TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Nurn. 1, 1986.

TRABAJOS DE
INVESTIGACION OPERATIVA
Vol. 1. N0m. 1, 1986, pp. 61 a 72

E S T U D I O B A Y E S I A N O DE L O S P E R I O D O S
DE O C U P A C I O N Y D E S O C U P A C I O N EN UNA COLA
M/M/I/oo/FIFO E N E Q U I L I B R I O (*)

Carmen Armero Cervera

Departamento de Bioestadlstica (**)
Facultad de Medicina
de la Universidad de Valencia
Avda. Blasco lbd~ez, 17
Valencia lO

RESUMEN

En este articulo, para un modelo de colas M/M/1/oo/FIFO en equilibrio,

se obtiene la distribuci6n predictiva del tiempo de duraci6n de un periodo
de ocupaci6n, y de desocupaci6n de la cola, asi como la distribuci6n pre-
dictiva final del nfimero de personas atendidas en un periodo de ocupaci6n,
y la probabilidad de que 6ste sea finito. Finalmente, dichos resultados se
aplican en una linea de espera concreta.
Palabras clave: Inferencia Bayesiana; Intensidad de trfifico; Nfimero de per-
sonas atendidas en un periodo de ocupaci6n; Periodos de ocupaci6n y
desocupaci6n de la cola; Tiempos de servicio; Tiempos transcurridos
entre dos ]legadas consecutivas a la cola.
Ctasificaci6n AMS: 60K25-90B22.

SUMMARY

We provide the predictive distributions for the length of an idle and

busy period in an M/M1/oo/FIFO system at steady-state. We also obtain the
posterior distribution of the number of customers served in a busy period,
and the probability that a busy period is finite. We illustrate these results with
an example.
(*) Recibido, marzo 1985. Aceptado, febrero 1986.
(**) Actualmente Departamento de Estadistica e Investigaci6n Operativa Facultad
de Matem/tticas/Universitat de Valencia/Doctor Moliner, 50/46100 Burjassot/Valencia.

61
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Nurn. 1, 1986

Key woords: Bayesian Inference; Busy and Idle period; Interarrivals times;
Number of customers served in a busy period; Service times; Traffic
intensity.
AMS Classification: 60K25-90B22.

1. INTRODUCCION

Desde un punto de vista practico, la Teoria de la Decisi6n y la

Inferencia Estadistica son herraraientas imprescindibles para el an~.Fisis
y disefio de un sistema en cuyo funcionamiento esth involucrada una
o varias lineas de espera.
A d o p t a n d o la Metodologia Bayesiana, se hace necesaria, para su
posterior an/disis, la obtenci6n de la distribuci6n predictiva de las
distintas variables que pueden observarse en el modelo de colas selec-
cionado.
En este articulo se estudian los periodos de ocupaci6n y desocu-
paci6n para una cola M/M/1/w/FIFO, con soluci6n estacionaria para
el proceso de nacimiento-muerte que la describe. En concreto, y a par-
tir de ~as hip6tesis iniciales descritas en |a subsecci6n 2.I, se obtiene
en la subsecci6n 2.2 la distribuci6n predictiva final del tiempo de du-
raci6n de un periodo de desocupaci6n, y la distribuci6n predictiva
final del tiempo de duraci6n de un periodo de ocupaci6n; en la sub-
secci6n 2.3 se determina la distribuci6n predictiva final del nfimero de
personas, en general, clientes de la cola, atendidos en un periodo d e
ocupaci6n, asi c o m o la probabilidad de que ~ste sea finito~
En la secci6n 3 se aplican los resultados obtenidos a una de las
colas del servicio de urgencias del Hospital Clinico de Valencia, com-
parandolos con las correspondientes distribuciones obtenidas desde el
punto de vista de la Inferencia C1/~sica.

2. PROCESO INFERENCIAL

2.1. Hip6tesis previas

Sea z I = [xl, x2 ..... x,l una muestra aleatoria de los tiempos de
servicio de la cola, obtenida a partir del modelo exponencial Ex (xl/a) =
= / z e -ux, x > 0, y sea z 2 = ~Yl,Yz ..... y,,', una muestra aleatoria de

62
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Num. 1, 1986.

los tiempos transcurridos entre dos llegadas consecutivas a la cola,

obtenida a partir del modelo exponencial Ex (xI2).
La funci6n de verosimilitud del n f m e r o medio de entradas y de
salidas del sistema serA:

P(Zl, z21';,, l0 = 2"/a" exp I -ktra - )-r21 (1)

siendo r I = Zx i y r 2 = Xy~ los estadisticos suficientes relevantes. Su-

p o n e m o s que la informaci6n inicial sobre los parAmetros 2 y / a puede
ser descrita c o m o p r o d u c t o de dos distribuciones G a m m a indepen-
dientes

p(2, p) = Ga (/xla o, bo)" Ga (21~ o,/70) (2)

ddnde G a (xla, b) = (ba/F(a))x "- le-bX, x > O.

