2

TEORA DE COLAS Y STOCKS

ndice

Elementos de teora de colas
Descripcin de un sistema de colas.....................................................................................................3
El proceso de Poisson y la distribucin exponencial ..........................................................................4
Variables asociadas a un sistema de colas...........................................................................................9
Notacin de Kendall...........................................................................................................................11
Cola determinstica.............................................................................................................................11

Colas tipo M/M/1
Comprobacin de la distribucin de las llegadas..............................................................................14
Estudio de la cola...............................................................................................................................16
Medidas de eficacia en estado estacionario.......................................................................................19
Frmulas de Little..............................................................................................................................21
Ejemplos.............................................................................................................................................22


Colas tipo M/M/C
Estudio de la cola...............................................................................................................................24
Medidas de eficacia en estado estacionario.......................................................................................28
Ejemplos.............................................................................................................................................29
Cola tipo M/M/C/K ............................................................................................................................34
Cuadro resumen..................................................................................................................................37

Colas tipo M/G/1
Estudio de la cola...............................................................................................................................38
Frmula de Pollaczek-Khintchine......................................................................................................40
Distribucin estacionaria de los puntos de salida..............................................................................42
Ejemplos.............................................................................................................................................43
Colas tipo M/E
k
/1...............................................................................................................................45
Colas tipo M/G/1/N............................................................................................................................45

Colas con parmetros variables
Caso general .......................................................................................................................................47
Cola con desaliento............................................................................................................................48
Cola binomial .....................................................................................................................................48
Cola con desaliento dependiente del tiempo de servicio...................................................................49
Cola con tasa de servicio dependiente del estado..............................................................................50
Cola con servidor adicional cuando la cola es grande.......................................................................50
Colas con prdidas.............................................................................................................................51
Problema de las mquinas..................................................................................................................52

Redes de colas
Redes de colas en serie.......................................................................................................................55
Redes de colas abiertas.......................................................................................................................56
Redes de colas cerradas......................................................................................................................57
Redes de colas cclicas.......................................................................................................................57


3
ELEMENTOS DE TEORA DE COLAS



Descripcin de un sistema de colas

La teora de colas aparece a principios del presente siglo para estudiar los
problemas de congestin de trfico que se presentaban en las recientemente inventadas
comunicaciones telefnicas. Entre 1903 y 1905, Erlang es el primero en tratar el trfico
telefnico de forma cientfica, y establece la unidad de trfico telefnico, que recibe su
nombre. Posteriormente esta teora se ha aplicado a multitud de problemas de la vida
real, como el trfico de automviles, la regulacin de semforos en una ciudad, la
determinacin del nmero de cajeros en los hipermercados, o el control de los tiempos
de espera de los procesos que acceden al procesador de un ordenador que trabaja en
tiempo compartido.
Lo elementos ms importantes de un sistema de colas son: las llegadas, la cola,
el servicio y la salida.











En general, un sistema de colas consiste en uno o varios servidores que prestan
un servicio a uno o varios usuarios que acceden al sistema. El proceso de llegadas lo
regula una fuente generadora de usuarios y, en general, estas llegadas sern de forma
aleatoria. Esta fuente generadora de usuarios puede ser finita o infinita.
Interesa saber cul es el intervalo de tiempo entre las llegadas de dos usuarios
consecutivos. Adems, segn cmo sea el proceso de llegadas, los usuarios pueden
llegar individualmente o en grupos
Si cuando un usuario llega al sistema el servidor est libre, se le da servicio. Si el
tiempo de servicio es mayor que el intervalo entre llegadas, el siguiente usuario, cuando
accede al sistema, encuentra que el servidor est ocupado, por lo que debe quedar en
espera, formando la cola.
Otra cuestin importante es saber cunto tiempo debe esperar un usuario que
llega al sistema hasta que recibe el servicio, lo cual entra dentro del concepto QOS
(Quality of Service, calidad de servicio). Cuando en la cola hay ms de un usuario, al
quedar el servidor libre hay que determinar cul de los usuarios en espera ser el que
pase a recibir servicio. Es decir, es necesario un proceso para decidir qu usuario va a
ser llamado de la cola; esto es lo que se llama disciplina de la cola. Los modelos ms
importantes son los siguientes:


SERVIDOR /ES
COLA
LLEGADAS SALIDAS
4
FIFO (First-In-First-Out): se le da servicio al primero que ha llegado, de
forma que la cola est ordenada segn el orden de llegada de los usuarios.
LIFO (Last-In-First-Out): se le da servicio al ltimo que ha llegado, de forma
que la cola est ordenada en orden inverso al de llegada de los usuarios.
SIRO (Service-In-Random-Order): Se sortea aleatoriamente cul de los
usuarios en espera acceder al servicio.

No obstante, otro procedimiento para establecer la disciplina de la cola puede ser
el de establecer determinadas prioridades a los diferentes usuarios segn algunas de sus
caractersticas.
En sistemas finitos, en los que el nmero de usuarios en espera es limitado, es
necesario establecer adems qu sucede con aquellos usuarios que acceden al sistema
cuando la cola de espera est completa. Por ltimo, en los sistemas en que los usuarios
son humanos, hay que tener en cuenta otros factores propios del comportamiento
humano como el hecho de que hay individuos que no respetan el orden establecido en la
cola o bien que hay usuarios que, a la vista de la cola, renuncian a acceder al sistema.
Otra caracterstica importante de un sistema de colas es el diseo de la ejecucin
del servicio. El servicio puede estar ejecutado por uno o varios servidores. Si el tiempo
que tardan los usuarios en salir del sistema es mayor que el intervalo entre llegadas, la
cola aumentar indefinidamente y el sistema puede llegar a colapsarse. Por tanto es
necesario disear el sistema de forma que el tiempo de servicio sea igual o menor que el
intervalo entre llegadas. En esta situacin es importante saber cunto tiempo va a estar
un servidor inactivo, tiempo que ha de ser mnimo para optimizar el rendimiento del
sistema. No obstante, en la mayora de los sistemas la duracin del servicio es tambin
una magnitud aleatoria.
Por ltimo, los usuarios que salen del sistema pueden hacerlo al exterior o
pueden integrarse en otro sistema similar, en cuyo caso se habla de colas enlazadas o
redes de colas.


El proceso de Poisson y la distribucin exponencial

En la mayora de los sistemas de colas, el proceso de llegadas sigue una
distribucin de Poisson. Se demuestra que si se da esta circunstancia, la duracin de los
intervalos entre llegadas tiene una distribucin exponencial o una combinacin continua
de exponenciales, es decir, una distribucin gamma, que recibe el nombre de
distribucin erlangiana, o distribucin K.
En efecto, si llamamos

P t
n
( )

a la probabilidad de que en un tiempo t el nmero de usuarios que acceden al sistema
sea n y esta probabilidad sigue una ley de Poisson de la forma:
( )
P t e
t
n
n
t
n
( )
!
=



entonces, la probabilidad de que el tiempo entre llegadas sea mayor o igual a T (que es
igual a la probabilidad de que no haya ninguna llegada en un intervalo de duracin T ),
es:
5

( ) P t T P T e
T
= =

0
( )



Por tanto, la probabilidad de que el intervalo entre llegadas sea menor o igual a
T es:

( ) P t T e
T
=

1



que es una ley de distribucin exponencial. En estas condiciones, el valor medio del
intervalo entre llegadas ser:

[ ]
E T =
1

donde es el nmero de llegadas por unidad de tiempo, que recibe el nombre de tasa
de llegadas.
La distribucin exponencial tiene la propiedad de prdida de memoria:

( )
( )
( )
( )
( )
( ) P t T S t S
P t T S t S
P t S
P t T S
P t S
e
e
e P t T
T S
S
T
> + > =
> + >
>
=
> +
>
= = = >
+

;
( )

Puesto que el nmero de llegadas en un intervalo de tiempo es una magnitud
completamente aleatoria que sigue un proceso de Poisson, es claro que el proceso de
llegadas es un proceso de nacimiento puro. Por tanto, el proceso de servicio se debe
disear de forma que su duracin sea de forma exponencial pura, es decir, como un
proceso de muerte pura. De esta forma, el sistema de colas podr estudiarse como un
proceso de nacimiento y muerte.

A continuacin veremos algunos ejemplos de manejo de las distribuciones de
Poisson y exponencial.

Supongamos un ordenador al que llegan dos tipos de trabajos, largos y cortos,
segn distribuciones de Poisson independientes con parmetros
L
y
C
,
respectivamente. Se pide:

a) Probar que la probabilidad de que lleguen exactamente m trabajos cortos entre
dos largos es:

L
L C
C
L C
m
+ +

b) Suponiendo que en un cierto intervalo llegan al ordenador n trabajos, cul es la
probabilidad de que k de ellos sean del tipo corto?

Supongamos que el primer trabajo largo llega en un instante t
1
0 = ; el segundo
trabajo largo llegar en otro instante t t
2
= . La longitud t de este intervalo ser la
6
realizacin de una variable exponencial de parmetro
L
. Llamaremos N
t
C
0,
al nmero
de trabajos cortos que llegan en ese intervalo. La probabilidad pedida es:

( ) ( )
P N m P N m T t f t dt
t
C
t
C
T 0 0
0
, ,
( ) = = = =

donde f t
T
( ) es la exponencial antes referida. Entonces:

( )
( )
P N m
e t
m
e dt
t
C
t
C
m
L
t
C
L
0
0
,
!
= = =

( )
( )
( )

+
+
+
+
+
=
0
1
1
!
dt e t
m
t
L C
m
m
L C
m
L C
L
m
C





Por otra parte, la funcin Gamma responde a la siguiente expresin:

( ) dx e x
x

=
0
1


y una de sus propiedades es que se cumple:

( ) ( ) = + 1

por tanto, recursivamente, resulta:

( ) ! 1 = +

Si hacemos 1 + = m y at x = , tenemos

( ) ( ) ! 1
0
1
0
m dt e t a dt a e at m
at m m at m
= = = +


+

y, por tanto,
1
! 0
1
=

+
dt e t
m
a
at m
m


de donde, haciendo
C L
a + = , obtenemos que

( )
( )
m
L C
L
m
C C
t
m N P


+
= =
, 0



En respuesta a la segunda cuestin, el nmero total de trabajos que llegan al
ordenador en un cierto intervalo ser:

7
N N
t
L
t
C
0 0 , ,
+

que, por ser ambas distribuciones independientes, ser una distribucin de Poisson de
parmetro
L C
+ . Por tanto, la probabilidad pedida ser:

( )
( )
( )
P N k N N n
P N k N N n
P N N n
t
C
t
L
t
C
t
C
t
L
t
C
t
L
t
C
0 0 0
0 0 0
0 0
, , ,
, , ,
, ,
;
= + = =
= + =
+ =
=

( )
( )
( ) ( )
( )
( )
( )
[ ]
=
= =
+ =
=

+
=


+
P N k N n k
P N N n
e t
k
e t
n k
e t
n
t
C
t
L
t
L
t
C
t
c
k
t
L
n k
t
L C
n
C L
L C
0 0
0 0
, ,
, ,
;
! !
!






