Prof. Ing. Claudio L. R.

Sturla

REPBLICA ARGENTINA

FENMENOS DE ESPERA
THE RECORDING, COPYING, LOAN, UNAUTHORIZED HIRE, PUBLIC SHOWING OR
BROADCAST OF THIS DATAGRAM IS STRONGLY ENCOURAGED.

Claudio L. R. Sturla
Bibliografa:
Hillier, Frederick S. y Lieberman, Gerald J. Introduccin a la Investigacin de Operaciones, 3
edicin en Castellano, McGraw Hill de Mxico S. A. de C. V., Naucalpan de Jurez, 1.993, ISBN
968-422-993-3.
Kaufmann, Arnold, Mtodos y modelos de la Investigacin de Operaciones, Tomo I, CECSA,
Mxico.
Rabuffetti, Hebe T., Introduccin al Anlisis Matemtico (Clculo 1), Undcima edicin, Editorial
El Ateneo, Buenos Aires, 1.991.
Schumpeter, Joseph A., Capitalismo, Socialismo y Democracia, Tomos I y II, Biblioteca de Economa, Ediciones Folio, Barcelona, 1.996, ISBN 84-413-0513-7 e ISBN 84-413-0514-5.
Teora de Colas o Fenmenos de Espera
Se refiere a la prestacin de un servicio cualquiera al que acceden clientes (no tienen
porqu ser seres humanos) que requieren una determinada atencin.
Hay tiempos entre arribos. Asimismo existe una duracin del tiempo de servicio. Estos tiempos de
duracin del servicio son distintos porque depende del cliente al que se atiende. Los arribos se producen
de manera aleatoria. Tambin es una variable aleatoria el tiempo de servicio.
El Sr. Steve De Castro del Departamento de Economa de la Universidad de Brasilia ha publicado un
trabajo para el Centre d'Economie Mathmatique et d'Economtrie de la Universidad Libre de Bruselas
en 1.993 ; en l explica que los empresarios se niegan a innovar, por lo que las innovaciones forman una
cola. Contra estos "conservadores" acta la "destruccin creativa" que, segn [Schumpeter], es el motor
del capitalismo de mercado libre.
Como se ve es un tema de la mayor actualidad, al menos desde el punto de vista acadmico.

MODELO I
Canal nico Poblacin Infinita Sin Prioridades
Poblacin infinita significa suficientemente grande.
Denominaremos canal el lugar donde se atiende al cliente. Este servicio se presta de a uno a la vez. Los
clientes que llegan y se encuentran con el canal ocupado van formando la lnea de espera sin prioridades.
El canal puede ser un lugar fsico o un mecnico que se desplaza con una caja de herramientas.
colas-1.doc

16

Prof. Ing. Claudio L. R. Sturla

arribo de

lnea de espera

clientes ( )

CANAL

salida de
clientes ( )

El cliente llega:

si el canal est desocupado lo atienden.

si est ocupado por un cliente espera en una fila ordenadamente segn el orden de llegada.
Los arribos se producen con una velocidad determinada y la atencin tambin.
La velocidad de arribo se denomina y la de salida . Estos valores son VALORES MEDIOS DE
VELOCIDAD. No son constantes.
Esto tiene un gran nmero de aplicaciones:
Entradas
Clientes
Barcos
Aviones
Llamadas telefnicas
Llegadas de automviles
Mensajes
Mquinas a reparar
Incendios
Correo

Naturaleza del servicio

Vender un artculo
Descarga
Aterrizaje
Conversacin
Control de aduana
Descifrado
Reparacin
Extincin
Mecanografa

Canales
Vendedores
Muelles
Pistas
Circuitos telefnicos
Vistas
Descifradores
Mecnicos
Autobombas
Secretarias

En muchos sistemas reales se tienen prioridades, o sea se formaran dos lneas de espera, una de clientes
normales y otra de aquellos que tienen prioridad en el uso del canal, por ejemplo los aviones grandes
tienen prioridad sobre las avionetas en el uso de pistas.
El canal y la lnea de espera es lo que llamamos SISTEMA. Si queremos hablar especficamente de los
que esperan ser atendidos, nos referiremos a la cola.
Denominaremos n al nmero de clientes en el sistema. Los clientes forman la poblacin del sistema. Si la
poblacin es lo suficientemente grande es adecuado usar el mismo modelo.
Diremos que el sistema se encuentra en un estado n identificndolo como E(n) cuando en el sistema
existen n clientes, uno en el canal y los restantes en la lnea de espera.
Nos interesa saber, por ejemplo, la probabilidad de que en un cierto instante t haya n clientes en el
sistema, es decir p(n;t).
Llamaremos L a la longitud del sistema. Es la esperanza matemtica del nmero medio de clientes en el
sistema. Lc a la esperanza del nmero de clientes en cola. Su diferencia NO es 1.
W: valor medio del tiempo de espera en el sistema de cada cliente.
Wc: valor medio del tiempo de espera en cola.
Ta: tiempo medio entre dos arribos sucesivos.
Ts: tiempo medio entre dos despachos sucesivos.
En nuestro anlisis utilizaremos un subndice para las velocidades de arribo y despacho. Las llamaremos
n y n
n es la velocidad promedio de arribo al sistema cuando hay en l n clientes.
n es la velocidad promedio de despacho cuando hay en l n clientes. O sea, condicionada por n
En el modelo consideraremos ms adelante que no va a haber diferencia entre si hay n clientes u otro
nmero. Es decir haremos y constantes.
n significa que el canal vara su velocidad de atencin cuando se modifica n. Por ejemplo si hay mucho
pblico el canal atiende ms rpido.
colas-1.doc