U s a n d o el m6todo p r o p u e s t o por Bernardo (1979a) para obtener
distribuciones iniciales de referencia, ia distribuci6n inicial minimo in-
formativa de los parAmetros 2,/a, que adem~.s coincide en este caso
con la que se obtiene mediante la regla de Jeffreys, es:

rI(x, ,u) oc Ia(u, ,/2 = ; . - , . u - , (3)

siendo J(2,/~) ia matriz de informaci6n de Fisher para el modelo (I)

considerado. Es claro que la distribuci6n iniciai (3) es un caso par-
t;cular de (2) cuando todos sus parhmetros tienden a cero.
La distribuci6n final de la intensidad de tr/tfico del sistema, p =
= 2/p, a partir de las densidades finales de 2. y/1 es:

,Sa
P(p/zl, z2) = ~ F(flap/b~12ot, 2a) (4)

siendo a = a o + n, b = b o + r~ los parb.metros de ia densidad final de

~, ~t = % + m, fl = flo + r2 los correspondientes a la distribuci6n final
de 2, y representando F(x[2u, 2 v ) = C x = - l / ( l + (u/v)x) I=+~ con C =
= (u/v)"F(u + v)/F(u)/F(v), x > 0, la funci6n de densidad de una variable
aleatoria con distribuci6n F de Snedecor con 2u y 2v grados de li-
bertad.

63
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Nt~m. 1, 1986

Finalmente, s u p o n e m o s que se ha resuelto en favor de la hipbtesis

nula el contraste

Ho:p < 1 (5)

Hi:p>. 1
que garantiza el estado de equilibrio para ia cola considerada.
Dicha condici6n supone la constricci6n del espacio param6trico
general al subespacio ~ = I p, 0 < p < 1',, q u e d a n d o entonces la funci6n
de dicha variable c o m o

p(p]z l, z , )
p(p[zl, z2) = p ( p < llzl, z2) zc~ (6)

siendo p(plzl, Z2) ia densidad (4) y ~ la funci6n indicatriz de f~,

2.2. Distribuci6n predictiva dei tiempo de duraci6n de un periodo

de desocupaci6n y de ocupaci6n del sistema

En esta subsecci6n o b t e n e m o s en primer lugar la distribuci6n

predictiva final del tiempo de duraci6n de un periodo de desocupa-
ci6n del sistema, para hallar posteriormente la densidad predictiva
final dei tiempo de duraci6n de un periodo de ocupaci6n del servicio,
ambas a partir de las hip6tesis establecidas en el apartado anterior.
Para un m o d e l o de colas M/M/1 la distribuci6n del tiempo de
duraci6n, t, de un periodo en el que el servidor de la cola permanece
d e s o c u p a d o depende 6nicamente del p a r h m e t r o 2 que gobierna el pro-
ceso de llegadas a ia cola en la forma p(tJ;.)= Ex(t]2) (Kleinrock,
1976, p. 208). Consecuentemente la distribuci6n predictiva de t, obte-
nida c o m o una mixtura de p(t[2) y la distribuci6n final de ). es de
la forma:

p(tlz2) = ~ / ( f l + t)~+t , t > 0 (7)

U n i c a m e n t e existe m o m e n t o absoluto de orden k para la variable t

c u a n d o k < cx; y para estos casos su expresi6n es:

E ( ? l z ~) = ~ ' B ( k + I, ~ - k) (8)

64
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Nom. 1, 1986.