( ) ( ) ( )
=
+
=

+
=

C
k
L
n k
L C
n
C
k
L
n k
L C
n
C
L C
k
L
L C
n k
n
n k k
n
k
n
k
!
! !


que corresponde a una distribucin binomial de parmetros:

Bin n
C
L C
,

+

Segundo ejemplo:
El tiempo de vida de un tubo fluorescente hasta que deja de funcionar es una
exponencial de parmetro 10 horas. Una persona entra en una habitacin mientras el
tubo fluorescente est funcionando. Si quiere trabajar cinco horas, cul es la
probabilidad de que finalice su trabajo antes de que el fluorescente deje de funcionar?
Si la vida del fluorescente no fuese exponencial, cul sera la probabilidad anterior?

Si llamamos t al tiempo de vida del tubo fluorescente, la probabilidad pedida
es:

( ) ( ) P t P t F e e > = = = = =

5 1 5 1 06065
5
1
2
(5) .

Si el tiempo de funcionamiento no es exponencial, puede ser que siga una
distribucin con memoria. Por tanto, en general:
( )
P T t T t
F t
F t
> + > =
+
5
1 5 ( )
( )




Tercer ejemplo:
8
En un equipo de msica compuesto por radio y altavoz, el tiempo de vida de la
radio es exponencial de parmetro 1000 horas y el del altavoz es exponencial con
parmetro 500 horas. Cul es la probabilidad de que falle antes la radio?

Si llamamos X
1
al tiempo de vida de la radio y X
2
al del altavoz, la
probabilidad pedida es:

( ) ( ) ( ) P X X P X X X x f x dx P X x e dx
X
x
1 2 1 2 2
0
1 2
0
2
2
< = < = = < =

( )


( )
= =

1
1 2
2
0
e e dx
x x

( )
=

2
0
2
0
2 1 2
e dx e dx
x x


Como la primera integral es igual a uno, tenemos:

( ) P X X
1 2
2
1 2
1
1 2
1
1
3
< =
+
=
+
=

ltimo ejemplo:
Consideremos un punto fijo en una autopista. Sean U U
1 2
, , ... la sucesin de
tiempos entre llegadas de vehculo a este punto. Supongamos que U U
1 2
, , ... son
variables aleatorias independientes e idnticamente distribuidas, con distribucin:

( ) P U t e te
k
t t
=

1



Calcular la distribucin del nmero de vehculos que pasan por ese punto fijo
durante el intervalo de tiempo ( ) 0,t .

Llamemos N
t
al nmero de vehculos que pasan por el punto durante un
intervalo de duracin t y T
n
al instante en el que pasa el n-simo vehculo. Entonces la
probabilidad de que el n-simo vehculo pase dentro del intervalo ( ) 0,t es igual a la
probabilidad de que el nmero de vehculos que pasa durante el intervalo sea mayor que
n :

( ) ( )
( )
P T t P N n
e t
k
para t
n t
t
k
k
n
= =

1 0
0
1

!


Una variable aleatoria T
n
que tiene una distribucin de este tipo, se dice que
sigue una distribucin de Erlang de parmetros ( ) ,n ; en concreto, las variables U
k

siguen una distribucin de Erlang de parmetros ( ) ,2 .

9

Variables asociadas a un sistema de colas

Para poder analizar los diferentes sistemas de colas, es necesario definir
previamente las variables que afectan a dicho sistema. Consideraremos en primer lugar
las variables asociadas a un usuario. Llamaremos t
k
al instante en que se produce la
llegada del k-simo usuario al sistema y
k
al tiempo transcurrido desde la llegada del
(k-1)-simo usuario y el k-simo; es decir:

k k k
t t =
1


Llamaremos w
k
al tiempo de espera en la cola, s
k
al tiempo de duracin del
servicio y r
k
al instante de salida del sistema, todo ello referido al k-esimo usuario. Si
llamamos n
k
al nmero de usuarios que hay en el sistema cuando llega el k-simo y si
suponemos que el sistema tiene un solo canal de servicio, podemos escribir:

w r t si n
w si n
k k k k
k k
= >
= =
1
0
0 0


ya que, en efecto, la espera del k-simo elemento finalizar cuando el (k-1)-simo
finalice el servicio y abandone el sistema. Por otra parte, se puede comprobar que el
tiempo de espera tambin es:

k
k
n k
k
n k
k
n
i
i k k
t t w s w + + =

=

1


En efecto, cuando el k-simo usuario lleg al sistema, en ste haba n
k
usuarios;
el primero de estos usuarios en el sistema en el instante t
k
, es decir, el ( ) k n
k
-simo
usuario, comenz a recibir servicio en el instante

t w
k n k n
k k

+

y a partir de este instante comenzaron los servicios a los usuarios ( ) k n
k
1 ,
( ) k n
k
2 , ... , hasta el ( ) k 1 -simo, momento en el cual finalizar la espera del k-
simo usuario. Si generalizamos la anterior expresin en funcin del primer usuario del
sistema, se puede escribir:

w t s t
k i
i
k
k
= +
=

1
1
1


que es una expresin muy til, ya que en el caso de que el sistema tenga C canales de
servicio, tenemos:

10
w min t s t
k
i C
i il
l
k
k
l
= +

1
1


donde t
i
es el tiempo de llegada del primer usuario a cada canal de servicio y s
il
es el
tiempo de duracin del servicio al l -simo usuario del i -simo canal de servicio. Todo
lo anterior quiere decir que, conocidos los tiempos de llegada y la duracin del servicio
a cada usuario, se puede reconstruir toda la historia de la cola.
Una vez vistas las variables asociadas al usuario, vamos a definir otras variables
asociadas a un instante de tiempo t . stas son:

n t ( ) nmero de usuarios en el sistema en el instante t .
n t
q
( ) nmero de usuarios en cola.
n t
s
( ) nmero de usuarios en servicio.
n t
CL
( ) nmero de canales libres.

Es evidente que se cumplen las siguientes relaciones:

=
=
=
>

=
=

+ =
0
) (
) ( ) (
) (
) ( ) (
0 ) (
) (
) ( ) ( ) (
CL
s
q
s CL
q
s q
n
C t n
C t n t n
C t n
t n C t n
t n
C t n
t n t n t n


Otras variables asociadas a un instante son:

X t ( ) nmero de usuarios que han llegado al sistema hasta el instante t .
Y t ( ) nmero de usuarios que han accedido al servicio hasta el instante t .
Z t ( ) nmero de usuarios que han salido del sistema hasta el instante t .

Tambin en este caso son evidentes las relaciones:

[ ]
[ ]
n t X t Z t
n t X t Y t
Y t n t Z t
X t k t t t
Y t k t t w t w
q
s
k k
k k k k
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ,
( ) ,
=
=
= +
=
= + +
+
+ +
1
1 1




Notacin de Kendall

11
De las relaciones expuestas en el apartado anterior se desprende que si
conocemos las series:

{ } { } t s
k k


y el nmero de canales C tenemos toda la informacin necesaria para describir la cola.
Por eso, para describir un sistema de colas se emplea la notacin de Kendall, que
consiste en un grupo de letras y nmeros de la forma:

A/B/C/m/d

donde cada uno de los dgitos tiene el siguiente significado:

A designa el proceso de llegadas; ms concretamente, describe el tipo de
distribucin del tiempo entre llegadas. Si este proceso es markoviano de tipo
Poisson-exponencial, en este lugar se colocar la letra M. Si el proceso es
determinstico, se colocar la letra D y la letra G si las llegadas son de otro
tipo.

B designa el proceso de servicio; es decir, describe la distribucin del tiempo
de servicio y, por tanto, de las salidas del sistema. Se colocar la letra M si
este proceso es markoviano, D si es determinstico y G si es de otro tipo. En
todos los casos supondremos que la duracin del tiempo de servicio es
independiente de la distribucin de las llegadas.

C nmero de canales de servicio nmero de servidores.

m nmero mximo de usuarios simultneos que se admiten en el sistema. Si
esta capacidad es infinita, se omite.

d disciplina de la cola, es decir, proceso de decisin de cul de los usuarios en
espera va a pasar a recibir servicio, tal y como se describi en la pgina 3.
Por omisin se considera una cola tipo FIFO.


12
Cola determinstica

Vamos a estudiar una cola en la que los tiempos de llegada y de servicio son
determinsticos; es decir, una cola que responde a la notacin de Kendall D/D/1. Ms
concretamente, vamos a estudiar el caso en que las llegadas y los tiempos de servicios
son constantes.
Supongamos que los usuarios llegan en intervalos de duracin a (por tanto, la
tasa de llegadas es 1a ) y que los servicios se producen en intervalos de duracin b
(tasa de servicios igual a 1b ). Es decir:

k k k
k
t t a k
s b k
= =
=
1


Si suponemos que en t = 0 hay i usuarios en el sistema, los tiempos de llegada
son:

t
si k i
k i a si k i
k
=

>

0
( )


y los tiempos de espera en cola:

w
k b si k i
si k i y n
k b k i a si k i y n
k k
k
=

> =
> >

( )
( ) ( )
1
0 0
1 0


de forma que si la tasa de servicio es igual a la de llegadas, b a = , no habr nunca espera
si la cola est vaca; si la cola no est vaca, sta ser siempre de longitud constante. En
cambio, si el tiempo de servicio es mayor que el intervalo entre llegadas, b a > , la cola
crecer indefinidamente; en este caso, el tiempo de espera ser:

w
k b si k i
k b a si k i
k
=

>

( )
( )( )
1
1


A la expresin ( )( ) k b a 1 se le llama factor de crecimiento, y aumenta de
forma directamente proporcional a k .
Otras variables correspondientes a este tipo de colas son:

nmero de usuarios que han llegado al sistema hasta el instante t :
X t i
t
a
( ) = + , donde el smbolo indica parte entera de.
nmero de usuarios que han accedido al servicio hasta el instante t :
Y t
t
b
( ) = +1
nmero de usuarios que han salido del sistema hasta el instante t : Z t
t
b
( ) =

13
Si el tiempo de servicio es menor que el intervalo de llegada, b a < la cola, en
caso de existir, ir disminuyendo progresivamente hasta desaparecer. En este caso
interesa saber cul es el primer usuario que no tiene que esperar. Supongamos que ste
es el K -simo, que acceder al sistema en el instante
K
t . Desde ese instante hasta el
1 + K
t , el nmero de usuarios que han llegado al sistema es igual al nmero de usuarios
que han accedido al servicio. Por tanto:

( ) ( )
K K
t Y t X =
1 + = +
b
t
a
t
i
k K


Por otra parte, como ( ) a i K t
K
= , tenemos:

( )
( )
1 +

= +
b
a i K
i K i
( ) ( ) b a i K b i K ib + = +
b ia Ka Kb + =

de forma que el primer usuario que no tendr que esperar ser el nmero:

b a
b ia
K

=

El tiempo de espera de un usuario ser:

( )
w
k b si k i
k b k i a si i k K
si k K
k
=

<
=

1
1
0
( ) ( )

y la cola desaparece en el instante:

T t w K i a K b K i a K b
K K
= + = + = ( ) ( ) ( ) ( ) 1 1
14
15
COLAS TIPO M/M/1

Comprobacin de la distribucin de las llegadas

Como se dijo en el tema anterior, la distribucin del nmero de llegadas en un
sistema de colas del tipo M/M/1 es markoviana segn una ley de Poisson, la
distribucin del servicio es independiente pero del mismo tipo y el sistema cuenta con
un nico servidor.
Al estudiar un sistema de colas en la prctica, es necesario, en primer lugar,
comprobar que en efecto las llegadas son de este tipo. Para ello se procede de la
siguiente forma. Supongamos que se han estudiado las llegadas a un sistema y ha
resultado lo siguiente:

n de llegadas por
hora
0 1 2 3 4 5 6
frecuencia 10 31 40 20 10 4 6

Es fcil comprobar que el nmero medio de llegadas por hora es:

n = 2207 .

y su cuasivarianza muestral:

s
n
2
2147 = .

Como se verifica que:

n s
n

2


es decir, que la media es sensiblemente igual a la varianza, podemos suponer que se
trata de una distribucin de Poisson.
Para mayor precisin podemos efectuar el siguiente procedimiento. Supongamos
que en el estudio de otro sistema de colas ha resultado la siguiente tabla:

n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
f
n

0 1 0 3 3 6 5 9 10 11 8 6 1 0

donde n es el nmero de llegadas por hora y f
n
la frecuencia absoluta. La media de esta
distribucin es n = 1165 . llegadas por hora. Si este proceso de llegadas siguiera una
distribucin de Poisson, la probabilidad terica de obtener n llegadas por hora sera:

( )
P
e
n
n
n
=

1165
1165
.
!
.


con lo cual, para cada valor de n son de esperar las siguientes ocurrencias:

16
e P f P
n n n
n
n
= =
=

0
16
63

cuyos valores podemos aadir a la tabla de esta forma:

n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
f
n

0 1 0 3 3 6 5 9 10 11 8 6 1 0
e
n

11.3 5.99 6.97 7.38 7.57 6.43 5.34 12.42

(Las celdas que se han unido al comienzo y al final de la distribucin de
frecuencias se deben a que, para que la aproximacin por intervalos sea buena, es
necesario que en cada intervalo haya al menos 5 observaciones; por ello se han
agrupado ciertos intervalos cuyas frecuencias eran menores a 5).
Para comprobar la hiptesis de que esta distribucin sigue una ley de Poisson,
construimos el estadstico de contraste:

( )

=
n
n
n n
e
e f
2
2


cuyos valores incluimos tambin en la tabla:

n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
f
n
0 1 0 3 3 6 5 9 10 11 8 6 1 0
e
n

11.3 5.99 6.97 7.38 7.57 6.43 5.34 12.42

2
1.64 0 0.56 0.36 0.78 3.25 1.33 2.37

de forma que obtenemos para el estadstico de contraste el valor:

2
1029 = .

Para poder admitir la hiptesis con un nivel de confianza del 95%, es valor del
estadstico de contraste ha de ser menor que el correspondiente al valor de la
distribucin de la
2
para 0.95 y un nmero de grados de libertad que es:

(nmero de intervalos)-(nmero de parmetros)-1=8-1-1=6

valor que resulta ser:

6
2
095 12602 ( . ) . =

que es mayor que el calculado para el estadstico de contraste, por lo cual podemos
aceptar la hiptesis de que la distribucin dada es de Poisson de media 65 . 11 = , con
un nivel de confianza del 95%.


17
Estudio de la cola

En el estudio de un sistema de colas, interesa conocer la probabilidad de tener n
usuarios en el sistema en el instante t , es decir:

[ ]
P t P n t n
n
( ) ( ) = =

y tambin interesa conocer el lmite de esta probabilidad:

lim P t P
t
n n

= ( )

Si este lmite existe y es constante, el sistema es estacionario.
Ya dijimos que en un sistema de colas M/M/1 los tiempos de llegadas y de
servicio son independientes y markovianos, con distribucin Poisson-exponencial.
Puesto que estas distribuciones son poissonianas, si tomamos un intervalo de tiempo h
suficientemente pequeo, deben cumplir las siguientes hiptesis:

La probabilidad de que se produzca una llegada en el intervalo ( ) t t h , + es de
h h + 0( ) , donde la expresin 0( ) h indica un infinitsimo de orden menor que
el de h y es el parmetro de Poisson o tasa de llegadas (nmero medio de
llegadas por unidad de tiempo).

La probabilidad de que se produzcan dos o ms llegadas en el intervalo
( ) t t h , + es de 0( ) h .

La probabilidad de que un usuario sea servido en el intervalo ( ) t t h , + si el
sistema no est vaco es de h h + 0( ) , donde es la tasa de servicio (nmero
medio de usuarios servidos por unidad de tiempo).

La probabilidad de que dos o ms usuarios sean servidos en el intervalo
( ) t t h , + si el sistema no est vaco es de 0( ) h .

Sobre estas hiptesis trataremos de calcular P
n
. Para ello veamos que ocurre con
la probabilidad de que en el instante ( ) t h + el nmero de usuarios en el sistema sea n ;
es decir:

[ ]
P t h P n t h n
n
( ) ( ) + = + =

Para que en el instante ( ) t h + el nmero de usuarios en el sistema sea n caben
las siguientes posibilidades:

1. Que hubiera n usuarios en el instante t y que en el intervalo h no haya
llegado ninguno ni se haya servido ninguno:

[ ] [ ]
P t h h h h
n
( ) ( ) ( ) + + 1 0 1 0
18

2. Que hubiera n usuarios en el instante t y que en el intervalo h haya llegado
un usuario y se haya servido a un usuario:

[ ] [ ]
P t h h h h
n
( ) ( ) ( ) + + 0 0

3. Que hubiera n +1 usuarios en el instante t y que en el intervalo h no haya
llegado ninguno y se haya servido a un usuario:

[ ] [ ]
P t h h h h
n+
+ +
1
1 0 0 ( ) ( ) ( )

4. Que hubiera n 1 usuarios en el instante t y que en el intervalo h haya
llegado un usuario y no se haya servido a ninguno:

[ ] [ ]
P t h h h h
n
+ +
1
0 1 0 ( ) ( ) ( )

(No es posible que el nmero de llegadas o servicios en el intervalo h sean
superiores a uno, puesto que entonces h no sera suficientemente pequeo, lo cual
constituye una de las hiptesis que verifica la distribucin de Poisson).
Por tanto, la probabilidad de que en el instante ( ) t h + haya n usuarios en el
sistema ser la suma de las cuatro anteriores. Si agrupamos los trminos en 0( ) h , que
tienden a 0( ) h si h es suficientemente pequeo, y los trminos en h
2
los hacemos
tender a cero, tenemos:

( ) ( ) ( ) P t h P t h h P t h P t h h
n n n n
( ) ( ) ( ) ( ) ( ) + = + + +
+
1 0
1 1


Todo lo dicho es vlido para n > 0. Para el caso en que n = 0, la expresin
anterior queda:

( ) ( ) P t h P t h P t h h
0 0 1
1 0 ( ) ( ) ( ) ( ) + = + +

Tomando las dos ltimas expresiones, podemos operar de la forma siguiente:

( ) P t h P t P t h h P t h P t h
P t h P t P t h h P t h
n n n n n
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
+ = + + + +
+ = + +

+


1 1
0 0 0 1
0
0


Si dividimos ambas por h y tomamos lmites cuando h 0, tenemos las
siguientes ecuaciones diferenciales:

( )
d
dt
P t P t P t P t
d
dt
P t P t P t
n n n n
( ) ( ) ( ) ( )
( ) ( ) ( )
= + + +
= +

+


1 1
0 0 1


Si el sistema es estacionario, es decir, si existe lim P t P
t
n n

= ( ) y es finito, se
pueden resolver las ecuaciones diferenciales de la forma:
19

( )
d
dt
P t P P P
d
dt
P t P P P P
n n n n
( )
( )
= = + + +
= = + =

+
0
0
1 1
0 0 1 1 0

Entonces, para n = 1 ser:

( ) ( )

P P P P P P P
2 1 0 0 0 2
2
2
0
= + = + =

Si aplicamos el mtodo de induccin, suponiendo que es cierto para n ,
probaremos que es cierto para n +1:

( ) ( )

P P P P P P
n n n
n
n
n
n
n
n
+

+
= + = + =
1 1 0
1
1
0
1
0


con lo que se ve que:

P P
n
n
n
+
+
+
=
1
1
1
0

Naturalmente, como se trata de probabilidades, para que esta solucin sea vlida
debe ser:

P
n
n=

=
0
1

de forma que:

=0
0
n
n
n
P

donde el sumatorio es la suma de los trminos de una progresin geomtrica de primer
trmino 1 = a y razn

= r . Esta suma, siempre que la razn sea menor o igual a 1,

vale:

r
a

=
1

=
=
0 1
1
n
n
n

20

y, entonces:

P P
n
n
n
n
n
n
0
0
0
0
1
1
1

= = =

lo cual slo puede ser cierto para

< 1. A este cociente lo denominamos e indica la

tasa de llegadas por unidad de servicio, y es lo que recibe el nombre de intensidad de
trfico. Entonces tenemos:

P P
n
n n
= =
0
1 ( )

Si 1 estamos en el caso degenerado en el que la cola crece indefinidamente.
Si 0 1 < < entonces, a partir de un determinado momento tendremos una distribucin
estacionaria. Es posible demostrar que existe una distribucin estacionaria si y slo si
< 1, es decir si < , es decir, si la tasa de llegadas es menor que la tasa de servicio.


