Modulo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS TECNOLOGAS E INGENIERAS

CONTENIDO DIDCTICO DEL CURSO: 208022-TELETRAFICO
UNIDAD 2
TRFICO Y SU APLICACIN AL DIMENSIONAMIENTO
DE REDES DE TELECOMUNICACIONES
74

CAPTULO 4. SISTEMAS DE PRDIDAS

Leccin 16: El Proceso de Poisson
El proceso de Poisson es el proceso puntual ms importante. Ms adelante se podr ver que su
funcin en los procesos puntuales es tan vital como la funcin de la distribucin Normal en las
distribuciones estadsticas. Segn el teorema del lmite central, al aadir variables estocsticas se
obtiene la distribucin Normal. De manera similar al multiplicar variables estocsticas se obtiene la
distribucin exponencial.
Todos los dems procesos puntuales aplicados son generalizaciones o modificaciones del proceso
de Poisson. Este proceso ofrece una descripcin sorprendentemente acertada de numerosos
procesos de la vida real debido a que se trata del proceso ms aleatorio. Cuanto ms complejo
sea un proceso mejor, en general, ser su modelado mediante un proceso de Poisson.
Dado que se trata de un proceso de gran importancia en la prctica, en este Captulo se estudia
en forma pormenorizada. En primer lugar este estudio se basa en un modelo fsico, haciendo
especial en las distribuciones asociadas al proceso, y a continuacin se consideran algunas
propiedades destacadas del proceso de Poisson. El proceso de Poisson puede generalizarse de
diversas formas.
16.1
Caractersticas del proceso de Poisson
Las propiedades fundamentales del proceso de Poisson se definen en el:
a)
condicin de estacionario,
b)
independencia en todos los puntos temporales (pocas), y
c)
regularidad.
b) y c) son propiedades fundamentales, mientras que a) es innecesario. As, se puede permitir un

proceso de Poisson que tenga una intensidad dependiente del tiempo. A partir de las propiedades
precedentes se pueden deducir otras propiedades que son suficientes para definir el proceso de
Poisson. Las dos ms importantes son:
Representacin del nmero: El nmero de eventos dentro de un intervalo de tiempo de
longitud fija tiene distribucin de Poisson. Por consiguiente, el proceso se denomina
proceso de Poisson.
Representacin del intervalo: La distancia temporal Ti entre eventos consecutivos tiene
distribucin exponencial.
En este caso, la frmula (5.4) muestra la relacin fundamental entre la distribucin de Poisson
75

acumulada y la distribucin de Erlang (identidad de Feller-Jensen's):
Esta frmula se puede obtener tambin por integracin parcial repetida.

16.2
Distribuciones del proceso de Poisson
En esta seccin se examinar el proceso de Poisson en un aspecto dinmico y fsico (Fry, 1928
[32]) y (Arne Jensen, 1954 [12]). Las derivaciones se basan en un modelo fsico simple y hacen
hincapi a las distribuciones de probabilidad asociadas con el proceso de Poisson.
El modelo fsico es el siguiente: los eventos (llegadas) se ubican al azar sobre el eje real de modo
tal que cada evento se coloca independientemente de todos los otros eventos.
La densidad media se forma como eventos (llegadas) por unidad de tiempo. Si se considera el
eje como un eje de tiempo se tendr como promedio llegadas por unidad de tiempo. La
probabilidad que un determinado diagrama de llegada se produzca dentro de un intervalo de
tiempo es independiente de la ubicacin del intervalo en el eje de tiempo.
Figura 6.1 Cuando se aplica el proceso de Poisson, se consideran llegadas dentro de

intervalos de tiempo no superpuestos de duracin t1 y t2, respectivamente
La notacin p(, t) representa la probabilidad que se produzcan eventos dentro de un intervalo
de tiempo de duracin t. La formulacin matemtica del modelo anterior es la siguiente:
1) Independencia: Si t1 y t2 son dos intervalos no superpuestos (vase la figura 6.1), se tiene en
razn de la hiptesis de independencia:
p (0; t1) . p (0, t2) = p (0, t1 + t2)
(6.2)
2) El valor medio del intervalo de tiempo entre dos llegadas sucesivas es 1/ (Ec. 3.4):
donde p(0, t) es la probabilidad que haya llegadas dentro del intervalo de tiempo (0;t), que es
tambin idntico a la probabilidad que el tiempo hasta el primer evento sea mayor que t (la
distribucin complementaria). El valor medio (6.3) se obtiene directamente de la ecuacin (3.4). La
frmula (6.3) tambin se puede interpretar como la superficie debajo de la curva p(0,t), que es una
funcin que nunca aumenta, disminuyendo a 1 a 0.
3) Se observa que la ecuacin (6.2) implica que seguramente se producir el evento "sin
llegadas dentro del intervalo de longitud 0":
76

p(0, 0) = 1
(6.4)
4) Se observa tambin que la ecuacin (6.3) implica que la probabilidad que "no haya llegadas
dentro de un intervalo de tiempo de longitud " es cero y nunca tendr lugar:
p(0, ) = 0
(6.5)
16.2.1 Distribucin exponencial

El paso fundamental para el siguiente clculo de la distribucin de Poisson es derivar p(0, t) que
es la probabilidad que en un intervalo de tiempo de longitud t no se producen llegadas, es decir la
probabilidad que la primera llegada aparezca despus del tiempo t. Se demostrar que {1 p(0,
t)} es una distribucin exponencial.
Conforme a la ecuacin (6.2) se tiene:
ln p(01, t1) + ln p (0, t2) = ln p (0, t1 + t2)
(6.6)
Si ln p(0, t) = f(t), la ecuacin (6.6) se puede expresar como sigue:

f (t1) + f (t2) = f (t1 + t2)
Por diferenciacin con respecto a, por ejemplo, t2 se tiene:
F'(t2) = f't2 (t1 + t2)
De esto se observa que f'(t) debe ser una constante y por tanto:
(6.7)
f(t) = a + b . t
(6.8)
Intercalando la ecuacin (6.8) en la (6.7), se obtiene a = 0. Por tanto p(0, t) tiene la forma:
p(0, t) = ebt
De la ecuacin (6.3) se obtiene b:
o:
b=
Se demuestra as, en base a los puntos 1) y 2) anteriores que:
p(0, t) = e t
(6.9)
Si se considera que p(0, t) como a la probabilidad que el evento siguiente llegue despus del
tiempo t, el tiempo que transcurre hasta la prxima llegada est distribuido exponencialmente:
77

Se obtienen as el valor medio y la varianza siguientes (4.4):
(6.12)
La probabilidad que la siguiente llegada aparezca dentro del intervalo (t, t + dt) se puede expresar
como:
f(t) . dt = et . dt = p(0, t) . dt (6.13)
Es decir la probabilidad que una llegada aparezca dentro del intervalo (t, t + dt) es igual a dt,
independiente de t y proporcional a dt (vase la ecuacin (3.17)).
En razn que es independiente del tiempo real t, la distribucin exponencial no tiene memoria. El
proceso no depende del tiempo.
El parmetro se denomina intensidad o rgimen de la distribucin exponencial y del proceso de
Poisson relacionado y corresponde a la intensidad en la ecuacin (5.6). La distribucin
exponencial es, en general, un modelo muy satisfactorio de tiempos entre llegadas cuando el
trfico es generado por elementos humanos (vase la figura 6.2).
78

