Professional Documents
Culture Documents
2
ÍNDICE
ELEMENTOS DE TEORÍA DE COLAS.....................................................................................................4
Descripción de un sistema de colas..........................................................................................................4
SALIDAS...................................................................................................................................................4
El proceso de Poisson y la distribución exponencial ................................................................................5
Variables asociadas a un sistema de colas..............................................................................................11
Notación de Kendall................................................................................................................................12
Cola determinística..................................................................................................................................14
COLAS TIPO M/M/1..................................................................................................................................16
Comprobación de la distribución de las llegadas...................................................................................16
Estudio de la cola....................................................................................................................................18
Medidas de eficacia en estado estacionario............................................................................................23
Fórmulas de Little...................................................................................................................................24
Ejemplos..................................................................................................................................................25
COLAS TIPO M/M/C.................................................................................................................................27
Estudio de la cola....................................................................................................................................27
Medidas de eficacia en estado estacionario............................................................................................31
Ejemplos..................................................................................................................................................32
Cola tipo M/M/C/K.................................................................................................................................39
Cuadro resumen.......................................................................................................................................41
COLAS TIPO M/G/1...................................................................................................................................42
Estudio de la cola....................................................................................................................................42
Fórmula de Pollaczek-Kintchine.............................................................................................................44
Distribución estacionaria en los puntos de salida...................................................................................47
Ejemplos..................................................................................................................................................48
Colas tipo M/Ek/1...................................................................................................................................50
Colas tipo M/G/1/N.................................................................................................................................51
COLAS CON PARÁMETROS VARIABLES...........................................................................................52
Caso general............................................................................................................................................52
Cola con desaliento.................................................................................................................................53
Cola binomial..........................................................................................................................................53
Cola con desaliento dependiente del tiempo de servicio.......................................................................54
Cola con tasa de servicio dependiente del estado...................................................................................55
Cola con servidor adicional cuando la cola es grande...........................................................................56
Colas con pérdidas...................................................................................................................................56
Problema de las máquinas.......................................................................................................................58
REDES DE COLAS....................................................................................................................................60
Redes de colas abiertas............................................................................................................................60
Redes de colas abiertas............................................................................................................................61
Redes de colas cerradas...........................................................................................................................62
Redes de colas cíclicas............................................................................................................................63
3
ELEMENTOS DE TEORÍA DE COLAS
Descripción de un sistema de colas
La teoría de colas aparece a principios del presente siglo para estudiar los
problemas de congestión de tráfico que se presentaban en las recientemente
inventadas comunicaciones telefónicas. Entre 1903 y 1905, Erlang es el
primero en tratar el tráfico telefónico de forma científica, y establece la unidad
de tráfico telefónico, que recibe su nombre. Posteriormente esta teoría se ha
aplicado a multitud de problemas de la vida real, como el tráfico de
automóviles, la regulación de semáforos en una ciudad, la determinación del
número 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.
LLEGADAS SALIDAS
COLA SERVIDOR /ES
TASA TASAS
Interesa saber cuál es el intervalo de tiempo entre las llegadas de dos usuarios
consecutivos. Además, según cómo sea el proceso de llegadas, los usuarios
pueden llegar individualmente o en grupos.
4
Otra cuestión importante es saber cuánto 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 más de un
usuario, al quedar el servidor libre hay que determinar cuál de los usuarios en
espera será el que pase a recibir servicio. Es decir, es necesario un proceso
para decidir qué usuario va a ser llamado de la cola; esto es lo que se llama
disciplina de la cola. Los modelos más importantes son los siguientes:
Por último, 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.
5
una combinación continua de exponenciales, es decir, una distribución gamma,
que recibe el nombre de distribución erlangiana, o distribución K.
En efecto, si llamamos
Pn ( t )
( λt ) n
Pn ( t ) = e −λt
n!
P( t ≥ T ) = P0 (T ) = e −λT
Por tanto, la probabilidad de que el intervalo entre llegadas sea menor o igual a
T es:
P( t ≤ T ) =1 −e −λT
1
E[ T ] =
λ
6
Supongamos un ordenador al que llegan dos tipos de trabajos, largos y cortos,
según distribuciones de Poisson independientes con parámetros λ L y λ C ,
respectivamente. Se pide:
m
λ L λC
λL +λC λL +λC
pedida es:
( ) ( )
∞
P N 0C,t = m = ∫ P N 0C,t = m T = t ⋅ f T ( t ) dt
0
e −λ C t ( λ C t )
m
( ) ∫
∞
P N 0C,t = m = ⋅ λ L e − λ L t dt =
0 m!
λ mC λ L ∞ ( λ C + λ L ) m+1
=
( λC + λ L ) m +1 ∫ 0 m!
t m e − ( λC + λ L ) t dt
7
Por otra parte, la función Gamma responde a la siguiente expresión:
∞
( ρ) = ∫x
ρ−
Γ 1
e −x dx
0
Γ( ρ +1) = ρ ⋅ Γ( ρ )
Γ( ρ +1) = ρ!
Si hacemos ρ = m +1 y x = at , tenemos
∞ ∞
Γ( m +1) =
∫
0
( at ) m e −at a ⋅ dt =
∫a 0
m +1 m
t e −at dt =m!
y, por tanto,
∞
a m +1 m −at
∫0 m!
t e dt = 1
(
P N 0C,t = m = ) λ mC λ L
( λC + λ L ) m
En respuesta a la segunda cuestión, el número total de trabajos que llegan al
ordenador en un cierto intervalo será:
N 0L,t + N 0C,t
(
P N 0C,t = k ; N 0L,t + N 0C,t = n )=
(
P N 0C,t = k N 0L,t + N 0C,t = n = ) (
P N 0L,t + N 0C,t = n )
e − λ Ct ( λ c t ) e − λ Lt ( λ L t )
k n− k
=
(
P N 0C,t = k ; N 0L,t = n − k )= k!
⋅
( n − k) !
=
(
P N 0L,t + N 0C,t = n ) e
−( λ L +λ C
[( L C ) ]
)t λ + λ t n
n!
