Академический Документы
Профессиональный Документы
Культура Документы
Modelos Estadísticos y
Matemáticos
1. Modelos estadísticos
empleados en simulación
2. Modelos de cola
© Kleber Barcia V. CAPÍTULOS 5 y 6 Simulación de sistemas de eventos discretos; Jerry Banks. 5ta Edición
Introducción
2
© Kleber Barcia V.
Revisión de terminología y conceptos
3
© Kleber Barcia V.
Variables Aleatorias Discretas [Repaso de Probabilidades]
2. i 1
p ( xi ) 1
p(xi) es la Función Masa de Probabilidad (pmf) of X.
4
© Kleber Barcia V.
Variables Aleatorias Discretas [Repaso de Probabilidades]
Ejemplo:
Considere el lanzamiento de un dado. Considere X como el número de
puntos por cada cara del dado. Entonces:
Rx = {1,2,3,4,5,6}
Asuma que la carga del dado esta distribuida proporcionalmente al
número de puntos de cada cara.
xi 1 2 3 4 5 6
p(xi) 1/21 2/21 3/21 4/21 5/21 6/21
Entonces:
1. p ( xi ) 0, para toda i
2. i 1
p( xi ) 1 / 21 2 / 21 ... 6 / 21 1
Lqqd, x es una variable aleatoria discreta
5
© Kleber Barcia V.
Variables Aleatorias Continuas [Repaso de Probabilidades]
3. f ( x) 0, si x no esta en RX
6
© Kleber Barcia V.
Variables Aleatorias Continuas [Repaso de Probabilidades]
1 x / 2
e , x0
f ( x) 2
0, x0
Si X es discreta, entonces F ( x) p( xi )
all
xi x
x
Si X es continua, entonces F ( x) f (t )dt
8
© Kleber Barcia V.
Funciones de Distribuciones Acumuladas
[Repaso de Probabilidades]
9
© Kleber Barcia V.
Valor Esperado [Repaso de Probabilidades]
10
© Kleber Barcia V.
Valor Esperado [Repaso de Probabilidades]
12
© Kleber Barcia V.
Sistemas de inventarios y cadenas de suministros
[Modelos útiles]
13
© Kleber Barcia V.
Confiabilidad y Mantenibilidad [Modelos útiles]
14
© Kleber Barcia V.
Otros modelos [Modelos útiles]
Uniforme
Triangular
Beta
Distribuciones discretas
Pruebas Bernoulli y distribución Bernoulli
Distribución Binomial
Distribución Geométrica
Distribución Poisson
15
© Kleber Barcia V.
Distribución Binomial [Distribución Discreta]
Variable aleatoria X
n x n x
p q , x 0,1,2,..., n
p( x) x
0,
de manera diferente
Resultados con
exitos y fracasos
Probabilidad que
existan x éxitos y x!nn! x !
n
x
(n-x) fracasos
16
© Kleber Barcia V.
Distribución Binomial [Distribución Discreta]
17
© Kleber Barcia V.
Distribución Geométrica [Distribución Discreta]
Distribución Geométrica
Es la distribución de la variable aleatoria X para lograr el 1er
éxito en la prueba Bernoulli:
q x 1 p, x 0,1,2,..., n
p ( x)
0, de manera diferente
E(x) = 1/p, y V(X) = q/p2
Ejemplo: 40% de las impresoras ensambladas son rechazadas en el
departamento de inspección. Encuentre la probabilidad que la 1ra
impresora aceptada sea la 3ra inspeccionada. Considere cada
inspección como una prueba Bernoulli con q = 0.4 y p = 0.6
P(3)= (0.4)(3-1)(0.6) = 0.096
Solo en el 10% de los casos la 1ra impresora aceptada será la 3ra
inspeccionada.
18
© Kleber Barcia V.
Distribución Poisson [Distribución Discreta]
E(X) = a = V(X)
a = np
Gráfico de la pmf
y cdf para a = 2
19
© Kleber Barcia V.
Distribución Poisson [Distribución Discreta]
20
© Kleber Barcia V.
Distribuciones Continuas
Las variables aleatorias continuas pueden ser usadas
para describir fenómenos aleatorios, en los cuales las
variables pueden tomar cualquier valor en cualquier
intervalo.
21
© Kleber Barcia V.
Distribución Uniforme [Distribución Continua]
22
© Kleber Barcia V.
Distribución Uniforme [Distribución Continua]
El pasajero tiene que esperar más de 5 min. solo si llega entre 7:00 y
7:15 o entre 7:20 a 7:30. Entonces la probabilidad es:
P(0<X<15) + P(20<X<30)
Como X esta uniformemente distribuida en (0, 30):
x a
F ( x) , a xb
b a
F(15) + F(30) – F(20) = (15-0)/(30-0)+(30-0)/(30-0)-(20-0)/(30-0) = 5/6
23
© Kleber Barcia V.