Figura 6.2 Distribucin del tiempo entre llegadas de las llamadas en una
central de trnsito.
Los valores tericos se basan en la hiptesis de tiempos entre llegadas distribuidos
exponencialmente. Debido al principio de medicin (mtodos de exploracin) la distribucin
exponencial continua se transforma en una distribucin de Westerberg discreta (Ec. 15.14)
(prueba X2 = 18,86 con 19 grados de libertad, percentil = 53)
16.2.2 Distribucin de Erlang-k
De lo anterior se deduce que el tiempo hasta que hayan aparecido k llegadas exactamente es una
suma de k variables estocsticas IID distribuidas exponencialmente.
La distribucin de esta suma se denomina distribucin Erlang-k y la densidad viene dada por la
ecuacin (4.8):
Para k = 1 se obtendr por supuesto la distribucin exponencial. La distribucin gk+1(t) , k > 0; se

obtiene por convolucin de gk (t) y g1(t). Si se supone que la expresin (6.14) es vlida para gk (t),
se tiene entonces:
79

Como la expresin es vlida para k = 1, se ha demostrado por induccin que es vlida para
cualquier k. La distribucin de Erlang-k es, desde el punto de vista estadstico, una distribucin
gamma especial.
El valor medio y la varianza se obtienen con la ecuacin (6.12)
(6.15)
Ejemplo 6.2.1: Estadsticas de llamadas para un sistema SPC (vase el ejemplo 5.1.2).Sea
una serie de llamadas que llegan a una central telefnica con programa de control almacenado
(sistema SPC) conforme a un proceso de Poisson. La central recopila automticamente toda la
informacin al respecto cada 1 000 llamadas. Los tiempos entre llamadas entre dos registros
tendr entonces distribucin Erlang-1000 y el factor de forma = 1.001, es decir los registros se
efectuarn muy regularmente.
16.2.3 Distribucin de Poisson
Se indicar ahora que el nmero de llegadas en un intervalo de longitud fija t presenta una
distribucin de Poisson con un valor medio t. Cuando se conoce la distribucin exponencial
mencionada anteriormente y la distribucin de Erlang, la derivacin de la distribucin de Poisson
se obtiene con slo aplicar combinaciones simples. La prueba se puede llevar a cabo por
induccin.
80

Se desea extraer p(i, t) = probabilidad de i llegadas dentro del un intervalo de tiempo t. Supngase
que:
Esto es correcto para i = 0 (6.9). El intervalo (0, t) se divide en tres intervalos no superpuestos (0,
t1); (t1, t1 + dt1) y (t1 + dt1, t). Desde la primera hiptesis de independencia se sabe que los
eventos dentro de un intervalo son independientes de eventos en los otros intervalos en razn que
stos no estn superpuestos. Mediante el ajuste de t1 de modo tal que la ltima llegada dentro de
(0, t) se produzca en el intervalo (t1, t1 + dt1), se obtiene la probabilidad p(i, t) mediante la
integracin de todos los valores posibles de t1 como producto de las tres probabilidades
siguientes:
a) La probabilidad que (i 1) llegadas se produzcan dentro del intervalo de tiempo (0; t1):
b) La probabilidad que haya una sola llegada dentro del intervalo de tiempo de t1 a t1+dt1:
. dt1
c) La probabilidad que no se produzcan llegadas en el intervalo de t1 + dt1 a t:
(t-t1)
El producto de las primeras dos probabilidades es la probabilidad que la i-sima llegada aparezca
en el intervalo (t1, t1 + dt1), es decir la distribucin de Erlang de la seccin anterior:
Por integracin se tiene:
sta es la distribucin de Poisson que se obtiene por induccin a partir de la ecuacin (6.9). El
valor medio y la varianza son:
81

La distribucin de Poisson es, en general, un modelo muy conveniente para el nmero de llamadas
en un sistema de telecomunicacin (vase la figura 6.3) o tareas en un sistema informtico.
Ejemplo 6.2.2: Sistema de satlite Aloha con segmentos de tiempo. Considrese el sistema
digital de comunicacin por satlite Aloha segmentado con longitud de paquete constante h. El
satlite est en una rbita geoestacionaria a unos 36 000 km por encima del ecuador de modo que
la demora circular es de unos 280 ms. Los ejes de tiempo se dividen en segmentos de duracin
fija que corresponden a la longitud del paquete h. El terminal individual (estacin terrena) transmite
los paquetes de forma tal que estn sincronizados con los segmentos de tiempo. Todos los
paquetes generados durante un segmento de tiempo se transmiten en el segmento de tiempo
siguiente. La transmisin de un paquete slo es correcta si es el nico paquete que ha de ser
transmitido en el segmento de tiempo. Si en un segmento de tiempo se transmiten
simultneamente ms paquetes, se tendr una colisin y todos los paquetes se pierden y han de
ser retransmitidos. Las estaciones terrenas reciben todos los paquetes y pueden entonces decidir
si un paquete est transmitido correctamente. Debido al retardo de tiempo, las estaciones terrenas
transmiten paquetes independientemente. Si el proceso de llegada total es un proceso de Poisson
(rgimen ), se obtiene entonces un nmero de paquetes distribuidos de Poisson en cada
segmento de tiempo.
La probabilidad de una transmisin correcta es:

P(1) = h . eh. (6.20)
Esto corresponde a la proporcin de los ejes de tiempo que se utilizan eficazmente. Esta funcin,
que se muestra en la figura 6.4 tiene un valor ptimo para h = 1, pues la derivada con respecto a
h es cero para este valor:
82

Figura 6.3 Nmero de llamadas por segundo en Internet por conexin

telefnica.
Los valores tericos se basan en la hiptesis de una distribucin de Poisson. Una prueba
estadstica acepta la hiptesis de una distribucin de Poisson. Se tiene as una utilizacin mxima
del canal en 0,3679, cuando en promedio se transmite un paquete por segmento de tiempo. Un
resultado similar se tiene cuando hay un nmero limitado de terminales y la cantidad de paquetes
por segmento de tiempo tiene distribucin binomial.
83

Figura 6.4 El trfico transportado en un sistema Aloha segmentado tiene un mximo

(vase el ejemplo 6.2.2).
16.2.4 Derivacin esttica de las distribuciones del proceso de Poisson
Como se conoce en estadstica, estas distribuciones tambin se pueden obtener del proceso
binomial permitiendo que el nmero de intentos n (por ejemplo tiradas de un dado) se incremente
al infinito y, al mismo tiempo permitir que la probabilidad de xito en una tentativa simple p
converja a cero de modo tal que el nmero promedio de probabilidades de xito n . p es
constante.
Este enfoque es esttico y no pone de relieve las propiedades fundamentales del proceso de
Poisson, que tiene una existencia independiente dinmica, sino que muestra la relacin entre los
dos procesos como se ilustra en el cuadro 6.1.
La distribucin exponencial es la nica distribucin de probabilidad continua con falta de
memoria, as como la distribucin geomtrica es la nica distribucin de probabilidad discreta
con falta de memoria. Por ejemplo, el resultado siguiente de la tirada de un dado es
independiente del resultado anterior. Las distribuciones de los dos procesos se muestran en el
cuadro 6.1.
84

Cuadro 6.1 - Correspondencia entre las distribuciones del proceso binomial y el proceso de
Poisson.
Un resultado satisfactorio corresponde al evento de una llegada en un proceso puntual m1 = valor

medio, 2 = varianza. Para la distribucin geomtrica se puede comenzar con una clase cero. El
valor medio se reduce entonces en uno mientras que la varianza no se modifica.
85