8
k n− k
λ kC λ nL− k n ! n λ kC λ nL− k n λ C λ L
= = = ⋅ ⋅
( λ L + λ C ) n ( n − k) ! k ! k ( λ L + λ C ) n k λ L + λ C λ L + λ C
que corresponde a una distribución binomial de parámetros:
λC
Bin n ,
λ L +λC
Segundo ejemplo:
− 21
P( t > 5) = 1 − P( t ≤ 5) = 1 − F (5) = e −5λ = e = 0.6065
1 − F (t + 5)
(
P T > t +5 T > t = ) F (t )
9
Tercer ejemplo:
∫ ∫e
= λ e λ dx −λ
− 2x (λ − 1+ 2 λ )x
dx
2 2
0 0
λ2 λ1 1
P( X 1 < X 2 ) = 1 − = =
λ1 + λ 2 λ1 + λ 2 3
Último ejemplo:
Calcular la distribución del número de vehículos que pasan por ese punto fijo
durante el intervalo de tiempo ( 0, t ) .
e − λt ( λ t )
n −1 k
P( Tn ≤ t ) = P( N t ≥ n) = 1 − ∑ k!
para t ≥ 0
k =0
Una variable aleatoria Tn que tiene una distribución de este tipo, se dice que
sigue una distribución de Erlang de parámetros ( λ, n) ; en concreto, las
variables U k siguen una distribución de Erlang de parámetros ( λ,2) .
10
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-ésimo usuario al sistema y τ k al tiempo
transcurrido desde la llegada del (k-1)-ésimo usuario y el k-ésimo; es decir:
τ k = t k − t k −1
k −1
wk = t1 + ∑ si − t k
i =1
que es una expresión muy útil, ya que en el caso de que el sistema tenga C
canales de servicio, tenemos:
11
donde t i es el tiempo de llegada del primer usuario a cada canal de servicio y
sil es el tiempo de duración del servicio al l -ésimo usuario del i -ésimo canal
de servicio. Todo lo anterior quiere decir que, conocidos los tiempos de llegada
y la duración 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 . Éstas son:
n(t ) = nq (t ) + ns (t )
nq (t ) = 0
n(t ) ≤ C⇒
nC L(t ) = C − ns (t )
nq (t ) = n(t ) − C
n(t ) > C⇒ ns (t ) = C
n = 0
CL
Otras variables asociadas a un instante son:
n( t ) = X ( t ) − Z ( t )
nq ( t ) = X ( t ) − Y ( t )
Y ( t ) = n s ( t ) + Z (t )
X (t ) = k ⇔ t ∈[ t k , t k +1 ]
Y (t ) = k ⇔ t ∈[ t k + wk , t k +1 + wk +1 ]
Notación de Kendall
12
De las relaciones expuestas en el apartado anterior se desprende que si
conocemos las series:
{ tk } { sk }
y el número de canales C tenemos toda la información necesaria para
describir la cola. Por eso, para describir un sistema de colas se emplea la
notación de Kendall, que consiste en un grupo de letras y números de la forma:
A/B/C/m/d
13
Cola determinística
Vamos a estudiar una cola en la que los tiempos de llegada y de servicio son
determinísticos; es decir, una cola que responde a la notación de Kendall
D/D/1. Más concretamente, vamos a estudiar el caso en que las llegadas y los
tiempos de servicios son constantes.
τk =tk − 1 =
tk− a ∀k
sk =b ∀k
(k − 1)b s i k ≤ i
wk = 0 s i k > i y n k = 0
(k − 1)b − (k − i)a s i k > i y n > 0
k
(k − 1)b s i k ≤ i
wk =
(k − 1) b(− a) s i k > i
A la expresión ( k −1)( b − a ) se le llama factor de crecimiento, y aumenta de
forma directamente proporcional a k .
14
Otras variables correspondientes a este tipo de colas son:
t
X (t ) = i + , donde el símbolo indica “parte entera de”.
a
t
Y (t ) = +1
b
t
número de usuarios que han salido del sistema hasta el instante t : Z (t ) = b
X (tK ) = Y (tK )
tK tk
i+ = +1
a b
i + ( K − i) =
( K − i)a +1
b
ib + ( K − i )b = ( K − i ) a + b
Kb = Ka − ia + b
de forma que el primer usuario que no tendrá que esperar será el número:
ia − b
K =
a −b
15
El tiempo de espera de un usuario será:
( k − 1) b s i k ≤ i
wk = (k − 1)b − (k − i)a s i i < k ≤ K
0 s i k = K
y la cola desaparece en el instante:
T = t K + w K = ( K − i ) a + ( K − 1)b − ( K − i ) a = ( K − 1)b
nº de llegadas por 0 1 2 3 4 5 6
hora
frecuencia 10 31 40 20 10 4 6
n = 2.207
y su cuasivarianza muestral:
sn2 = 2.147
n ≅ sn2
16
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
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
( 11.65) n e −11.65
Pn =
n!
con lo cual, para cada valor de n son de esperar las siguientes ocurrencias:
16
en = Pn ⋅ ∑ f n = 63 ⋅ Pn
n =0
n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
en 11.3 5.9 6.9 7.3 7.5 6.4 5.3 12.42
9 7 8 7 3 4
Para comprobar la hipótesis de que esta distribución sigue una ley de Poisson,
construimos el estadístico de contraste:
( f n − en ) 2
χ2 = ∑
n
en
17
cuyos valores incluimos también en la tabla:
n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
en 11.3 5.9 6.9 7.3 7.5 6.4 5.3 12.42
9 7 8 7 3 4
χ2 1.64 0 0.5 0.3 0.7 3.2 1.3 2.37
6 6 8 5 3
χ2 =10 .29
Para poder admitir la hipótesis con un nivel de confianza del 95%, es valor del
estadístico de contraste ha de ser menor que el correspondiente al valor de la
distribución de la χ2 para 0.95 y un número de grados de libertad que es:
χ 26 (0.95 ) = 12 .602
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:
Pn ( t ) = P[ n( t ) = n]
lim Pn ( t ) = Pn
t →∞
18
Si este límite existe y es constante, el sistema es estacionario.
