Teoría de Colas

2020-II

Dr. Ing. Isabel Chiyón Carrasco

1. Introducción
La Teoría de Colas es un enfoque cuantitativo que
analiza sistemas que implican colas o líneas de espera. A
estos sistemas llegan unos clientes a quienes se les da un
servicio.
 ¿Por qué se forman las colas?
La formación de colas ocurre cuando la demanda de un servicio
excede a la capacidad de proporcionarlo. Esto ocurre incluso
cuando, en promedio, la capacidad de servicio es suficiente para
atender a la demanda, debido a que los clientes llegan
aleatoriamente y/o el tiempo de servicio no es constante.
 La utilidad de la teoría de colas en la
industria.
Supermercados:

Bancos:
“Varias cajas de pago abiertas y una fila para cada una” es una configuración  que
se ha demostrado matemáticamente que es ineficiente, y que con una sencilla
modificación en su configuración podría mejorarse considerablemente la eficiencia
del sistema. Aún así, una enorme mayoría de supermercados a nivel mundial
continúan usando este sistema. De esta misma manera, un sinfín de procesos
industriales están definidos con configuraciones que los llevan hacia la ineficiencia,
y que  pueden mejorarse fácilmente.
Puertos y aduanas:

La espera de vehículos de carga terrestre, al igual  que barcos de carga,

tienen un impacto enorme en la economía global puesto que estos
centros logísticos mueven gran parte de las mercancías que muchísimas
industrias manejan con configuraciones de supply chain global.
Aeropuertos:
La ineficiencia en los aeropuertos puede
representar enormes pérdidas para
muchos actores involucrados, pues cada
aerolínea que se vea retrasada perderá
millones por cada hora de retraso, y los
efectos en los pasajeros multiplican las
pérdidas, pues cada uno de ellos perderá
tiempo y dinero debido a dichas
ineficiencias.

https://editorial.logistica.la/2016/05/09/usos-teoria-de-colas/
Objetivo
 El objetivo del análisis de las colas es evaluar el servicio y los
costos de una instalación con el propósito de optimizar su
utilización.

 La existencia de estas herramientas, permite el análisis para

una mejor definición de los procesos y dar soluciones de la
mejor manera posible, ya que las implicancias de la
ineficiencia derivada de estos fenómenos afecta también a
industrias en todas sus escalas.
 Costo de servicio y de espera en un sistema de colas

Costo
Si se proporciona un elevado nivel de
servicio, se tendrán elevados costos
o
v ici por consumo de recursos, ya sean
r
e se humanos, financieros o materiales.
d
s to Asimismo, un deficiente servicio trae
o
Mínimo C como consecuencia colas muy largas,
que también resultan costosas, ya sea
por el costo social (gente que pierde
el tiempo), por el costo causado por
Costo de espera
la pérdida de clientes, conocido como
costo de oportunidad, por el costo de
Nivel de tener empleados ociosos (mientras
s servicio
forman colas), etc
Conclusión

 En conclusión, si se ahorran costos con un bajo nivel

de servicio, aumentan los costos ocasionados por las
colas. El objetivo final es determinar un nivel de
servicio que minimice la suma de estos dos costos:
costo de servicio y costo de espera.
Ejemplos de Sistemas de colas
 Servicio Comercial
 Supermercados.
 Talleres de servicio.
 Cajeros de un banco.
 Cajeros automáticos.
 Servicios de facultativos.
 Peluquerías.
 Centros de copiado.
 Cabinas telefónicas.
 Cabinas de Internet.
 Ejemplos de Sistemas de colas
 Servicios de transporte
 Vehículos frente a un semáforo.
 Peajes.
 Vehículos de carga esperando a ser
cargados o descargados.
 Buques esperando a ser cargados o
descargados
 Ejemplos de Sistemas de colas
 Servicio interno en la industria
 Sistemas de manejo de materiales.
 Sistemas de mantenimiento.
 Puestos de inspección.
 Almacenes de herramientas
Ejemplos de Sistemas de colas
 Servicio social
 Sistemas de salud pública
 Sistema de salud privada
 Sistema judicial.
2. Estructura de un modelo de colas
La cola, en su concepto más simple, se forma por la llegada
aleatoria de clientes de una determinada población, que ingresan
a un establecimiento o sistema donde solicitan un servicio que es
proporcionado por uno o varios servidores.

Es importante conocer la distribución del tiempo entre llegadas y del tiempo de

Generalmente, el tiempo entre dos llegadas consecutivas
y el tiempo de servicio son variables aleatorias, lo cual,
como ya se ha discutido, origina la formación de colas
en determinados momentos.
Cuando dichas variables aleatorias siguen una
determinada distribución de probabilidad, es posible, en
algunos casos, construir modelos matemáticos
(fórmulas) adecuados para representar y analizar los
modelos de colas.
Características de los sistemas de colas
 Patrón de llegadas de los clientes
 Patrón de servicio de los servidores
 Disciplina de cola
 Capacidad del sistema
 Número de canales de servicio
 Número de etapas de servicio
Proceso de llegadas

• Llegan los clientes, con cierta tasa (clientes por unidad de tiempo)

• Nos restringiremos a sistemas en los que los clientes llegan ‘uno a uno’. Es
decir, dado un instante de tiempo suficientemente pequeño, llegará 0 ó 1
clientes, de lo contrario se denomina ‘llegadas en masa’.