17

Prof. Ing. Claudio L. R. Sturla

n significara que muchos clientes que arriban al sistema no entran si n es alto. Habra una velocidad de
llegada diferente a la de entrada. La velocidad de entrada al sistema sera dependiente de n. En el
modelo que trataremos supondremos que las velocidades de arribo y entrada son iguales.
El sistema se estudia por dos motivos:
analizar el sistema existente para mejorarlo.
disear un nuevo sistema.
La velocidad de arribo en general no la podemos manejar pero s modificar la velocidad de salida por
medio de mayor cantidad de personal y/o equipos.
Si aumento el nmero de canales aumenta el costo.
Si mejoro el servicio la caracterstica de puede cambiar en forma favorable o desfavorable. Si mejoro
la atencin de mquinas, por ejemplo, su estado general mejorar y disminuir . Si mejora la atencin
en un hospital o en una ctedra, el valor de aumentar al correrse la voz.
La idea clave es que no se llega fcilmente a la situacin de equilibrio.
Definamos:
t: instante de tiempo arbitrario.
dt: diferencial de tiempo (en lugar de t).
La magnitud es tal que en el mismo dt se puede producir "a lo sumo" una entrada y/o salida de cliente.
Lgicamente si se produce un arribo y una salida en el mismo dt no ser del mismo elemento.
Se define la probabilidad discreta como:
p=

casos favorables
casos posibles

dt no es discreto. En ese caso para poder definir una probabilidad debo imaginar una medida como:
p=

una medida de los casos favorables

una medida de los casos posibles y equiprobables

Pensemos en una rueda de la fortuna que gira libremente y que puede detenerse (dado que est equilibrada) en cualquier punto del contorno. La pregunta es: cul es la probabilidad de un indicador
cualquiera caiga en el arco AB?
A

AB
o
p=
=
circunferencia 360o
Ta era el valor medio entre dos arribos sucesivos, entonces si marcamos un eje con Ta sucesivos
siempre tenemos algn elemento que cae dentro de ese Ta.
dt
Ta
colas-1.doc

Ta

Ta

Ta

T a

tiempo
18

Prof. Ing. Claudio L. R. Sturla

La probabilidad de un arribo en un intervalo dt es
p=

dt
Ta

pero como Ta y son valores inversos

p = n dt
En forma similar para la salida ser:
p = n dt
+0
-0

+1
-0

E(n-1)t

E(n) t+dt

-1
+0

E(n+1) t

+1
-1
a) podemos estar en n en t+dt estando en n en t en los siguientes casos:
no ingresa nadie (+0) ni sale nadie (-0).
ingresa uno (+1) y sale otro (-1).
b) podemos llegar al estado n estando (n-1) slo si ingresa 1 y no sale nadie.
c) podemos llegar al estado n estando en el estado (n+1) slo en el caso en que sale 1 y no ingresa
nadie.
Los cuatro casos son mutuamente EXCLUYENTES.
La probabilidad asociada a este estado n, la podemos escribir as:
p (n; t + dt ) = p (n; t )(1 n dt )(1 n dt ) +

{+

{ + 1; 1}
{ + 1; 0}
p (n 1; t ) n 1 dt (1 n 1 dt ) +
{ + 0; 1}
p (n + 1; t )(1 n + 1 ) dt n + 1 dt

0; 0}

+ p (n; t ) n dt n dt +
+
+

p ( n; t + dt ) = p ( n; t ) p ( n; t ) n dt p ( n; t ) n dt + p ( n; t ) n n dt dt +
+ p ( n; t ) n n dt dt +
+ p ( n 1; t ) n 1dt p ( n 1; t ) n 1 n 1dt dt
+ p ( n + 1; t ) n + 1dt p( n + 1; t ) n + 1 n + 1dt dt
Los diferenciales de segundo orden se desprecian. Por tanto;
colas-1.doc

19

Prof. Ing. Claudio L. R. Sturla

p (n; t + dt ) = p ( n; t ) p (n; t ) n dt p( n; t ) n dt +
+ 0+
+ p (n 1; t ) n 1 dt +
+ p (n + 1; t ) n + 1 dt
Pasando p ( n; t ) al primer miembro
p(n; t + dt ) p(n; t ) = p(n; t )( n + n ) dt + p(n 1; t ) n 1 dt + p(n + 1; t ) n + 1dt
El primer miembro es la probabilidad de cambiar en el tiempo, conservando el estado En del sistema.
Es la variacin de probabilidad al variar el tiempo. La podemos expresar por
dp ( n; t )
Dividiendo miembro a miembro por dt queda:

NMERO DE CLIENTES
EN EL SISTEMA

dp(n; t )
= p(n; t )( n + n ) + n 1 p(n 1; t ) + n + 1 p(n + 1; t ) = p '(n; t )
(1)
dt
Que representa la derivada de la probabilidad respecto al tiempo. No es la derivada respecto a n.
Cuando se inicia la atencin de clientes, por ejemplo al abrirse la puerta de un banco, la cola formada
afuera hace que el sistema flucte en cuanto al nmero de clientes. Si midiramos a intervalos igualmente separados tendramos:
10
8
6
4
2
0
0

5 10 15 20 25 30 35 40 45 50 50
TIEMPO

Curva que a los ingenieros les ser familiar porque es la posicin del extremo de un resorte luego de ser
alejado de su punto de equilibrio y luego soltado. Oscila hasta llegar a un punto en que queda en reposo.
Quizs un smil ms apropiado es un recipiente lleno de aire. Si lo caliento hasta 50 C aumenta la
energa de los tomos y escapa cierta cantidad de masa.
Al llegar a estar uniformemente calentado, el gas tiene unas condiciones de presin, temperatura y
volumen especfico perfectamente conocidas.
Pero los tomos tienen movimiento browniano.
Si el recipiente se conserva destapado, los tomos individuales son siempre, en media, la misma
cantidad.
Pero los individuos son diferentes pues unos entran y otros salen en un equilibrio llamado dinmico.
En nuestro grfico, entonces hay un perodo de fluctuaciones.
Luego se llega a un equilibrio.
Nosotros supondremos, en nuestro sistema de cola de un canal, que este perodo transitorio es breve.
Trabajaremos en el rgimen permanente (la parte constante de la curva).

One first sep toward studying the influence exerted by the

element of time on the relations between cost of production
and value may well be to consider the famous fiction of the
stationary statein which those influences would be but little
felt; and to contrast the results which would be found there
with those in the modern world.
colas-1.doc

20

Prof. Ing. Claudio L. R. Sturla

This state obtains its name from the fact that in it the general
conditions of production and consuption, of distribution and
exchange remain motionless; but yet is full of movement; for it
is a mode of life. The average age of the population may be
stationary; thouugh each individual is growing up from youth
towards his prime, or downwards to old age. And the same
amount of things per head of the population will have been
produced in the same ways by the same classes of people for
many generations together; and therefore this supply of the
appliances for production will have had time to be adjusted to
the steady demand.
Alfred Marshall, Principles of Economics
Habr que asegurarse de que esta hiptesis se cumple cuando estudiamos un sistema en
particular.
Si el nmero de clientes en el sistema es una constante, su derivada es nula. La frmula (1) queda:
p' (n; t ) = 0 = p(n; t )(

)+

n 1

p(n 1; t ) +

n+ 1

p(n + 1; t )

( 2)

Si el nmero de clientes en el sistema es una constante t deja de ser una variable.

Analicemos ahora el caso de n=0
( 0 + 0 ) p(0) + 1 p( 1) + 1 p(1) = 0
el estado E-1 no existe, luego no puede haber una situacin -1, luego este trmino no corresponde.

0=0 porque si en el sistema no hay nadie, no se puede atender. El canal no opera.

Quedara:

( 0 ) p(0) + 1 p(1) = 0
Si consideramos que las velocidades de arribo e ingreso son iguales y suponemos que la velocidad de
despacho no vara con la cantidad de clientes:
p( 0) + p(1) = 0

p (1) =

p ( 0)

Se define

como factor de trfico, que es la relacin existente entre la velocidad de arribo y la de despacho. [Hillier
& Lieberman] lo llama, quizs ms apropiadamente, factor de utilizacin.
Si analizamos la frmula (2) para n=1 queda:
( + ) p(1) + p(0) + p(2) = 0
=

p( 2) =

+ ) p(1)

p(0) = ( + 1) p(1) p(0)

p(2) = ( + 1) p(0) p( 0)
p ( 2 ) = 2 p( 0)
Por extrapolacin podemos decir que:
colas-1.doc

21

Prof. Ing. Claudio L. R. Sturla

p ( n ) = n p( 0)
Esto se puede verificar por el mtodo de induccin completa que indica:
Sea q(n) una proposicin cualquiera asociada a un nmero natural n, que puede ser
verdadera o falsa.
Si se cumple:
1) q(1) es verdadera.
2) q(k) verdadera implica que q(k+1) tambin es verdadera, cualquiera sea el
nmero natural k; entonces q(n) es verdadera para todo nmero natural.
Para n = n se puede calcular p(n;t).
( + ) p(n) + p(n 1) + p(n + 1) = 0
p( n ) =

p(0)

p ( n 1) = n 1 p ( 0)
Si reemplazamos: (siempre se reemplaza por uno menos para obtener el que se desea)
( + ) n p(0) + n 1 p(0) + p( n + 1) = 0
p( n + 1) =
p(n + 1) = ( + 1)

+ ) n p(0) n 1

p(0)

p(0)

p(0) =

n+ 1

p(0) +

p(0)

p(0)

p ( n + 1) = n + 1 p ( 0)
Por lo que queda entonces demostrado que:
p ( n ) = n p ( 0)
Ahora debemos calcular p(0).

n= 0

p( n ) = 1 =

n p ( 0) = p( 0) n

n= 0

n= 0

Esta serie geomtrica de razn para que sea convergente debe cumplir con la condicin 1.
Debemos calcular el valor de esta sumatoria de infinitos trminos.
Supngase:

B=

n ; o sea

n= 0
1

B = + + 2+ +
0

Si multiplicamos por .

