Вы находитесь на странице: 1из 10

UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS

TEMA: Distribución Erlang

CURSO: Estadística y Probabilidades

DOCENTE:
 Enzo Aldo Bravo Burgos

ALUMNOS:
 Morillas Nicario, Andy
 Santa Maria Julcamoro, Akiro
 Terán Toledo, Elvis
 Vásquez Sarmiento, Junior

CICLO:
IV

Cajamarca, 13 marzo del 2018


DISTRIBUCION ERLANG
INTRODUCCION Y ANALIS TEORICO
INTRODUCCION
La distribución Erlang es una distribución de probabilidad continua con una amplia
aplicabilidad debido principalmente a su relación con la exponencial y la distribución
gama dad por la suma de un número de variables aleatorias independientes que poseen
la misma distribución exponencial.
La distribución ERLANG se aplica en modelos de sistemas de servicio masivo, ejemplo:
en situaciones donde el servicio tiene q realizar dos operaciones c/u con tiempo de
servicio exponencial.
La distribución Erlang es el resultado del trabajo realizado por el matemático danés
Anger Krarup Erlang (1878-1929) quien fue un pionero en la aplicación de métodos
estadísticos para el análisis de las redes telefónicas. La distribución se deriva del modelo
el total de tiempo de espera asociado con una cola de solicitudes en una central
telefónica, por lo cual es de especial interés para nuestro curso de teoría de colas.
La distribución Erlang es una distribución continua, que tiene un valor positivo para
todos los números reales mayores que cero, y está dada por dos parámetros:

 la forma k, que es un entero no negativo.


 la tasa λ, que es un número real no negativo.
La distribución a veces se definen utilizando el inverso del parámetro de tasa, la escala
θ. Se utiliza la distribución Erlang para describir el tiempo de espera hasta el suceso
número k en un proceso de Poisson. El parámetro de escala θ es equivalente a la media
de una distribución exponencial, y el parámetro de forma k es equivalente al número de
eventos distribuidos exponencialmente. Cuando el parámetro de forma k es igual a 1, la
distribución se reduce a la distribución exponencial.
La distribución de Gamma generaliza la distribución Erlang permitiendo k ser una real,
usando la función gamma en lugar de la función factorial.
Distribución Función gamma:

Función gamma:

Función gamma para n=entero positivo:


Función de densidad de Probabilidad
La función de densidad de probabilidad de la distribución Erlang es:

Para x > 0
El parámetro k se llama parámetro de la forma y el parámetro λ parámetro de tasa.
La parametrización alternativa, pero equivalente, utiliza el parámetro de escala θ que es
el recíproco del parámetro de tasa (es decir, θ = 1 / λ):

Debido a la función factorial en el denominador, la distribución Erlang sólo está definida


cuando el parámetro k es un entero positivo. De hecho, esta distribución es a veces
llamada distribución Erlang-k (por ejemplo, una distribución Erlang-2 es una distribución
Erlang con k = 2).

Función de Distribución Acumulativa


La función de distribución acumulativa Erlang está dada por:
Los eventos que ocurren independientemente con cierta tasa media, son modelados
con procesos de Poisson. Los tiempos de espera entre k ocurrencias del son
distribuciones de Erlang.
La distribución de Erlang, que mide el tiempo transcurrido entre la recepción de
llamadas, se puede utilizar en conjunción con la duración esperada de las llamadas
entrantes para así generar alguna información sobre la carga de tráfico medido en
unidades de Erlang. Esto puede ser usado para determinar la probabilidad de pérdida
de paquetes o el retardo, de acuerdo con diversas hipótesis formuladas acerca de si las
llamadas están bloqueadas son abortadas (fórmula Erlang B) o hasta que la cola sirve
(la fórmula Erlang C). El Erlang B y C fórmulas están todavía en el uso diario para la
elaboración de modelos de tráfico para aplicaciones tales como el diseño de centros de
llamadas.

• Formula Erlang B
La fórmula de Erlang B asume una población infinita de orígenes (como usuarios de
telefonía), la cual ofrece tráfico en conjunto a N servidores (como líneas en un grupo de
troncales).
La tasa de llegadas de nuevas llamadas (tasa de nacimiento) es igual a λ y es
constante, no depende del número de recursos activos, porque se asume que el total
de recursos es infinito. La tasa de abandono (tasa de mortandad) es igual al número de
llamadas en progreso dividida por h, la media del tiempo de llamadas en espera. La
fórmula calcula la probabilidad de bloqueo en una pérdida del sistema, si un
requerimiento no es atendido inmediatamente cuando trata de utilizar un recurso, y este
es abortado. Por lo tanto no son encolados.
El bloqueo ocurre cuando hay un nuevo requerimiento de recursos, pero todos los
servidores ya están ocupados. La fórmula asume que el tráfico que es bloqueado se
libera inmediatamente.