Medidas de eficacia en estado estacionario

Como anteriormente, veremos algunos parmetros relacionados con los usuarios
y otros relacionados con el tiempo.
Sea N el nmero de usuarios en el sistema una vez que ste ha alcanzado el
estado estacionario, y sea N
q
el nmero de usuarios en la cola en las mismas
condiciones. Entonces, el nmero medio de usuarios en el sistema es:

[ ]
L E N nP n n
n
n
n
n
n
n
= = = =
=

0 0
1
0
1 1 ( ) ( )

La expresin n
n
n

1
0
es la derivada de

n
n=

0
1
1
. Por tanto:

( )
n
d
d
d
d
n
n
n
n

1
0 0
2
1
1
1
1
( )
( )
=

L 1
1
1
2

Es decir, que el nmero medio de usuarios en el sistema en rgimen
estacionario es:

L =

1
1


Y el nmero medio de usuarios en cola ser:

21
[ ]
L E N P n P n
q q n
n
n
n
n
n
= = + = =
=

0 1 1 1
0
1 1 1
( ) ( ) ( )

( ) 1
1


con lo cual:

( )
L
q
=

2 2
1


Tambin se puede establecer el nmero medio de usuarios en colas no vacas:

[ ] [ ]
= = = =
=

L E N n P N n N
q q
n
( ) 1 2
2

=
=

=

=

( )
( )
( )
( ) n
P N n
P N
n
P
P P
n
n
n
1
2
1
1
2 0 1 2
=

L
P P
q
1
0 1


De manera que:

=

=

L
q

2
2
1 1
1



Las medidas relativas al tiempo en un sistema en estado estacionario son:

T
q
tiempo que un usuario pasa en cola.
W
q
tiempo medio que un usuario pasa en cola.

La funcin de distribucin de T
q
es:

( )

<
=

0 1
0 0
) 1 (
t si e
t si
t T P
t
q

y su media:

[ ]
( )
W E T
q q
= =

Frmulas de Little

Son un conjunto de frmulas vlidas siempre que el sistema sea estacionario y
del tipo M/M/1:

22
Nmero medio de clientes en el sistema: L W =

Nmero medio de clientes en la cola: L W
q q
=

Como

( ) ( )
W
q
=

1


tenemos:

( )
L
q
=

2 2
1


y como

( )
W W
q
= + =

1 1
1


tenemos:

L =

1








Ejemplos

La ventanilla de un banco realiza las transacciones en un tiempo medio de 2
minutos. Los clientes llegan a la ventanilla con una tasa de 20 clientes por hora. Si se
supone que las llegadas son de Poisson y los servicios exponenciales, se pide:

a) Porcentaje de tiempo en que el cajero est ocioso.
b) Tiempo medio de estancia de los clientes en la cola.
c) Fraccin de clientes que deben esperar.

Si la atencin a los clientes dura un promedio de 2 minutos, podemos decir que
la tasa de servicio es de = 30 clientes por hora. Como

= = <
2
3
1

23
podemos afirmar que el sistema es estacionario.
En esta situacin, el porcentaje de tiempo que el cajero est ocioso es igual a la
probabilidad de que no haya ningn usuario en el sistema:

P
0
1 03333 = = .

luego el cajero estar ocioso un 33.33% del tiempo.
El tiempo medio que un usuario pasa en la cola es:

( )
W
q
=

20
30 10
00667 . horas

es decir, 4 minutos.
Por ltimo, la fraccin de clientes que deben esperar es:

L
L
q
=

= =

2
1
1
2
3




Otro ejemplo: Una tienda de alimentacin es atendida por una persona. La
llegada de clientes los sbados es un proceso de Poisson con una tasa de 10 personas por
hora y los clientes son atendidos segn una poltca FIFO con un tiempo medio de
servicio de 4 minutos. Se pide:

a) Probabilidad de que haya cola.
b) Longitud media de la cola.
c) Tiempo medio de espera en cola.
d) Probabilidad de que el cliente est menos de 12 minutos en la tienda.

La tasa de servicio es de = 15 clientes por hora. Como < , el sistema es
estable con =
2
3
.
La probabilidad de que haya cola es:

[ ]
P n t P P P P
o
( ) ( ) . > = = = + = 1 1 1 1 1 1 04444
0 1 0

La longitud media de la cola ser:

L
q
=

= = =

2
1
4
9
1
3
4
3
13333 .

El tiempo medio de espera en cola:

24
( )
W
q
=

10
15 5
01333 . horas

es decir, de 8 minutos.
Por ltimo, la probabilidad de que un cliente est menos de 12 minutos en la
tienda es equivalente a la probabilidad es la probabilidad de que el tiempo de espera
ms el de servicio sean menores que 12, lo cual tiene una distribucin exponencial con
parmetros ( ) [ ]
, 1 . Por tanto:

( ) P T e e
t
< = = =


12 1 1 06321
1
15
1
3
12
60
( )
.


25
COLAS TIPO M/M/C

Estudio de la cola

De acuerdo con la notacin de Kendall, las colas tipo M/M/C corresponden a
sistemas con llegadas markovianas de Poisson, con tiempos de servicio exponenciales
(ambas independientes) y con C canales de servicio o servidores.
En este caso, si llamamos n al nmero de usuarios en el sistema en un instante
dado, si es 0 < n C , entonces la variable aleatoria Z t ( ) que corresponde al nmero de
usuarios que han salido del sistema (que han recibido servicio) hasta t se comporta
como un proceso estocstico de Poisson de parmetro ( ) n . En cambio, si n C , Z t ( ) se
comporta como un proceso estocstico de Poisson de parmetro ( ) C .
Tomando un intervalo de tiempo infinitesimal h , segn las mismas hiptesis que
hemos manejado anteriormente, es evidente que:

La probabilidad de que se produzca una llegada en el intervalo ( ) t t h , + es
h h + 0( ) donde, como ya sabemos, es la tasa de llegadas y 0( ) h un
infinitsimo del orden de h .

La probabilidad de que se produzcan dos o ms llegadas en el intervalo
( ) t t h , + es 0( ) h .

La probabilidad de que un usuario sea servido en el intervalo ( ) t t h , + es:
0 0
0 1
0
si n
n h h si n C
C h h si n C
=
+ <
+

( )
( )

siendo n el nmero de usuarios en el sistema en el instante t y la tasa de
servicio por cada canal.

La probabilidad de que dos o ms usuarios sean servidos en el intervalo
( ) t t h , + es:

0 1
0 2
si n
h si n

( )


Entonces, siguiendo un razonamiento similar al de la pgina 12, tenemos para
n = 0:

[ ] [ ]
[ ] [ ]
[ ] [ ]
) ( 0
) ( 0 ) ( 0 ) (
) ( 0 ) ( 0 1 ) (
) ( 0 1 ) ( ) ( 0 ) (
0
1
0 0
h
h h h h t P
h h h h t P
h h t P h t P h t n P
+
+ + + +
+ + + +
+ + = + = = +





de donde, agrupando y simplificando, obtenemos:
26

( ) P t h P t h P t h h
0 0 1
1 0 ( ) ( ) ( ) ( ) + = + +
P t h P t hP t hP t h
0 0 0 1
0 ( ) ( ) ( ) ( ) ( ) + = + +

Dividiendo por h y tomando lmites cuando h tiende a cero, obtenemos:

d
dh
P t P t P t
0 0 1
( ) ( ) ( ) = + ( ) n = 0 (*)

Anlogamente, para 1 < n C , tenemos:


[ ] [ ] [ ]
[ ] [ ]
[ ] [ ]
[ ] [ ]
P n t h n P t h P t h h n h h
P t h h n h h
P t h h n h h
P t h h n h h h
n n
n
n
n
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
+ = = + = + + +
+ + + +
+ + + +
+ + + + +

+
1 0 1 0
0 0
0 1 1 0
1 0 1 0 0
1
1






de manera que:

[ ]
P t h P t h P t n h P t n h h
n n n n
( ) ( ) ( ) ( ) ( ) ( ) ( ) + = + + + + +
+ 1 1
1 1 0

de donde es fcil obtener:

( ) ( )
d
dh
P t P t n P t n P t
n n n n
( ) ( ) ( ) ( ) = + + +
+

1 1
1 ( ) 1 < n C (**)

Por ltimo, para n C se tiene:

[ ] [ ] [ ]
[ ] [ ]
[ ] [ ]
[ ] [ ]
P n t h n P t h P t h h C h h
P t h h C h h
P t h h C h h
P t h h C h h
h
n n
n
n
n
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) * ( )
( ) ( ) ( )
( )
+ = = + = + + +
+ + + +
+ + +
+ + + +
+

+
1 0 1 0
0 0
0 1 0
1 0 0
0
1
1






Se emplea el smbolo C* para indicar que ese valor ser C cuando n t C ( ) y
n cuando n t C ( ) = 1. No obstante, es indiferente para los clculos, puesto que, al estar
multiplicado por infinitsimos, pasar al termino 0( ) h .
Entonces,

( ) [ ]
P t h P t h P t C h P t C h h
n n n n
( ) ( ) ( ) ( ) ( ) + = + + + +
+ 1 1
1 0

y, finalmente,

( )
d
dh
P t P t C P t C P t
n n n n
( ) ( ) ( ) ( ) = + +
+

1 1
( ) n C (***)

27
Si reunimos las tres ecuaciones diferenciales as logradas (*), (**) y (***),
tenemos:

d
dh
P t P t P t
0 0 1
( ) ( ) ( ) = + ( ) n = 0
( ) ( )
d
dh
P t P t n P t n P t
n n n n
( ) ( ) ( ) ( ) = + + +
+

1 1
1 ( ) 1 < n C
( )
d
dh
P t P t C P t C P t
n n n n
( ) ( ) ( ) ( ) = + +
+

1 1
( ) n C

cuya resolucin nos dar el comportamiento del sistema para cada instante.
No obstante, si suponemos que existe y es finito

P lim P t
n
t
n
=

( )

entonces, tomando lmites en las ecuaciones diferenciales, tenemos:

0
0 1
= + P P ( ) n = 0 (I)

( ) ( ) 0 1
1 1
= + + +
+
P n P n P
n n n
( ) 1 < n C (II)

( ) 0
1 0 1
= + +
+
P C P C P
n n n
( ) n C (III)

De la primera de estas igualdades, obtenemos:

P P
1 0
=

Haciendo en (II) n = 1, obtenemos:

P P P P
2 1 0
2
0
2 2
1
2
=
+
=

y, de la misma forma, para n C = < 2 :

P P P P
3 2 1
3
0
2
3 3
1
3
=
+
=

!


y, de forma general, para 0< < n C :

P
n
P
n
n
=

1
0
!

Finalmente, de (III) obtenemos, para cualquier n C :

28
P
C C
P
n
n C
n
=

1
0
!

En resumen, hemos obtenido:

( )
( )
P
n
P n C
C C
P n C
n
n
n C
n
=

<

1
1
0
0
!
!

