4.

2CRITERIOS BAJO LA DISTRIBUCION DE POISSONYEXPONENCIAL PARA

LA SELECCIÓN DEL MODELO APROPIADODE LÍNEAS DE ESPERA.
Sistemas de colas: las llegadas - distribución de poisson La distribución de
Poisson es una distribución de probabilidad discreta que expresa, a partir de
una frecuencia de ocurrencia media, la probabilidad que ocurra un
determinado número de eventos durante cierto periodo de tiempo.
Propiedades. La función de masa de la distribución de Poisson es:
Donde:

k es el número de ocurrencias del evento o fenómeno (la función nos da la

probabilidad de que el evento suceda precisamente k veces).
λ es un parámetro positivo que representa el número de veces que se espera
que ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el suceso
estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados
en la probabilidad de que ocurra k veces dentro de un intervalo de 10 minutos,
usaremos un modelo de distribución de Poisson con λ = 10×4 = 40.

e es la base de los logaritmos naturales (e = 2,71828...)

Tanto el valor esperado como la varianza de una variable aleatoria con
distribución de Poisson son iguales a λ. Los momentos de orden superior son
polinomios de Touchard en λ cuyos coeficientes tienen una interpretación
combinatorio.
De hecho, cuando el valor esperado de la distribución de Poisson es 1,
entonces según la fórmula de Dobinski, el n-ésimo momento iguala al número
de particiones de tamaño n.
La moda de una variable aleatoria de distribución de Poisson con un λ no
entero es igual a , el mayor de los enteros menores que λ
(los símbolos representan la función parte entera). Cuando λ es un entero
positivo, las modas son λ y λ − 1.
La función generadora de momentos de la distribución de Poisson con valor
esperado λ es
Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente
divisibles. La divergencia Kullback-Leibler desde una variable aleatoria de
Poisson de parámetro λ
0 a otra de parámetro λ es
Intervalo de confianza
Un criterio fácil y rápido para calcular un intervalo de confianza aproximada
de λ,
se propone en Guerriero (2012).
1
Dada una serie de eventos k (al menos el 15 -20) en un periodo de tiempo T,
los límites del intervalo de confianza para lafrecuencia vienen dadas por:
LINEAS DE ESPERA
12
Entonces los límites del parámetro están dadas por:.Sumas de variables
aleatorias de PoissonLa suma de variables aleatorias de Poisson
independientes es otra variablealeatoria de Poisson cuyo parámetro es la
suma de los parámetros de lasoriginales. Dicho de otra manera, sison N
variables aleatorias de Poissonindependientes,entonces.Sistema de colas:
Distribución binomialLa distribución de Poisson es el caso límite de
ladistribución binomial.De hecho,si los parámetros n y de una
distribución binomial tienden a infinito ya cero
demanera que se mantenga constante, la distribución límite obtenida es deP
oisson.
Aproximación normal
Como consecuencia delteorema central del
límite,para valores grandes de , unavariable aleatoria de Poisson X puede
aproximarse por otranormaldado que
elcociente converge a una distribución normal de media nula yvarianza
1.Distribución exponencial

Supóngase que para cada valor t > 0, que representa el tiempo, el número
desucesos de cierto fenómeno aleatorio sigue una distribución de Poisson de
parámetro λt. Entonces, los tiempos discurridos entre dos sucesos sucesivos
sigue
ladistribución exponencial.
4.3APLICACION DE MODELOS DE DECISION EN LINEAS DE ESPERA.
La teoría de colas requiere de un estudio matemático del comportamiento de líneas
de espera. Estas se presentan cuando "clientes" llegan a un "lugar" demandando
un servicio al "servidor", el cual tiene cierta capacidad de atención. Si el servidor no
está disponible inmediatamente y el cliente decide esperar, entonces se forma en la
"línea de
espera".El problema es determinar qué capacidad o tasa de servicio proporciona e
lbalance correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es
decir, no se sabe con exactitud en qué momento llegarán los clientes. También el
tiempo de servicio no tiene un horario fijo. Las llegadas se describen por su
distribución estadística. Si las llegadas ocurren con una tasa promedio y que son
independientes una de otra, entonces ocurren de acuerdo con una distribución de
probabilidades de tipo "poisson”.
Una cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de líneas de espera particulares o de sistemas
de colas. Los modelos sirven para encontrar un buen compromiso entre costes del
sistema y los tiempos promedio de la línea de espera para un sistema dado .Con
frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios
que debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible
predecir con exactitud cuándo llegarán los clientes que demandan el servicio y/o
cuanto tiempo será necesario para dar ese servicio; es por eso que esas decisiones
implican dilemas que hay que resolver con información escasa. La teoría de colas
requiere de un estudio matemático del comportamiento de líneas de espera. Estas
se presentan cuando "clientes" llegan a un "lugar" demandando un servicio al
"servidor", el cual tiene cierta capacidad de atención. Si el servidor no está
disponible inmediatamente y el cliente decide esperar, entonces se forma en la
"línea de espera".
Objetivos de la teoría de colas
Dada la función de costes anterior, los objetivos de la teoría de colas consisten en:
Identificar el nivel óptimo de capacidad del sistema que minimiza el coste global del
mismo.
Evaluar el impacto que las posibles alternativas de modificación de la capacidad del
sistema tendrían en el coste total del mismo.
Establecer un balance equilibrado (“óptimo”) entre las consideraciones cuantitativas
de costes y las cualitativas de servicio.
Hay que prestar atención al tiempo de permanencia en el sistema o en la cola: la
“paciencia” de los clientes depende del tipo de servicio específico considerado y eso
puede hacer que un cliente
“abandone” el sistema.