(ver G r a d s h t e y n y Ryzhik, 1965, f6rmula 3.194.3), d o n d e B(x, y) es la

notaci6n usual para funciones Beta.
Es sabido (Kieinrock, 1976, p. 215) que la densidad del tiempo
de duraci6n de un periodo en el que el servidor permanece atendien-
do a los distintos clientes que Io solicitan, condicionada por los dos
par~metros 2,# que rigen el proceso de entradas y salidas de la
cola es:

e - I~(p+ l)t
9(tlp, Ia, p < 1) - t(p)l/2 l l [ 2 t # p !/2', (9)

siendo ll(x) la funci6n modificada de Bessel de primera clase de or-

den 1.
Considerando el cambio de variables, p = 2/p y ~b = #, la dis-
tribuci6n de # condicionada a p es:

P(PIP) "" Ga (pla + r,, b + pfl) (10)

con Io cual, la densidad del tiempo de ocupaci6n del servicio con-

dicionada por p ser~,"

9(tip. zl. z2, p < 1) = E,ip[g(tlp, #, p < 1)] =

oo t2pV(a + u + 2m + 1)
(11)
= C m~.
=O
(m + l)!m!'~p(t + fl) + (t + b)', (a+~+2ra+l)

con C = (b + pfl)~a+=)/F(a + ~) (ver Gradshteyn y Ryzhik, 1965, f6r-

mula 3.381.4), y por tanto, la distribuci6n predictiva final del tiempo
de duraci6n de un periodo de ocupacion serb,"

g(t[zl, z z . p < 1 ) = Eplp<l[g(t[p.z,.zz. p < 1)] --

(t + b)a+=+l ,.=o

tZ"F(a+~+2m+ l)2Fl(a+~+2m+ l,a+~,a + u + 1; ((t))

(12)
(t + b)2ra(~t + m)(m + l)!m!

siendo C = b~flUP(p < l[z l,zz)F(a)F(c 0 y ((t) = - ( t + fl)/(t + b) (ver

Grashteyn y Ryzhik, 1965, f6rmula 3.194.1), y representando 2Fl(a, fl,
7; z) la notaci6n usual para funciones hipergeom6tricas de Gauss.

65
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. N0m. 1, 1986.

A nivel prb.ctico es complicado trabajar con funciones hipergeom6-

tricas, que como ia involucrada en la expresi6n (10) no admiten cuando
b ~ fl, representaci6n como serie convergente en el circulo unidad.
Para la tabulaci6n de g(t[z 1, z 2, p < 1) se ha disefiado un algoritmo
de cS.lculo basado en el m6todo ara sumar series convergentes cuya
raz6n, r m, no siempre es decreciente con m, desarrollado por Ferrb.n-
diz (1981).
Por otra parte, los chlculos necesarios para la obtenci6n de la me-
dia y varianza de t implican la resoluci6n de integrales no conver-
gentes en el intervalo (0, 1), y consecuentemente, no existir~, ni la espe-
ranza ni la varianza de t.

2.3. Distribuei6n predictiva del nfimero de personas atendidas

en un periodo de ocupaci6n, y probabilidad de que un periodo
de ocupaei6n sea finito

Sea Nvo la cantidad aleatoria que describe el nflmero de personas

que pueden ser atendidas durante un periodo de ocupaci6n del siste-
ma. La funci6n de probabilidad de Npo condicionada a p con p < 1,
es (Kleinrock, 1976, p. 208):

P(Nvo = kip, p < 1) = lk( \2 k k- 21)Pk_2(1+p)l_2, k>~ 1 (13)

Utilizando la distribuci6n final de p, (4), la distribuci6n predictiva

final de Npo, es:

P(Nvo = k]zl, z2, p < 1) = Ev{p < 11P(Npo = k!p, p < 11 =

- Io(ct + k - 2 , 2 k - 1, B/b,a + ~ ; p ) (14)

k
con

pX
lo(x, y, z, u; p) = f ~ (P + 1)Y(1 + pz)" dp con x>0, y>0, z>0, u>0

y siendo C = flaF(a + ct)/P(p < l[zl, z2)F(a)F(ct)b~.

66
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Num. 1, 1986.

La expresidn de la media de Npo incluye la resoluci6n de una in-

tegral no convergente en (0, 1), y pot io tanto, no existirb, ni media
ni varianza de Npo.
Por otra parte, es evidente que la probabilidad de que un periodo
de ocupaci6n sea finito (POF) o no !o sea, depende de la intensidad
de tr~fico de la cola. Puede verse en Kleinrock, 1976, p. 215, que
dicha probabilidad es 1 s i p < 1 y 1/p c u a n d o p ~> 1.
Si se acepta c o m o v~lida la hip6tesis nula del contraste planteado
en (5) cualquier periodo de ocupaci6n tiene Iongitud finita con total
seguridad. Si por el contrario, dicha hip6tesis se rechaza en favor de
la hip6tesis alternativa la densidad de la intensidad de trfifico queda como

p(plz ,, z 2)
p(plz,, z._) = P(P >~ llz, ' z2) xo (15)

con f~ = ',p, 1 ~< p ~< col, siendo entonces tal probabilidad de la forma:

fl"+ lF(a + a)2F l(a + ~, a + 1 , a + 2 ; - b / f l )