Ya slo nos queda determinar P
0
. Para ello emplearemos la condicin de
consistencia:

1
1 1
0
0
0
1
= =

P P
n
C C
n
n
n
n
C
n C
n
n C
!
!

Si llamamos

r =

a la intensidad de trfico por canal, tenemos:

1
0
0
1
= +

P
r
n
r
C C
n
n
C n
n C
n C
!
!


A su vez, para calcular el segundo sumatorio, llamamos

=
r
C


a la intensidad de trfico global del sistema, y tenemos:

( )
r
C C
r
C
r
C
r
C
r
C
r
C
r C
C C r
n
n C
n C
C n C
n C
n C
C
n C
n C
C
n
n
C C

= = = =

!
! ! ! ! !

0
1
1


Entonces:

P
n C
C
C
n
n
C
C
0
0
1
1
1 1
=

! !

Puede probarse que es condicin necesaria y suficiente que para que el sistema
sea estacionario que
< C
29

es decir, que la intensidad de trfico por canal sea inferior al nmero de canales.



Medidas de eficacia en estado estacionario

El nmero medio de usuarios en cola es:

[ ] ( ) L E N n C P nP CP
q n
n C
n
n C
n
n C
= = = =
=

n
r
C C
P C
r
C C
P
n
n C
n C
n
n C
n C
! !
0 0


Resolviendo estos sumatorios se obtiene:

( ) ( )
L P
C C
q
C
=

0
2
1

!


A partir de este resultado, con las frmulas de Little tenemos que el tiempo
medio de espera en la cola es:

W
L
q
q
=

el tiempo medio de permanencia en el sistema es:

W W
q
= +
1

y el nmero medio de usuarios en el sistema es:

L W =

Otra caracterstica importante es la funcin de distribucin del tiempo de espera
en cola que se puede demostrar que es:

30
( )
( )
[ ]
( )( )

> +

<
= =

0 ) 0 (
! 1
1
0
!
1
0 0
) (
0
0
t si F P
C C
e
t si P
C C
C
t si
t T P t F
q
T
t C
C
C
q
q
T

Ejemplos

Una sucursal bancaria tiene dos cajas igualmente eficientes, capaces de atender
un promedio de 60 operaciones por hora con tiempos reales de servicio que se observan
exponenciales. Los clientes llegan con una tasa de 100 por hora. Determinar:

a) Probabilidad de que haya ms de 3 usuarios simultneamente en el banco.
b) Probabilidad de que alguno de los cajeros est ocioso.
c) Probabilidad de que un cliente permanezca ms de 3 minutos en la cola.

Tenemos un sistema con =100 usuarios por hora, =60 servicios por hora y
C = 2. Como se verifica que < C , podemos afirmar que el sistema es estacionario.
Entonces, la probabilidad de que haya ms de tres usuarios es:


( ) P n P P P P > = 3 1
0 1 2 3


donde sabemos que:

P
n C
C
C
n
n
C
C
0
0
1
1
1 1
=

=
=

! !

= + +

= + +

1
1
2
2
2
1
100
60
1
2
100
60
120
120 100
00909
2
1
2
1

!
.
P
n
P P
P
C C
P P
n
n C
n
1 0 0
2 0
2
0
2
1 100
60
00909 01515
1 1
2
1
2
100
60
00909 01263
=

= = =
=

!
. .
!
. .

31
P
C C
P P
n C
n
3 0
3
0
3
1 1
2 2
1
4
100
60
00909 01052 =

!
!
. .

de forma que:

( ) P n P P P P > = = 3 1 05261
0 1 2 3
.

La probabilidad de que uno de los cajeros est ocioso es:

( ) P n P P < = + = + = 2 00909 01515 02424
0 1
. . .

La funcin de distribucin del tiempo de espera en cola es

( )
( )
[ ]
( )( )

> +

<
= =

0 ) 0 (
! 1
1
0
!
1
0 0
) (
0
0
t si F P
C C
e
t si P
C C
C
t si
t T P t F
q
T
t C
C
C
q
q
T

donde deberemos expresar la tasa de llegadas y la de servicio en unidades por minuto:

= =
100
60
16667 . usuarios por minuto
= =
60
60
1 usuario por minuto

Por tanto, la probabilidad de que un cliente permanezca ms de tres minutos en
la cola es:

( ) ( )
( )
[ ]
( )( )

= = >

) 0 (
! 1
1
1 3 1 3
0
3
q
T
C
C
q q
F P
C C
e
T P T P

donde

32
F
C
C C
P
T
C
q
( )
!
. . 0 1 1
2
100
60
2 2
100
60
00909 02425
0
2
=

y entonces, la probabilidad pedida es:

( )
( )
[ ]
P T
e
> =

=

3 1
100
60
1
2 16667
00909 02425 02786
2
3 2 16667 .
.
. . .



Una oficina estatal de transportes tiene 3 equipos de investigacin de seguridad
vial cuyo trabajo consiste en analizar las condiciones de las carreteras cuando se
produce un accidente mortal. Los equipos son igualmente eficientes y cada uno destina
un promedio de 2 das a investigar y realizar el informe correspondiente en cada caso,
con un tiempo real aparentemente exponencial. El nmero de accidentes mortales en
carretera sigue una distribucin de Poisson con tasa media de 300 accidentes por ao.
Determnese:

a) Nmero medio de accidentes cuya investigacin no ha comenzado.
b) Tiempo medio desde que se produce un accidente hasta que se empieza a
investigar.
c) Tiempo medio desde que se produce un accidente hasta que finaliza la
investigacin.
d) Nmero medio de accidentes cuya investigacin an no ha terminado.

Estamos ante un sistema de colas con tasa de llegadas = 300 accidentes por ao
o, lo que es lo mismo, = 082 . accidentes por da, con tasa de servicio = 05 .
investigaciones por da y con C = 3 canales de servicio.
El nmero medio de accidentes cuya investigacin an no ha comenzado es el
nmero medio de usuarios en cola:

( ) ( ) ( )
L P
C C
P P
q
C
=

=
0
2
0
3
2
0
1
082
05
082 05
215 082
19555

!
.
.
. .
. .
.

donde

P
n C
C
C
n
n
C
C
0
0
1
1
1 1
=

=
=

! !

33

= + +

=
= + +

1
1
2
1
6
3
3
1
082
05
1
2
082
05
1
6
082
05
15
15 082
01784
2 3
1
2 3
1

.
.
.
.
.
.
.
. .
.


As pues, el nmero de accidentes cuya investigacin an no ha comenzado es:

L P
q
= = 19555 03489
0
. .

El tiempo medio desde que se produce un accidente hasta que se empieza a
investigar es el tiempo medio de espera:

W
L
q
q
= = =

03489
082
04255
.
.
. dias

El tiempo medio desde que se produce el accidente hasta que finaliza la
investigacin es el tiempo medio de permanencia en el sistema:

W W
q
= + =
1
24255

. dias

Por otra parte, el nmero medio de accidentes cuya investigacin an no ha
finalizado es el nmero medio de usuarios en el sistema:

L W = = 19889 .



Una clnica canina tiene 3 veterinarios para vacunar perros. El nmero de perros
que llegan a la clnica sigue una distribucin de Poisson con una tasa media de 12 por
hora. El tiempo medio empleado en vacunar a cada perro es de 2 minutos. Determinar:

a) Porcentaje de tiempo con la sala de vacunacin vaca.
b) Tiempo medio de espera.
c) Tiempo medio de permanencia de los perros en la clnica.
d) Nmero medio de perros en la clnica.
e) Probabilidad de que un perro espere ms de 10 minutos para ser vacunado.

Estamos ante un sistema de colas con una tasa de llegadas de = 12 usuarios por
hora, una tasa de servicio de = 30 servicios por hora y con C = 3 canales de servicio.
Como se cumple que

< C

podemos afirmar que el sistema es estacionario.
34
El porcentaje de tiempo con la sala de vacunacin vaca es:

P
n C
C
C
n
n
C
C
0
0
1
1
1 1
=

=
=

! !

= + +

1
1
2
1
6
3
3
2 3
1

= + +

1
12
30
1
2
12
30
1
6
12
30
90
90 12
06701
2 3
1
.

Es decir, el porcentaje de tiempo con la cola vaca es:

P
0
6701% = .

El tiempo medio de espera es:

W
L
q
q
=

donde

( ) ( ) ( )
L P
C C
q
C
=

=

0
2
3
2
3
1
06701
12
30
12 30
2 90 12
127 10

!
. .

luego el tiempo medio de espera ser de:

W
q
= =

106 10 03816
4
. horas . segundos

El tiempo medio de permanencia en la clnica es:

W W
q
= + = + = =

1 1
30
106 10 00334 20064
4

. . horas . minutos

El nmero medio de perros en la clnica es:

L W = = =

12 106 10 00013
4
. .

Y, por ltimo, la probabilidad de que un perro espere ms de 10 minutos es:

( ) ( ) P T P T P T >

= > = < =
10
60
01667 1 01667 . .
35
( ) ( )
( )
[ ]
( ) ( )
P T P T P T
e
C C
P F
C
C
T
q
>

= > = < =

10
60
01667 1 0667 1
1
1
0
01667
0
. .
!
( )
.

donde es necesario expresar las tasas de llegadas y de servicio en unidades por minuto:

= =
12
60
02 . perros por minuto

= =
30
60
05 . perros por minuto

Entonces:

F
C
C C
P
T
C
q
( )
!
.
.
.
.
. . 0 1 1
3
02
05
6 3
02
05
06701 09918
0
3
=

y, entonces, la probabilidad de que un perro espere ms de 10 minutos es:

( )
[ ]
( )
P T
e
>

=

10
60
1
05
02
05
1
2 15 02
06701 09918 00009
3
01667 15 02
.
.
.
. .
. . .
. . .







36
Cola tipo M/M/C/K

Esta cola responde a las mismas hiptesis que la cola genrica M/M/C con la
limitacin de que el nmero mximo de usuarios que se permiten simultneamente en el
sistema es K .
Para este tipo de colas se demuestra que, si existe el estado estacionario, se
verifica:

( )
( )
P
n
C
C
C
P
n
P n C
C C
P C n K
n
n
C
C K C
n
n
n C
n
0
0
1
1
0
0
1
1
1
1
1
0
1
=

<

!
!
!
!

Veamos un ejemplo: En un taller caben cuatro mquinas que son reparadas por
dos mecnicos. Las mquinas llegan al taller como promedio una vez cada tres horas y
el tiempo medio de reparacin es de 45 minutos. Cul es el nmero medio de mquinas
estropeadas en el taller?

Es evidente que se trata de un sistema con

= = = = 03333 13333 2 4 . . C K

Se sigue verificando que, como

= = <
C
0125 1 .

el sistema es estacionario tenemos:

P
n
C
C
C
n
n
C
C K C
0
0
1
1
1
1
1
1
=

=
=

!
!