B = 1 + 2 + 3 + +

Si hacemos:
B B =

= 1

B( 1 ) = 1
B=

1
(1 )

Por lo que

n= 0

colas-1.doc

1
(1 )
22

Prof. Ing. Claudio L. R. Sturla

Reemplazando nos queda:
1

p(0) =

=
n

n= 0

1
= 1
1
(1 )

Si reemplazamos en la formula de p(n) obtenemos:

p( n) =

0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1

(1 )

p( 0)

p(1)

p( 2 )

p( 3)

1-

( 1 )

2 ( 1 )

3 ( 1 )

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

0
0,09
0,16
0,21
0,24
0,25
0,24
0,21
0,16
0,09
0

0
0,009
0,032
0,063
0,096
0,125
0,144
0,147
0,128
0,081
0

0
0,0009
0,0064
0,0189
0,0384
0,0625
0,0864
0,1029
0,1024
0,0729
0

1
0,9
0,8

p( 4 )

( 1 )

0
0,00009
0,00128
0,00567
0,01536
0,03125
0,05184
0,07203
0,08152
0,06561
0

Probabilidad de
cero cliente en el
sistema

Probabilidad de un
cliente en el sistema

Probabilidad de tres
clientes en el sistema

Probabilidad de
cuatro clientes en el
sistema

0,7

Probabilidad de dos
clientes en el sistema

0,6
p(0) 0,5
0,4
0,3
0,2
0,1
0
0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

FACTOR DE TRFICO

Las limitaciones son:

0 p ( n) 1
1
Si por ejemplo tenemos = 3 clientes/hora y =10 clientes/hora esto significa que para =0,3 la
probabilidad de encontrar cero clientes en el sistema es 0,7, lo que significa que el 70 % de la veces que
inspeccionemos el sistema vamos a encontrar que hay cero clientes.
La probabilidad de un cliente en el sistema es:
p (1) = p ( 0) = 0, 7 = 0, 3. 0, 7 = 0, 21
colas-1.doc

23

Prof. Ing. Claudio L. R. Sturla

O sea, el 21 % de veces en que miremos al sistema vamos a tener un cliente.
Qu porcentaje de tiempo no hay clientes en cola?
70 % + 21 % = 91 %
Nmero Medio de Clientes en el Sistema
L=

n= 0

n p( n) = n
n= 0

(1 ) = (1 )

n= 0

Si llamo:
1

B= n =

(1 )

n =0

dB
1
= n n 1 =
n= 0
d
(1 ) 2

1
u'
D n = n+ 1
u
u

dB
1
= n n 1 =
n= 0
d
(1 ) 2

Reemplazando queda:
L = (1 )

L=

(1 ) 2

Nmero medio de
clientes en cola

Que se puede graficar.

9
8
7
6
5
4
3
2
1
0
0

0,5

Factor de trfico

Longitud Media de la Cola

Sistema
Probabilidad
0
p(0)
1
p(1)
2
p(2)
3
p(3)

n
p(n)
El nmero medio de clientes en cola ser:
Lc =
colas-1.doc

Nmero de clientes en cola

0
0
1
2

n-1

n= 1

n= 0

( n 1) p(n) =

n p( n )

p( n)

n= 1

24

Prof. Ing. Claudio L. R. Sturla

Agregar el trmino con n=0 de la primera sumatoria no altera la suma.
Lc = L 1 p ( 0) = L (1 1 + ) =
Lc = L
Otros Parmetros

W = Wc + Ts
Wc es el tiempo promedio que se espera en cola.
Ts es el tiempo medio que tarda el canal para atender un cliente.
W es el tiempo promedio que un cliente gasta en el sistema.
Supongamos que al arribar al sistema hay L clientes. A cada uno de ellos se tarda Ts unidades de tiempo
(en promedio). Por tanto hasta que yo llegue al canal pasar:
Wc = L Ts
Como

L=
=
=
1

( )
1

Y
1
Ts =

Luego.