Sobre estas hipótesis trataremos de calcular Pn . Para ello veamos que ocurre
con la probabilidad de que en el instante (t + h) el número de usuarios en el
sistema sea n ; es decir:
Pn ( t + h) = P[ n( t + h) = n]
Pn (t ) ⋅[ 1 − λh + 0(h)] ⋅[ 1 − µh + 0( h)]
Pn ( t ) ⋅[ λh + 0( h) ] ⋅[ µh + 0( h) ]
Pn+1 ( t ) ⋅[ 1 − λh + 0(h) ] ⋅[ µh + 0( h) ]
19
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:
P0 (t + h) = P0 (t ) ⋅ ( 1 − λh) + P1 ( t ) ⋅ ( µh) + 0( h)
d
d t Pn (t ) = − ( λ + µ ) ⋅ Pn (t ) + µ ⋅ Pn+ 1 (t ) + λ ⋅ Pn− 1 (t )
d P (t ) = − λ ⋅ P (t ) + µ ⋅ P ( t )
d t 0 0 1
20
Si el sistema es estacionario, es decir, si existe tlim Pn (t ) = Pn y es finito, se
→∞
pueden resolver las ecuaciones diferenciales de la forma:
d
d t Pn (t ) = 0 = − ( λ + µ ) ⋅ Pn + µ ⋅ Pn + 1 + λ ⋅ Pn − 1
d
P0 (t ) = 0 = − λ ⋅ P0 + µ ⋅ P1 ⇒ P1 = λ P0
d t µ
Entonces, para n = 1 será:
λ λ2
µP2 = ( λ + µ) P1 − λP0 = ( λ + µ) P − λP0 ⇒ P2 = P0
µ 0 µ2
λn λn −1 λn +1
µPn +1 = ( λ + µ) Pn − λPn −1 = ( λ + µ) P0 − λ P0 = P0
µn µn −1 µn
λn +1
Pn +1 = P0
µn +1
∞
∑Pn =1
n=0
de forma que:
∞
λn
P0 ∑
n =0
µn
21
donde el sumatoria es la suma de los términos de una progresión geométrica
λ
de primer término a = 1 y razón r = . Esta suma, siempre que la razón sea
µ
menor o igual a 1, vale:
a
Σ=
1−r
∞
λn
∑
1
=
µ n λ
n =0 1−
µ
y, entonces:
∞
λn 1 λ
P0 ∑ n =1 ⇒ P0 = ∞ n
= 1−
µ
n=0 µ λ
∑ µn
n=0
λ
lo cual sólo puede ser cierto para µ <1 . A este cociente lo denominamos ρ e
indica la tasa de llegadas por unidad de servicio, y es lo que recibe el nombre
de intensidad de tráfico. Entonces tenemos:
Pn = ρ n P0 = ρ n (1 − ρ)
22
Medidas de eficacia en estado estacionario
Como anteriormente, veremos algunos parámetros relacionados con los
usuarios y otros relacionados con el tiempo.
∞ ∞ ∞
L = E[ N ] = ∑ nPn = ∑ n(1 − ρ) ρ n = (1 − ρ) ρ∑nρn−1
n =0 n =0 n =0
∞ ∞
1
La expresión ∑ nρn −1 es la derivada de ∑ρ n =
1− ρ
. Por tanto:
n =0 n=0
∞
d ∞ n d 1 1 L = ( 1− ρ) ρ
1
∑ nρ n −1 = ∑ ρ = =
dρ n =0 dρ 1 − ρ ( 1 − ρ) 2
⇒
( 1− ρ) 2
n =0
ρ 1
L= =
1 − ρ µ −λ
∞ ∞ ∞
ρ − ρ(1 −ρ)
[ ]
Lq = E N q = 0 ⋅ P0 + ∑(n −1) Pn = ∑n(1 − ρ) ρ n − ∑(1 − ρ) ρ n
n =1 n =1 n =1
=
1 −ρ
con lo cual:
ρ2 λ2
Lq = =
1 − ρ µ( µ − λ)
∞
[ ] ∑ (n − 1) P[ N = n
Lq′ = E N q′ =
n =2
N ≥2 =]
∞ ∞ Lq
P ( N = n) Pn
= ∑(n −1) = ∑( n −1) =
n =2 P ( N ≥ 2) n =2 1 − P0 − P1 1 − P0 − P1
De manera que:
23
ρ2
1− ρ 1
Lq′ = =
ρ 2 1− ρ
0 s ti < 0
( )
P Tq ≤ t = − (1− ρ )µ t
1 − ρ e s ti ≥ 0
y su media:
λ
[ ]
Wq = E Tq =
µ( µ − λ)
Fórmulas de Little
Son un conjunto de fórmulas válidas siempre que el sistema sea estacionario y
del tipo M/M/1:
Como
λ ρ
Wq = =
µ( µ − λ) µ( 1 − ρ)
tenemos:
λ2 ρ2
Lq = =
µ( µ − λ) 1 − ρ
y como
1 1
W = Wq + =
µ µ( 1 − ρ)
24
tenemos:
ρ
L=
1 −ρ
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:
λ 2
ρ= = <1
µ 3
P0 = 1 − ρ = 0.3333
λ 20
Wq = = = 0.0667 horas
µ( µ − λ) 30 ⋅10
es decir, 4 minutos.
25
Por último, la fracción de clientes que deben esperar es:
ρ2
Lq 1− ρ 2
= =ρ=
L ρ 3
1− ρ
λ
P[ n(t ) > 1] = 1 − P0 − P1 = 1 − P0 − P = 1 −1 + ρ − ρ(1 − ρ) = 0.4444
µ o
4
ρ2 4
Lq = = 9 = = 13
. 333
1− ρ 1 3
3
El tiempo medio de espera en cola:
λ 10
Wq = = = 0.1333 horas
µ( µ − λ) 15 ⋅5
es decir, de 8 minutos.
1 12
−15 ⋅ ⋅
P( T < 12 ) = 1 − e −µ(1−ρ) t = 1 − e 3 60 = 0.6321
26
COLAS TIPO M/M/C
Estudio de la cola
De acuerdo con la notación 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.