37
= + +

= + +

= 1
1
2
2 1
2
1
1
03333
13333
03333
13333
1
03333
26667
2 1
03333
26667
07778
2 3
2 3

.
.
.
.
.
.
.
.
.
P P
P
C C
P
P
C C
P
P
C C
P
1 0
2
0
2
0
2
3
3
0
3
4
2
4
0
4
03333
13333
07778 01944
1 1
2
03333
13333
07778 00243
1 1
4
03333
13333
07778 00030
1 1
8
03333
13333
07778 00004
= = =
=

=
=

=
=

.
.
. .
!
.
.
. .
!
.
.
. .
!
.
.
. .


Entonces, el nmero medio de mquinas estropeadas en el taller es:

[ ]
L E n nP
n
n
= = = + + + =
=

0
4
01944 2 00243 3 0003 4 00004 02536 . . . . .







38
Cuadro resumen

Es evidente que la cola tipo M/M/1 es un caso particular de la cola M/M/C y
sta, a su vez, de la M/M/C/K, de forma que de las expresiones obtenidas para el caso
M/M/C/K, haciendo C=1 y K=, obtenemos las expresiones correspondientes a la
M/M/1. En el siguiente cuadro se presentan las expresiones correspondientes a los tres
tipos de colas vistos hasta ahora:

M/M/1 M/M/C M/M/C/K
P
0
1
( )
( )
C
n
C
C
n
n
C C C

! !
=
+

0
1 1
1
1

( )
( )
( )
( )

C
n
C
C
n
n
C
C
k c
! !
=

0
1
1
1
1
1

P
n


P P
n
n
=
0

( ) C
n
P n C
C
C
P n C
n
C n

!
!
0
0
<

( )
( )

C
n
P n C
C
C C
P C n K
n
o
n
n C
!
!
0
0
<
<

1

( )

C
P
C
C
1
1
2
+

( ) C n C P
n
n C
K
+
=

L
q

2
1

( )

1
2

P
C

( ) n C P
n
n C
K

W
q

( )

1

( )
1
1
2
C
P
C

( )
1

n C P
n
n C
K

W
( )
1
1

( )
1
1
1
2

P
C
C

( )
1 1

+
=

n C P
n
n C
K


39
COLAS TIPO M/G/1

Estudio de la cola

Segn la notacin de Kendall, este tipo de colas viene caracterizado por un
proceso de llegadas segn una ley de Poisson de parmetro , mientras que los tiempos
de servicio siguen una ley de tipo general, cuya funcin de distribucin es F t ( ) .
Adems, hay un nico canal de servicio.
Si llamamos t
n
al instante en que se produce la salida del sistema del n-simo
usuario, y

( ) X n t
n n
=

al nmero de usuarios que quedan en el sistema en el instante t
n
en que se produce la
salida del n-simo usuario, lo primero que afirmaremos es que la familia

{ } X
n
nN


es una cadena de Markov. Es decir, que

( ) ( )
X X X X X X
n n n
d
n n + +
=
1 1 1 1
, ,...,

donde el smbolo =
d
significa converge en distribucin. Esto es cierto porque

( ) { }
n t
t 0


es un proceso estocstico con incrementos independientes y adems es markoviano. Por
consiguiente:
( ) ( ) ( ) ( ) [ ] ( ) ( ) [ ]
n n n n n n n n n n
t n X t n X P t n X t n X t n X t n X P = = = = = = =
+ + + + 1 1 1 1 1 1 1 1
,..., ,

Si llamamos ahora A
n+1
al nmero de clientes que llegan en el perodo de tiempo
s
n+1
que dura el servicio al ( ) n +1 -simo usuario, tendremos:

X
X A si X
A si X
n
n n n
n n
+
+
+
=
+
=

1
1
1
1 1
0


De forma que X
n+1
slo depende de X
n
y A
n+1
y, por tanto, es evidente que el
proceso

{ } X
n
nN

es un proceso estocstico de Markov.
40
Como las duraciones s
n
de los servicios son variables aleatorias independientes
con funcin de distribucin F t ( ) , podemos llamar D
n
al instante en que sale del sistema
el n-simo usuario y, entonces, la variable aleatoria

( )
A S t D t D t
n n n n n n + + + +
= = =
1 1 1 1
, ,

tiene la misma distribucin que la variable aleatoria

( ) N t t t
n n + +

1 1
,

que es el nmero de usuarios que han llegado al sistema en un intervalo de duracin t ,
supuesto que el usuario ( ) n +1 -simo sale del sistema en el instante t
n+1
, cuya
distribucin verifica:

( ) ( ) N t t t N t Poisson t
n n
d d
+ +
= =
1 1
, ( )

Es decir, A
n+1
es independiente de X
n
, de D
n
y de D
n+1
. Entonces:

( )
( )
P A a s t
e t
a
a
t
a
= = = =

!
, , ,... 012
( ) ( )
( )

= = = = =
0 0
) (
!
) ( dt t f
a
t e
t dF t s a A P a A P
a t

Con lo anterior podemos deducir las probabilidades de transicin de la cadena de
Markov, que son:

( ) ( )
( )
( )

<

+
= + = = = = =

+
+
1 , 1 0
1 , 1 ) (
! 1
1
0
1
1
i i j si
i i j si dt t f
i j
t e
i j A P i X j X P P
i j t
n n ij

Para i = 0, es evidente que cuando un usuario sale del sistema dejndolo vaco, el
sistema contina vaco hasta que llega el siguiente usuario. A partir de este instante, el
nmero de usuarios que llegar vendr dado por una distribucin de Poisson de
parmetro ( ) s . Entonces:

( ) ( ) ( )
P P X j X P A j P X j X P
j n n n n j 0 1 1 1
0 1 = = = = = = = = =
+ +







41
Frmula de Pollaczek-Kintchine

La frmula de Pollaczek-Kintchine, tambin conocida como frmula P-K, es la
que nos permite calcular las medidas de eficacia de un sistema de colas del tipo M/G/1.
Supongamos que existe la distribucin estacionaria. Se puede demostrar que,
como en casos anteriores es condicin necesaria y suficiente para que un sistema sea
estacionario que

<

donde es la tasa de llegadas y la tasa de servicios (nmero medio de servicios por
unidad de tiempo) que ya no es el parmetro de una distribucin exponencial. Es decir,
ahora conoceremos del proceso de servicio:

[ ] [ ]
E s V s
s
= =
1
2

Si llamamos

[ ]
L E X
D
n
( )
=

al nmero medio de usuarios en el sistema en estado estacionario, medido en los
instantes de salida de los usuarios, por ser el sistema estacionario, ser:

[ ] [ ]
L E X E X
D
n n
( )
= =
+1


Sabemos que X
n+1
es una funcin de X
n
y de A de la forma:

( ) X X U X A
n n n +
= +
1
(*)

donde

( ) U X
si X
si X
n
n
n
=
>
=

1 0
0 0


Entonces, tomando esperanzas matemticas en la expresin (*), tenemos:

[ ] [ ] ( )
[ ] [ ]
E X E X E U X E A
n n n +
= +
1


y , como las esperanzas matemticas de X
n+1
y X
n
son iguales, tenemos, por el teorema
de Fubini:

( ) [ ] [ ] [ ]
E U X E A E A s t f t dt
n
= = = =

( )
0

42
[ ]
= = =


t f t dt t f t dt E s ( ) ( )
0 0


es decir,

( ) [ ] [ ]
E U X E A
n
= = =

Si ahora elevamos al cuadrado la igualdad (*), tenemos:

( ) ( ) ( ) X X U X A X U X AU X AX
n n n n n n n +
= + + +
1
2 2 2 2
2 2 2

Si ahora tomamos esperanzas matemticas teniendo en cuenta que
[ ] [ ]
E X E X
n n +
=
1
2 2
, tenemos:

( )
[ ] [ ]
( )
[ ]
( )
[ ] [ ]
0 2 2 2
2 2
= + + E U X E A E X U X E AU X E AX
n n n n n


De la definicin de la funcin ( ) U X
n
, resulta:

( ) ( ) ( ) U X U X X U X X
n n n n n
2
= = y

Adems, A y X
n
son independientes, con lo que resulta:

( )
[ ] [ ]
[ ]
[ ]
( )
[ ] [ ]
[ ]
0 2 2 2
2
= + + E U X E A E X E A E U X E A E X
n n n n

[ ]
0 2 2 2
2 2
= + E A L L
D D ( ) ( )

[ ]
( )
L
E A
D ( )
=
+

2
21
2 2


Queda por calcular
[ ]
E A
2
; para ello tomamos la definicin de varianza:

[ ] [ ] [ ] ( )
V A E A E A =
2
2

[ ] [ ] [ ] ( ) [ ]
E A V A E A V A
2
2
2
= + = +

Y para la varianza de A tomamos:

[ ] [ ]
[ ]
V A E V A s V E A s = +

=
[ ] [ ]
= + = + = + E s V s
s s

2 2 2 2


Entonces:

43
[ ]
E A
s
2 2 2 2
= + +
( )
L
D s ( )
=
+ + +

2
21
2 2 2 2


y, simplificando, obtenemos la frmula de Pollaczek-Kintchine, que es:

( )
L
D s ( )
= +
+

2 2 2
21


Si el sistema es estacionario, entonces el nmero medio de usuarios en el sistema
en los instantes de salida debe ser igual al nmero medio de usuarios en el sistema en
cualquier instante y, entonces:

( )
L
s
= +
+

2 2 2
21


Aqu siguen siendo vlidas las frmulas de Little; por tanto, el tiempo medio de
permanencia en el sistema ser:

W
L
=

el tiempo medio de espera en cola:

W W
q
=
1

y el tamao medio de la cola:

L W L
q q
= =

Distribucin estacionaria en los puntos de salida

Como ya se dijo antes, si el sistema es estacionario, la probabilidad de que haya
un determinado nmero de usuarios en el sistema en los puntos de salida debe ser igual
a la probabilidad de que haya ese mismo nmero de usuarios en cualquier instante. As
pues, si calculamos la distribucin de estas probabilidades en los puntos de salida,
tendremos la distribucin de las probabilidades P
n
.
Es decir, si llamamos
n
a la probabilidad de que haya n usuarios en el sistema
en el instante en que un usuario sale de ste en estado estacionario ser:

44
( ) [ ]
P lim P n t n
n n
t
n
= = =

Estos valores
n
sern los componentes del vector lmite de la distribucin
estacionaria del proceso de Markov ya descrito. Para calcularlos recordemos que:

( ) ( )
( )
( )

<

+
= + = = = = =

+
+
1 , 1 0
1 , 1 ) (
! 1
1
0
1
1
i i j si
i i j si dt t f
i j
t e
i j A P i X j X P P
i j t
n n ij

P P
j j 0 1
=

De la misma manera, podemos definir la probabilidad de que haya n llegadas al
sistema entre dos puntos de salida:

( )
( )

= = =
0
) (
!
dt t f
n
t e
n A P k
n t
n

de tal forma que se ve claramente que

P k
ij j i
=
+1


con lo que la matriz de transicin de la cadena de Markov queda de la siguiente forma:

P
k k k k
k k k k
k k k
k k
=

0 1 2 3
0 1 2 3
0 1 2
0 1
0
0 0
...
...
...
...
... ... ... ... ...


y los
n
se calculan hallando:

=

lim P
n
n


para lo cual se emplean los procedimientos de anlisis de procesos estocsticos.