P(POF[zl, zz, p >1 1) -- (16)
b"(a + 1)P(p >~ l lz 1, z2)F(a)l-'(7 )

(ver G r a s h t e y n y Ryzhik, 1965, f6rmula 3.194.2), o bien la expresion

mhs sencilla:

fl2.+,p(klpl > kl)a

P(POF]z 1, z 2, p >1 1) = (17)
b2"+l(a - 1)P(p/> llzl, z2)
ya que:
b~ + ot)2F,(a + a,a + l ; a + 2; - b / f l )
P(klp 1 > k~) = (18)
fl"+*(~ - 1)F(a + 2)

d o n d e k~p I es una cantidad aleatoria con funci6n de densidad F

de Snedecor de parhmetros 2~ - 2 y 2a + 2, con k 1 = fl(a + 1)/b(a ~ 1).

3. EJEMPLO

Los datos que utilizamos en este apartado se han obtenido de uno

de los servicios de urgencias del Hospital Clinico de Valencia. Se han
t o m a d o 25 observaciones de los tiempos de servicio y 20 de los tiem-

67
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Num, 1, 1986.

pos transcurridos entre dos llegadas consecutivas a la cola, siendo los

estadisticos suficientes.r I = 32.17 horas para los tiempos de servicio y
r 2 = 34.45 horas para los tiempos entre Ilegadas. Consecuentemente,
la distribuci6n final de referencia de la intensidad de tr:~fico es p .--
--. 1.34F(40, 50), y 0.84 la probabilidad de que la cola tenga soluci6n
estacionaria.
En la gr~.fica siguiente se encuentran respectivamente descritas, la
distribuci6n predictiva de referencia del tiempo de duraci6n de un
periodo de ocupaci6n (1), la correspondiente distribuci6n predictiva
final obtenida a partir de las opiniones iniciales del servidor de la
cola (p(2, #) = Ga (~[8,8) Ga (jail0, 12), y consecuentemente, con distri-
buci6n final p(,~, ~u[rl, r2) = Ga (:.128, 42.45) Ga (g[25, 44.17), siendo en-
tonces p ~ 0.86F(56, 50) la densidad final de la intensidad de tr/tfico
dei servicio, y que c o m o puede observarse indica una m a y o r con-
gesti6n en la cola de ia puede deducirse de la informaci6n muestral,
(2), y finalmente la distribuci6n de la misma variable obtenida segfin
la metodologia cl~sica sustituyendo 2 por su estimador mfiximo ve-
rosimil ,~ = .5806 en la distribuci6n del tiempo de duraci6n de un
periodo de desocupaci6n condicionada a 2, (3).

.75

.5

25

J
4 6 ;0 II2 14
Tiempo de duraci6n de un periodo de desocupaci6n

C o m o puede observarse, las distribuciones (1) y (3) parecen coin-

cidir casi perfectamente. Realmente, esto no es asi ya que ni su es-
peranza es igual (1.81 para (1) y 1.72 para (2)), ni m u c h o menos su
varianza (3.63 para (1), 2.95 para (2)).

68
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Num. 1, 1986.

En la tabla que viene a continuaci6n, y para valores del n6mero

de personas atendidas en un periodo de ocupaci6n Npo = 1, 2 .... ,10, > 10,
se obtiene la distribuci6n predictiva final de Npo, de referencia (1),
con la informaci6n inicial considerada anteriormente (3), asi como la
correspondiente distribuci6n obtenida desde la perspectiva de la In-
ferencia Clfisica sustituyendo en la expresi6n (13) p por su estimador
m~tximo verosimil ~ = 0.747, (2).

N~ (1) referencia (2) clhsica (3) inf. ini.