• En cada unidad de tiempo (conjunto de ‘instantes’ consecutivos) llegará un

número de clientes variable. Es una variable aleatoria.

• A veces, no todos los que llegan entran. Por ejemplo, pueden rehusar entrar o
ser rechazados en función del número de individuos que hay en la cola.
 Proceso de llegadas

¿Cómo se cuantifica?

• Es el flujo de entrada de clientes.

• Concretamente, es el número de clientes que llegan en cada unidad de
tiempo,
• O bien el tiempo transcurrido entre clientes consecutivos.
• Ambos conceptos (clientes/tiempo o tiempo/clientes) son variables
aleatorias.
• Definir el proceso de llegadas consiste en definir la distribución de estas
 Proceso de servicio o de salida

• Define la duración de la prestación del servicio (tiempo de servicio), que puede

variar en cada cliente.
• Se puede definir como el número de clientes que salen del sistema tras la
prestación del servicio, en cada unidad de tiempo.
• O bien, puede definirse como el tiempo de servicio (la duración del servicio
prestado: tiempo desde que accede al servidor o canal hasta que lo abandona).
• Ambos conceptos (clientes/tiempo o tiempo/clientes) son variables aleatorias.
• Definir el proceso de salidas o servicio consiste en definir la distribución de
estas variables aleatorias.
Los servidores pueden estar en paralelo,
ofreciendo todos el mismo servicio. Un
cliente pasa por un solo servidor.

Si cada cliente debe pasar por varios

servidores: servidores en serie (como en una
línea de ensamblaje)
 Una fase Varias fases

Un
servidor

Varios
servidores

Tipos de sistemas de colas

Cuando hay varios servidores o canales de servicio, cada servidor puede

tener su propia cola (con la posibilidad de que cualquier cliente pueda
cambiar de cola) o puede haber una sola cola.
 La ‘disciplina de la cola’ es el método empleado para determinar el orden por
el cual se atiende a los clientes.

• FCFS: first come, first served; o FIFO: first in, first out , es la más
empleada. Se atiende por orden de llegada.
• LCFS: last come, first served; o LIFO: last in, first out. Se atiende primero
al cliente más reciente.
• SIRO: service in random order, o RSS: random selection of service. El
servicio es en orden aleatorio.
Puede haber una o varias colas, permitirse o no cambiar de cola, o haber prioridades de atención.
La longitud de la cola es una variable aleatoria, pues depende del
número de llegadas, que es aleatorio, y del tiempo de atención o
servicio, que es también aleatorio.

La ‘calidad’ del servicio dependerá no solo del tiempo de servicio,

sino de la longitud de la cola
¿Cómo medir el rendimiento de un sistema?

La tarea de un analista de colas puede ser de dos tipos:

a) Establecer mecanismo para medir la efectividad del

sistema.

b) Diseñar un sistema “óptimo” (de acuerdo a algún

criterio).
En cualquier caso, para poder tomar decisiones hacen falta datos
que la teoría de colas puede dar en alguno de los tres aspectos:

a) Tiempo de espera (en el total del sistema o en la cola)

b) Cantidad de clientes esperando (en el sistema o en las colas)
c) Tiempo ocioso de los servidores (total o particular de cada
servicio)
 Terminología

  Estado: número de clientes en el sistema en un instante dado

 : estado del sistema en el que hay n clientes.
 s: número de servidores o canales de servicio del sistema.
Si n > s, el tamaño de la cola será: n – s.
 : probabilidad de que en el instante t haya exactamente n clientes en el
sistema. Probabilidad de que el estado en sea
 : tasa o razón media de llegada, o número medio de llegadas por unidad de
tiempo, cuando ya hay n clientes en el sistema.
 : tasa o razón media de salida, o número medio de salidas por unidad de
tiempo, cuando ya hay n clientes en el sistema.
 Estados del sistema

 Estado transitorio
Cuando un sistema recién ha iniciado su actividad, cabe esperar que su
estado esté fuertemente influenciado por el estado inicial del sistema y
por el tiempo transcurrido. Se dice entonces que el sistema está en estado
transitorio.
 Estado estable
Cuando ya ha transcurrido un tiempo suficiente, el estado del sistema ya
suele ser independiente del estado inicial y del tiempo transcurrido. Se
dice entonces que el sistema está en estado estable o estacionario.
 Terminología para el Estado
Estacionario

:
 probabilidad
  de que haya exactamente n clientes en el
sistema, independientemente de t.
 : número medio de clientes en el sistema.
 : tamaño medio de la cola o número esperado de clientes en
la cola.
 : tiempo medio que un cliente pasa en el sistema.

 : tiempo medio de espera en la cola.

 3. El proceso de Poisson
VARIABLE DE POISSON

En un proceso de llegada…
  nº de clientes que llegan en una unidad de tiempo

En la prestación del servicio:

  nº de clientes que se atienden en una unidad de tiempo

𝑋  𝑃𝑜𝑖( )
número medio de
sucesos por unidad
de medida
Ejemplo: Un servidor de una pequeña red recibe una media de 7 accesos al minuto.
Suponiendo que los accesos a dicho servidor suceden de forma independiente y
con un ritmo medio constante.
Se quiere calcular la probabilidad de que reciba más de 10 accesos en un
minuto, que es el número de accesos a partir del cual el servidor tendría un
rendimiento deficiente.
  un puesto de servicio llegan de manera independiente y estable, una media de 10
A
clientes/hora. Calcular la probabilidad de que lleguen 8 clientes en la próxima media
hora, sabiendo que en la última hora llegaron 14 clientes.