0 n =0
si
nµh + 0(h) si 1 ≤ n < C
Cµh + 0(h) si n ≥ C
0 si n ≤1
0( h) si n≥2
27
Entonces, siguiendo un razonamiento similar al de la página 12, tenemos para
n = 0:
P[ n(t + h) = 0] = P0 (t + h) = P0 (t ) ⋅ [1 − λh + 0( h)] +
+ P1 (t ) ⋅ [1 − λh + 0(h)] ⋅ [ µh + 0(h)] +
+ P0 (t ) ⋅ [ λh + 0( h)] ⋅ [ µh + 0( h)] +
+ 0( h)
P0 ( t + h) = P0 (t ) ⋅ ( 1 − λh) + P1 (t ) µh + 0( h)
P0 (t + h) − P0 (t ) = −λhP0 (t ) + µhP1 (t ) + 0(h)
d
P0 ( t ) = −λP0 (t ) + µP1 ( t ) (n = 0) (*)
dh
de manera que:
Pn ( t + h) = Pn −1 ( t ) λh + Pn ( t ) ⋅[ 1 − ( λ + µn) h] + Pn +1 ( t ) ⋅ ( n +1) µh + 0( h)
d
Pn (t ) = λPn −1 (t ) − ( λ + nµ) Pn (t ) + ( n + 1) µPn +1 (t ) ( 1 ≤n <C) (**)
dh
28
Se emplea el símbolo C* para indicar que ese valor será C cuando
n( t ) ≥ C y n cuando
n( t ) = C −1 . No obstante, es indiferente para los cálculos,
puesto que, al estar multiplicado por infinitésimos, pasará al termino 0( h) .
Entonces,
[ ]
Pn ( t +h) = Pn −1 ( t ) λh + Pn ( t ) 1 −( λ +Cµ) h + Pn +1 ( t ) Cµh +0( h)
y, finalmente,
d
Pn ( t ) = λPn −1 ( t ) − ( λ + Cµ) Pn ( t ) + CµPn +1 ( t ) ( n ≥ C) (***)
dh
Si reunimos las tres ecuaciones diferenciales así logradas (*), (**) y (***),
tenemos:
d
P0 ( t ) = −λP0 (t ) + µP1 ( t ) (n = 0)
dh
d
Pn (t ) = λPn −1 (t ) − ( λ + nµ) Pn (t ) + ( n + 1) µPn +1 (t ) ( 1 ≤n <C)
dh
d
Pn ( t ) = λPn −1 ( t ) − ( λ + Cµ) Pn ( t ) + CµPn +1 ( t ) ( n ≥ C)
dh
cuya resolución nos dará el comportamiento del sistema para cada instante.
Pn = lim Pn (t )
t →∞
λ
P1 = P
µ 0
29
Haciendo en (II) n = 1 , obtenemos:
2
λ+µ λ 1 λ
P2 = P1 − P0 = P0
2µ 2µ 2 µ
1 λn
P0 ( n < C)
n! µ
Pn = n
1 λ
C n −C C ! µ P0 ( n ≥ C)
∞ C −1 1 λ n ∞
1 λ
n
1= ∑ Pn = P0 ∑ +
n =0 n ! µ
∑ n −C
C ! µ
n =0 n =C C
Si llamamos
λ
r=
µ
C −1 r n ∞
rn
1 = P0 ∑ + ∑ n −C
n =0 n ! n =C C
C !
A su vez, para calcular el segundo sumatoria, llamamos
30
r
ρ=
C
∞ ∞ ∞ ∞
rn rC r n −C rC rC rC 1 rCC
∑ C n −C C ! = C ! ∑ C n −C =
C!
∑ρn −C =
C!
∑ρ n = ⋅ =
C ! 1 − ρ C !( C − r )
n =C n =C n =C n =0
Entonces:
−1
C −1 1 λ n 1 λ
C
Cµ
P0 =
∑
n ! µ
+
C ! µ Cµ − λ
n =0
λ <Cµ
∞ ∞ ∞
Lq = E [ N ] = ∑( n − C) Pn = ∑ nPn − ∑CPn =
n =C n =C n =C
∞ ∞
rn rn
= ∑n C n −C C ! P0 − ∑C C n −C C ! P0
n =C n =C
λ
C
λ µ
µ
Lq = P0
( C −1) ! ( Cµ−λ)
2
31
A partir de este resultado, con las fórmulas de Little tenemos que el tiempo
medio de espera en la cola es:
Lq
Wq =
λ
1
W = +Wq
µ
L = λW
0 s it < 0
C
λ
C
µ
( )
FTq (t ) = P Tq ≤ t = 1 − P0 s i t = 0
C! C − λ
µ
λ C
[
µ 1 − e
µ
]
− ( µ C− λ ) t
( C − 1) !( µ C − λ ) P0 + FTq (0) s i t > 0
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:
Tenemos un sistema con λ =100 usuarios por hora, µ=60 servicios por hora
y C = 2 . Como se verifica que λ <Cµ, podemos afirmar que el sistema es
estacionario.
32
P( n > 3) = 1 − P0 − P1 − P2 − P3
de forma que:
P( n > 3) = 1 − P0 − P1 − P2 − P3 = 0.5261
0 si t < 0
C
λ
C
µ
( )
FTq (t ) = P Tq ≤ t = 1 − P0 s i t = 0
C! C − λ
µ
λ C
[
µ 1 − e
µ
]
− ( µ C− λ ) t
( C − 1) !( µ C − λ ) P0 + FTq (0) s i t > 0
33
100
λ= = 1.6667 usuarios por minuto
60
60
µ= = 1 usuario por minuto
60
λC
µ
[
1 −e −3( µC −λ) ]
µ
( )
P Tq >3 =1 −P Tq ( )
≤3 =1 −
(C −1)!( µC − λ )
P0 +FTq (0)
donde
C
λ 100
2
C 2
µ 60
FTq ( 0) = 1 − P0 = 1 − 0.0909 = 0.2425
λ
2 2 −
100
C ! C −
µ 60
[ ] 0.0909
100 2 −3( 2 −1.6667 )
1 −e
60
P( T >3) =1 − +0.2425 =0.2786
2 −1.6667
Una oficina estatal de transportes tiene 3 equipos de investigación 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 días a investigar y
realizar el informe correspondiente en cada caso, con un tiempo real
aparentemente exponencial.