1
Wc = L Ts =
( )

Wc =
Adems.
W = Wc + Ts =

1 +
=

( )

( )

1

Se puede definir tambin la probabilidad de que un cliente permanezca ms de t unidades de tiempo en el
sistema. Esa probabilidad es:
W=

t
W

t
W

W (t ) = e
( t 0)
La probabilidad de que un cliente permanezca ms de t unidades de tiempo en la cola es:
Wc ( t ) = e

( t 0)

Ejemplo N 1
En un lugar de canal nico y poblacin infinita se conoce la velocidad de arribo y de salida de los
clientes del sistema. Graficar L y Lc.

colas-1.doc

Lc

0,1
0,2

0,1111
0,2500

0,0111
0,0500
25

Prof. Ing. Claudio L. R. Sturla

0,3
0,4
0,5
0,6
0,7
0,75
0,8
0,85
0,9
0,95
1

0,4286
0,6667
1,0000
1,5000
2,3333
3,0000
4,000
5,6667
9,0000
19,0000

0,1286
0,2667
0,5000
0,9000
1,6333
2,2500
3,2000
4,8261
8,1000
10,0500

Nmero medio de clientes

20
18

Nmero medio de clientes en

cola

16

Nmero medio de clientes en

sistema

14
12
10
8
6
4
2
0
0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Factor de trfico

Ejemplo N 2
El departamento hombres de una gran tienda tiene un sastre para hacer los ajustes a la ropa de confeccin. Los clientes que necesitan ajustes siguen una distribucin Poisson con media 24 clientes/hora.
El tiempo que toma realizar el ajuste para un cliente se distribuye exponencialmente con media de 2
minutos.
a) Cul es el nmero promedio de clientes en la sala de ajuste?
clientes
1
60 minutos
clientes
= 24
; =
= 30
hora
2 minuto 1 hora
hora
24
=
= 0, 8
30

0, 8
0, 8
=
=
= 4
1 1 0, 8 0, 2
b) Cunto tiempo deber esperar un cliente en la sala de ajustes y ser atendido?
1
1
1
W=
=
= hora = 10 minutos
30 24 6
c) Qu porcentaje de tiempo permanece ocioso el sastre?
p( 0) = 1 = 1 0, 8 = 0, 2
L=

colas-1.doc

26

Prof. Ing. Claudio L. R. Sturla

d) Cul es la probabilidad de que un cliente espere los servicios del sastre ms de 10 minutos?
1
t = 10 min = hora = W
6
Wc (t ) = e

WC

1
= 0,8 e
6

1
6
1
6

t
W

= 0,8 e 1 = 0,2943

Ejemplo N 3
La llegada de personas a una cabina telefnica es del tipo Poisson con un tiempo promedio de 6 minutos
entre dos personas consecutivas. La longitud de la llamada, suponiendo que est distribuida
exponencialmente, es de 4 minutos.
Calcular:
a) probabilidad de que la persona que llega deba esperar.
probabilidad de esperar = 1 probabilidad de cero clientes
p = 1 p(0) = 1 ( 1 ) = =

1
1
1
=
= 0,17
Ta 6 min
min

1
1
1
=
= 0,25
Ts 4 min
min
p= =

0,17
= 0,68
0,25

b) longitud esperada de la cola.

0, 68
=
0, 68 = 2 ,13 0, 68 = 1, 45
1
0, 32
c) la compaa est dispuesta a colocar otra cabina si se comprueba que el tiempo medio de espera en
cola de los clientes llega a 10 minutos. Determinar cul debe ser la velocidad de arribo para justificar
dicha instalacin.
Sabemos

Wc =
( )
Lc = L =

Wc [ ( ) ] =

Wc

Wc 2 Wc =

colas-1.doc

Wc = + Wc = ( 1 + Wc )
27

Prof. Ing. Claudio L. R. Sturla

0,17

2 Wc
0, 252 10
0, 06 10 0, 6
1
=
=
=
= 0, 17
1 + Wc 1 + 0, 25 10 1 + 2 , 5 3, 5
min

1 60 min
1
1
= 10,2 Ta = =
min 1h
h

1 1h
10,2
h 60 min
5,88 es ligeramente menor a 6 ; luego tendremos segunda cabina.
El anlisis dimensional de
2 Wc
=
1 + Wc
es

1 min
1

=
[ ]

1
min

2
min
1
+
min

min

= 5,88 min

Ejemplo N 4
Los camiones de una flota de transporte arriban a un almacn de carga con una velocidad media de
camiones por da.
Determinar las condiciones de carga del almacn para que, si se admite que el costo de operacin es
proporcional a la velocidad media de despacho y el costo de atencin es proporcional al tiempo que el
camin pasa esperando en el sistema, el costo sea mnimo.
Llamemos
D: costo por unidad de tiempo en que el camin est inmovilizado.
C: costo proporcional a la velocidad de servicio.
CT: costo total.
CT = C + D W
CT = C + D