SOLUCIÓN:

La variable aleatoria número de clientes que llegan en media hora, es una variable de
Poisson de parámetro λ=5.
Si A representa el suceso: llegan 8 clientes en la próxima media hora y B el suceso:
llegaron 14 clientes en la hora anterior, se cumple que:

P(A∣B)=P(A), y en consecuencia,

.
 Si los clientes acuden a un servicio de forma independiente y con tasa contante
de 1 cliente por minuto:

a) ¿Cuál es la probabilidad de que no llegue nadie en un minuto?

b) Si después de un minuto no llegó nadie, ¿Cuál es la probabilidad de que no
llegue nadie tampoco en el segundo minuto?

SOLUCION:

a) clientes en un minuto

b) clientes en el minuto 1
clientes en el minuto 2 ) y son independientes
− 𝜆2
 𝑃 ( 𝑋 2= 0|𝑋 1 = 0 ) = 𝑃 ( 𝑋 2=0 )= 𝑒 =0.37
3. El proceso de Poisson

La propiedad de independencia también se denomina de

‘ausencia de memoria’ o ‘amnesia’

Es como si el proceso no se acordase de cuántos clientes

han venido en los periodos anteriores.

El pasado no influye en el valor actual o futuro de X.

 PROBLEMA

Un estacionamiento tiene dos entradas. Los autos llegan a la entrada I según una variable
de Poisson con 3 autos a la hora y a la entrada II con 4 autos a la hora. Si el número de
autos que llega a cada entrada son independientes, ¿cuál es la probabilidad de que en una
hora lleguen 3 autos al estacionamiento?
SOLUCIÓN:
 
Sea X₁= Autos que llegan a la entrada I por hora y X₂= Autos que llegan a la entrada II
por hora. Entonces, y independientes, con λ₁=3 y λ₂=4 respectivamente.

La variable aleatoria que nos interesa es el número total de autos que entra en el
aparcamiento cada hora, es decir,

luego
Por tanto,
 3. El proceso de Poisson
VARIABLE EXPONENCIAL

T=tiempo entre clientes en un proceso de Poisson

 Es una v.a. continua. Su dominio es
T se denomina variable aleatoria exponencial
 𝑇 𝐸𝑥𝑝( ) La media del proceso de
Poisson. Número medio de
sucesos por unidad de medida
  T=intervalo entre dos sucesos consecutivos de un proceso de Poisson

• Función de densidad:
 𝑓 ( 𝑡 )= 𝜆 𝑒− 𝜆 𝑡 ; 𝜆 >0 ; 𝑡 ≥ 0.
• Función de distribución de probabilidad:

• Medidas características
Ejemplo: El proceso de llegadas de clientes a un puesto de servicio se produce de
manera estable e independiente, siendo el intervalo transcurrido entre la
llegada de dos clientes consecutivos una variable aleatoria
exponencial.
Por término medio llega un cliente cada minuto.
(a) ¿Cuál es la probabilidad de que no lleguen clientes en 3 minutos?
(b) ¿Cuál es la probabilidad de que el intervalo de tiempo entre dos clientes
consecutivos sea inferior a un minuto?

T=intervalo (minutos) entre dos clientes consecutivos

T~Exp(); =1 cliente/minuto

(a)

(b)
 Ausencia de memoria
El proceso de Poisson no tiene memoria.
Por ejemplo, no se acuerda de cuánto tiempo ha transcurrido desde el último suceso
observado

1 1
P (T  1)   f (t )dt    e  t dt 1  e   1
0 0

P  (T  11)  (T  10)  P (10  T  11)

P (T  11| T  10)  
P(T  10) P(T  10)
P (T  11)  P(T  10)

P (T  10)


 1 e   11
   1 e   10
  1 e   1
 P (T  1)
  10
e
PROBLEMA:

Un servidor que alberga una página web recibe por término medio 10 accesos por
minuto, pudiéndose considerar que los accesos son sucesos independientes. Se quiere
saber:

a) ¿Cuál es la probabilidad de que no acceda nadie durante 2 minutos?

b) ¿Cuál es la probabilidad de que haya exactamente 10 accesos en un minuto?
c) ¿Cuánto tiempo transcurrirá, por término medio, entre dos accesos consecutivos?
d) ¿Cuál es la probabilidad de que entre dos accesos consecutivos transcurra menos de
un segundo?

 = 10 accesos/minuto
SOLUCIÓN:
 
10 −10
  10
a) 0.125 𝑃 ( 𝑋=10 ) =
10!
𝑒 ( )
b) 6 segundos

c) 0.154 P(T<0.0167 min) = 1 – e -10(0.0167)

4. Proceso básico de entrada y salida

Determinístico: En el cual clientes sucesivos llegan en un

mismo intervalo de tiempo, fijo y conocido.

Probabilístico: En el cual el tiempo entre llegadas sucesivas es

incierto y variable. Los tiempos entre llegadas probabilísticos se
describen mediante una distribución de probabilidad. Por lo
general se emplea la distribución exponencial, ya que se ajusta a
las características del sistema.
¿Cuál es el tiempo entre llegadas?