16.3
Propiedades del proceso de Poisson
En este punto se tratarn algunas propiedades fundamentales del proceso de Poisson. Del modelo
fsico tratado anteriormente se puede ver que el proceso de Poisson es el proceso puntual ms
aleatorio que se puede encontrar ("Proceso de irregularidad mxima"). Permite una buena
descripcin de los procesos fsicos cuando numerosos factores estn detrs del proceso total.
16.3.1 Distribucin uniforme una propiedad condicional
En la distribucin de poisson se ha visto que "una distribucin uniforme en un intervalo muy
amplio corresponde a un proceso de Poisson. Se podr ver que la propiedad inversa es tambin
vlida:
Teorema 6.1 Si para un proceso de Poisson se tiene n llegadas dentro de un intervalo
de duracin t, esas llegadas estn distribuidas uniformemente dentro de ese intervalo.
Puede en s mismo ser una variable estocstica si es independiente del proceso de Poisson. ste
es, por ejemplo, el caso en mediciones de trfico con intervalos de medida variables. Esto se
puede demostrar con la distribucin de Poisson (representacin del nmero) o bien con la
distribucin exponencial (representacin del intervalo).
16.3.2 Teorema de Palm (Teorema de la superposicin)
Las propiedades fundamentales del proceso de Poisson entre todos los otros procesos puntuales
fue tratado por primera vez por el sueco Conny Palm. Palm demostr que la distribucin
exponencial desempea el mismo papel para procesos puntuales estocsticos (por ejemplo,
distribuciones de tiempo entre llegadas), donde la superposicin se efecta por multiplicacin,
como lo hace la distribucin normal cuando se efecta superposicin por adicin (teorema del
lmite central).
Figura 6.5 Por superposicin de n procesos puntuales se obtiene bajo ciertas premisas
un proceso que localmente es un proceso de Poisson.
86

Teorema 6.2 Teorema de Palm: Por superposicin de numerosos procesos puntuales

independientes el proceso total resultante ser localmente un proceso de Poisson.
El trmino "localmente" significa que se consideran intervalos de tiempo que son tan breves que
cada proceso contribuye a lo sumo con un evento durante este intervalo. Este es un requisito
natural pues ningn proceso puede dominar el proceso total (se suponen condiciones similares
para el teorema de lmite central). El teorema slo es vlido para procesos puntuales regulares.
Si se considera un punto aleatorio en el tiempo en un determinado proceso, el tiempo hasta la
llegada siguiente viene dado por la ecuacin (3.23).
Se superponen n procesos en un proceso total. Mediante la eleccin apropiada de la unidad de
tiempo, la distancia media entre llegadas en el proceso total se mantiene constante, independiente
de n. El tiempo desde un punto aleatorio al evento siguiente en el proceso total viene dado
entonces por la ecuacin Si todos los subprocesos son idnticos (suponiendo = 1), suponiendo
que el nmero de subprocesos aumenta al infinito:
que es la distribucin exponencial. Se ha demostrado que por superposicin de procesos idnticos

se obtendr localmente un proceso de Poisson. De manera similar, se pueden superponer
procesos no idnticos y obtener localmente un proceso de Poisson.
16.3.3 Teorema de Raikov (Teorema de la descomposicin)
Un teorema similar, el teorema de la descomposicin, es vlido cuando se divide un proceso
puntual en subprocesos y que esto se efecta en forma aleatoria. Si en un proceso hay n veces
menos eventos, es natural entonces disminuir los ejes de tiempo en un factor n.
Teorema 6.3
Teorema de Raikov: Mediante la descomposicin aleatoria de un proceso puntual
en subprocesos, cada uno de ellos converge a un proceso de Poisson cuando la probabilidad que
un evento pertenezca a un subproceso tienda a cero.
Adems de superposicin y descomposicin (fusin y divisin, o unin y bifurcacin), se puede
efectuar otra operacin en un proceso puntual, denominada translacin (desplazamiento) de los
eventos particulares. Cuando esta translacin para cada evento es una variable estocstica,
independiente de otros eventos, un proceso puntual arbitrario converger nuevamente a un
proceso de Poisson.
Con referencia a los procesos puntuales que se producen en la vida real, se puede esperar
conforme a lo indicado anteriormente, que hay procesos de Poisson cuando se satisface una serie
87

de condiciones independientes suficientemente amplias para que se produzca un evento. sta es

la razn que muestra que el proceso de Poisson es una buena descripcin de, por ejemplo, los
procesos de llegada de todos los abonados a una central telefnica.
Como ejemplo de las limitaciones en el teorema de Palm se puede indicar que la superposicin de
dos procesos independientes produce un proceso de Poisson exacto slo si ambos subprocesos
son procesos de Poisson.
Leccin 17: Sistemas de prdidas de Erlang, frmula B
En esta leccin y en las siguientes se examina la teora de teletrfico clsica formulada por
Erlang, Engset y Fry y Molina, que ha sido aplicada satisfactoriamente durante ms de 80 aos.
En este leccin slo se examina la frmula de Erlang B fundamental.
17.1 Introduccin
La frmula de Erlang B est basada en el modelo siguiente, descrito por los elementos estructura,
estrategia y trfico.
a)
Estructura: se considera un sistema de n canales idnticos (servidores, lneas de enlace,

segmentos de tiempo) que funcionan en paralelo. Esto se denomina grupo homogneo.
b)
Estrategia: una llamada que llega al sistema se acepta para servicio si algn canal est
desocupado. (Cada llamada necesita slo un canal.) Se dice que el grupo tiene plena
accesibilidad. A menudo se utiliza el trmino plena disponibilidad, pero esta terminologa se
utilizar slo en relacin con aspectos de fiabilidad. Si todos los canales estn ocupados se
pierde la tentativa de llamada y sta desaparece sin ningn efecto secundario (la tentativa de
llamada rechazada puede ser aceptada por un trayecto alternativo). Esta estrategia es la ms
importante y ha sido aplicada con xito durante muchos aos. Se denomina modelo de
prdidas de Erlang o modelo de llamada perdida eliminada (LCC, lost call cleared).
c)
Trfico: Se supone que los tiempos de servicio estn distribuidos exponencialmente

(intensidad ) y que el proceso de llegada es un proceso de Poisson con rgimen . Este tipo
de trfico se denomina puramente trfico aleatorio tipo uno, PCT-I. El proceso de trfico se
transforma entonces en un proceso terico de renovacin, un proceso de Markov simple que es
sencillo de formular matemticamente.
Definicin de trfico ofrecido: Es el trfico transportado cuando el nmero de canales (la

88

capacidad) es infinito (2.2). En el modelo de prdidas de Erlang con proceso de llegada de

Poisson esta definicin de trfico ofrecido es equivalente al nmero promedio de tentativas de
llamada por tiempo de ocupacin medio:
Se consideran dos casos:

1.
n = : Distribucin de Poisson.
2.
n < : Distribucin de Poisson truncada.
Ms adelante se ver que el modelo es indiferente a la distribucin del tiempo de ocupacin, es

decir slo el tiempo medio de ocupacin es importante para las probabilidades de estados. El tipo
de distribucin no tiene importancia para las probabilidades de estado.
Mediciones de calidad de funcionamiento: Las mediciones ms importantes de grado de
servicio para sistemas de prdidas son la congestin temporal E, la congestin de llamadas B y la
congestin de (carga de) trfico C. Son todas idnticas para el modelo de prdidas de Erlang
debido al proceso de llegada de Poisson.
17.2
Distribucin de Poisson
Se supone que el proceso de llegada es un proceso de Poisson y que los tiempos de ocupacin
estn distribuidos exponencialmente, es decir se considera el trfico PCT-I. Se supone que el
nmero de canales es infinito, en el que nunca se observar congestin (bloqueo).
17.2.1 Diagrama de transicin de estado
El estado del sistema, [i], se define como el nmero de canales ocupados i (i = 0, 1, 2, ...). En la
figura 7.1 todos los estados del sistema se indican con crculos, y las variaciones por las cuales el
proceso de trfico cambia de un estado a otro se ilustran con arcos de flechas entre los estados.
Como el proceso es irregular, slo se tienen transiciones a estados vecinos. Si se supone que el
sistema est en equilibrio estadstico, durante la proporcin p(i) del tiempo estar en el estado [i],
donde p(i) es la probabilidad de observacin del sistema en estado [i] en un punto aleatorio del
tiempo, es decir un promedio del tiempo. Cuando el proceso est en el estado [i] pasar al estado
[i + 1] veces por unidad de tiempo y al estado [i 1] i veces por unidad de tiempo (por
supuesto, el proceso dejar el estado [i] en el momento que hay una transicin de estado.
89

Figura 7.1 Distribucin de Poisson. Diagrama de transicin de estado para un sistema

con infinitos canales, proceso de llegada de Poisson ( ), y tiempos de ocupacin con
distribucin exponencial ()
Las ecuaciones que describen el estado de los sistemas bajo la hiptesis de equilibrio estadstico
se pueden establecer de dos maneras, ambas basadas en el principio de compensacin global:
a)
Ecuaciones de nodo. En equilibrio estadstico el nmero de transiciones por unidad de

tiempo en el estado [i] es igual al nmero de transiciones fuera del estado [i]. La
probabilidad de estado de equilibrio p(i) indica la proporcin de tiempo (tiempo total por
unidad de tiempo) que el proceso est en el estado [i]. El nmero medio de saltos del
estado [0] al estado [1] es p(0) por unidad de tiempo, y el nmero de saltos del estado [1]
al estado [0] es p(1) por unidad de tiempo. Para el estado [1] se obtiene la ecuacin de
equilibrio o compensacin siguientes:
Las ecuaciones de nodo son siempre aplicables aun para diagramas de transicin de estado de
diversas dimensiones. Este tema ser tratado ms adelante.
b)
Ecuaciones de corte En muchos casos se puede explotar una estructura simple del
diagrama de transicin de estado. Si se efecta un corte ficticio, por ejemplo entre los
estados [i1 e [i] (que corresponde a un corte global entre los estados [0], [1], ... [i1]),
en equilibrio estadstico el proceso de trfico cambia entonces del estado [i1] a [i] la
misma cantidad de veces que cambia del estado [i] a [i1]. En equilibrio estadstico se
tiene entonces, por unidad de tiempo:
Las ecuaciones de corte se utilizan principalmente para diagramas de transicin de estado

unidimensionales, mientras que las ecuaciones de nodo se aplican a cualquier tipo de diagrama.
Como el sistema siempre estar en algn estado, se tiene la restriccin de normalizacin:
90

Se observa que las ecuaciones de nodo (7.3) conllevan tres probabilidades de estado, mientras
que las ecuaciones de corte (7.4) slo implican dos. Por consiguiente, es ms sencillo resolver
ecuaciones de corte. Los sistemas de prdidas siempre podrn presentar equilibrio estadstico si
el proceso de llegada es independiente del estado del sistema. En este captulo no se
considerarn las condiciones matemticas para el equilibrio estadstico.
17.2.2 Obtencin de las probabilidades de estado
Para diagramas de transicin de estado de una dimensin la aplicacin de las ecuaciones de
corte es el mtodo ms apropiado. De la figura 7.1 se obtienen las siguientes ecuaciones de
equilibrio:
Expresando todas las probabilidades de estado por p(0), se obtiene, conforme al trfico ofrecido
La restriccin de normalizacin (7.5) implica que la distribucin de Poisson:
La cantidad de canales ocupados en un punto aleatorio en el tiempo tiene, por tanto, distribucin
de Poisson con el valor medio (6.17) y la varianza (6.18) iguales a A. Se ha visto anteriormente
que el nmero de llamadas en un intervalo de tiempo fijo tiene tambin distribucin de Poisson
(6.16). As, la distribucin de Poisson es vlida tanto en el tiempo como en el espacio. Por
supuesto, se obtendra la misma solucin utilizando ecuaciones de nodo.
17.2.3 Caractersticas de trfico de la distribucin de Poisson
Desde un punto de vista dimensional, el sistema con capacidad ilimitada no es muy interesante.
Se resumen las caractersticas de trfico importantes del sistema de prdidas:
Congestin temporal:
91

El trfico transportado por la i-sima lnea de enlace que supone bsqueda secuencial se indicar
ms adelante con la ecuacin (7.13).
El grado de curtosis se define como la relacin entre la varianza y el valor medio de la distribucin
de las propiedades de estado (vase el ndice de dispersin para conteo, ecuacin 5.11). Para la
distribucin de Poisson se tiene, conforme a las ecuaciones (6.17) y (6.18):
El grado de curtosis (o factor de irregularidad) tiene dimensin [nmero de canales] y es diferente

del coeficiente de variacin que no tiene dimensin (3.9).
Duracin del estado [i]: En el estado [i] el proceso tiene la intensidad total ( + i ) fuera del
estado. Por consiguiente, el tiempo hasta la primera transicin (transicin de estado i+1 i 1)
est distribuido exponencialmente:
17.2.4 Caractersticas de trfico de la frmula de Erlang B

Al conocer las probabilidades de estados se pueden hallar las medidas de calidad de
funcionamiento definidas por probabilidades de estado.
Congestin temporal: La probabilidad que todos los canales n estn ocupados en un punto
aleatorio del tiempo es igual a la proporcin de tiempo en que todos los canales estn ocupados
(promedio temporal). Esto se obtiene con la ecuacin (7.8) para i = n.
sta es la famosa frmula de Erlang B (1917 [12]). Se simboliza por En(A) = E1,n(A), donde el
ndice "uno" se refiere al nombre alternativo de la primera frmula de Erlang.
92

Congestin de llamadas: La probabilidad que una llamada aleatoria se pierda es igual a la

proporcin de tentativas de llamadas bloqueadas. Si se considera una unidad de tiempo, se
encuentra que B = Bn(A):
Trfico transportado: Si se utiliza la ecuacin de corte para el corte entre los estados [i1] e [i] se
tiene:
donde A es el trfico ofrecido. El trfico transportado ser menor que A y n.

Trfico perdido:
Congestin de trfico:
Es decir, se tiene que E = B = C, porque la intensidad de la llamada es independiente del estado.