Estamos ante un sistema de colas con tasa de llegadas λ = 300 accidentes por
año o, lo que es lo mismo, λ = 0.82 accidentes por día, con tasa de servicio
µ =0.5 investigaciones por día y con C = 3 canales de servicio.
34
El número medio de accidentes cuya investigación aún no ha comenzado es el
número medio de usuarios en cola:
λ
C 0.82 3
λ µ 0.82 ⋅0.5
µ 0 .5 =1.9555 P
Lq = P0 = P0 0
( C −1) ! ( Cµ−λ) ( )
2 2
2 15
. −0.82
donde:
−1
C −1 1 λ n 1 λ
C
Cµ
P0 =
∑ +
n ! µ
C ! µ Cµ − λ
=
n =0
−1
λ 1 λ
2
1 λ
3
3µ
= 1 + + + =
µ 2 µ 6 µ 3µ −λ
−1
0.82 1 0.82
2 3
1 0.82 15
.
= 1 + + + = 0.1784
0.5 2 0.5 6 0.5 15. −0.82
35
Así pues, el número de accidentes cuya investigación aún no ha comenzado
es:
Lq =1.9555 P0 = 0.3489
Lq 0.3489
Wq = = = 0.4255 dias
λ 0.82
1
W = +Wq = 2.4255 dias
µ
L = λW = 1.9889
λ <Cµ
36
El porcentaje de tiempo con la sala de vacunación vacía es:
−1
C −1 1 λ n 1 λ
C
Cµ
P0 = ∑ +
n =0 n ! µ
C ! µ Cµ − λ
=
−1
λ 1 λ
2
1 λ
3
3µ
= 1 + + + =
µ 2 µ 6 µ 3µ − λ
−1
12 1 12 2 1 12 3 90
= 1 + + + = 0.6701
30 2 30 6 30 90 −12
P0 = 67.01%
Lq
Wq =
λ
donde
λ
C 12 3
λ µ 12 ⋅30
µ 30 =1.27 ⋅10 −3
Lq = P0 =0.6701 ⋅
( C −1) ! ( Cµ−λ) 2 ⋅( 90 −12 )
2 2
1 1
W= +Wq = +1.06 ⋅10 −4 = 0.0334 horas = 2.0064 minutos
µ 30
37
Y, por último, la probabilidad de que un perro espere más de 10 minutos es:
10
P T > = P( T > 0.1667 ) = 1 − P( T < 01667
. )=
60
λC
10 µ
[
µ 1 −e −0.1667 ( µC −λ) ]
P T > = P( T >0.1667 ) =1 −P( T <0.667 ) =1 − P0 +FTq ( 0)
60 ( C −1) ! ( µC −λ)
12
λ= = 0.2 perros por minuto
60
30
µ= = 0.5 perros por minuto
60
Entonces:
C
λ 0.2
3
C 3
µ 0.5
FTq (0) = 1 − P0 = 1 − ⋅ 0.6701 = 0.9918
λ
6 ⋅ 3 −
0.2
C ! C −
µ 0.5
[ ] 0.6701
0.2 3 −0.1667 ( 1.5−0.2 )
0.5 1 −e
10 0.5
P T > =1 − +0.9918 =0.0009
60 2 ⋅( 15
. −0.2)
38
Cola tipo M/M/C/K
Esta cola responde a las mismas hipótesis que la cola genérica M/M/C con la
limitación de que el número máximo de usuarios que se permiten
simultáneamente en el sistema es K .
−1
λ λ
C K −C +1
1 −
C −1 1 λ n µ Cµ
P0 = ∑ +
n =0 n ! µ
C ! 1 −
λ
Cµ
1 λ
n
P0 ( 0 ≤ n < C)
n! µ
Pn = n
1 λ
C n −C C ! P0 ( C ≤ n ≤ K )
µ
λ = 0.3333 µ =1.3333 C =2 K =4
λ
ρ= = 0.125 < 1
Cµ
−1
λ λ
C K −C +1
1 −
C −1 1 λ n µ Cµ
P0 = ∑ + =
n =0 n ! µ
C ! 1 −
λ
Cµ
−1
λ λ
2 3
0.3333 0.3333
2 3
1 − 1 −
λ µ
2 µ
0.3333 1.3333 2.6667
= 1 + + = 1 + + = 0.7778
µ λ 1.3333 0.3333
2 ⋅ 1 − 2 ⋅ 1 −
2 µ 2.6667
39
λ 0.3333
P1 = P0 = ⋅ 0.7778 = 0.1944
µ 1.3333
2 2
1 λ 1 0.3333
P2 = P0 = 0.7778 = 0.0243
C C ! µ
0 2 1.3333
3 3
1 λ 1 0.3333
P3 = P0 = 0.7778 = 0.0030
C ⋅ C ! µ 4 1.3333
4 4
1 λ 1 0.3333
P4 = P0 = 0.7778 = 0.0004
C C ! µ
2 8 1.3333
4
L = E [ n] = ∑nPn = 0.1944 + 2 ⋅ 0.0243 + 3 ⋅ 0.003 + 4 ⋅ 0.0004 = 0.2536
n =0
40
Cuadro resumen
Es evidente que la cola tipo M/M/1 es un caso particular de la cola M/M/C y
ésta, 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:
1 −ρ ρC 1 + ρC + ∑( n − C ) Pn
C( 1 − ρ) 2
n =C
Lq ρ2 ρ K
1 −ρ ( 1 − ρ) 2
PC
∑( n − C ) Pn
n =C
Wq ρ 1 1 K
λ n∑
µ( 1 −ρ) µC( 1 − ρ)
2
PC ( n − C ) Pn
=C
W 1
1 PC 1 1 K
λ n∑
µ( 1 − ρ) 1 + + ( n − C ) Pn
µ C( 1 − ρ)
2 µ
=C
41
COLAS TIPO M/G/1
Estudio de la cola
Según la notación de Kendall, este tipo de colas viene caracterizado por un
proceso de llegadas según una ley de Poisson de parámetro λ , mientras que
los tiempos de servicio siguen una ley de tipo general, cuya función de
distribución es F (t ) . Además, hay un único canal de servicio.