La función de densidad para una distribución exponencial depende del

parámetro λ (letra griega lambda), y está dada por:
En donde λ (lambda) es
el número promedio de
f(t)=(1/ λ) e−λt llegadas en una unidad de
tiempo.

1/λ : Tiempo esperado entre llegadas.

Con una cantidad T, de tiempo, se puede hacer uso de la función de densidad

para calcular la probabilidad de que el siguiente cliente llegue dentro de las
siguientes T unidades a partir de la llegada anterior, de la siguiente forma
¿Cuánto tiempo se requiere para llevar a cabo el servicio?

Esta cantidad es relevante debido a que cuanto más dure el

servicio, más tendrán que esperar los clientes que llegan. Este
tiempo puede ser determinístico o probabilístico. Con un tiempo
de servicio determinístico, cada cliente requiere, precisamente, de
la misma cantidad conocida de tiempo para ser atendido.
Con un tiempo de servicio probabilístico, cada cliente requiere
una cantidad distinta e incierta de tiempo de servicio. Los
tiempos de servicio probabilísticos se describen mediante una
distribución de probabilidad. Es aconsejable seguir la
distribución exponencial porque para temas prácticos ha
funcionado adecuadamente.
En este caso, su función de densidad depende de un parámetro, por
ejemplo la letra griega µ y está dada por:

s(t)=(1/ μ) e-μt

En la que:

µ = número promedio de clientes atendidos por unidad de tiempo,

de modo que:

1/ µ = tiempo promedio invertido en atender a un cliente.

4. Proceso básico de entrada y salida
Los procesos estocásticos de entrada y salida pueden ser, en general, muy complejos.
Vamos a limitarnos al estudio de procesos en los que se cumplen los siguientes
postulados (conocidos también como procesos de nacimiento-muerte)

• Se denomina entrada (nacimiento) a la llegada de un cliente al sistema.

• Se denomina salida (muerte) a la salida de un cliente que ya ha sido atendido.

 
1-Postulado Si el sistema se encuentra en el estado en el instante , la probabilidad
de entrada: de que ocurra una entrada en el intervalo es:
  𝜆𝑛 Δ 𝑡 +𝑜 ( Δ 𝑡 )
 Se pasaría entonces del estado a

donde
  representa una cantidad de un orden de magnitud inferior a y, por tanto, insignificante si se encuentra en
una expresión donde esté (se lee ‘o pequeña’. Una notación alternativa de similar interpretación es ). Se
cumple que

  lim 𝑜 ( Δ 𝑡 ) =0
Δ𝑡 → 0 Δ𝑡
4. Proceso básico de entrada y salida
 
1- Postulado Si el sistema se encuentra en el estado en el instante , la
de entrada: probabilidad de que ocurra una entrada en el intervalo es:
  𝜆𝑛 Δ 𝑡 +𝑜 ( Δ 𝑡 )

Estamos
  en el instante , y el último cliente llegó en . Llamemos T al tiempo entre clientes. En este
caso sabemos que y queremos calcular la probabilidad de que El postulado dice

∗ ∗
 𝑃 ( 𝑇 <(𝑡 − 𝑡 )+ Δ 𝑡 |𝑇 >(𝑡 − 𝑡 )) ≈ 𝜆𝑛 Δ 𝑡

Este
  postulado implica que, despreciando los términos de menor orden, estas probabilidades
siguen una distribución exponencial . En este caso se tiene que, por la propiedad de falta de
memoria de la exponencial
∗ ∗ − 𝜆𝑛 Δ 𝑡
 𝑃 ( 𝑇 <(𝑡 −𝑡 )+ Δ 𝑡 |𝑇 >(𝑡 − 𝑡 )) = 𝑃 (𝑇 < Δ 𝑡 )=1 −𝑒

 Haciendo una expansión de Taylor de cuando

𝑒  − 𝜆 Δ𝑡 =1 − 𝜆 𝑛 Δ 𝑡 + 𝑜 ( Δ 𝑡 ) ≈ 1 − 𝜆 𝑛 Δ 𝑡
𝑛

Por
  tanto, si :
− 𝜆𝑛 Δ𝑡
 𝑃 ( 𝑇 <𝑡 + Δ 𝑡 |𝑇 > 𝑡 ) =1− 𝑒 = 𝜆 𝑛 Δ 𝑡 + 𝑜( Δ 𝑡 )
 2- Postulado Si
  el sistema se encuentra en el estado en el instante , la probabilidad
de salida: de que ocurra una salida en el intervalo es:
  𝜇𝑛 Δ 𝑡 + 𝑜 ( Δ 𝑡 )
 Se pasaría entonces del estado a

Se
  puede hacer un razonamiento similar al anterior. Estamos en el instante y a un cliente le están ya
prestando el servicio desde el instante . Sea la duración del servicio. Entonces se tiene que . ¿Cuál
es la probabilidad de que el servicio finalice antes de ?