Esta es la propiedad PASTA (poisson arrivals see time average) que es vlida para todos los
sistemas con procesos de llegada conforme a la distribucin de Poisson. En todos los otros casos
al menos dos de las tres mediciones de congestin son diferentes. La frmula B de Erlang se
muestra grficamente en la figura 7.3 para algunos valores seleccionados de los parmetros.
Trfico transportado por la i-sima lnea de enlace (utilizacin de ai):
1) Bsqueda aleatoria: En este caso todos los canales transportan el mismo promedio de trfico.
El trfico total transportado es independiente de la estrategia de bsqueda y la utilizacin
resulta:
Esta funcin se muestra en la figura 7.4, y se observa que para una congestin E se obtiene la
mayor utilizacin para grandes grupos de canales (economa de escala).
2) Bsqueda ordenada = bsqueda secuencial: El trfico transportado por el canal i es la
diferencia entre el trfico perdido de i 1 canales y el trfico perdido de i canales:
Se debe observar que el trfico transportado por el canal i es independiente del nmero total de
93

canales. As los canales despus del canal i no tienen influencia en el trfico transportado por el
canal i . No hay realimentacin.
Funcin mejora: Esta funcin indica el incremento del trfico transportado cuando se aumenta en
uno el nmero de canales de n a n + 1.
Los valores lmites son los siguientes:
La funcin mejora Fn(A) est tabulada en el "Principio de Moe" (Arne Jensen, 1950 [50]) y se
muestra en la figura 7.5. La aplicacin de este principio es para dimensionamiento econmico
ptimo.
Grado de curtosis: Se define como la relacin entre la varianza y el valor medio de la distribucin
del nmero de canales ocupados, vase el IDC (5.11). La distribucin de Poisson truncada se
obtendr utilizando la ecuacin (7.13):
La dimensin es [nmero de canales]. En un grupo con bsqueda ordenada se puede as estimar

el grado de curtosis del trfico transportado por el ltimo canal.
Duracin del estado [i]: La intensidad total para dejar el estado [i] es constante e igual a ( + i )
y, por tanto, el intervalo del tiempo en el estado [i] est distribuido exponencialmente con la funcin
de densidad:
94

Leccin 18: Procedimientos normales para diagramas de transicin de estado

La herramienta ms importante en teora de teletrfico es la formulacin y solucin de modelos por
medio de diagramas de transicin de estado. Conforme a las secciones se identific al
procedimiento normal para diagramas de transicin de estado que se describe a continuacin.
Este procedimiento comprende de una serie de pasos y est formulado en trminos generales.
Asimismo, es aplicable para diagramas de transicin de estado multidimensionales, que se
examinarn ms adelante. Se efectan siempre los siguientes pasos:
a) Construccin del diagrama de transicin de estado.
definir los estados del sistema en un modo unvoco;
representar grficamente los estados como crculos;
considerar los estados uno por vez y trazar todas las flechas posibles para transiciones
fuera del estado debido al:
*
proceso de llegada (nueva llegada o desplazamiento de fase en el proceso de
llegada),
*
proceso de partida (el tiempo de servicio termina o se desplaza la fase). De esta
manera se obtiene el diagrama de transicin de estado completo.
b) Formular las ecuaciones que describen el sistema.
Si se satisfacen las condiciones para el equilibrio estadsticos, las ecuaciones de
estado permanente se pueden obtener de:
* Las ecuaciones de nodo.
* Las ecuaciones de corte.
Las ecuaciones diferenciales se pueden obtener directamente del diagrama.

c) Resolver las ecuaciones de equilibrio suponiendo un equilibrio esttico.
Expresar todas las probabilidades de estado, por ejemplo la probabilidad de estado
[0], p(0).
Hallar p(0) por normalizacin.
d) Calcular las mediciones de calidad de funcionamiento expresadas por las probabilidades de
estado.
En la prctica, el valor no normalizado de la probabilidad de estado q(0) se pone a uno, y se
calculan los valores relativos q(i), (i = 1, 2, ...). Por normalizacin se tiene:
donde
95

La congestin temporal resulta:
18.1
Evaluacin de la frmula de Erlang B
Para clculos numricos, la frmula (7.9) no es muy apropiada puesto que n! y An aumentan
rpidamente de modo tal que se producir el rebasamiento del ordenador. Si se aplica la ecuacin
(7.25), se obtendr entonces la frmula de recursin:
Desde el punto de vista numrico, la forma lineal (7.26) es la ms estable:
donde In(A) = 1/En(A). Esta frmula de recursin es exacta, y aun para grandes valores de (n, A)
no hay errores de redondeo. Esta es la frmula bsica para numerosas tablas de la frmula B de
Erlang, es decir la tabla clsica (Palm, 1947 [83]).
Ejemplo 7.4.2: Sistemas de prdidas de Erlang. Considrese un sistema de prdidas Erlang-B
con n = 6 canales, rgimen de llegada = 2 llamadas por unidad de tiempo, y rgimen de salida =
1 salida por unidad de tiempo, de modo que el trfico ofrecido es A = 2 erlang. Si las
probabilidades de estado relativas no normalizadas se representan por q(i), se obtendrn, al
establecer el diagrama de transicin de estado, los valores mostrados en el siguiente cuadro:
Se obtiene las siguientes probabilidades de bloqueo:

Congestin temporal:
96

Congestin de llamadas:
Se observa que E = B = C debido a la propiedad PASTA.
Aplicando la frmula de recursin (7.27) se obtendrn, por supuesto, los mismos resultados:
18.2
Principios de dimensionamiento
Cuando se dimensionan los sistemas de servicio se deben compensar las necesidades de grado
de servicio frente a las restricciones econmicas. En este Captulo ser ver cmo se puede llevar
esto a cabo sobre una base racional. En sistema de telecomunicaciones hay diversas medidas que
caracterizan el servicio ofrecido. La medida ms importante es la calidad de servicio (QoS, quality
of service), que comprende todos los aspectos de una conexin tales como calidad vocal, retardo,
prdida, fiabilidad, etc. Se considerar un subconjunto de estos aspectos, es decir el grado de
servicio (GoS, grade of service) o rendimiento funcional de la red, que slo incluye aspectos
relacionados con la capacidad de la red.
97

Por la publicacin de las frmulas de Erlang haba ya antes de 1920 una relacin funcional entre la
cantidad de servidores, trfico ofrecido y grado de servicio (probabilidad de bloqueo) y as una
medida para la calidad del trfico. Al mismo tiempo, haba conexiones directas entre todas las
centrales en la zona de Copenhague que produjeron numerosos grupos pequeos de lnea de
enlace. Si la frmula B de Erlang se aplica con una probabilidad de bloqueo fija para
dimensionamiento, la utilizacin resulta deficiente.
Kai Moe (1893-1949), que fue ingeniero en jefe en la Compaa Telefnica de Copenhague,
efectu algunas evaluaciones econmicas cuantitativas y public diversos documentos donde
present consideraciones marginales, como se conocen actualmente en economa matemtica. P.
A Samuelson, en su famoso libro publicado en 1947, efectu consideraciones similares. Sobre la
base de los trabajos de Moe se formularon los principios fundamentales para sistemas de
telecomunicacin. Principio de Moe (Jensen, 1950 [50]).
18.2.1 Dimensionamiento con probabilidad de bloqueo fija
Para el funcionamiento correcto, un sistema de prdidas debe ser dimensionado para una
probabilidad de bloqueo baja. En la prctica, se debe elegir el nmero de canales n de modo tal
que E1,n (A) sea de 1% para evitar la sobrecarga debida a numerosas tentativas de llamada
repetidas y no completadas que adems causan incomodidades a los abonados.
El cuadro 7.1 indica el trfico ofrecido para una probabilidad de bloqueo fija E = 1% para algunos
valores de n.
Cuadro 7.1 Parte superior: Para un valor fijo de la probabilidad de bloqueo E = 1% se
puede ofrecer el trfico A a travs de n lneas de enlace.
El promedio de utilizacin de las lneas de enlace es a y la funcin mejora es F1,n(A) (7.15). Parte
inferior: Se obtienen los valores de E, a y F1,n(A) para una sobrecarga de 20%. El cuadro tambin
indica la utilizacin de canales media, que es ms elevada para grandes grupos. Si se aumenta el
trfico ofrecido un 20% a A1 = 1,2 . A, se observa que la probabilidad de bloqueo aumenta para
98

todos los valores de n, pero ms an para grandes valores.

