Professional Documents
Culture Documents
INVESTIGACION DE OPERACIONES
TEMAS:
PROCESO DE NACIMIENTO Y MUERTE
MODELO DE POISSON
UNA COLA UN SERVIDOR
ALUMNOS:
THANYA GUADALUPE AVENDAO HERNANDEZ
SERGIO GEOVANI CACERES NUEZ
DULCE ALEJANDRA TACIAS DE LA TORRE
ELVER HERNANDEZ LOPEZ
ABRAHAM PEREZ GOMEZ
EQUIPO NUMERO 5
(un nacimiento)
(una muerte)
Distribucin de Poisson
Esta distribucin debe su nombre al matemtico francs SimnPoisson (17811840), quien estableci su modelo.
Existen fenmenos o experimentos en los que los eventos ocurren en
intervalos continuos de tiempo o espacio (reas y volmenes), donde slo importa
la ocurrencia del fenmeno, ya que la no ocurrencia no tiene sentido. Por ejemplo,
si en cierta regin ocurren en promedio 2 terremotos por ao, la variable aleatoria
ser el nmero de terremotos por ao y es claro que no tiene sentido hablar del
nmero de no terremotos por ao. Lo mismo sucede para otros fenmenos, como
el nmero de errores en una pgina, derrumbes anuales en una regin montaosa,
accidentes de trfico diarios en cierto crucero, personas atendidas en un banco en
un perodo de 10 minutos, partculas de polvo en cierto volumen de aire, nacimientos
de nios en un periodo de tiempo, rayos que caen en una tormenta, llamadas que
llegan a un conmutados telefnico en un minuto, insectos por planta en un cultivo,
etc. Tambin es de importancia mencionar que cada ocurrencia puede considerarse
como un evento en un intervalo de tiempo determinado.
Si consideramos que:
1.
2.
3.
4.
5.
3.
3.
Aqu, cada intervalo li puede ser un da, por lo que es lgico suponer que el
nmero de accidentes en un da es independiente del nmero de accidentes en
otro da cualquiera, lo cual no ocurre, por ejemplo, con el nmero de personas
que adoptan una moda en un da determinado, ya que una moda tiene una
etapa creciente, un apogeo y una etapa decreciente. En estas ltimas
condiciones, se dice que existe contagio y el modelo de probabilidad no puede
suponer independencia entre los intervalos. En el caso del modelo
de Poisson se dice que no existe contagio.
Puesto que una repeticin del experimento de Bernoulli ocurre cada segundo,
es razonable suponer que no pueden ocurrir dos accidentes en el mismo
segundo.
4.
Funcin de Probabilidad
La deduccin de la funcin de probabilidad de una variable aleatoria cuyo modelo
de probabilidad es de Poisson queda fuera del alcance de este curso, por lo que
enseguida se presenta una definicin de esta funcin.
Una variable aleatoria X tiene una distribucin de Poisson, si su funcin de
probabilidades est dada por:
Ejemplo 5. 19. Sea X una variable aleatoria que tiene distribucin dePoisson con
promedio 2 (l=2). Calcular:
a)
P(x = 4)
b) P(x 4)
c) P(x<4)
Solucin.
a)
b)
c)
Media y Variancia
La cola
Personas
Automviles
las lneas de espera. La disciplina de las lneas de espera explica el mtodo usado
para determinar el orden con el cual se atienden a los clientes. La disciplina ms
comn es primero en llegar primero en ser atendido (PEPS) o sus siglas en ingls
(FCFS), en el cual se atienden en el orden en que llegan.
En la disciplina del (LCFS) el ltimo en llegar y el primero en ser servido o UEPS,
un ejemplo claro de esta disciplina es en el elevador.
El SIRO, el servicio en orden aleatorio, cuando una persona que llama a una
aerolnea se le hace esperar, la suerte determina con frecuencia quien ser la
siguiente persona en ser atendida por un operador.
Se considera por ultimo las disciplinas de prioridad en las colas. Una disciplina de
prioridad clasifica cada llegada en una categora, cada categora recibe luego un
nivel de prioridad y dentro de cada nivel de prioridad los clientes entran en el servicio
de acuerdo al FCFC. Las disciplinas de prioridad se usan a menudo en salas de
urgencia con el objeto de determinar el orden en el cual los pacientes reciben
atencin.
Servicio
El servicio puede ser brindado por un servidor o por servidores mltiples, el tiempo
de servicio vara de cliente a cliente, el tiempo esperado de servicio depende de la
tasa media de servicio ().El tiempo esperado de servicio equivale a 1/.
Para representar todo lo mencionado aqu se encuentran unos modelos bsicos de
los sistemas de colas.
EJEMPLO:
Notacin:
Pw
= Probabilidad de que un cliente que llega tenga que esperar (ningn cajero
vaco)
Pn
Po
Pd
Ls
Ws
2
Lq
( )
Wq
( )
Pn (1 ) n
P(Ws t ) e (1 ) t
P ( Ls n) n 1
P (Wq t ) e (1 ) t
t 0, 1
e = 2,7182818
EJEMPLO:
e = 2,7182818
9, 12,
9
0.75
12
9
92
Ls
3 clientes
Lq
2.25 clientes
12 9
12(12 9)
1
Ws
0.33 (60) 20 min
12 9
9
Wq
0.25 (60) 15 min
12(12 9)
P0 (1 0.75)
0 0.25
P ( Ls 3) 0.75 31 0.32