El ‘postulado de salida’ dice que

∗ ∗
 𝑃 ( 𝐷 <(𝑡 − 𝑡 )+ Δ 𝑡| 𝐷 >(𝑡 − 𝑡 )) ≈ 𝜇 𝑛 Δ 𝑡
 Este postulado implica que, despreciando los términos de menor orden, las probabilidades siguen
una distribución exponencial . Por la propiedad de falta de memoria

∗ ∗ − 𝜇𝑛 Δ 𝑡
 𝑃 ( 𝐷 <(𝑡 −𝑡 )+ Δ 𝑡| 𝐷 >(𝑡 − 𝑡 )) = 𝑃 ( 𝐷 < Δ 𝑡 ) =1 −𝑒

Haciendo
  una expansión de Taylor de cuando
− 𝜇𝑛 Δ 𝑡
𝑒  =1− 𝜇𝑛 Δ 𝑡 + 𝑜 ( Δ 𝑡 ) ≈ 1− 𝜇 𝑛 Δ 𝑡
Por tanto:
− 𝜇𝑛 Δ 𝑡
 𝑃 ( 𝐷 <𝑡 + Δ 𝑡| 𝐷> 𝑡 ) =1− 𝑒 ≈ 𝜇𝑛 Δ 𝑡
4. Proceso básico de entrada y salida
3- Postulado de
Las llegadas y las salidas son independientes entre si
independencia

Corolario

 Los Postulados 1 a 3 permiten demostrar que la probabilidad de que haya más de

un evento (más de una entrada, o más de una salida, o una entrada y una salida,
etc) en es

Por tanto, si el sistema se encuentra en el estado en el instante , la probabilidad de

que no se produzca ni entrada ni salida en será
 

 donde se ha aplicado que

5. Distribución de probabilidad de los estados

  estado en el que se encuentra un sistema es una variable aleatoria discreta. Puede ser
El
n=0,1,2,3,…, con probabilidades etc. Para modelizar las propiedades estadísticas del
sistema (básico) de colas, debemos obtener las probabilidades de estar en cada estado,
es decir, la función de probabilidad de .

A estas probabilidades las denominaremos

Probabilidades del Proceso Básico de Entrada-Salida

Lo que nos interesa son estas probabilidades cuando el sistema está en estado estable o
estacionario. En ese caso, reciben el nombre de

Probabilidades de Estado Estable del Proceso Básico de Entrada-Salida

 5. Distribución de probabilidad de los estados
Derivación de las probabilidades de estado para el proceso básico de entrada-salida.

 • Supongamos que estamos en el instante . Queremos calcular la probabilidad de alcanzar

el estado en el instante .

• Si se cumplen los postulados anteriores, por los que no puede ocurrir más de una
llegada o salida en un instante cuando , los únicos estados relevantes para son o .
Cualquier otro estado tiene una probabilidad de suceder de .
 𝑡  𝑡 + Δ 𝑡

Caso I  𝐸𝑛 − 1

Caso II  𝐸𝑛 +1
 𝑬𝒏
Caso III  𝐸𝑛

Caso IV Otros
5. Distribución de probabilidad de los estados

Veamos caso a caso.

Caso I  𝑡  𝑡 + Δ𝑡
 𝐸𝑛 − 1  𝐸𝑛

 ¿Cuál es la probabilidad de esta secuencia de eventos, es decir, de tener

en y en ?

 
𝑃 ¿
una llegada
Recordatorio
  𝜆¿¿ 𝑛 − 1 Δ 𝑡 +𝑜 ( Δ 𝑡 )] × 𝑃 𝑛− 1 (𝑡 )¿
¿[
 
Postulado de
entrada
5. Distribución de probabilidad de los estados

Análogamente…
Caso II  𝑡  𝑡 + Δ𝑡
 𝐸𝑛 +1  𝐸𝑛

 ¿Cuál es la probabilidad de esta secuencia de eventos, es decir, de tener

en y en ?

 
𝑃 ¿
una salida

  𝜇¿¿ 𝑛+1 Δ 𝑡 + 𝑜( Δ 𝑡 )]× 𝑃𝑛+1 (𝑡 ) ¿

¿[

Postulado de salida
5. Distribución de probabilidad de los estados

Análogamente…
Caso III  𝑡  𝑡 + Δ𝑡
 𝐸𝑛  𝐸𝑛
 ¿Cuál es la probabilidad de esta secuencia de eventos, es decir, de tener
en y en ?

 
𝑃 ¿
ni entrada ni
salida

 
¿[1− 𝜆𝑛 𝛥 𝑡   − 𝜇 𝑛 𝛥 𝑡 +𝑜 ( Δ 𝑡 )]× 𝑃 𝑛 (𝑡)

Corolario
5. Distribución de probabilidad de los estados

Análogamente…
Caso IV  𝑡  𝑡 + Δ 𝑡

otros  𝐸𝑛

 ¿Cuál es la probabilidad de esta secuencia de eventos, es decir, de tener en y otro

estado diferente a los casos anteriores en ?