CT
D
= C+
= 0
2

( )
D

)2

D
2
= ( )
C

= C

D
=
C

D
+
C

Naturaleza Aleatoria de las Llegadas o del Servicio

colas-1.doc

28

Prof. Ing. Claudio L. R. Sturla

Supongamos que hayamos obtenido el nmero de vehculos que pasan por una carretera en un intervalo
de un minuto y que repitamos esta operacin 100 veces.
Llegamos as a la tabla siguiente que da las frecuencias de cada valor de la variable.
x
0
1
2
3
4
5
6 7
8
9 10 11 12 13 14 15 16 17 18
f
0
0
1
3
5 10 12 14 15 12 9
7
5
3
2
1
1
0
0
Sumatoria de frecuencias = 100
Nueve veces obtuvimos 10 vehculo/minuto.
La probabilidad de que pasen 12 vehculos en un minuto es:
casos favorables
5
p (12) =
=
= 0, 05
casos posibles
100
La probabilidad de que pasen ms de 12 vehculos es:
P( 12) = p(13) + p(14 ) + p(15) + p(16) + p(17 ) = 0,03 + 0,02 + 0,01 + 0,01 + 0 + 0 = 0,07
La ley de Poisson como ley casi general de las llegadas al azar
Consideremos una sucesin de hecho idnticos E que se suceden en el tiempo.
A partir de un instante inicial t=0 sea n el nmero de elementos en el sistema.
Como n es un nmero aleatorio debemos darle una probabilidad pn(t) (probabilidad que es funcin de t).
Hiptesis
1) La probabilidad pn(t) no depende ms que del intervalo t y no depende del instante inicial. Si la
probabilidad de paso de 9 vehculos es 0,12 entre las 14 hs.21' y las 14 hs.22' debemos tener la misma
probabilidad entre las 13 hs.28' y las 13 hs.29'. Se dice que el fenmeno es estacionario.
2) Se admite que dos sucesos no se producen nunca al mismo tiempo (por ejemplo, nunca entran dos
clientes juntos a un sistema de espera.).
3) si se considera un intervalo t muy pequeo seleccionado en cualquier instante, la probabilidad de
que se produzca un suceso durante ese intervalo es igual a t . La cantidad se denomina
velocidad media de arribo.
Por ejemplo seleccionemos 1/10 segundos como t y cada dcimo de segundo examinamos si ha pasado o no un vehculo, y as para todos los dcimos de segundo de una hora.
Supongamos que hemos anotado 540 s y 35.460 no. La tasa media de llegadas ser
540 s
9
540
=

0 , 15 unidades por segundo; todo depende de la unidad elegida.

60 min min
hora
Si el fenmeno es estacionario la probabilidad de paso de un vehculo en un dcimo de segundo
cualquiera es:
540
= 0, 015
36. 000
La probabilidad para un centsimo de segundo ser:
1
t = 0,015 * = 0,0015
10
La frmula de Poisson es:
n
t) e t
(
pn (t ) =
; n = 0,1,
n!
Las probabilidades pn(t) para valores de t desde 0,1 a 18 se hallan tabuladas. Por ejemplo para t = 8:
p ( 0 ) = 0; p (1) = 0 , 002 ; p ( 2 ) = 0 , 028; p ( 3) = 0 , 028; p ( 4 ) = 0 , 057 ; p ( 5) = 0, 091; p ( 6) = 0 , 122 ;
p ( 7 ) = 0, 139 ; p ( 8 ) = 0 , 139 ; p ( 9 ) = 0 , 124; p (10) = 0 , 099 ; p (11) = 0, 072 ; p (12 ) = 0 , 048;
p (13) = 0 , 029 ; p (14 ) = 0, 016; p (15) = 0 , 009; p (16) = 0 , 004 ; p (17 ) = 0 , 002 ; p (18 ) = 0
Estos valores tericos son muy parecidos a los observados experimentalmente. Pero, cmo de parecidos?.
Parece que estamos frente a un proceso poissoniano de media 8.
29
colas-1.doc

Prof. Ing. Claudio L. R. Sturla

Para ver si esto es cierto hacemos un:
Test de hiptesis
El estadstico 2 es:

( o1 e1 ) 2 ( o2 e2 ) 2
+

e1

e2
k

(o

+ +

ej

( ok

ek )

ek

ej

j= 1

oi = frecuencias experimentales observadas.

ei = frecuencias tericas.
La distribucin muestral de chi-cuadrado se aproxima a la distribucin de chi-cuadrado si los ej son
iguales a 5 y mejora para valores superiores.
Chi-cuadrado mide cunto se aparta lo observado de lo terico.
Cuanto ms pequeo sea chi-cuadrado, ms se aproxima lo observado a lo terico.
En el caso de la autopista sera:
2
2
2
2
0 0,002)
0,01 0,028)
0,03 0,028)
0,05 0,057)
(
(
(
(
2
=
+
+
+
+
0,002
0,028
0,028
0,057

( 0,1

0,091)
( 0,12 0,122) + ( 0,14 0,139) + ( 0,15 0,139) + ( 0,12 0,124) +
+
0,091
0,122
0,139
0,139
0,124
2

( 0,09 0,099) 2 ( 0,07 0,072) 2 ( 0,05 0,048) 2 ( 0,03 0,029) 2

0,099

0,072

0,048

0,029

( 0,02 0,016) 2 ( 0,01 0,009) 2 ( 0,01 0,004) 2 ( 0 0,02) 2

0,016

0,009

0,004

0,02

= 0 + 0,02 + 0,00086 +

+ 0 , 000033 + 0, 0000072 + 0 , 00087 + 0 , 00013 + 0, 00082 + 0, 000056 + 0, 000083 + 0 , 000035 +

