑖𝑛

𝑛𝑎𝑐 𝑚𝑖𝑛 ℎ𝑜𝑟𝑎𝑠 𝑑𝑖𝑎𝑠 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠

λ= 0,083333 ∗ 60 *24 *365 = 43800
𝑚𝑖𝑛 ℎ𝑜𝑟𝑎 𝑑𝑖𝑎 𝑎ñ𝑜 𝑎ñ𝑜
2. Probabilidad de que nazca un niño entre los primeros 15 a 17
minutos al día.

𝑃 15 ≤ 𝑡 ≤ 17 = 𝑃 𝑡 ≤ 17 - 𝑃 𝑡 ≤ 15

𝑃 15 ≤ 𝑡 ≤ 17 = 1 − 𝑒 −0,08333(17) - (1 − 𝑒 −0,08333 15 )

𝑃 15 ≤ 𝑡 ≤ 17 = 0,04398 = 4,39%
3. Probabilidad de que nazcan entre 7 a 9 niños en la primera hora del día.

𝑃7≤𝑛≤9 60 = 𝑃7 60 + 𝑃8 60 + 𝑃9 60

𝑃7≤𝑛≤9 60 = 𝑃9 60 − 𝑃6 60

P0 60 + P1 60 + P2 60 +P3 60 + P4 60 + P5 60 + P6 60 + P7 60 + P8 60 + P9 60 −
[P0 60 + P1 60 + P2 60 +P3 60 + P4 60 + P5 60 + P6 60 ]

P0 60 + P1 60 + P2 60 +P3 60 + P4 60 + P5 60 + P6 60 + P7 60 + P8 60 + P9 60 −
[P0 60 + P1 60 + P2 60 +P3 60 + P4 60 + P5 60 + P6 60 ]

P7≤n≤9 60 = 20,6 %
 Actividad Evaluativa
En Bogotá la tasa de nacimientos de bebes esta dada a razón de 1 cada 20
minutos. Suponiendo que el tiempo entre nacimientos no sigue una
distribución de Poisson.
Determine lo siguiente:
a) La cantidad promedio de nacimientos trimestral.(suponga 30 días por mes)
b) La probabilidad de que no ocurran nacimientos durante 1 día.
c) La probabilidad de emitir 25 actas de nacimiento en 2 horas dado que se
emitieron 20 actas durante la primera hora del periodo de 2 horas.

VALORACION PORCENTUAL
a b c
30% 50% 20%
La cantidad promedio de nacimientos trimestral.(suponga 30 días por mes)

1 1 1 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠
𝐸𝑡 = ; λ= ; λ= ; λ= 0,05
λ 𝐸𝑡 20 𝑚𝑖𝑛

𝑛𝑎𝑐 𝑚𝑖𝑛 ℎ𝑜𝑟𝑎𝑠 𝑑𝑖𝑎𝑠 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠

λ= 0,05 ∗ 60 *24 *90 = 6480
𝑚𝑖𝑛 ℎ𝑜𝑟𝑎 𝑑𝑖𝑎 𝑡𝑟𝑖𝑠𝑚𝑒𝑠𝑡𝑟𝑒 𝑡𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒
La probabilidad de que no ocurran nacimientos durante 1 día.

𝑛𝑎𝑐 𝑚𝑖𝑛 ℎ𝑜𝑟𝑎𝑠 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠

λ = 0,05 ∗ 60 *24 = 72
𝑚𝑖𝑛 ℎ𝑜𝑟𝑎 𝑑𝑖𝑎 𝑑𝑖𝑎

(72∗1)0 𝑒 −72∗1
𝑃0 1 = = 0%
0!
La probabilidad de emitir 25 actas de nacimiento en 2 horas dado que
se emitieron 20 actas durante la primera hora del periodo de 2 horas.

𝑛𝑎𝑐 𝑚𝑖𝑛 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠

λ= 0,05 ∗ 60 = 3
𝑚𝑖𝑛 ℎ𝑜𝑟𝑎 ℎ𝑜𝑟𝑎

(3∗1)5 𝑒 −3∗1
𝑃5 1 = = 0,10 = 10%
5!
Modelo de muerte pura
Este modelo es similar a los modelos de llegadas de Poisson pero se
aplica a muertes o salidas (μ) y se tiene en cuenta un máximo de
cantidades (N).
De esta manera:
Ejemplo 3

Una floristería tiene 18 docenas de rosas al iniciar cada semana.

En promedio, el florista vende 3 docenas de rosas por día y su demanda
sigue una distribución de Poisson. Por otro lado, siempre que la
existencia de docenas de rosas llega a 5 o menos se coloca un nuevo
pedido.
De acuerdo a lo anterior determine:
1. Probabilidad de tener 12 docenas en existencia el martes.