 
𝑃 ¿
 
5. Distribución de probabilidad de los estados

Resumen de las Probabilidades de cambio de estado

Suceso en el Probabilidad de alcanzar En

Estado en el
intervalo
instante t en el instante

En-1 Una llegada

En+1 Una salida

En Ningún suceso

Cualquier Más de
otro un suceso
  Por tanto, la probabilidad de alcanzar el estado en el instante :
 
(

Simplificando:
 

Y puede entonces escribirse:

 
4. Proceso
 Para básico
un ‘instante’ deseentrada
(cuando tiene que y salida

 Δlim
𝑡→0
𝑃𝑛 ( 𝑡 + Δ 𝑡 ) − 𝑃 𝑛 ( 𝑡 )
𝑑 𝑃 𝑛 (𝑡 ) ′
= = 𝑃 (𝑡 )
Δ𝑡 𝑑𝑡 𝑛

y entonces se obtiene
′
 𝑃𝑛 ( 𝑡 ) = 𝜆 𝑛 −1 𝑃 𝑛 −1 ( 𝑡 ) + 𝜇𝑛+1 𝑃𝑛+1 ( 𝑡 ) − ( 𝜆 𝑛 +   𝜇 𝑛 ) 𝑃 𝑛 ( 𝑡 ) (1)

pues
  𝑜 (Δ𝑡)
lim =0
Δ𝑡 → 0 Δ𝑡

 
Para
  no hay clientes, es decir, , no habrá servicio, por lo que Asimismo, no podrá haber
Si
un número negativo de clientes, por lo que el estado es imposible y, por tanto,

Se tiene entonces
′
 𝑃0 ( 𝑡 ) = 𝜇1 𝑃 1 ( 𝑡 ) − 𝜆0 𝑃0 ( 𝑡 ) (2)
5. Distribución de probabilidad de los estados

Se tienen, por tanto, estas dos ecuaciones (diferenciales)

′
 𝑃 𝑛 ( 𝑡 ) = 𝜆 𝑛 −1 𝑃 𝑛 −1 ( 𝑡 ) + 𝜇𝑛+1 𝑃𝑛+1 ( 𝑡 ) − ( 𝜆 𝑛 +   𝜇 𝑛 ) 𝑃 𝑛(1)
(𝑡 )
′
 𝑃0 ( 𝑡 )  = 𝜇1 𝑃1 ( 𝑡 ) − 𝜆 0 𝑃 0 ( 𝑡 ) (2)

 
Estas dos ecuaciones forman un sistema de (infinitas) ecuaciones diferenciales, de las
que tenemos que despejar las . No hay una solución general.

Las resolveremos para casos particulares. Empezaremos resolviéndola para el caso

estable, y luego la iremos particularizando para situaciones más específicas.
6. Solución para el caso estable
 
Para el estado estable las probabilidades son independientes de t: . Por tanto

  ′ ′ 𝑑 𝑃𝑛
𝑃 ( 𝑡 ) =𝑃𝑛 =
𝑛 =0
𝑑𝑡

Las ecuaciones (1) y (2) para derivar las probabilidades de estado estable quedan
entonces así:

 𝜆𝑛 − 1 𝑃 𝑛 − 1+ 𝜇 𝑛+1 𝑃 𝑛+1 − ( 𝜆𝑛 +   𝜇 𝑛 ) 𝑃

(3)𝑛= 0

  𝜇1 𝑃 1 − 𝜆 0 𝑃 0= 0 (4)

Suelen denominarse: ECUACIONES DE BALANCE

Algunas consideraciones…

El estado estable o estacionario, de existir, puede venir a continuación de un estado

transitorio. En ese caso puede interpretarse que las probabilidades de estado estable
son  

 No debemos confundir y .

• Con queremos decir que no hay clientes en el sistema ( y eso ocurrirá con
una determinada probabilidad en cualquier instante (si es estacionario ). Es
decir, en un instante dado el sistema se ha vaciado de clientes. En la
siguiente unidad de tiempo puede de nuevo haber clientes.

• Con nos referimos al momento inicial en el que comienzan los clientes a

llegar. Es habitual asumir que en , . Si nuestro interés es el sistema
estacionario, este momento no nos interesa.
6. Solución para el caso estable
Solución de las ecuaciones de balance para el estado estable (cont.)

  𝜆0
𝑛=0
   𝜇1 𝑃 1= 𝜆 0 𝑃 0 𝑃 1= 𝑃
𝜇1 0

𝑛=1
 
𝜆 0 𝑃0 −𝜇1 𝑃1+𝜇2 𝑃2 −𝜆1 𝑃1=0⇒𝜇2 𝑃2=𝜆1 𝑃1   𝜆1
𝑃 2= 𝑃 1 =
𝜇2
𝜆1 𝜆 0
𝜇2 𝜇1 0
𝑃

𝑛=2
 
𝜆 1 𝑃1−𝜇2 𝑃2+𝜇3 𝑃3−𝜆2 𝑃2=0⇒𝜇3 𝑃3=𝜆2 𝑃2   𝜆2
𝑃 3= 𝑃 2 =
𝜆2 𝜆 1 𝜆 0
𝑃
𝜇3 𝜇 3 𝜇 2 𝜇1 0
   
 
𝑛 −1

 𝑃 = 𝜆𝑛 𝑃   ∏ 𝜆𝑖
general  𝜇𝑛 𝑃𝑛= 𝜆𝑛 − 1 𝑃𝑛 − 1
𝑖=0
𝑃𝑛 = 𝑃0
𝑛
𝜇 𝑛 𝑛 −1
𝑛

∏ 𝜇𝑖
𝑖=1
6. Solución para el caso estable
Solución para el estado estable (cont.)