Ejemplos

En cierto aeropuerto, el tiempo que un avin tarda en aterrizar desde que recibe
autorizacin de la torre de control tiene de media 4 minutos y varianza 0.15, pero con
distribucin desconocida. Las llegadas de aviones al aeropuerto son de Poisson con una
media de 8 aviones por hora. Calcular el tiempo medio de espera de un avin desde que
llega al aeropuerto hasta que recibe la autorizacin para aterrizar.

45
La tasa de llegadas es = =
8
60
01333 . aviones por minuto, y la tasa de servicio es
de = =
1
4
025 . , con
s
2
015 = . . Como es < , el sistema es estacionario con intensidad
de trfico

= = 05333 . .
El nmero medio de aviones en el sistema ser:

( )
( ) ( )
( )
L
s
= +
+

= +
+

2 2 2
2 2
21
05333
05333 01333 015
21 05333
08409 .
. . .
.
.

El tiempo medio de espera ser:

W W
L
q
= = = =
1 1 08409
01333
1
025
2308

.
. .
. minutos




Un profesor universitario quiere someter a sus alumnos a un examen oral. Se
supone que el proceso se ajusta a una cola tipo M/G/1 con una duracin media para cada
examen de 9 minutos con varianza 90. Los alumnos se citan en intervalos de 12
minutos. Calcular el tiempo medio de espera de los alumnos antes de entrar al examen.

En este caso es 0833 . 0
12
1
= = alumnos por minuto, 1111 . 0
9
1
= =
exmenes por minuto y 90
2
=
s
.
Entonces:

= = = <
00833
01111
075 1
.
.
.

luego el sistema es estacionario.
El nmero medio de alumnos en el sistema ser:

( ) ( )
L
s
= +
+

= +
+

2 2 2 2 2
21
075
075 008332 90
21 075
3124 .
. .
.
.

y el tiempo medio de espera:

W W
L
q
= = = =
1 1 3124
00833
9 285

.
.
. minutos

46
Colas tipo M/E
k
/1

Un tipo de sistemas de colas especialmente interesante es aqul en el que las
llegadas son de Poisson y la duracin del servicio sigue una distribucin de Erlang,
tambin llamada distribucin K.
Esta distribucin resulta de sumar k variables aleatorias independientes e
idnticamente distribuidas con distribucin exponencial de parmetro , y su funcin
de densidad es:

( )
( )
kt k
k
X
e t
k
k
t f

=
1
! 1
) (

es decir, es una distribucin gamma de parmetros ( ) k k , .
Por tanto, si la distribucin es estacionaria,

( )
( ) ( )
( )
K P A n
e t
n
k
k
t e dt
n
t
n k
k k t
= = =

! ! 0
1
1


En este caso, es fcil demostrar que la intensidad de trfico para el sistema es:

r
k
=

por lo que la cola M/E
k
/1 se puede considerar equivalente a la M/M/K.




47
Colas tipo M/G/1/N

Como indica la notacin de Kendall, se trata de un sistema de colas con llegadas
de Poisson y tiempos de servicio segn una distribucin de probabilidad cualquiera
conocida, pero con una capacidad mxima de N usuarios en el sistema
simultneamente.
En este caso, la matriz de transicin ser del proceso estocstico asociado ser de
la forma:


P
k k k k A
k k k k A
k k k A
k A
k A
N N
N N
N N
=

0 1 2 1 1
0 1 2 1 1
0 1 2 2
1 1
0 0
0
0 0 0
0 0 0
...
...
...
... ... ... ... ... ...
...
...



donde

A k k k k
j j j j i
i j
+ +
=

= + + + =
1 1 2
...

Entonces, en la distribucin estacionaria, las probabilidades lmite toman la
forma:

0
1
1
1
1
1
= +

=
+
=

i
i
N
i
i
i
i
N


donde se tiene:

0
0
1
0
1
2
0
2
1
0 1
1
0
1
1
=
= =


i
i
i i
i
k
k
k
k
k
k
k
k
...


48
COLAS CON PARMETROS VARIABLES

Caso general

En muchos sistemas de colas donde intervienen seres humanos es necesario
tener en cuenta el comportamiento de estas personas ante el sistema. Se da con
frecuencia el caso de las personas que renuncian a esperar en cola, el de personas que
rompen la disciplina de la cola, en que el gestor del sistema modifica los tiempos de
servicio a la vista del nmero de usuarios en cola, etc.
Se hace, por tanto, necesario introducir este comportamiento humano en la
modelizacin matemtica del sistema. En general el comportamiento humano afectar a
la tasa de llegadas y a la tasa de servicio y, normalmente, la variacin de estas tasas ser
funcin del nmero de usuarios en el sistema, de tal forma que ya no tendremos tasas
constantes, sino unas tasas variables:


n n
f n g n = = ( ) ( )

La obtencin de las ecuaciones que regulan este tipo de sistemas se hace de
forma anloga al procedimiento empleado hasta ahora, partiendo de :

( )
d
dt
P t P t P t
d
dt
P t P t P t P t
o
n n n n n n n n
( ) ( ) ( )
( ) ( ) ( ) ( )
= +
= + + +

+ +


0 0 1 1
1 1 1 1


de forma que se puede demostrar que es condicin necesaria y suficiente para que exista
la distribucin estable que:

< + =

+


=

=
+
1
3 2 1
1 2 1 0
1
1
0
1
...
...
1 1
i
i
i
i
i
j
j
j

Entonces se obtiene:

0
3 2 1
1 2 1 0
1
1
3 2 1
1 2 1 0
0
...
...
...
...
1
P P
P
n
n
n
i
i
i

+ =



A continuacin veremos algunos de las colas ms interesantes de este tipo.
Adems veremos los casos en que el nmero de canales de servicio es variable y el caso
en que haya prdidas en funcin de la cola.


Cola con desaliento
49

Es el caso en el que algunos individuos, al llegar al sistema y observar que existe
un cierto nmero de usuarios en cola, desiste de acceder al sistema. En este caso, las
tasas de llegadas y de servicio puede ser modelizada de la forma:

( )


n
n
n
n
n
=
+
=
=
1
012 , , ,...


En este caso, tendremos:

! !
1
...
! 3 ! 2
1
1
!
1
1
3
3
2
2
1
1
0
n
e
e
n
P
e
e
i
P
n
n
n
n
i
i
i

=
= =
=

=
+ + + +
=

+ =



de tal forma que la probabilidad de que el nmero de usuarios en el sistema en un
momento dado sea n sigue una distribucin de Poisson de media igual a la intensidad
de trfico .


Cola binomial

En este caso supondremos que el tamao de la cola (del dispositivo de espera) es
limitado, de forma que el nmero mximo de usuarios en cola simultneamente es N , y
que la tasa de llegadas es funcin del tamao del dispositivo de espera y de la cantidad
de usuarios en cola, es decir, del espacio disponible en el dispositivo de espera:

n
n
N n
N n
n N
n N
=

+
<

=
( ) 1
0


Entonces,

n N n
n
N
i
i i
N
N
N n
N
P
N N
i
N
P

+ =

+ =

1 1
1
1
1 1
1
1
0


50
de tal forma que la probabilidad de que el nmero de usuarios en el sistema en un
momento dado sea n sigue una distribucin binomial.
Tambin existe la llamada cola binomial negativa. Se da esta cola cuando las
tasas de llegada y servicio son de la forma:

n
n
N n
N n
=
+
+
=
( ) 1

en cuyo caso se obtiene

P
N
P
N
n N N
N
n
N n
0
1
1
1
1 1
=

Cola con desaliento dependiente del tiempo de servicio

Como su propio nombre indica, se da este tipo de cola cuando la tasa de llegada
depende no slo del nmero de usuarios en el sistema, sino del tiempo de servicio, de
forma que a mayor tiempo de servicio, menos probabilidades de llegadas hay, y suele
ser de esta forma:

n
n
n
e n = >
=

0 0 ,


En este caso se obtiene:
0
) 1 (
0
) 1 (
0
1
P P
P
n n n
n
i
i i i

=
=

donde

= e .



Cola con tasa de servicio dependiente del estado

Se da este tipo de cola en aquellos casos en los que el supervisor del sistema
presiona a los servidores para que acorten el tiempo de servicio a medida que aumenta
el nmero de usuarios en el sistema. En estos casos se dice que la tasa de servicio est
afectada por un coeficiente de presin que suele ser de la forma n

. En este caso, las

tasas son:
51

n
n
n
=
=


de forma que:

( )
( )
0 0
0
1
1
0
! ... 3 2 1
! ... 3 2 1
1
P
n
P
n
P
i i
P
n
n
n
n
i
i
i
n
i

= =

+ =


=

=


En el caso particular en que tengamos = 1,

P e
P e
n
n
n
0
=
=

!


que modeliza un sistema de colas con infinitos servidores, modelo que se adapta muy
bien a algunos sistemas de autoservicio.


Cola con servidor adicional cuando la cola es grande

Este caso trata de aquellas situaciones en las que el nmero de canales de
servicio es:

C n N
C n N
= <
=
1
2


siendo las tasas de llegada y servicio constantes e iguales a y respectivamente.
Entonces tenemos:

( )( )
P
P
P n N
P n N
N
n
n
n N
n
0
1
0
0
1 2
1
1
1
2
=


=

Colas con prdidas

52
Este tipo de sistemas de colas se da cuando tenemos un sistema con un nmero
limitado de usuarios en el sistema simultneamente, y tal que aquellos usuarios que
intentan acceder al sistema cuando la cola est llena producen prdidas.
Este modelo se adapta bien al caso de una central telefnica con C lneas; en
este sistema, las llamadas que intentan acceder a la central cuando todas las lneas estn
ocupadas se pierden. El sistema respondera a la notacin de Kendall G/G/C/C. El
objetivo al disear un sistema de este tipo es minimizar la probabilidad de perder
usuarios.
Para ello, es necesario calcular cul es la probabilidad de perder un usuario. En
efecto, supongamos un sistema de colas del tipo G/M/C/C, en el que la tasa de llegadas
sea

n
f n = ( )

y con servicio de tipo exponencial, con tasa


n
=

En este caso, en estado estacionario tenemos:

( )



0 0 1
1 1 1
1 1
1 0
P P
n P P n P n C
CP P n C
n n n n n
C C C
=
+ = + + < <
= =

+

( )

sistema que resuelto da los siguiente:

C n P
C n
n
P
i
P
n
n
ni
n
C
i
i
i
> =
<
=

+ =

0
0
!
...
!
...
1
1 2 1 0
1
1
1 2 1 0
0

La probabilidad de perder un usuario es la probabilidad de que el sistema est
lleno en el instante en que llega dicho usuario, es decir, en estado estacionario, ser
igual a P
C
.