𝑑𝑜𝑐𝑒𝑛𝑎𝑠
μ= 3 ; t(max) = 1 semana = 7 días ; N = 18 docenas
𝑑𝑖𝑎
2. Probabilidad de colocar un nuevo pedido el jueves.
Docenas Pn(t) miu 3
0 0,06296630 N 18
1 0,03832471 t 4
2 0,05429334
3 0,07239112
4 0,09048890
5 0,10557038
6 0,11436792
7 0,11436792
8 0,10483726
9 0,08736438
10 0,06552328
11 0,04368219
12 0,02548128
13 0,01274064 Pn≤5(4) = 0,42403475
14 0,00530860
15 0,00176953
16 0,00044238
17 0,00007373
18 0,00000614
Total 100,0000%
Ejemplo 4

Un ingeniero trabaja en una oficina gestionando las ventas diarias de 14

negocios pertenecientes a la misma organización.
Cada día tiene que generar un informe por cada negocio y su horario
habitual es de 8 horas al día. En promedio termina 2 informes cada hora con
una distribución de Poisson.

De acuerdo a lo anterior determine:

1. Probabilidad de que a las 8 horas termine todos los informes.

2. Probabilidad de que a las 4 horas solo tenga realizado 5 informes o
menos.
1. Probabilidad de que a las 8 horas termine todos los informes.

𝑖𝑛𝑓𝑜𝑟𝑚𝑒𝑠
μ= 2 ; N = 14 informes
ℎ𝑜𝑟𝑎

𝑁 14

𝑃0 𝑡 = 1 − ෍ 𝑃𝑛 𝑡 ; 𝑃0 8 = 1 − ෍ 𝑃𝑛 8
𝑛=1 𝑛=1

(2∗8)(14−𝑛) 𝑒 −2∗8
Donde 𝑃𝑛 8 =
(14−𝑛)!
 Informes Pn(t) miu 2
0 0,725489076 N 14
1 0,081389381 t 8
2 0,066128872
3 0,049596654
4 0,0340977
5 0,021311062
6 0,011987473
7 0,005993736
8 0,00262226
9 0,000983347
10 0,000307296
11 7,6824E-05
12 1,44045E-05
13 1,80056E-06 P0(8) = 0,72548908 73%
14 1,12535E-07
Total 1
2. Probabilidad de que a las 4 horas solo tenga realizado 5 informes o
menos.

𝑃𝑛≥9 4 = 𝑃9 4 + 𝑃10 4 + 𝑃11 4 + 𝑃12 4 + 𝑃13 4 + 𝑃14 4

Informes Pn(t) miu 2
0 0,03418070 N 14
1 0,02961649 t 4
2 0,04812680
3 0,07219021
4 0,09926153
5 0,12407692
6 0,13958653
7 0,13958653
8 0,12213822
9 0,09160366
10 0,05725229
11 0,02862614
12 0,01073480
13 0,00268370 Pn≤9(4) = 0,19123606 𝑃𝑛≥9 4 = 19,12%
14 0,00033546
Total 100,0000%
Practiquemos un poco mas…
 Ejemplo de practica

Una florería inicia cada semana con 18 docenas de rosas. En promedio,

la florería vende 3 docenas al día (una docena a la vez), pero la
demanda real sigue una distribución de Poisson. Siempre que el nivel
de las existencias se reduce a 5 docenas, se coloca un nuevo pedido de
18 nuevas docenas para entrega al principio de la siguiente semana.
Debido a la naturaleza de la mercancía, las rosas sobrantes al final de la
semana se desechan.

Determine lo siguiente:
(a) La probabilidad de colocar un pedido cualquier día de la semana.
(b) Probabilidad de tener 12 docenas en existencia el viernes.
(c) Probabilidad de colocar un nuevo pedido el miércoles.
1. La probabilidad de colocar un pedido cualquier día de la semana.

𝑑𝑜𝑐𝑒𝑛𝑎𝑠
μ= 3 ; t(max) = 1 semana = 7 días ; N = 18 docenas
𝑑𝑖𝑎

Pn≤5(1) = 0,00001615
Pn≤5(2) = 0,00882748
Pn≤5(3) = 0,12422657
1. Pn≤5(4) = 0,42403475
Pn≤5(5) = 0,73238897
Pn≤5(6) = 0,90833082
Pn≤5(7) = 0,97545101
2. Probabilidad de tener 12 docenas en existencia el viernes.

(3∗5)(18−12) ∗𝑒 −3∗5
𝑃12 (5) = = 0,00483947 = 0,484%
18−12 !
3. Probabilidad de colocar un nuevo pedido el miércoles.

Docenas Pn(t) miu 3

0 0,00531957 N 18
1 0,00578634 t 3
2 0,01092975
3 0,01943067
4 0,03238444
5 0,05037580
6 0,07276505
7 0,09702006
8 0,11858008
9 0,13175564
10 0,13175564
11 0,11711612
12 0,09109032
13 0,06072688 Pn≤5(3) = 12%
14 0,03373716
15 0,01499429
16 0,00499810
17 0,00111069
18 0,00012341
Total 100,0000%
MODELO GENERALIZADO DE POISSON (Nacimiento - muerte)

Anteriormente vimos los modelos de llegadas(nacimientos) y los de

salidas(muertes), por separado. No obstante en un sistema de colas o líneas de
espera presentamos los dos escenarios simultáneamente.
 MODELO DE COLAS GENERAL DE POISSON
(Nacimiento - muerte)