X n = n( t n )
{ X n } n∈N
d
( X n +1 ) (
X n , X n −1 , ... , X 1 = X n +1 Xn )
d
donde el símbolo = significa “converge en distribución”. Esto es cierto porque
{ n( t ) } t ≥0
P[ X n +1 = n( t n +1 ) X n = n( t n ) , X n −1 = n( t n−1 ) ,..., X 1 = n( t1 ) ] = P[ X n +1 = n( t n +1 ) X n = n( t n ) ]
X n − 1 + An +1 si X n ≥ 1
X n +1 =
An +1 si X n = 0
42
De forma que X n+1 sólo depende de X n y An+1 y, por tanto, es evidente
que el proceso
{ X n } n∈N
( An +1 S n +1 = t , Dn = t n , Dn +1 = t n +1 )
tiene la misma distribución que la variable aleatoria
N ( t n +1 − t , t n +1 )
d d
N ( t n +1 − t , t n +1 ) = N ( t ) = Poisson ( λt )
e− λt ( λ t)
a
(
P A= a s= t = ) a!
∀ a = 0,1,2,...
∞ ∞
e −λt ( λt ) a
P ( A = a s = t ) ⋅ dF (t ) =
P( A = a ) =
∫ 0 ∫
0 a!
⋅ f (t ) ⋅ dt
∞ e − λt ( λt ) j −i +1
Pij = P ( X n+1
∫
= j X n = i ) = P( A = j − i + 1) = 0 ( j − i + 1)! f (t ) ⋅ dt
si j ≥ i − 1,i ≥ 1
0 si j < i − 1,i ≥ 1
43
Para i = 0 , es evidente que cuando un usuario sale del sistema dejándolo
vacío, el sistema continúa vacío hasta que llega el siguiente usuario. A partir
de este instante, el número de usuarios que llegará vendrá dado por una
distribución de Poisson de parámetro ( λs) . Entonces:
(
P0 j = P X n +1 = j ) (
X n = 0 = P( A = j ) = P X n +1 = j )
X n = 1 = P1 j
Fórmula de Pollaczek-Kintchine
La fórmula de Pollaczek-Kintchine, también conocida como fórmula P-K, es la
que nos permite calcular las medidas de eficacia de un sistema de colas del
tipo M/G/1.
λ<µ
[ ]
E s =
1
µ
[ ]
V s = σ 2s
Si llamamos
L( D ) = E [ X n ]
L( D ) = E [ X n ] = E [ X n +1 ]
X n +1 = X n − U ( X n ) + A (*)
donde
1 si X n > 0
U( Xn ) =
0 si X n = 0
44
[
E [ X n +1 ] = E [ X n ] − E U ( X n ) + E A ] [ ]
y , como las esperanzas matemáticas de X n+1 y X n son iguales, tenemos,
por el teorema de Fubini:
∞
[
E U ( X n ) =E A] [ ] =∫ E[ A 0
]
s =t ⋅ f ( t ) dt =
[ ]
∞ ∞
=
∫λt ⋅ f (t ) dt
0 ∫
=λ t ⋅ f ( t ) dt =λ⋅ E
0
s
es decir,
[
E U( Xn ) = E A ] [ ] = λµ = ρ
Si ahora elevamos al cuadrado la igualdad (*), tenemos:
X n2+1 = X n2 + U 2 ( X n ) + A 2 − 2 X n U ( X n ) − 2 AU ( X n ) + 2 AX n
[ ] [ ] [ ] [
0 = E U 2 ( X n ) + E A 2 − 2 E X n U ( X n ) − 2 E AU ( X n ) + 2 E [ AX n ] ]
De la definición de la función U ( X n ) , resulta:
U 2( Xn ) = U( Xn ) y X n ⋅U ( X n ) = X n
[ ] [ ]
0 = E U ( X n ) + E A 2 − 2 E[ X n ] − 2 E A [ ] E[U ( X ) ] + 2 E[ A ] E[ X
n n ]
[ ]
0 = ρ+E A 2 −2 L( D ) −2 ρ2 −2 ρL( D )
L( D ) =
ρ − 2 ρ2 + E A 2 [ ]
2( 1 − ρ)
45
Queda por calcular E A2[ ] ; para ello tomamos la definición de varianza:
[ ] = E[ A ] −( E[ A ])
2
2
V A
E [ A ] =V [ A ] +( E [ A ] ) [ ] +ρ
2
2 2
=V A
[ ] =E [ ]
V A V [ A s] +V
E A s =
λ
= E [ λs] + V [ λs] = + λ2 σ 2s = ρ + λ2 σ 2s
µ
Entonces:
[ ]
E A 2 = ρ + λ2 σ 2s + ρ2
ρ − 2 ρ 2 + ρ + λ2 σ 2s + ρ 2
L( D) =
2( 1 − ρ )
ρ 2 + λ2 σ 2s
L( D) = ρ +
2( 1 − ρ )
ρ 2 + λ2 σ 2s
L =ρ+
2( 1 − ρ )
Aquí siguen siendo válidas las fórmulas de Little; por tanto, el tiempo medio de
permanencia en el sistema será:
L
W=
λ
1
Wq = W −
µ
46
y el tamaño medio de la cola:
λ
Lq = λWq = L −
µ
[
Pn = π n = lim P n( t n ) = n
t →∞
]
Estos valores π n serán los componentes del vector límite de la distribución
estacionaria del proceso de Markov ya descrito. Para calcularlos recordemos
que:
∞ e − λt ( λt ) j −i +1
Pij = P ( X n+1
∫
= j X n = i ) = P( A = j − i + 1) = 0 ( j − i + 1)!
f (t ) ⋅ dt si j ≥ i − 1,i ≥ 1
0 si j < i − 1,i ≥ 1
P0 j = P1 j
e −λt ( λt )
∞ n
k n = P( A = n ) =
∫
0 n!
f (t ) ⋅ dt
Pij = k j −i +1
47
con lo que la matriz de transición de la cadena de Markov queda de la
siguiente forma:
k0 k1 k2 k3 ...
k0 k1 k2 k3 ...