Distribución Exponencial [Distribución Continua]
le lx , x 0
f ( x)
0, de manera diferente
0, x0
F ( x ) x lt
0
lx
l e dt 1 e , x0
24
© Kleber Barcia V.
Distribución Exponencial [Distribución Continua]
25
© Kleber Barcia V.
Distribución Normal [Distribución Continua]
1 1 x m 2
f ( x) exp , x
s 2 2 s
Media: m
Varianza: s 2 0
Representada como X ~ N(m,s2)
26
© Kleber Barcia V.
Distribución Normal [Distribución Continua]
Evaluación de la distribución:
Uso de métodos numéricos (forma no cerrada)
Uso de la distribución normal estándar, independiente de m y s:
Z ~ N(0,1)
Transformación de variables: siendo Z = (X - m) / s,
xm
F ( x ) P X x P Z
s
( xm ) /s 1 z2 / 2
e dz
2
( xm ) /s
1 t 2 / 2
( z )dz ( xs m )
z
, where ( z ) e dt
2
Tabla A.3.
27
© Kleber Barcia V.
Distribución Normal [Distribución Continua]
10 12
F (10) (1) 1 0.8413 0.1587
2
28
© Kleber Barcia V.
Distribución Weibull [Distribución Continua]
1 exp a , x
3 parámetros:
Parámetro de localización: , ( )
Parámetro de escala: , 0
Parámetro de forma. a, a 0
Ejemplo: = 0 y a = 1:
29
© Kleber Barcia V.
Distribución Weibull [Distribución Continua]
1 – 0.865 = 0.135
30
© Kleber Barcia V.
Modelos de cola. Introducción [2da parte]
Clientes:
Se refiere a cualquier cosa o persona que arribe al lugar de
trabajo y requiera de un servicio. Ejemplo: personas,
máquinas, camiones, e-mails.
Servidor:
Se refiere a cualquier recurso que provea del servicio
requerido. Ejemplo: un técnico de reparación, máquinas de
producción, pista de despegue el aeropuerto.
32
© Kleber Barcia V.
Población
[Características de los Sistemas de Cola]
Población:
Son los clientes potenciales, se puede asumir finita o infinita.
34
© Kleber Barcia V.
Proceso de arribo
[Características de los Sistemas de Cola]
35
© Kleber Barcia V.
Comportamiento de Colas y Disciplina de Colas
[Características de los Sistemas de Cola]
36
© Kleber Barcia V.
Tiempo de Servicio y Mecanismo de Servicio
[Características de los Sistemas de Cola]
37
© Kleber Barcia V.
Tiempo de Servicio y Mecanismo de Servicio
[Características de los Sistemas de Cola]
38
© Kleber Barcia V.
Tiempo de Servicio y Mecanismo de Servicio
[Características de los Sistemas de Cola]
39
© Kleber Barcia V.
Notación de Colas
[Características de los Sistemas de Cola]
T
L(t )dt
1 1
Lˆ iTi
T i 0
T 0
42
© Kleber Barcia V.
Número de clientes promedio en un tiempo T en
cola “LQ” [Características de los Sistemas de Cola]
1 T
ˆ 1
LQ iTi
Q
LQ (t )dt LQ as T
T i 0 T 0
23 / 20 1.15 clientes
0, if L(t) 0
LQ (t )
L(t ) 1, if L(t) 1
43
© Kleber Barcia V.
Tiempo promedio en el sistema por cliente “w”
[Características de los Sistemas de Cola]
W
1
wˆ i
N i 1
donde W1, W2, …, WN son los tiempos individuales que cada uno
de los N clientes permanecen en el sistema durante [0,T].
Para sistemas estables: w ˆ w as N
Si el sistema es de una sola cola:
1 N
wˆ Q Wi Q wQ as N
N i 1
44
© Kleber Barcia V.
Tiempo promedio en el sistema por cliente “w”
[Características de los Sistemas de Cola]
W
1
wˆ i
N i 1
W1 W2 ... W5
wˆ
5
2 (8 3) (10 5) (14 7) (20 16)
4.6 unidades de tiempo
5
1 N
wˆ Q Wi Q wQ as N
N i 1
0 033 0
wˆ Q 1.2 unidades de tiempo
5
45
© Kleber Barcia V.
Ecuación de la Conservación
[Características de los Sistemas de Cola]
número de clientes
Lˆ lˆwˆ tiempo promedio en el
en un tiempo sistema por cliente
promedio en el
sistema razón de arribo
L lw cuando T y N l N /T
Se la utiliza en casi todos los sistemas de cola o subsistemas
(sin importar el número de servidores, la disciplina de la cola o
cualquier otra circunstancia).
G/G/1/N/K ejemplo (cont.): En promedio, una llegada cada 4
unidades de tiempo y cada llegada dura 4.6 unidades de tiempo
en el sistema. Entonces, en cualquier tiempo t, existen:
(1/4)(4.6) = 1.15 clientes presentes en promedio
46
© Kleber Barcia V.
Utilización del Servidor
[Características de los Sistemas de Cola]
rˆ r cuando T
47
© Kleber Barcia V.
