Criterios bajo la distribución de Poisson y Exponencial para la selección del

modelo apropiado de líneas de espera

Qué es la distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica
a las ocurrencias de algún evento durante un periodo determinado. Es decir, es una
distribución de probabilidad discreta en la que solo es necesario conocer los eventos
y cuál es su frecuencia media de ocurrencia para poder conocer la probabilidad de
que ocurran.
Una distribución es discreta cuando se toma un número de valor finito, mientras que
las continuas usan un número infinito de valores.
La distribución de Poisson fue creada por el matemático y filósofo francés del siglo
XVII Simeón-Denis Poisson en su proyecto para modelar la frecuencia de eventos
durante un rango de tiempo determinado. Esta distribución la hizo pública en el año
1838 en su trabajo “Investigación sobre la probabilidad de los juicios en materias
criminales y civiles”.
Sistemas de colas: las llegadas - distribución de poisson La distribución de Poisson
es una distribución de probabilidad discreta que expresa, a partir de una frecuencia
de ocurrencia media, la probabilidad que ocurra un determinado número de eventos
durante cierto periodo de tiempo. Propiedades. La función de masa de la distribución
de Poisson es:

K: es el número de ocurrencias del evento o fenómeno (la función nos da la

probabilidad de que el evento suceda precisamente k veces).
λ: es un parámetro positivo que representa el número de veces que se espera que
ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el suceso estudiado
tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad
de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo
de distribución de Poisson con λ = 10×4 = 40.
e: es la base de los logaritmos naturales (e = 2,71828...) Tanto el valor esperado
como la varianza de una variable aleatoria con distribución de Poisson son iguales
a λ.
Los momentos de orden superior son polinomios de Touchard en λ cuyos
coeficientes tienen una interpretación combinatoria. De hecho, cuando el valor
esperado de la distribución de Poisson es 1, entonces según la fórmula de Dobinski,
el n-ésimo momento iguala al número de particiones de tamaño n.
La moda de una variable aleatoria de distribución de Poisson con un λ no entero es
igual a, el mayor de los enteros menores que λ (los símbolos representan la
Función parte entera). Cuando λ es un entero positivo, las modasson λ y λ – 1
La función generadora de momentos de la distribución de Poisson con valor
esperado λ es

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles. La divergencia Kullback-Leiblerdesde una variable aleatoria de Poisson
de parámetro λ0 a otra de parámetro λ es:

Intervalo de confianza Un criterio fácil y rápido para calcular un intervalo de

confianza aproximada de λ,se propone en Guerriero (2012). Dada una serie de
eventos k (al menos el 15 -20) en un periodo de tiempo T, los límites del intervalo
de confianza para la frecuencia vienen dadas por:

Sumas de variables aleatorias de Poisson La suma de variables aleatorias de

Poisson independientes es otra variable aleatoria de Poisson cuyo parámetro es la
suma de los parámetros de las originales. Dicho de otra manera, si

Son N variables aleatorias de Poissonin dependientes, entonces

Sistema de colas: Distribución binomial La distribución de Poisson es el caso límite

de la distribución binomial. De hecho, si los parámetros n y 𝜃 de una distribución
binomial tienden a infinito y acero de manera λ = nθ que se mantenga constante, la
distribución límite obtenida es de Poisson
Aproximación normal Como consecuencia del teorema central del límite, para
valores grandes de λ, una variable aleatoria de Poisson X puede aproximarse por
otro normal dado que el cociente

Varianza 1.
Distribución exponencial Supóngase que para cada valor t > 0 que representa el
tiempo, el número de sucesos de cierto fenómeno aleatorio sigue una distribución
de Poisson de parámetro λt. Entonces, los tiempos discurridos entre dos sucesos
sucesivos sigue la distribución exponencial.

Teoría de líneas de espera

Estructura básica de los modelos de líneas
Los modelos de línea de espera consisten en fórmulas y relaciones matemáticas
que pueden usarse para determinar las características operativas (medidas de
desempeño) para una cola.
Las características operativas de interés incluyen las siguientes:
 Probabilidad de que no haya unidades o clientes en el sistema
 Cantidad promedio de unidades en la línea de espera
 Cantidad promedio de unidades en el sistema (la cantidad de unidades en la
línea de espera más la cantidad de unidades que se están atendiendo)
 Tiempo promedio que pasa una unidad en la línea de espera
 Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera
más el tiempo de servicio)
 Probabilidad que tiene una unidad que llega de esperar por el servicio.
Los gerentes que tienen dicha información son más capaces de tomar decisiones
que equilibren los niveles de servicio deseables con el costo de proporcionar dicho
servicio.
ESTRUCTURA DE UN SISTEMA DE LINEA DE ESPERA LINEA DE ESPERA DE
UN SOLO CANAL
Cada cliente debe pasar por un canal, una estación para tomar y surtir el pedido,
para colocar el pedido, pagar la cuenta y recibir el producto. Cuanto llegan más
clientes forman una línea de espera y aguardan que se desocupe la estación para
tomar y surtir el pedido.
DISTRIBUCIÓN DE LLEGADAS

Para determinar la distribución de probabilidad para la cantidad de llegadas en un período dado, se

puede utilizar la distribución de Poisson.

/= Media o cantidad promedio de ocurrencia en un intervalo e= 2.17828 X= cantidad de ocurrencias

en el intervalo

DISCIPLINA DE LA LINEA DE ESPERA

Manera en la que las unidades que esperan el servicio se ordenan para recibirlo.
El primero que llega, primero al que se le sirve y el Último en entrar, primero en
salir
Atención primero a la prioridad más alta
OPERACIÓN DE ESTADO ESTABLE
Generalmente la actividad se incrementa gradualmente hasta un estado normal o
estable. El período de comienzo o principio se conoce como período transitorio,
mismo que termina cuando el sistema alcanza la operación de estado estable o
normal.
MODELOS DE LÍNEA DE ESPERA DE UN SOLO CANAL CON LLEGADAS DE
POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES
A continuación, las fórmulas que pueden usarse para determinar las características
operativas de estado estable para una línea de espera de un solo canal. El objetivo
de las fórmulas es mostrar cómo se puede dar información acerca de las
características operativas de la línea de espera.

Criterios bajo la distribución de Poisson y Exponencial para la selección del

modelo apropiado de líneas de espera.
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución
de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad que ocurra un determinado número de eventos durante cierto
periodo de tiempo.
Fue descubierta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su
trabajo Recherches sur la probabilité des jugements en matières criminelles et
matière civile (Investigación sobre la probabilidad de los juicios en materias
criminales y civiles).
Aplicación de modelos de decisión en líneas de espera.
Aplicación de modelos de decisión en líneas de espera Para la solución de los
problemas que representa una cola de espera, la persona que administra un servicio
puede recurrir a varias alternativas. Entre éstas, las más importantes son:
• Análisis subjetivo
• Método matemático
• Técnicas de simulación
Análisis subjetivo
Bajo este método se apela a la experiencia y al sentido común para encontrar un
balance aproximado entre los costos de espera y de servicio sin tener que elaborar
ningún cálculo. Por ejemplo, en un restaurante se planeará tener más meseros
alrededor de las horas de las comidas o en un banco, asignar más cajeros en las
horas o días picos.
Es importante anotar que esta alusión a lo subjetivo se refiere a la toma de decisión,
es decir, se hace una análisis particular por parte de un tomador de decisiones con
base en sus creencias, experiencias y conocimientos, pero con muy poca
cuantificación del problema.