Recordemos que el sistema de colas es un proceso Markoviano de

tiempo continuo con distribución Poisson. De esta manera, el sistema
se puede representar como una cadena de Markov cuya probabilidad
depende solo el suceso anterior.
Miremos paso a paso el diagrama de transición de un sistema de colas
o de nacimiento o muerte estándar.
Diagrama de Transición
Diagrama de Transición
Diagrama de Transición
Diagrama de Transición
De esta manera tendríamos:
• n = Cantidad de clientes en el sistema (haciendo cola, además de los
que están siendo atendidos).
• λn = Tasa de llegadas, si n clientes están en el sistema.
• μn = Tasa de salidas, si n clientes están en el sistema.
• Pn = Probabilidad de estado estable de que n clientes estén en el
sistema.

Por otro lado, se debe tener en cuenta que en este modelo generalizado podemos
tener (x) cantidad de servidores dependiendo la cantidad de entidades (n). De esta
manera la tasa de salida μn puede multiplicarse dependiendo la cantidad de
servidores (x).
Ejemplo:
En este modelo se supone que la relación entre llegadas y salidas son iguales, dado que
normalmente se atiende conforme la cantidad de personas que estén el sistema para
nivelar cargas y que el sistema no colapse. De esta manera y teniendo en cuenta que es un
sistema Markoviano donde lo presente solo se afecta del periodo anterior, el sistema de
ecuaciones seria el siguiente:
El sistema de ecuaciones anterior depende la probabilidad P0 . No
obstante, al conocer el numero máximo de entidades que puede tener
el sistema y sabiendo que todas las probabilidades, tienen que sumar
1, entonces:
Ejemplo 5:

Un Banco opera con tres cajas las cuales se activan dependiendo la

cantidad de clientes que llegan al lugar. Clientes # de Cajas
0 0
1a3 1
4a6 2
7 a 15 3
Se sabe que los clientes llegan con una distribución Poisson con una
tasa de 10 por hora y el tiempo promedio de atención es exponencial
con media de 12 minutos. Si el máximo de clientes que pueden estar
en el sistema son 15.
Determine:
1. Probabilidad de encontrar 7 clientes en el banco.
2. Probabilidad de encontrar entre 6 a 9 clientes en el banco.
3. Promedio de cajas NO utilizadas en el sistema (cajas libres).
Ejemplo 6:

Un almacén cuenta con un sistema de cajas rápidas donde los clientes

con menos de 10 productos hacen una única fila y posteriormente son
distribuidos en 4 cajas rápidas según su disponibilidad. Las cajas se
activan dependiendo de la cantidad de clientes en el sistema de la
siguiente manera: Clientes # Cajas
0 0
1a4 1
5a9 2
10 a 15 3
16 a 30 4

Si la tasa de llegada promedio es de 2 personas cada minuto con

distribución Poisson, el tiempo de atención de cada cajero es
exponencial con media de 62,5 segundos y el máximo numero de
clientes en el sistema es de 30, determine la probabilidad de encontrar
mas de 15 personas en el sistema y el promedio de cajas no utilizadas.
¿Es necesario tener 4 cajas?
Probabilidad de encontrar mas de 15 personas en el sistema:
No. Clientes Lamda(n) miu (n)neto P(n) # Cajas libres P(cajas libres)
0 0,00522526 4 0,020901055
1 2 0,96 0,01088597 3 0,032657898
2 2 0,96 0,0226791 3 0,068037288
3 2 0,96 0,04724812 3 0,141744349
4 2 0,96 0,09843358 3 0,295300728 1 0,01471634
5 2 1,92 0,10253497 2 0,20506995
6 2 1,92 0,10680727 2 0,213614531 2 1,91666825
7 2 1,92 0,11125757 2 0,222515137
8 2 1,92 0,1158933 2 0,231786601 3 DEPENDE (Se debe tener en cuenta que al quitar
9 2 1,92 0,12072219 2 0,241444376 cajas es probable que la cola sea mas larga y por
10 2 2,88 0,08383485 1 0,083834853 ende el tiempo en el sistema.
11 2 2,88 0,05821865 1 0,058218648
12 2 2,88 0,04042962 1 0,040429616
13 2 2,88 0,02807612 1 0,028076123
14 2 2,88 0,01949731 1 0,019497307
15 2 2,88 0,0135398 1 0,013539797
16 2 3,84 0,00705198 0 0
17 2 3,84 0,0036729 0 0
18 2 3,84 0,00191297 0 0
19 2 3,84 0,00099634 0 0
20 2 3,84 0,00051893 0 0
21 2 3,84 0,00027027 0 0
22 2 3,84 0,00014077 0 0
23 2 3,84 7,3317E-05 0 0
24 2 3,84 3,8186E-05 0 0
25 2 3,84 1,9888E-05 0 0
26 2 3,84 1,0359E-05 0 0
27 2 3,84 5,3951E-06 0 0
28 2 3,84 2,8099E-06 0 0
29 2 3,84 1,4635E-06 0 0
30 2 3,84 7,6224E-07 0 0
Total 1 Total 1,916668255
Taller Teoría de Colas 2