P= 0 k0 k1 k 2 ...
0 0 k0 k 1 ...
... ... ... ... ...
Φ = lim P n
n →∞
Ejemplos
En cierto aeropuerto, el tiempo que un avión tarda en aterrizar desde que
recibe autorización de la torre de control tiene de media 4 minutos y varianza
0.15, pero con distribución 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 avión desde que llega al aeropuerto hasta que recibe la
autorización para aterrizar.
8
La tasa de llegadas es λ = = 0.1333 aviones por minuto, y la tasa de servicio
60
1
es de µ = = 0.25 , con σ 2s = 0.15 . Como es λ < µ , el sistema es estacionario
4
λ
con intensidad de tráfico ρ = µ = 0.5333 .
El número medio de aviones en el sistema será:
48
El tiempo medio de espera será:
1 L 1 0.8409 1
Wq = W − = − = − = 2.308 minutos
µ λ µ 0.1333 0.25
1 1
En este caso es λ = = 0.0833 alumnos por minuto, µ = = 0.1111
12 9
exámenes por minuto y σ s = 90 .
2
Entonces:
λ 0.0833
ρ= = = 0.75 < 1
µ 0.1111
ρ 2 + λ2 σ 2s 0.75 2 + 0.08332 2
⋅ 90
L = ρ+ = 0.75 + = 3124
.
2( 1 − ρ) 2( 1 − 0.75)
1 L 1 3124
.
Wq = W − = − = − 9 = 28 .5 minutos
µ λ µ 0.0833
49
Colas tipo M/Ek/1
Un tipo de sistemas de colas especialmente interesante es aquél en el que las
llegadas son de Poisson y la duración del servicio sigue una distribución de
Erlang, también llamada distribución K.
f X (t ) =
( µk ) k t k −1e −µkt
( k −1)!
es decir, es una distribución gamma de parámetros ( k , µk ) .
e − λt ( λ t ) ( µ k ) k k − 1 − kµ t
∞ n
K n = P( A = n ) =
∫0 n!
⋅
( k − 1) !
t e dt
En este caso, es fácil demostrar que la intensidad de tráfico para el sistema es:
λ
r=
kµ
50
Colas tipo M/G/1/N
Como indica la notación de Kendall, se trata de un sistema de colas con
llegadas de Poisson y tiempos de servicio según una distribución de
probabilidad cualquiera conocida, pero con una capacidad máxima de N
usuarios en el sistema simultáneamente.
k0 k1 k2 ... k N −1 A N −1
k0 k1 k2 ... k N −1 A N −1
0 k0 k1 ... k N − 2 A N −2
P=
... ... ... ... ... ...
0 0 0 ... k1 A1
0 0 0 ... k0 A0
donde
∞
A j −1 = k j + k j +1 + k j +2 +... = ∑k i
i= j
−1
N
∑
π 0 = 1 + υ i
i =1
υi
πi = N
1+ ∑υ i
i =1
donde se tiene:
υ0 = 1
π k k k k
υ i = i = 1 − 1 υ i −1 − 2 υ i − 2 −...− i −1 − 1
π0 k0 k0 k 0υ 1 k 0
51
COLAS CON PARÁMETROS 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 número de usuarios en cola, etc.
λ n = f ( n) µ n = g ( n)
d
d t Po (t ) = − λ 0 P0 (t ) + µ 1 P1 (t )
d Pn (t ) = − ( λ n + µ n ) Pn (t ) + λ n − 1 Pn − 1 (t ) + µ n + 1 Pn + 1 (t )
d t
de forma que se puede demostrar que es condición necesaria y suficiente para
que exista la distribución estable que:
∞ i −1
λj ∞
λ0 λ1λ2 ... λi −1
1+ ∑∏
=1 +
µ j +1 ∑ µ µ µ ... µ <∞
i =1 j =0 i =1 1 2 3 i
Entonces se obtiene:
−1
∞
λ0 λ1λ2 ... λi −1
P0 = 1 +
∑i =1
µ1 µ2 µ3 ... µi
λ0 λ1λ2 ... λn −1
Pn = P0
µ1 µ2 µ3 ... µn
52
Cola con desaliento
Es el caso en el que algunos individuos, al llegar al sistema y observar que
existe un cierto número 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:
λ
λn= ( n = 012
, , ,...)
n+ 1
µ n = µ ∀n
En este caso, tendremos:
−1
−1
∞
λi 1
∑
1
P0 = 1 + = = λ = e −ρ
µi i! λ λ2 λ3
+ ...
−
i =1 1+ + 2 + 3
µ µ 2! µ 3! e µ
λn −ρ ρ n e −ρ
Pn = e =
µ n!
n
n!
Cola binomial
En este caso supondremos que el tamaño de la cola (del dispositivo de
espera) es limitado, de forma que el número máximo de usuarios en cola
simultáneamente es N , y que la tasa de llegadas es función del tamaño 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
λ n = N (n + 1)
0 n≥N
µn = µ
53
Entonces,
−1
N
∞
i −N
∑ 1
P0 = 1 + =
1 + µN
N µi
i
i =1
n N −n
N 1 µN
Pn = ⋅
n
1 + µN 1 + µN
También existe la llamada cola binomial negativa. Se da esta cola cuando las
tasas de llegada y servicio son de la forma:
N +n
λn =
N (n + 1)
µn = µ
αn
−
µ
λ n = λe n ≥ 0, α > 0
µn = µ
54
En este caso se obtiene:
1
P0 = ∞
∑ρ γ
i =0
i i ( i −1)
Pn = ρ n γ n ( n −1) P0
α
donde γ = e −2 µ .
λn = λ
µn = nα µ
de forma que:
−1
∞
λi ∞ ρi
P0 = 1 +
∑
i =1
µ n 1α 2α 3α ...i α
= ∑ α
i =0 ( i!)