1 0.5938 0.5724 0.5708

2 0.1406 0.1401 0.1383
3 0.0668 0.0686 0.0671
4 0.0398 0.0420 0.0407
5 0.0266 0.0288 0.0277
6 0.0191 0.0211 0.0202
7 0.0144 0.0162 0.0155
8 0.0128 0.0129 0.0123
9 0.0091 0.0105 0.0100
10 0.0074 0.0088 0.0083
> 10 0.0696 0.0786 0.0891

Los resultados obtenidos utilizando la distribuci6n inicial minimo

informativa de los parhmetros del modelo y ia obtenida mediante la
Metodologia Cl~sica son muy parecidos. Aunque la tabla expuesta
sugiere que la segunda distribuci6n es m~s difusa que la primera,
esto no es asi como podria observarse si se calculan las correspon-
dientes probabilidades para valores superiores de la variable Npo, o se
piensa que la estimaci6n de los par~tmetros de una distribuci6n me-
diante m6todos clhsicos produce distribuciones menos difusas que las
correspondientes a las obtenidas utilizando los m~todos bayesianos.
Las grfi.ficas que siguen corresponden a, la distribuci6n predictiva
de referencia del tiempo de duraci6n de un periodo de ocupaci6n
del sistema (gr~fica 1), la correspondiente distribuci6n predictiva obte-
nida usando la informaci6n inicial del servidor de la cola expuesta
anteriormente, (gr~tfica 2), y la distribuci6n obtenida desde la perspec-
tiva Cl~sica, sustituyendo en la expresi6n (7) los par~metros 2 y /a
por sus estimadores m~ximo verosimiles.

69
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1. Num. 1, 1986.

.75

.25

4 6 8 10 12 14

Tiempo de duraci6n de un periodo de ocupaci6n

Griifica 1

.75

.5

.25

I & ,' 1 !
0 . I ,

0 2 4 6 8 10 " " ,'2 14

Tiempo de duraci6n de un periodo de ocupaci6n

Grifica 2

70
 TRABAJOS DE INVESTIGACION OPERATIVA. Vol. 1, Num. 1, 1986.

.75;

.5

.25

I I I i /

0 2 4 6 8 1o 12 14
Tiempo de duracidn de un" periodo de ocupaci6n

Grafica 3

Los comentarios hechos a prop6sito de los resultados obtenidos

para la cantidad aleatoria Npo son v~,lidos para las distintas distri-
buciones del tiempo de duracidn de un periodo de ocupacidn de la
cola obtenidas: resultados y la distribuci6n de referencia, y robustez
de la distribuci6n predictiva final de dicha cantidad aleatoria frente
a la especificacidn de distribuciones iniciales.

4. DISCUSION

Cuando analizamos el comportamiento de una linea de espera, ta

seleccidn del modelo a utilizar, asi como el estudio de los distintos
par/~metros que gobiernan el sistema seleccionado son capitulos inevi-
tables. Desde la Metodologia Cl~,sica, este filtimo problema se centra en
la estimacion de dichos parS.metros a partir de la informacidn muestral
obtenida, utilizando dichas estimaciones para asi obtener un conoci-
miento aproximado del comportamieno de las distintas variables que
intervienen en la cola.
Aunque en el ejemplo considerado hemos podido observar que la
Metodologia CIS.sica y la Bayesiana dan resultados num~ricos parecidos

71
 TRARAJOS DE INVESTIGACION OPERATIVA. Vol. 1. N0m. 1, 1986.

cuando se utilizan distribuciones iniciales de referencia, creemos que

s61o desde la Metodologia Bayesiana se puede dar un tratamiento ade-
cuado a la condici6n p < 1 de equilibrio del sistema, y consecuen-
temente al hecho de que un determinado periodo de ocupaci6n sea
o no finito.
Finalmente, en lineas de espera para las que se disponga de poca
informaci6n muestral, la Metodologia Bayesiana nos permite incorpo-
rar al anb, lisis la informaci6n inicial que tenga cualquier persona co-
nocedora del funcionamiento de esa cola, Io cual es s u m a m e n t e va-
lioso en dichos ca.sos.

REFERENCIAS

BERNARDO, J. M. (1979a): ~Reference posterior distributions for Bayesian

inference~, J. Roy. Statist. Soc. B 41, 113-147 (with discussion).
FERRANDIZ, J. (1981): Una alternativa bayesiana al contraste de hip6-
tesis, Tesis Doctoral, Universidad de Valencia.
GRADSHTEYN, I. S., y RYZHIK, I. M. (1965): Tables of integrals and
products, New York: Academic Press.
KLEINROCK, L. (1976): Queueing Systems. Volume I: Theory, New York,
Wiley.

72