En el cuadro 7.1 se observan dos caractersticas:
La utilizacin a por canal es, para una determinada probabilidad de bloqueo, las ms elevada en
grandes grupos (vase la figura 7.4). Un canal puede, con una probabilidad de bloqueo E = 1%,
ser utilizado en promedio 36 segundos por hora.
Los grandes grupos de canales son ms sensibles a un determinado porcentaje de sobrecarga
que los pequeos grupos de canales. Esto se explica por la reducida utilizacin de pequeos
grupos, los cuales, en consecuencia, tienen una mayor capacidad de reserva (elasticidad).
As, cuando se dimensiona un grupo de canales, surgen dos factores de importancia contrarios
entre s: se debe elegir entre alta sensibilidad a la sobrecarga o una baja utilizacin de canales.
18.3 Principios de mejora (principio de Moe)
Como se indic una probabilidad de bloqueo fija produce baja utilizacin (mala economa) de
pequeos grupos de canales. Si se reemplaza la necesidad de una probabilidad de bloqueo fija
por una necesidad econmica, la funcin mejora F1,n(A) (7.15) debe tomar un valor fijo de modo
tal que la extensin de un grupo con un canal adicional aumenta el trfico transportado en la
misma cantidad para todos los grupos.
En el cuadro 7.2 se muestran los valores para F = 0,05. Del mismo se observa que la utilizacin de
pequeos grupos resulta mejor cuando corresponde a un elevado aumento de la probabilidad de
bloqueo. Por otra parte la congestin en grandes grupos disminuye a un valor pequeo. (Vase
tambin la figura 7.7.) Si se tiene un sistema telefnico con grupos de enlace como en el cuadro,
no se podr aumentar el trfico transportado reordenando los canales entre los grupos.
Cuadro 7.2 Para un valor fijo de la funcin mejora se han calculado los mismos valores
que en el cuadro 7.1
99

Con este criterio de servicio se atribuir, en comparacin con la probabilidad de bloqueo fija, ms
canales a grupos grandes y menos canales a grupos pequeos, que es la tendencia que se estaba
buscando.
La funcin mejora es igual al cociente diferencia del trfico transportado con respecto al nmero de
canales n. Cuando el dimensionamiento se efecta conforme al principio de mejora se debe
establecer un punto de operacin en la curva del trfico transportado en funcin del nmero de
canales cuya pendiente sea la misma para todos los grupos (A / n = constante). Un incremento
marginal del nmero de canales aumenta el trfico transportado en la misma cantidad para todos
los grupos.
Es sencillo establecer un modelo econmico simple para la determinacin de F1,n (A).
Considrese un determinado intervalo de tiempo (por ejemplo una unidad de tiempo). Sea g el
ingreso por erlang transportado por unidad de tiempo. Se supone que el costo de un cable con n
canales es una funcin lineal:
Los costos totales para un determinado nmero de canales es entonces a) a costo del cable y b)
costo debido al trfico perdido (ingreso perdido):
siendo A el trfico ofrecido, es decir la demanda posible de trfico en el grupo considerado. Los
costos debido al trfico perdido disminuirn con el incremento de n, mientras que los gastos
debidos al cable aumentan con n. Los costos totales pueden tener un mnimo para un determinado
valor de n. En la prctica n es un entero y se busca un valor de n para el cual se tiene (vase la
figura 7.6):
100

Figure 7.6 Los costos totales se componen de costos para cable e ingresos perdidos
debido al trfico bloqueado (7.30).
El valor mnimo de los costos totales se obtiene cuando se satisface la expresin (7.31), es decir
cuando las dos funciones de costos tienen la misma pendiente con signos opuestos (cociente de
diferencias). (FB = 0,35, A = 25 erlang) El mnimo se obtiene para n = 30 lneas de enlace.
FB se denomina valor mejora. Se observa que c0 no aparece en la condicin para mnimo.

Determina si es conveniente transportar el trfico en su totalidad. Se debe requerir que para algn
101

valor positivo de n se tenga:
La figura 7.7 muestra probabilidades de bloqueo para algunos valores de F B. Se observa que la
demanda econmica precedente para obtener beneficios produce un determinado valor de la
funcin mejora. En la prctica, se toma un valor de FB independientemente de la funcin costo. se
han utilizado los siguientes valores:
FB = 0,35 para grupos de enlace primarios.
FB = 0,20 para grupos primarios que protegen el servicio.
(7.35)
FB = 0,05 para grupos sin ruta alternativa.
Figura 7.7 Cuando se efecta el dimensionamiento con un valor fijo del valor mejora FB
las probabilidades de bloqueo para valores pequeos del trfico ofrecido se hace grande
(vase el cuadro 7.2)
102

Leccin 19: Sistemas de prdidas con accesibilidad completa

En este Captulo se generaliza el sistema clsico de prdidas de Erlang a los procesos Poisson de
llegadas dependientes del estado, entre ellos los denominados modelos de trfico BPP:
Caso binomial: modelo de Engset,
Caso Poisson: modelo de Erlang, y
Caso Pascal (Binomial negativo): modelo de Palm-Wallstrm.
Se tiene entonces la posibilidad de bloqueo y se obtiene la distribucin binomial truncada que se

denomina distribucin de Engset. La probabilidad de congestin temporal E viene dada por la
frmula de Engset, con un nmero de fuentes, la congestin temporal, la congestin de llamadas y
la congestin de trfico se vuelven diferentes, y la denominada propiedad PASTA es sustituida por
el teorema general de llegada, segn el cual el estado del sistema observado por un cliente
(promedio de llamada), es igual a la probabilidad del estado del sistema sin este cliente (promedio
temporal). La frmula de Engest se calcula numricamente mediante una frmula recursiva en el
nmero de canales n obtenida del mismo modo que la frmula B de Erlang. Asimismo, se
establecen frmulas recursivas en el nmero de fuentes s, as como en n y s.
Figure 8.1 Sistema de prdidas de accesibilidad completo con S fuentes, que genera
trfico a n canales. El sistema se muestra a travs del denominado chicko-gram.
El pequeo apndice que se ilustra en la fuente simboliza un selector que apunta hacia los canales
(servidores) entre los cuales se puede escoger la fuente
19.1
Introduccin
Considrese un sistema con la misma estructura (grupo de accesibilidad completa) y estrategia
(llamadas perdidas eliminadas) como en la leccin 18 pero con ms procesos generales de trfico.
En el texto siguiente se supone que los tiempos de servicios estn distribuidos exponencialmente
(intensidad ), el proceso de trfico resulta entonces un proceso de renovacin, es decir un
proceso de marco especial, que es sencillo de tratar matemticamente. Generalmente se define el
estado del sistema como el nmero de canales ocupados. Como se ver ms adelante todos los
procesos considerados no son sensibles, es decir slo el tiempo de servicio medio es de
importancia para las probabilidades de estado, la distribucin de tiempo de servicio propiamente
dicha no tiene influencia.
103