+ 0 , 001 + 0, 00011 + 0, 0009 + 0 , 002 = 0, 009127

De la tabla para:

= N 1 = nmero de clases menos 1 = 15 1 = 14

= 14 corresponde 20,995 = 31, 319 (valor crtico)

0,995 es el nivel de significacin para 0,005, o sea el error de rechazar 5 veces de cada 1.000 a pesar de
ser buena la poblacin (error de tipo II). Como 31, 319 0, 009127 se acepta que es distribucin
Poisson.
Ejemplo N 5 (Se ofrece para quien quiera practicar).
X
0
1
2
colas-1.doc

f
0
0
0
30

Prof. Ing. Claudio L. R. Sturla

3
1
4
2
5
4
6
7
7
9
8
12
9
13
10
13
11
11
12
9
13
7
14
5
15
2
16
2
17
1
18
1
19
1
20
0
21 ms
0
Verificar si la hiptesis de que se trata de una distribucin Poisson con media 9 es aceptable con un nivel
de significacin del 0,005 %.
Ejemplo N 6
Los trabajos que se pueden procesar en una mquina dada llegan con distribucin Poisson a una velocidad promedio de 1 cliente/hora. La mquina tarda 2 horas en ser reparada.
Averiguar las probabilidades de que mientras est detenida lleguen el siguiente nmero de clientes:
a) 0
b) 2
c) 5?
d) Graficar.
a)
p x (t ) =

( T) x

e T

; e = 2,71828
x!
Que es la probabilidad de que lleguen x clientes en el perodo en que se repara la mquina.
( 2) 0 e 2
p0 ( 2) =
= e 2 = 0, 135
0!
b)
22 e 2
p2 ( 2 ) =
= 0, 27067
2!
c)
p5 (2) = 1 [ p0 (2) + p1 (2) + p2 (2) + p3 (2) + p4 (2)] =
4
2
21 2

= 1 e 2 + 2 e 2 + e 2 + e 2 = 1
e =

3
3
3
= 1 7 e 2 = 0,052655
colas-1.doc

31

Prof. Ing. Claudio L. R. Sturla

VALOR DE LA PROBABILIDAD

0,3

0,25

0,2

0,15

0,1

0,05

0
0

0,5

1,5

2,5

3,5

4,5

VALOR DE x

Ejemplo N 7
Se desea contratar un operario permanente para reparar las mquinas de una casa que provee servicios
de copias. Se estima que una mquina de fotocopiado descompuesta perjudica a la casa en 1.200 UM
por hora de inmovilizacin.
Actualmente se depende de un servicio de reparaciones que tarda en promedio 2 horas en ser avisado,
llegar y reparar una mquina. El costo es de 20.000 UM/mes.
La casa posee 20 mquinas presentndose fallas a razn de 0,33 mquina/hora (referido a cada mquina). Al decidir un cambio de sistema de reparaciones se puede optar entre el operario A capaz de
arreglar 4 mquinas por hora y que pide 40.000 UM/mes y el operario B que puede arreglar 6 mquinas
por hora con un sueldo de 80.000 UM/mes.
Analizar si conviene el cambio de sistema y en caso afirmativo elegir el operario.
Tomar el mes de trabajo como de 200 hs. Tratar el problema como una cola de un canal con poblacin
infinita.
Actualmente se tiene:

(W. costo espera). total arribos + costo servicio =

um
h 1 1
UM
UM

20 + 20.000
= 9337647
200
1 1 h 1200
h
mes 3 h
mes
mes

2 3

total arribos = velocidad de arribo por mquina x cantidad de horas de trabajo por mes x cantidad de
mquinas.
Si se contratara a A:
1
1
Ts = h ; = 4
4
h
El resto sigue igual.

colas-1.doc

32

Prof. Ing. Claudio L. R. Sturla

1
UM

1200 200 * * 20 + 40000 = 435967,3

3
mes
4 1

Si se contrata a B.

1
UM

1200 200 * * 20 + 80000 = 282186,9

3
mes
6 1

MODELO II
Canal nico Cola Limitada Poblacin Infinita
Canal

cliente que se rechaza y se dirige a otro lugar

Este sistema acepta 4 elementos esperando y nada ms.

Si viene otro cliente ser atendido en otro lugar o por terceros.
Canal

............

N-1 en cola

N en el sistema

Desde el punto de vista de la ecuacin diferencial que gobierna el sistema, es la misma ecuacin.
La derivada era:
p' (n) = ( n + n ) p(n) + n 1 p( n 1) + n + 1 p(n + 1) = 0
Recordemos que la derivada es cero porque consideramos al sistema en rgimen estacionario.
Para n=0 el estado cero E(0) existe y hay un cierto valor 0=0 (debido a que no pueden salir elementos

del sistema si no los hay). 0 es la velocidad de despacho cuando no hay ningn cliente en el sistema.
Para n=0 hay un estado definido como el E(-1), luego
1 p( 1) = 0
No existe este estado porque la probabilidad de su existencia es nula.
colas-1.doc