Una forma que es usada para calcular tablas de la fórmula de Erlang B es:

Donde:

 B es la probabilidad de bloqueo.
 N es el número de recursos como servidores o circuitos en un grupo.
 A = λh es la cantidad de tráfico entrante expresado en Erlangs.
La fórmula Erlang B se aplica a los sistemas con pérdidas, tales como sistemas
telefónicos tanto fijos como móviles, que no ofrecen almacenamiento de llamadas (es
decir, no permiten dejar la llamada "en espera"), y no se pretende que lo hagan. Se
asume que las llegadas de llamadas pueden ser modeladas por un proceso de Poisson,
pero es válida para cualquier distribución estadística de tiempos entre llamadas.
Erlang B también es una herramienta para dimensionar tráfico entre centrales de
conmutación de voz.
La cantidad B(N, A), como se expresó arriba, involucra algún trabajo de cálculos
numéricos y, consecuentemente, se necesitan tablas.

Formula Erlang C
La Fórmula de Erlang C también asume una infinita población de fuentes, las cuales
ofrecen en conjunto, un tráfico de A Erlang hacia N servidores. Sin embargo, si todos
los servidores están ocupados cuando una petición llega de una fuente, la petición es
introducida en la cola. Un sin fin de números de peticiones podrían ir a la cola en este
modo simultáneamente. Esta fórmula calcula la probabilidad de la cola ofrecido en el
tráfico, asumiendo que las llamadas que fueron bloqueadas se quedaran en el sistema
hasta que se pueda atender. Esta fórmula es usada para determinar la cantidad de
agentes o representantes de clientes, que necesitará en un [Call Center] para después
saber la probabilidad en la cola.

Donde:
o A es la intensidad total del trafico ofrecido en unidades de Erlangs.
o N es la cantidad de servidores [número de troncales].
o PW es la probabilidad de que un cliente tenga que esperar para ser atendido.
Se asume que las llamadas entrantes pueden ser modeladas usando una distribución
de Poisson y que el tiempo de espera de las llamadas son descriptas por una distribución
exponencial negativa.

Compartimiento de modelos
La distribución Erlang también se produce como una descripción de la tasa de transición
de los elementos a través de un sistema de compartimentos. Estos sistemas son
ampliamente utilizados en la biología y la ecología.
Por ejemplo:
En matemáticas, epidemiología, una persona puede progresar a un ritmo exponencial
de saludable a portador y de nuevo de forma exponencial de portador a infeccioso. La
probabilidad de que un individuo infeccioso en el momento t sería dada por la
distribución Erlang con k = 2.
Estos modelos tienen la propiedad útil que la varianza en los compartimientos infecciosos es
grande. En un modelo exponencial puro la varianza es 1 / λ 2 que a menudo es demasiado
pequeña.

Ejemplos

1) Suponga que cierta pieza metálica se romperá después de sufrir dos ciclos de esfuerzo. Si
estos ciclos ocurren de manera independiente a una frecuencia promedio de dos por cada 100
horas. Obtener la probabilidad de que el intervalo de tiempo se encuentre hasta que ocurre el
segundo ciclo.

o Dentro de una desviación con respecto del tiempo promedio.


o A más de dos desviaciones por encima de la media.

Solución:

X: Lapso que ocurre hasta que la pieza sufre el segundo ciclo de esfuerzo, en horas.

k=2

l=2 ciclos/100 horas → l=0.02

o P (m-s <>m+s) = P (29.29 <>=

o P(X > m+2s) = P(X > 241.42) = 1 – P(X £ 241.42) =

2) Encuentre el número de dispositivos n requerido para A = 60 Erlang y la probabilidad de


pérdida de 0.001.

Solución

Para E = 0.001, en las tablas puede verse que n = 83 corresponde al valor A de 60.403 Erlang, y
n = 82 al de A= 59.537. Por tanto n=83.
3) El número de clientes, en promedio, que llegan por minuto a solicitar servicio
a un banco es de 5. ¿Cuál es la probabilidad de que dos clientes tarden de 30
a 45 segundos en llegar al banco?

Solución

Tener en cuenta que:


• El número de clientes por minuto que llegan a solicitar servicio a un banco es
una variable aleatoria discreta Poisson (con parámetro λ).
• El tiempo que tarden clientes en llegar a solicitar servicio a un banco es una
variable aleatoria continua Gamma.(α = k, β = 1/λ ).

Ahora bien,

Sea X la variable aleatoria continua que representa el tiempo, en segundos,


que tardan K clientes en llegar a un banco.
Así, X: λ (α, β). Donde

Por tanto,X:λ(2,12)
Con lo cual,

Para este caso,


De esta manera, la probabilidad de que dos clientes tarden de 30 a 45
segundos en llegar al banco es de aproximadamente 17.56%.

4) A una centralista de teléfonos llegan 12 llamadas por minuto, siguiendo una


distribución de Poisson. ¿Cuál es la probabilidad de que en menos de 1 minuto
lleguen 8 llamadas?

Solución.
Sea la variable aleatoria que representa el tiempo que transcurre hasta un
determinado número de llamadas. Se observa que

Así, existe una probabilidad del 91.05%, aproximadamente, de recibir 8


llamadas en un lapso menor a un minuto.
Bibliografía

 https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Erlang
 http://enciclopedia_universal.esacademic.com/6311/Distribuci%C3%B3n_de_Erlang