4/8/2020

Unidad 2
SIMULACION DE EVENTOS DISCRETOS

Ing. Enrique M. Avendaño Delgado

eavendano@hotmail.com

Variables
continuas

Una variable aleatoria continua, por otra parte, puede tomar cualquier valor
dentro de un rango continuo o en un intervalo, como la temperatura en el Parque
Central, o la altura de un atleta en centímetros.
Este tipo de variables se representan mediante una ecuación que se conoce
como función de densidad de probabilidad.

𝑃𝑥≥ 0
P(x=a) = 0
∞
න 𝑓𝑥= 1
−∞

Entre las distribuciones de probabilidad tenemos la uniforme continua,

la exponencial, la normal, Erlang, etc.

Ing. Enrique Avendaño

Delgado

1
 4/8/2020

Variables continuas

CALCULAN LAS INTERLLEGADAS = INTERVALO

ENTRE LA LLEGADO DE UN CLIENTE Y OTRO
CLIENTE

Distribución Erlang Distribución Exponencial

PARA TIEMPOS CORTOS

PARA TIEMPOS LARGOS

Distribución Normal

Ing. Enrique Avendaño

Delgado

Variables continuas

Ejemplo de este tipo de variables son:

 Tiempo que tarda una persona en ser

atendida
 Tiempo de llegada de clientes
 Tiempo de ensamble

Ing. Enrique Avendaño

Delgado

2
 4/8/2020

Distribución Exponencial:

El tiempo t entre llegadas de clientes a una instalación se representa con

una distribución exponencial con media E{t} = 1/ unidades de
tiempo; es decir,

f (t)  e   y , t  0
Con lo que tenemos: 1 Donde:

  ln(1  R)
t  R : Número aleatorio (0,1)

Si =4 clientes por hora y R = 0.9, el tiempo que transcurre hasta
la ocurrencia de la siguiente llegada se calcula como sigue:

 60  t   1  ln(1  0.9)  0,57564627hr  34,59 min

t    ln(1  0.9)  34.5 min 4
 4 

Ing. Enrique Avendaño

Delgado

Distribución de Erlang:

La variable aleatoria de m-Erlang se define como la suma estadística (convoluciones) de m variables aleatorias
exponenciales independientes e idénticamente distribuidas. Sea y la variable aleatoria de m-Erlang; entonces:
y = y1 + y2 + y3 + … + y m
Donde yi, i = 1,2, .. m son variables aleatorias exponenciales independientes e idénticamente distribuidas, cuya
función de densidad de probabilidades se define como sigue:

f yi   ey , yi  0,i  1,2,..,

i

M : Grados de libertad. m=1; m=2, m=3, etc

1
p  ( ) ln(R1m * R2*..*  : Nº de eventos por hora
R )
Ejemplo: suponga que m = 3 y= 4 eventos por hora.
y  
60 
Los tres primeros números aleatorios son: 0.0589;
 ln(0.05 89* 0.67 33* 0.4799)  59.46 min
 4 
0.6733; 0.4799.
Remplazando en la formula:

Ing. Enrique Avendaño

Delgado

3
 4/8/2020

Distribución Normal:

La generación de números aleatorios requiere conocer la media y la desviación

estándar.
F(t) = P(D<=t) = R
Donde:

t   z *
µ : media
Con lo que tenemos: z : De la distribución Estándar normal
σ : Desviación estándar
R : nro aleatorio

Si el servicio de lavado de autos tiene una media de 40 min y una desviación estándar de
2.5.
Determine el tiempo de servicio para un aleatorio R = 0.451

t  40   0.123* 2.5  39.69

min

Ing. Enrique Avendaño

Delgado

Ejercicio:

 
1 1
t    ln(1  R) p  ( ) ln(R * R
t   z
 R )
2*..* m

* 

=DISTR.NORM.ESTAND.INV(0.988)
Llegada: 10 min Llegada: 7 clientes por hora Media: 20 min
λ= λ= Desv. Están: 2.73

EXPONENCIAL ERLANG Tiempos de Servicio

Reloj N° Aleatorio Interllegada Reloj N° Aleat-1 N° Aleat-2 N° Aleat-3 Interllegada N° Aleatorio Z T. de Servicio Hr de inicio Hr de fin
0 0.177 0 0.024 0.298 0.823 0.988 2.249 10:00
0.455 0.184 0.825 0.695 0.153 -1.022
0.043 0.473 0.958 0.834 0.474 -0.064
0.036 0.094 0.016 0.492 0.810 0.880
Ing. Enrique
0.217 Avendaño 0.082 0.653 0.633 0.523 0.057
Delgado

4
 4/8/2020

Ejercicio 1

El tiempo de llegadas de clientes a Peluquería “El”, tiene distribución

exponencial con una media de 15 minutos. En el local hay un solo
peluquero, y tarda entre 15 y 22 min, para terminar un servicio, A los
clientes se les atiende con el sistema FIFO (first-in, first-out). El objetivo de la
simulación es calcular las siguientes medidas de desempeño. Realizar una
simulación para 12 clientes.
Por datos históricos se sabe que con una frecuencia de 70 a cortarse el
pelo, 20 a cortarse la barba, 30 a pintarse el pelo y 10 tratamiento capilar.
1.La utilización promedio del local.
2.La cantidad promedio de clientes en espera.
3.El tiempo de espera promedio de un cliente en cola.

Ing. Enrique Avendaño

Delgado

Ejercicio 2

El tiempo de llegadas de clientes a car wash, tiene distribución exponencial con una
media de 11 minutos. En el local hay una estación de lavado de carros, y tardan entre
18 y 28 min, con distribución uniforme, para terminar un lavado, A los clientes se les
atiende con el sistema FIFO (first-in, first-out). Simular para 15 clientes. Realizar el
calculo de las medidas de desempeño.

• Establecer las llegadas de los autos, bajo una distribución exponencial.

• Establecer las llegadas de los autos, bajo una distribución erlang con 3 grados de
libertad
• Calculas Indicadores

Ing. Enrique Avendaño

Delgado

5
 4/8/2020

Ejercicio 3

El tiempo de atención en una agencia bancaria de menor en envergadura,

tiene 1 ventanillas de atención el tiempo promedio de atención por cliente
es de 8 a 11 min. El tiempo de llegadas de clientes a al banco, tiene
distribución de Exponencial de 8 minutos. A los clientes se les atiende con el
sistema FIFO (first-in, first-out). Calcular las siguientes medidas de
desempeño. Para 5 clientes.
1.La utilización promedio del local.
2.La cantidad promedio de clientes en espera.
3.El tiempo de espera promedio de un cliente en cola.

Ing. Enrique Avendaño

Delgado