𝑛−1

  ∏
𝑖=0
𝜆𝑖
𝑃 𝑛 =𝑐 𝑛 𝑃 0 ; 𝑐𝑜𝑛 𝑐 𝑛 = 𝑛

∏ 𝜇𝑖
𝑖=1

Como en cualquier tiempo dado debemos estar en algún estado, se cumplirá que
 

1
 𝑃0 = ∞
1 +∑ 𝑐 𝑛
𝑛 =1
6. Solución para el caso estable
  tanto, una vez que están definidos los procesos de entrada y salida, a través de los y
Por
los , ya podemos calcular las probabilidades de estar en cada estado
𝑛−1

  ∏ 𝜆𝑖 1
𝑃 𝑛 =𝑐 𝑛 𝑃 0 ; 𝑐𝑜𝑛 𝑐 𝑛= 𝑖=0
𝑛
 𝑃0 = ∞

∏ 𝜇𝑖 1 +∑ 𝑐𝑛
𝑖=1 𝑛 =1

Podemos así calcular, por ejemplo, la longitud media de línea (número medio de
personas en el sistema)
∞
 
𝐿=∑ 𝑛 𝑃𝑛
𝑛=0

 Si hay servidores, clientes estarán en la cola. La longitud media de la cola será

∞
 
𝐿𝑞 = ∑ (𝑛 − 𝑠) 𝑃 𝑛
𝑛=𝑠 +1
7. Ejemplo caso estable general con Excel

  servicio de atención al cliente de un banco recibe una media de 300 llamadas

El
telefónicas por hora. El tiempo entre llamadas se distribuye como una exponencial. El
banco emplea en este servicio a un total de 20 operadores. La duración de las llamadas
puede también modelizarse como una exponencial. Cada operador atiende una media
de 12 llamadas por hora. El sistema telefónico puede tener a 18 personas en espera,
que son atendidas según una disciplina FIFO a medida que queden operadores libres.

Implemente este sistema en una hoja de cálculo que muestre:

• Para cada estado, el valor de ,
• Grafique la función de probabilidad de los estados
• Calcule la fracción de tiempo con todos los operadores ocupados
• Calcule el número medio de persona que está en el sistema
• Calcule la longitud media de la cola
7. Ejemplo caso estable general con Excel
 Con estos datos se tiene que ESTADOS Lambda_n Mu_n Cn

0 300 0 1
• 18 en cola y 20 atendidos 1
2
300
300
12
24
25
312.5
3 300 36 2604.16667
• nº máximo de clientes en cola: 18 4
5
300
300
48
60
16276.0417
81380.2083
6 300 72 339084.201
7 300 84 1211015
8 300 96 3784421.89
9 300 108 10512283
10 300 120 26280707.6
11 300 132 59728880.8
12 300 144 124435168
13 300 156 239298401
Calculamos
  en una columna, donde 14 300 168 427318573
15 300 180 712197622
𝑛 −1
16 300 192 1112808784
  ∏
𝑖= 0
𝜆𝑖
𝜆 𝑛 −1 17 300 204 1636483505
𝑐 𝑛= 𝑛
= 𝑐 𝑛 − 1 ; 𝑐 0= 1 , 𝑛 =0,1 , … , 38
𝜇𝑛 18 300 216 2272893757
∏ 𝜇𝑖
𝑖=1 19 300 228 2990649681
20 300 240 3738312101
21 300 240 4672890126
 
Creamos finalmente una 22 300 240 5841112658
columna para ,donde

1
 𝑃0 =
 𝑃𝑛 =𝑐 𝑛 𝑃 0
38 36 300 240 1.3281E+11
1 +∑ 𝑐 𝑛 37 300 240 1.6601E+11
𝑛 =1
38 0
300 240 2.0752E+11
7. Ejemplo caso estable general con Excel
¿Cuál es la probabilidad de que todos los operadores estén ocupados?

  38 38
𝑃 ( todos  ocupados )=𝑃 ( ¿𝑛=20 ¿ 38 𝐸 𝑛 )= ∑ 𝑃 ( 𝐸𝑛 ) = ∑ 𝑃 𝑛=0.9907
𝑛=20 𝑛=20

Todos ocupados?
ESTADOS Lambda_n Mu_n Cn Pn Pn*ocup n*Pn nº cola nºcola*Pn
(ocup)
0 300 0 1 9.69E-13 No 0 0.00E+00 0.00E+00 0.00 0.000
1 300 12 25 2.42E-11 No 0 0.00E+00 2.42E-11 0.00 0.000
2 300 24 312.5 3.03E-10 No 0 0.00E+00 6.05E-10 0.00 0.000
3 300 36 2604.16667 2.52E-09 No 0 0.00E+00 7.57E-09 0.00 0.000
4 300 48 16276.0417 1.58E-08 No 0 0.00E+00 6.31E-08 0.00 0.000
5 300 60 81380.2083 7.88E-08 No 0 0.00E+00 3.94E-07 0.00 0.000
6 300 72 339084.201 3.28E-07 No 0 0.00E+00 1.97E-06 0.00 0.000
7 300 84 1211015 1.17E-06 No 0 0.00E+00 8.21E-06 0.00 0.000
8 300 96 3784421.89 3.67E-06 No 0 0.00E+00 2.93E-05 0.00 0.000
9 300 108 10512283 1.02E-05 No 0 0.00E+00 9.17E-05 0.00 0.000
10 300 120 26280707.6 2.55E-05 No 0 0.00E+00 2.55E-04 0.00 0.000
11 300 132 59728880.8 5.79E-05 No 0 0.00E+00 6.36E-04 0.00 0.000

34 300 240 8.4999E+10 8.23E-02 Si 1 0.0823 2.80E+00 14.00 1.153

35 300 240 1.0625E+11 1.03E-01 Si 1 0.1029 3.60E+00 15.00 1.544
36 300 240 1.3281E+11 1.29E-01 Si 1 0.1287 4.63E+00 16.00 2.059
37 300 240 1.6601E+11 1.61E-01 Si 1 0.1608 5.95E+00 17.00 2.734
38 300
0 240 2.0752E+11 2.01E-01 Si 1 0.2010 7.64E+00 18.00 3.619
suma 0.9907
7. Ejemplo caso estable general con Excel
¿Cuál es el número medio de clientes en el sistema?