0
2 1 0
!
...
P
C
P
C
C
C

=

53
que resulta ser igual a la proporcin esperada de usuarios perdidos. A la expresin de
esta proporcin se la conoce con la frmula de EngsetODell. Si particularizamos
para el caso de la cola M/M/C/C, es decir, para
n
= , tenemos:

C n P
n
r
P
i
r
C
r r r
r P
n
n
C
i
i C
< =

+ =

+ + + + + =

=

0
!
!
1
!
...
! 3 ! 2
1
0
1
1
3 2
0
1

C n P
n
> = 0

donde r es la intensidad de trfico por canal. Entonces, la proporcin de usuarios
perdidos ser:

1
!
...
! 3 ! 2
1
!
3 2

+ + + + +

=
C
r r r
r
C
r
P
C C
C


A esta expresin se la conoce como frmula de prdida de Erlang.




Problema de las mquinas

Un tipo de sistema de colas que tiene especial inters es el que responde al
modelo que se ha dado en llamar problema de las mquinas, cuyo enunciado general es
el siguiente:
Supongamos que una fbrica dispone de M mquinas que se usan en intervalos
de tiempo cuya duracin tiene distribucin exponencial de media
1
. Supongamos que
existen m mquinas trabajando en el instante t . La probabilidad de que el servicio de
mantenimiento de la fbrica llame a una de esas mquinas a reparar en el intervalo
( ) t t t , + es:

( ) m t t + 0

donde ( ) 0 t es un infinitsimo de orden inferior al de t . La duracin del tiempo de
mantenimiento de las mquinas sigue una distribucin exponencial de media
1
y para
estas tareas la fbrica cuenta con C equipos de mantenimiento (que aqu hacen el papel
de canales de servicio).
Interesa calcular el nmero medio de mquinas que no estn trabajando en el
instante t . O bien, la probabilidad de que en un instante cualquiera, el nmero de
mquinas inactivas sea igual a n .

Veamos en primer lugar que la tasa de llamadas a reparar (que es la tasa de
entrada en el sistema de mantenimiento) es:
54

( )
n
m M n = =

siendo n el nmero de mquinas inactivas. Por otra parte, la tasa de reparacin (que es
la tasa de servicio del sistema de mantenimiento) es:

n
n n C
C n C
=
<

1


Si llamamos N t ( ) al nmero de mquinas inactivas en el instante t , lo que
pretendemos calcular es:

[ ]
P t P N t n N i
n
( ) ( ) ( ) = = = 0

y, ms concretamente, el valor de:

P lim P t
n
t
n
=

( )

si es que existe situacin estacionaria.
Si establecemos las ecuaciones en diferencia de forma adecuada, tendremos:

( )
( ) [ ] ( ) ( ) ( )
( )
[ ]
( ) ( )



MP P n
M n n P M n P n P n C
M n C P M n P CP C n M
n n n
n n n
0 1
1 1
1 1
0
1 1 1
1
= =
+ = + + +
+ = + +
+
+


de donde obtenemos en situacin estacionaria

P
M
n
P n C
M
n
n
C C
P C n M
n
n
n C
n
=

0
0
!
!


En el caso particular en el que slo exista un nico equipo de mantenimiento
( ) C = 1 , entonces:

( )
P
M
M n
P n M
n
n
=

!
!

0
0

En este tipo de problemas se definen los conceptos de disponibilidad de
mquinas (proporcin media de mquinas disponibles):

[ ]
1
E N
M


y deutilidad operativa del taller:
55

nP
C
P
n
n
C
n
n C
M
= = +

+
0 1


magnitudes que suelen estar tabuladas para diferentes valores de M y de .
Tambin se definen y tabulan otros parmetros como el coeficiente de prdidas,
que es el cociente entre el nmero medio de mquinas que estn trabajando y el nmero
total de mquinas, o el coeficiente de prdidas de los equipos de mantenimiento, que
es el cociente entre el nmero medio de equipos de mantenimiento ociosos y el nmero
total de equipos de mantenimiento.
56
REDES DE COLAS

Redes de colas abiertas

Una red de colas es un conjunto de vrtices o nodos conectados por un conjunto
de caminos, en los que cada nodo es un sistema de colas con uno o varios servidores, de
tal forma que los usuarios que salen de uno de los sistemas de colas entran en otro
situado en otro nodo, estando estos nodos conectados en una combinacin serie-
paralelo, donde cada servicio se resuelve de manera independiente.
Estas redes sirven para modelizar aquellos sistemas en que los usuarios necesitan
ser servidos por varios servidores diferentes. Casos tpicos son las redes de ordenadores,
la secuenciacin de tareas en la lnea de ensamblaje de una fbrica, etc. En la prctica
generalmente se consideran solamente redes de colas de tipo markoviano.
El primer tipo de redes de colas que consideraremos es el de las colas en tndem,
o redes de colas en serie, que responden muy bien como modelos de las cadenas de
montaje, de los reconocimientos mdicos por varios especialistas, intersecciones de
trfico, etc.
Comenzaremos por el caso ms sencillo que consiste en dos servidores, es decir,
dos sistemas de colas, conectados en serie. Los usuarios llegan al primer servidor de la
red de forma poissoniana, con tasa y, una vez que son servidos, pasan al segundo
servidor. Existen, por tanto dos procesos: N t
1
( ) que es el nmero de usuarios en el
primer sistema de colas en el instante t y N t
2
( ) que es el nmero de usuarios en el
segundo sistema en el instante t . Analizaremos el proceso conjunto { } N t N t
1 2
( ), ( ) como
un proceso estocstico cuyo espacio de estados es:

( )
{ }
n n n n
1 2 1 2
0123 , , , , , ,... =

Interesa conocer

( ) P P N n N n
n n
1 2
1 1 2 2
= = = ,

es decir, la probabilidad de que, en estado estacionario, el nmero de usuarios en el
primer sistema sea n
1
y en el segundo sea n
2
. Se puede demostrar que esta probabilidad
lmite existir si y slo si

1
1
2
2
1 1 = < = < y

donde
1
y
2
son las tasas de servicio de los dos sistemas de colas. Si en este sistema
establecemos las probabilidades de forma similar a como hemos hecho en los sistemas
de colas anteriores, obtendremos las siguientes ecuaciones:

57
( )
( )
( )




P P
P P P n
P P P n
P P P P n n
n n n
n n n
n n n n n n n n
00 2 01
2 0 1 1 1 2 0 1 2
1 0 2 1 10 1
1 2 1 1 1 2 1 1 1 2
2 2 2
1 1 1
1 2 1 2 1 2 1 2
0
0
0
=
+ = + >
+ = + >
+ + = + + >

+ + +
, ,
,
, , ,
,


cuya solucin fue dada por R. R. P. Jackson en 1954 y es la siguiente:

( )( )
( )( )
P P n n
P n n
P n n
n n
n n
n n
n n
1 2
1 2
1 2
1 2
1 2 00 1 2
00 1 2 1 2
1 2 1 2 1 2
0
1 1 0
1 1
= >
= = =

=



,
,

Para el caso general de S nodos en serie, tendremos:

( ) P
n n n i i
n
i
S
S
i
1 2
1
1
, ,...,
=
=

Redes de colas abiertas

Supongamos una red en la que existen K vrtices de tal forma que el vrtice i -
simo tiene S
i
servidores; supongamos que a cada vrtice llegan los usuarios con tasa

i
y son servidos con tasa
i
. Despus de ser servido en el vrtice i , el usuario pasa al
vrtice j con probabilidad
ij
, y sale de la red con probabilidad

1 0
1
>
=

ij
j
K


La red se llama abierta porque existe una probabilidad no nula de que un usuario
salga de la red. Interesa conocer la distribucin de probabilidad lmite P
n n n
k 1 2
, ,...,
del
nmero de usuarios en cada vrtice en estado estacionario. En 1957, J . R. J ackson
(diferente a R. R. P. J ackson mencionado en la pgina anterior) demostr que:

P P n P n P n
n n n K k
k 1 2
1 1 2 2 , ,...,
( ) ( ) ... ( ) =

a partir de lo cual dedujo:

( )
P r
P
r
r S
P
S S
r S
i
i
i
i
r
i
i
i
i
r
i
r S
i
i
i
( )
( )
!
( )
!
=

0 0
0

58
siendo los
i
conocidos como la tasa efectiva de llegadas al vrtice i , cuyos valores
son las soluciones al sistema de ecuaciones:


i i ij j
j
K
i K = + =
=

1
12 , ,...,

A esta solucin para las redes de colas abiertas se la conoce como Teorema de
Jackson.



Redes de colas cerradas

Es una variante de la anterior, en la que la probabilidad de que un usuario salga
del sistema es nula; es decir,

1 0
1
=
=

ij
j
K


Entonces, el nmero de usuarios en la red N permanece constante. Bajo estos
supuestos, se puede demostrar que:

P C
P
n n n
n n n
i
n
i i i
K
K
i
1 2
1 1 2 2 1
, ,...,
( ) ( )... ( )
=

donde
{ }

j j
n min n S ( ) , = y adems se satisface que


r r rS
r
S Sr S
S
r K

= = 12 , ,...,

Para determinar la constante C se emplea la condicin de consistencia:

P
n n n
K 1 2
1
, ,...,
=



Redes de colas cclicas

Una red de colas con K vrtices se dice cclica si se comporta de forma que los
usuarios se mueven siempre desde el vrtice i al i +1, para 1 < i K , y desde el vrtice
K pasan al 1. Para este tipo de redes se pueden establecer las siguientes relaciones:

59

1 1
2 2 1 1
3 3 2 2
1 1
2
1
2
1
3
2
3
2
1
3
3
1
1
=
=
=
=

=
= =
=

K K
K K K K
K
K
... ...


y, en la distribucin lmite:

( )
P C
n n n
N
K
n
i
K
K
i
1 2
1
1
2
, ,...,
=

donde C se determina por normalizacin.