λn ρn
Pn = P = P0
( n!) α
0
µ n 1α 2α 3α ...nα
P0 = e − ρ
ρn
Pn = e − ρ
n!
55
Cola con servidor adicional cuando la cola es grande
Este caso trata de aquellas situaciones en las que el número de canales de
servicio es:
C =1 n<N
C =2 n≥N
( 1 − ρ) ( 2 − ρ)
P0 =
1 − ρ − ρ N +1
ρ n P0 1≤ n ≤ N
Pn = 1
n− N
ρ n P0 n≥N
2
Este modelo se adapta bien al caso de una central telefónica con C líneas; en
este sistema, las llamadas que intentan acceder a la central cuando todas las
líneas están ocupadas se pierden. El sistema respondería a la notación de
Kendall G/G/C/C. El objetivo al diseñar un sistema de este tipo es minimizar la
probabilidad de perder usuarios.
λ n = f (n)
µn = µ
56
En este caso, en estado estacionario tenemos:
λ 0 P0 = µP1
( λ n + nµ ) Pn = λ n −1 Pn −1 + (n + 1) µPn +1 0<n<C
µCP = λ n=C
C C −1 PC −1
−1
C
λ0 λ1λ2 ...λi −1
P0 = 1 +
∑i =1
µ i i!
λ0 λ1λ2 ...λni −1
Pn = 0 <n ≤C
µ n n!
Pn = 0 n >C
λ0 λ1λ2 ... λC
PC = P0
µC C!
−1 −1
r2 r3 rC C
ri
P 0 = 1 + r +
2!
+
3!
+ ... +
C !
= 1 +
∑
i =1
i!
rn
Pn = P0 0<n ≤C
n!
Pn = 0 n> C
57
donde r es la intensidad de tráfico por canal. Entonces, la proporción de
usuarios perdidos será:
−1
rC r2 r3 rC
PC =
C! ⋅ 1 + r + 2! + 3! + ... + C!
mλ⋅ ∆t +0( ∆t )
λ n = mλ = ( M − n) λ
nµ 1 < n ≤ C
µn =
Cµ n ≥ C
[
Pn ( t ) = P N ( t ) = n N ( 0) = i ]
58
y, más concretamente, el valor de:
Pn = lim Pn (t )
t →∞
λMP0 = µP1 ( n = 0)
[ ]
( M − n) λ + nµ Pn = ( M − n + 1) λPn −1 + ( n + 1) µPn +1 ( 1 ≤ n ≤ C)
[ ]
( M − n) λ + µC Pn = ( M − n + 1) λPn −1 + µCPn +1 ( C ≤ n ≤ M)
M n
ρ P0 0≤n≤C
n
Pn =
M n!
ρn P C ≤ n ≤ M
C
n n − C
C!
M!
Pn = ρ n P0 ∀ 0≤ n≤ M
( M − n) !
En este tipo de problemas se definen los conceptos de disponibilidad de
máquinas (proporción media de máquinas disponibles):
E[ N ]
1−
M
C M
nPn
∑ C
+ ∑ Pn
n =0 n =C +1
59
REDES DE COLAS
Redes de colas abiertas
Estas redes sirven para modelizar aquellos sistemas en que los usuarios
necesitan ser servidos por varios servidores diferentes. Casos típicos son las
redes de ordenadores, la secuenciación de tareas en la línea de ensamblaje
de una fábrica, etc. En la práctica generalmente se consideran solamente
redes de colas de tipo markoviano.
{( n , n
1 2 ) }
n1 , n 2 = 0,1,2,3, . ..
Interesa conocer
Pn1n2 = P( N 1 = n1 , N 2 = n 2 )
λ λ
ρ1 = <1 y ρ2 = <1
µ1 µ2
donde µ1 y µ2 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:
60
λ P0 0 = µ 2 P0 1
( λ + µ 2 ) P0n2 = µ 1 P1,n2 − 1 + µ 2 P0,n2 + 1 n2 > 0
( λ + µ 1 ) Pn1 0 = µ 2 Pn11 + λ Pn1 − 1,0 n1 > 0
( λ + µ + µ ) P = µ P
1 2 n1n2 1 n1 + 1,n2 + 1 + µ 2 Pn1 ,n2 + 1 + λ Pn1 − 1,n2 n1 , n2 > 0
P0 = 0( 1− ρ 1) ( 1− ρ 2 ) n1 = n2 = 0
Para el caso general de S nodos en serie, tendremos:
S
Pn1 ,n2 ,...,nS = ∏( 1 − ρi ) ρini
i =1
61
La red se llama abierta porque existe una probabilidad no nula de que un
usuario salga de la red. Interesa conocer la distribución de probabilidad límite
Pn1 ,n2 ,...,nk del número de usuarios en cada vértice en estado estacionario. En
1957, J. R. Jackson (diferente a R. R. P. Jackson mencionado en la página
anterior) demostró que:
γ i
r
µi
Pi (0) 0 ≤ r ≤ Si
r!
Pi (r ) = r
γ
i
µ
P (0) i
r ≥ Si
i ( S ) r − Si S !
i i
A esta solución para las redes de colas abiertas se la conoce como Teorema
de Jackson.
K n
Pi i
Pn1 ,n2 ,...,nK = C ⋅ ∏
i =1 φ1 ( n1 ) ⋅ φ 2 ( n 2 ). .. φ i (ni )
62
donde φ j (n) = min { n, S j } y además se satisface que
ρ r ∑ µ r α rS = ∑ µ S α Sr ρ S r = 1,2, ... , K
r S
∑Pn ,n ,...,n1 2 K
=1
µ1
µ 1ρ 1 = µ K ρ K ρ 2= µ ρ1
2
µ 2 ρ 2 = µ 1ρ 1 µ2 µ1
ρ 3= ρ 2= ρ 3
µ 3ρ 3 = µ 2 ρ 2 ⇒ µ3 µ3
.. ..
µ K ρ K = µ K− 1ρ K− 1 µ1
ρ K= µ ρ1
K
y, en la distribución límite:
ni
K
µ1
Pn1 ,n2 ,...,nK = ( Cρ 1N )∏
i =2
µK
63