Definicin de trfico ofrecido: el trfico ofrecido A se ha definido como el trfico transportado

cuando el nmero de servidores es ilimitado. Slo para procesos de renovacin estacionarios
como el proceso de llegada de Poisson en el caso Erlang esta definicin es equivalente al
promedio de la cantidad de tentativas de llamada por tiempo medio de servicio. En los casos de
Engset y Pascal no hay proceso de renovacin de llegada y esta definicin se utiliza para el caso
Engset y para el caso Pascal.
El grado de Curtosis se define como la relacin entre la varianza y el valor medio de las
probabilidades de estado. Para el trfico ofrecido el grado de curtosis se considera un nmero
infinito de canales.
Considrense los procesos de llegadas siguientes, donde el primer caso ya ha sido tratado en el
En la leccin 18:
1) Caso Erlang (P Caso de Poisson):
El proceso de llegada es un proceso de Poisson con intensidad . Este tipo de trfico se
denomina aleatorio o trfico puramente aleatorio tipo uno, PCTI. Se consideran dos casos:
a) n = : Distribucin de Poisson.
El grado de curtosis es en este caso igual a uno (Z = 1).
b) n < : Distribucin de Poisson truncada.
2) Caso Engset (B caso binomial):
Hay un nmero limitado de fuentes S. La fuente individual tiene cuando est en reposo una
intensidad (de llegada) de llamada constante . Cuando est ocupado la intensidad de llamada
es cero. El proceso de llegada es as dependiente del estado. Si en un punto del tiempo dado, i
fuentes estn ocupadas, la intensidad de llegada es igual a (S i) .
Este tipo de trfico se denomina trfico aleatorio o trfico puramente aleatorio tipo dos, PCT-II.
Se consideran los dos casos siguientes:
a) n S: Distribucin binomial.
El grado de curtosis es en este caso menor que uno: (Z < 1).
b) n < S: Distribucin binomial truncada.
3) Caso Palm - Wallstn (P- Caso Pascal):
Hay un nmero de fuentes (clientes) S limitado. Si en un instante dado se tiene i fuentes
ocupadas, la intensidad de llegada es igual a (S + i). Aqu nuevamente surgen dos casos:
a) n = : Distribucin de Pascal = distribucin binomial negativa.
En este caso el grado de curtosis es mayor que uno (Z > 1).
b) n < : Distribucin de Pascal truncada (distribucin binomial negativa).
104

Como el proceso de Poisson se puede obtener por un nmero infinito de fuentes con una
intensidad de llegada total , el caso Erlang se puede considerar como un caso especial de los
otros dos casos:
Para cualquier estado finito i hay entonces una intensidad de llegada constante:
Los tres tipos de trfico estn referidos como trfico BPP conformes a las abreviaturas que
corresponden a (Binomial, Poisson y Pascal). Como esos modelos incluyen todos los valores de
curtosis Z > 0, puede ser utilizados para modelar trfico con dos parmetros: Valor medio A y
curtosis Z. Para valores arbitrarios de Z el nmero de fuentes S resulta, en general, no entero.
Mediciones de rendimiento funcional: Las caractersticas de trfico ms importantes para
sistemas de prdidas son: congestin temporal E, congestin de llamadas B, congestin de trfico
C, y la utilizacin de los canales. Esas mediciones se obtienen para cada uno de los modelos
mencionados.
19.2
Distribucin binomial
Se examinar ahora un sistema con un nmero limitado de fuentes S (abonados). La fuente

individual se conmuta entre estados en reposo y ocupado. Una fuente est en reposo durante un
intervalo de tiempo que est distribuido exponencialmente con intensidad , y la fuente est
ocupada durante un intervalo de tiempo distribuido exponencialmente (tiempo de servicio, tiempo
de ocupacin) con intensidad (vase la figura 8.2). Este tipo de fuente se denomina fuente
espordica o fuente activada/desactivada. Este tipo de trfico se denomina trfico puramente
aleatorio tipo dos (PCT-II) o trfico seudoaleatorio.
Se supone que en esta seccin el nmero total de canales/lneas de enlace n ser mayor o igual al
nmero de fuentes (n S), de modo tal que no habr llamadas perdidas. Se supone que n y S son
valores enteros, pero es posible tratar con valores no enteros (Iversen y Sanders, 2001 [4]).
Figura 8.2 Cada fuente est ocupada o en reposo y se comporta en forma independiente
de todas las otras fuentes
105

19.2.1 Ecuaciones de equilibrio
Figura 8.3 Diagrama de transicin de estado para el caso binomial.

El nmero de fuentes S es menor que el nmero de circuitos n (n S). Slo hay inters en
las probabilidades de estado estacionario p(i), que es la proporcin de tiempo en que el proceso se
encuentra en el estado [i]. Los clculos estarn basados en el diagrama de transicin de estn de
la figura 8.3.
Todas las probabilidades de estado se expresan por p(0) El valor total de todas las probabilidades
debe ser igual a uno:
donde se ha utilizado la expansin binomial.

Si = /, se obtiene:
El parmetro es el trfico ofrecido por fuente en reposo (nmero de tentativas de llamada por
unidad de tiempo para una fuente en reposo) (el trfico ofrecido desde una fuente ocupada es
cero), y resulta:
donde
106

En este caso, cuando una tentativa de llamada procedente de una fuente en reposo nunca se
bloquea, es igual al trfico transportado a por fuente (a = ), que es equivalente a la probabilidad
que una fuente est ocupada en un instante aleatorio (la proporcin del tiempo en que la fuente
est ocupada). Esto tambin se observa en la figura 8.2, pues todos los puntos de llegada y de
salida en el eje del tiempo son puntos de regeneracin (puntos de equilibrio). Un ciclo que va
desde el comienzo de un estado ocupado (llegada) hasta el comienzo del estado ocupado
siguiente es representativo de la totalidad de los ejes de tiempo, y los tiempos medios se obtienen
promediando un ciclo completo. Se debe sealar que para sistemas con bloqueo se tiene a .
La frmula (8.4) representa la distribucin binomial. En la teora de teletrfico tambin se denomina
distribucin de Bernoulli, pero esto se debe evitar pues en estadstica este nombre se utiliza para
una distribucin de dos puntos.
La frmula (8.4) se puede obtener por consideraciones elementales. Todos los abonados se
pueden dividir en dos grupos: abonados ocupados y abonados desocupados. La probabilidad que
un abonado pertenezca a la clase "ocupado" es a = , que es independiente del estado de todos
los otros abonados pues el sistema no tiene bloqueo y siempre se aceptan tentativas de llamada.
Hay en total S abonados (fuentes) y la probabilidad p(i) que i fuentes estn ocupadas en un
instante arbitrario viene dado por la distribucin binomial (8.4) y por el cuadro 6.1.
19.2.2 Caractersticas del trfico binomial
Se han visto las siguientes definiciones de los parmetros:
El trfico ofrecido por fuente desocupada es un concepto complejo pues la porcin de tiempo que
una fuente est desocupada depende de la congestin. El nmero de llamadas ofrecido por una
fuente resulta dependiente del nmero de canales: una elevada congestin ocasiones ms tiempo
libre para una fuente y, por tanto, ms tentativas de llamada. Por definicin, el trfico ofrecido de
una fuente es igual al trfico transportado en un sistema sin congestin, donde la fuente vara
libremente entre los estados ocupado y desocupado. Por tanto, se tiene la siguiente definicin de
trfico ofrecido.
107