Utilización del Servidor
[Características de los Sistemas de Cola]
1 T T T0
Lˆ s L(t ) LQ (t ) dt
T 0 T
T= tiempo total
T0= tiempo desocupado del servidor
48
© Kleber Barcia V.
Utilización del Servidor
[Características de los Sistemas de Cola]
l
y r lE ( s )
m
49
© Kleber Barcia V.
Utilización del Servidor
[Características de los Sistemas de Cola]
Ls l
r , donde l cm para sistemas estables
c cm
50
© Kleber Barcia V.
Utilización del Servidor y Eficiencia del Sistema
[Características de los Sistemas de Cola]
Q WjQ es el tiempo
N $10W
que el cliente j esta
j
$10 wˆ Q en la cola
j 1 N
Si l̂ clientes arriban por hora (en promedio), el costo promedio
por hora es:
ˆ cliente $10wˆ Q
l $10lˆwˆ Q $10 LˆQ / hora
hora cliente
El servidor también genera un costo en el sistema. Si un grupo de
c servidores en paralelo (1 c ∞) tienen una utilización r y cada
servidor genera un costo de $5 por hora cuando esta ocupado.
El costo total del servidor es: $5cr.
52
© Kleber Barcia V.
Comportamiento Estable de Modelos Markovianos
con Población Infinita
1
Si : wQ w Entonces : LQ lwQ
m
53
© Kleber Barcia V.
Colas M/G/1 [Modelo Markoviano Estable]
r l / m , P0 1 r , r 1 P0
r 2 (1 s 2 m 2 ) r 2 (1 s 2 m 2 ) r2 l2s 2
Lr , LQ LQ
2(1 r ) 2(1 r ) 2(1 r ) 2(1 r )
l (1 / m 2 s 2 )
1 l (1 / m 2 s 2 )
w , wQ
m 2(1 r ) 2(1 r )
54
© Kleber Barcia V.
Colas M/G/1 [Modelo Markoviano Estable]
Ejemplo: Dos trabajadores que compiten por un puesto, Abel dice ser en
promedio más rápido que Baker, pero Baker dice ser más consistente,
Ambos tienen una razón de llegada Exponencial l = 2 por hr. (1/30 por minuto).
Able: 1/m = 24 min. y s2 = 202 = 400 min2:
La proporción de arribos que encuentran a Abel desocupado, por lo tanto no esperan en cola
es P0 = 1-r = 1/5 = 20%.
Baker: 1/m = 25 min. y s2 = 22 = 4 min2:
(1 / 30) 2 [25 2 4]
LQ 2.097 customers
2(1 5 / 6)
La proporción de arribos que encuentran a Baker desocupado, por lo tanto no esperan en
cola es P0 = 1-r = 1/6 = 16.7%.
A pesar que Abel trabaja rápido en promedio, la gran variabilidad en servicio resulta
en una cola de longitud promedio de aproximadamente 30% más grande que la cola
de Baker.
55
© Kleber Barcia V.
Colas M/M/1 [Modelo Markoviano Estable]
56
© Kleber Barcia V.
Colas M/M/1 [Modelo Markoviano Estable]
57
© Kleber Barcia V.
Efecto de la Utilización y la Variabilidad del Servicio
[Modelo Markoviano Estable]
E ( X ) 1 m
2 2
r 2 (1 s 2 m 2 ) r 2 1 (cv) 2
LQ
2(1 r ) 1 r 2
Factor de corrección de la
LQ para la formula M/M/1 para
cola M/M/1 distribuciones de tiempo de
servicio no exponenciales
58
© Kleber Barcia V.
Colas Multiservidores [Modelo Markoviano Estable]
60
© Kleber Barcia V.
Comportamiento Estable de Modelos con
Población Finita
61
© Kleber Barcia V.
Comportamiento Estable de Modelos con
Población Finita
Algunas de las probabilidades estables son:
1
c 1 K l n K K! l
n
P0
n 0 n m n c ( K n)!c!c m
n c
K l n
P0 , n 0,1,..., c 1
n m
Pn n
K! l
( K n)!c!c n c P0 , n c, c 1,...K
m
K k
L nPn ,
n 0
w L / le , wQ LQ le , r le / cm , LQ n c Pn
n c 1
65
© Kleber Barcia V.
Networks de Colas
lj aj l p
todo i
i ij
66
© Kleber Barcia V.
Networks de Colas
Sea el centro de servidores con cola 1 (c1=2, m1=30 choferes por hr.)
Sea el centro de examen con cola 2 (c2= ∞, m1=3 choferes por hr.)
Sea el centro de foto con cola 3 (c3= 1, m1=60 choferes por hr.)
67
© Kleber Barcia V.
Networks de Colas
3
l2 a2 pi 2 li 0 (0.15)50 7.5 choferes por hr.
i 1
3
l3 a3 pi 3li 0 (0.85)50 (1)7.5 50 choferes por hr.
i 1