  ∞ 38
𝐸 ( 𝑛 º  clientes   en   sistema )=𝐿=∑ 𝑛 𝑃 𝑛=∑ 𝑛 𝑃𝑛 =34.17
𝑛=0 𝑛 =0

Todos ocupados?
ESTADOS Lambda_n Mu_n Cn Pn Pn*ocup n*Pn nº cola nºcola*Pn
(ocup)
0 300 0 1 9.69E-13 No 0 0.00E+00 0.00E+00 0.00 0.000
1 300 12 25 2.42E-11 No 0 0.00E+00 2.42E-11 0.00 0.000
2 300 24 312.5 3.03E-10 No 0 0.00E+00 6.05E-10 0.00 0.000
3 300 36 2604.16667 2.52E-09 No 0 0.00E+00 7.57E-09 0.00 0.000
4 300 48 16276.0417 1.58E-08 No 0 0.00E+00 6.31E-08 0.00 0.000
5 300 60 81380.2083 7.88E-08 No 0 0.00E+00 3.94E-07 0.00 0.000
6 300 72 339084.201 3.28E-07 No 0 0.00E+00 1.97E-06 0.00 0.000
7 300 84 1211015 1.17E-06 No 0 0.00E+00 8.21E-06 0.00 0.000
8 300 96 3784421.89 3.67E-06 No 0 0.00E+00 2.93E-05 0.00 0.000
9 300 108 10512283 1.02E-05 No 0 0.00E+00 9.17E-05 0.00 0.000
10 300 120 26280707.6 2.55E-05 No 0 0.00E+00 2.55E-04 0.00 0.000
11 300 132 59728880.8 5.79E-05 No 0 0.00E+00 6.36E-04 0.00 0.000

34 300 240 8.4999E+10 8.23E-02 Si 1 0.0823 2.80E+00 14.00 1.153

35 300 240 1.0625E+11 1.03E-01 Si 1 0.1029 3.60E+00 15.00 1.544
36 300 240 1.3281E+11 1.29E-01 Si 1 0.1287 4.63E+00 16.00 2.059
37 300 240 1.6601E+11 1.61E-01 Si 1 0.1608 5.95E+00 17.00 2.734
38 0
300 240 2.0752E+11 2.01E-01 Si 1 0.2010 7.64E+00 18.00 3.619
suma 34.17
7. Ejemplo caso estable general con Excel
¿Cuál es el número medio de clientes en la cola?

  ∞ 38
𝐸 ( 𝑛 º  clientes   en   cola ) =𝐿𝑞= ∑ (𝑛 − 𝑠)𝑃 𝑛= ∑ 𝑛 𝑃 𝑛=14.15
𝑛=𝑠+1 𝑛=21

Todos ocupados?
ESTADOS Lambda_n Mu_n Cn Pn Pn*ocup n*Pn nº cola nºcola*Pn
(ocup)
0 300 0 1 9.69E-13 No 0 0.00E+00 0.00E+00 0.00 0.000
1 300 12 25 2.42E-11 No 0 0.00E+00 2.42E-11 0.00 0.000
2 300 24 312.5 3.03E-10 No 0 0.00E+00 6.05E-10 0.00 0.000
3 300 36 2604.16667 2.52E-09 No 0 0.00E+00 7.57E-09 0.00 0.000
4 300 48 16276.0417 1.58E-08 No 0 0.00E+00 6.31E-08 0.00 0.000
5 300 60 81380.2083 7.88E-08 No 0 0.00E+00 3.94E-07 0.00 0.000
6 300 72 339084.201 3.28E-07 No 0 0.00E+00 1.97E-06 0.00 0.000
7 300 84 1211015 1.17E-06 No 0 0.00E+00 8.21E-06 0.00 0.000
8 300 96 3784421.89 3.67E-06 No 0 0.00E+00 2.93E-05 0.00 0.000
9 300 108 10512283 1.02E-05 No 0 0.00E+00 9.17E-05 0.00 0.000
10 300 120 26280707.6 2.55E-05 No 0 0.00E+00 2.55E-04 0.00 0.000
11 300 132 59728880.8 5.79E-05 No 0 0.00E+00 6.36E-04 0.00 0.000

34 300 240 8.4999E+10 8.23E-02 Si 1 0.0823 2.80E+00 14.00 1.153

35 300 240 1.0625E+11 1.03E-01 Si 1 0.1029 3.60E+00 15.00 1.544
36 300 240 1.3281E+11 1.29E-01 Si 1 0.1287 4.63E+00 16.00 2.059
37 300 240 1.6601E+11 1.61E-01 Si 1 0.1608 5.95E+00 17.00 2.734
38 300 240 2.0752E+11 2.01E-01 Si 1 0.2010 7.64E+00 18.00 3.619
0
suma 14.15