33

Prof. Ing. Claudio L. R. Sturla

Haciendo todos los n = y los n + 1 = nos queda :
p( 0) + p(1) = 0
p (1) = p( 0)
Para 0 n N estamos en el caso de una posicin intermedia. Por ejemplo
p ( 2 ) = p (1) = p ( 0) = 2 p ( 0)
Para n = N la ecuacin diferencial quedar escrita:
( N + N ) p( N ) + N 1 p( N 1) + N + 1 p( N + 1) = 0
Qu significa N ? Si hay N elementos en el sistema nada entrar porque el sistema se bloquea. a. Luego:
N = 0
Para E ( N ) N = 0
Identificando el estado ( N + 1) estamos definiendo una p ( N + 1). Existe E ( N + 1) ? .No, porque est
limitado. Luego:
para E ( N + 1) p ( N + 1) = 0
La ecuacin diferencial quedar reducida a: (pondremos todos los y sin subndice)
p( N ) + p( N 1) = 0
p( N ) =
Pero

p( N 1) = p( N 1)

p ( N 1) = N 1 p ( 0)

p ( N ) = N p( 0)
En este modelo, a diferencia del anterior, tenemos un nmero finito de estados.
N

n= 0

n= 0

n= 0

n
n
p(n) = 1 = p(0) = p(0)

Luego:
p ( 0) = N

n= 0

En el modelo I debamos asegurar la convergencia de la serie, eso obligaba a que fuese menor a 1. En
este modelo II puede tomar cualquier valor cumplindose que:
N

n
1 para asegurar que p(0) sea 1

n= 0

Ahora debemos calcular la sumatoria. Supngase lo siguiente:

B = 0 + 1 + 2+ + N

B = 1 + 2+ + N + N+ 1

colas-1.doc

B B = 1

N+1

B( 1 ) = 1

N+1

34

Prof. Ing. Claudio L. R. Sturla

1 N + 1
1

B=
B es la inversa de p( 0) , luego:

p ( 0) =

1 N + 1

Con lo que ya tenemos

p(n) = n

1 N + 1

Ejemplo N 8
Se desea proyectar el tamao de una playa de estacionamiento de una estacin de servicio donde deben
aguardar los vehculos para recibir un servicio de lavado.
El arribo de clientes es a razn de 3 por hora y el lavado dura 10 minutos. Se busca que el nmero de
clientes en el sistema sea como mximo de 5.
La estacin de servicio trabaja 18 horas diarias.
Se desea calcular la velocidad de lavado necesaria para:
Perder 10 clientes por da.
Perder 50 clientes por da.
Perder 80 clientes por da.
clientes
clientes
= 3
; Ts = 10min ; = 6
h
hora
Actualmente N = 5
1
5
1
0,5
0,5
3
6
p( N ) = N
=
= 0,03125 *
= 0,03125 *
= 0,015873
N+1
6
1 0,015625
0,984375
1
6
3
1
6
Si hay 5 clientes p ( N ) es la probabilidad de perder clientes.
1
1
Velocidad de prdida de clientes = p (5) = 0,015873 * 3 = 0,047619
h
h
En 18 horas:
1
h
1
0,047619 18
= 0,857142
h da
da

3


Se forma una tabla y se va aproximando.

3
1

= 0,185185

Longitud media del sistema y de la cola

L=
Si

n p(n) =

n= 0

n= 0
N

B= n =
n= 0

colas-1.doc

n n p ( 0) = p ( 0) n n
n= 0

1 N+ 1
1
35

Prof. Ing. Claudio L. R. Sturla

( N + 1) N ( 1 ) + 1
B N
n 1
= n
=
n= 0
(1 ) 2

( N + 1) N + N
B N
= nn =
n= 0
(1 ) 2

N
1 1 N + N
L=
1 N+ 1
(1 ) 2

N+1

N+1

Se puede demostrar que:

LC =

[ 1 ( N + 1) + N ]
(1 )(1 )
N

L=

N+1

N+1

N+1

1 N

N1

+ ( N 1)

(1 )(1

N+1

Casos particulares para estas frmulas

1) Si 1 resultara N 0 y N + 1 0 .
(1+ )
(1+ )

L
=
=
1 ( 1 )( 1 + ) 1 + +

(1+ ) = +

1 1
1 N + 1
Si 1 en la expresin de L slo el 1 resulta despreciable frente a los otros trminos y as:
( N + 1) N + N N + 1
( N + 1) N + 1 N N + 2 ( N + 1) N
L
=
=
=
(1 )
(1 ) N+ 1
(1 ) N+ 1
p ( 0) =

N (1 ) + 1

(1 )

= N+

1
N
(1 )

1 y en consecuencia . La longitud L ser casi siempre N.

1
1

1
p ( 0) =

=
0 p ( 0) 0
1 N + 1 N + 1 N + 1 N
Para el caso intermedio de 1 se puede obtener que
N
L
2
Qu ocurre?. Si 1 es

Actualizado al 6/7/2.003
< D:\INVESTIGACIN OPERATIVA\COLASUNO - Impreso el 18/03/2008.

colas-1.doc

36