Congestin temporal:
Trfico transportado:
que es el valor medio de la distribucin binomial (8.4). En este caso sin bloqueo se tiene entonces
= a.
Nmero de tentativas de llamada por unidad de tiempo:
La expresin (S a ) es el nmero de llamadas transportadas por unidad de tiempo, y se obtiene

as:
B=0
(8.16)
Trfico transportado por canal :

Bsqueda aleatoria:
108

Bsqueda secuencial: expresin compleja deducida por L.A. Joys (1971 [56]).
Funcin mejora:
Grado de curtosis: (Cuadro 6.1)
Se observa que el grado de curtosis Z es independiente del nmero de fuentes de trfico y es

siempre menor que uno, de modo tal que corresponde al trfico regularizado. Como A
obtiene entonces la siguiente relacin simple entre A, S y Z:
= S, se
Duracin del estado i: Est distribuido exponencialmente con el rgimen:
Leccin 20:
Distribucin de Engset
La nica diferencia en comparacin con la distribucin binomial es que el nmero de fuentes S es

ahora mayor que el nmero de lneas de enlace (canales) (n < S). Por tanto, las tentativas de
llamada pueden sufrir congestin.
Figura 8.4 Diagrama de transicin de estado para el caso Engset con S > n, donde S es el
nmero de fuente de trfico y n es el nmero de canales
109

20.1
Probabilidades de estado
Las ecuaciones de corte son idnticas a la ecuacin (8.1), pero slo existen para 0 i n (vase
la figura 8.4). La ecuacin de normalizacin (8.2) resulta:
y suponiendo que
= /, las probabilidades de estado son:
Del mismo modo, utilizando la ecuacin (8.8), se puede volver a formular esta expresin en una
forma que es anloga a la ecuacin (8.4):
De la que se puede observar directamente porque se denomina distribucin binomial truncada. Las
distribuciones (8.25) y (8.26) se denominan distribucin de Engset. T. Engset (1865-1943) de
nacionalidad noruega public por primera vez el modelo con un nmero de fuentes finito (1918
[27]).
20.1
Caractersticas del trfico del sistema Engset
La distribucin de Engset da por resultado clculos ms complicados que el sistema de prdidas

de Erlang. La cuestin esencial es conocer cmo encontrar las medidas de rendimiento funcional
de las probabilidades de estado utilizando las definiciones. El sistema Engset est caracterizado
por los parmetros =
= nmero de canales.
/ = trfico ofrecido por fuente desocupada, S = nmero de fuentes y n
Congestin temporal E: es por definicin igual a la porcin de tiempo en que el sistema est
bloqueado para nuevas tentativas de llamada, es decir p(n) (8.25):
Congestin de llamadas B: por definicin es igual a la proporcin de tentativas de llamada que

se pierden. Slo las tentativas de llamada que llegan al sistema en estado n se bloquean. Durante
110

una unidad de tiempo se obtiene la relacin siguiente entre el nmero de tentativas de llamadas
bloqueadas y el nmero total de tentativas de llamadas:
Este resultado se puede interpretar de la siguiente manera: La probabilidad que una tentativa de
llamada procedente de una fuente aleatoria (abonado) se rechace, es igual a la probabilidad que
las fuentes de trfico S1 restantes ocupen la totalidad de los n canales. Este es el teorema de
llegada y se puede probar que es vlido para sistemas de prdidas y de espera) con un nmero
limitado de fuentes de trfico. El resultado se basa en el producto entre fuentes y la convolucin de
fuentes. Como E aumenta cuando se incrementa S, se tiene:
Teorema 8.1 Teorema de llegada: Para todos los sistemas con un nmero de fuentes limitado,
una fuente de trfico aleatorio observar segn llegada el estado del sistema como si la propia
fuente no fuera parte del sistema.
Trfico transportado: Aplicando la ecuacin de corte entre el estado i1 y el estado i se obtiene:
pues E = En,S() = p(n). Esto se resuelve con respecto a Y:
El trfico ofrecido viene dado por la ecuacin (8.9), y as se obtiene:

Congestin de trfico C = Cn;S (A). Esta es la medicin de congestin ms importante.
111

Esto permite una relacin simple entre C y E. Tambin se puede hallar el trfico transportado si se
conoce la congestin de llamadas B. La cantidad de tentativas de llamada aceptadas por fuente
.
desocupada por tiempo medio de servicio es (1-B), y el trfico transportado por fuente resulta
El trfico transportado total viene dado por:
De las ecuaciones (8.33) y (8.35) se obtiene una relacin simple entre E y B que es idntica a las
ecuaciones (8.54) y (8.55). Nmeros de tentativas de llamadas por unidad de tiempo:
donde Y es el trfico transportado. As (SY) es el nmero medio de fuentes desocupadas.

Histricamente, el trfico ofrecido haba sido definido como la relacin /. Sin embargo, esto no
es correcto debido a que a cada tentativa de llamada repetida no se le puede asignar un tiempo de
ocupacin medio 1/. Adems, esto ha causado mucha confusin pues el trfico ofrecido por esta
definicin depende del sistema (nmero de canales).
Trfico perdido:
Duracin del estado i: Est distribuido exponencialmente con la intensidad:
112

Funcin mejora:
Ejemplo 8.3.1: Promedio de llamadas y tiempo medio. Se han definido anteriormente las
probabilidades de estado p(i) bajo la hiptesis de equilibrio estadstico como la porcin de tiempo
que el sistema permanece en el estado i, es decir como promedio de tiempo. Se debe tambin
estudiar cmo se muestra el estado del sistema cuando es observado por una fuente (usuario) de
llegada o salida (promedio de llamadas). Si se considera una unidad de tiempo, las fuentes (S i)
.
p(i) medias observarn el sistema en el estado i, justo antes del momento de llegada y si son
aceptados llevarn el sistema al estado [i + 1]. Las fuentes que observan el sistema en el estado n
estn bloqueadas y permanecen en estado desocupado. Por tanto, las fuentes de llegada
observan el sistema en estado i con la probabilidad siguiente:
De modo anlogo la derivacin de la ecuacin (8.28) se puede demostrar que de conformidad con
el teorema de llegada (Teorema 8.1) se tiene lo siguiente:
Cuando las fuentes que dejan el sistema miran hacia atrs observarn el sistema en estado :
Mediante la aplicacin de ecuaciones de corte se determina inmediatamente que sta es idntica a

la ecuacin (8.40), si se incluyen los clientes bloqueados. En trminos medios, los clientes salen
del sistema en el mismo estado en que llegan. El proceso reversible es diferente a la distribucin
temporal del servicio. Si el sistema se filmara, no se podra determinar si funciona hacia adelante o
hacia atrs.
113

20.2 Relaciones entre E, B, y C

De la ecuacin (8.50) se obtiene la siguiente relacin entre E = En,S() y B = Bn,S() = En,S-1()
utilizando la ecuacin (8.28):
Las expresiones de la derecha son lineales en las probabilidades de bloqueo recprocas. En la

ecuacin (8.34) se obtiene la siguiente relacin:
Si en la ecuacin (8.56) se expresa E por B (8.54), se obtendr entonces C expresado por B:
De las ecuaciones (8.58) y (8.28) se obtiene:
Ejemplo 8.5.1: Sistema de prdidas de Engset. Se considerar un sistema de prdida de Engset

que posee n = 3 canales y S = 4 fuentes. El coeficiente de llamadas por fuente desocupada es =
1/3 llamadas por unidad de tiempo y el tiempo medio de servicio (1/) es una unidad de tiempo. Se
calculan entonces los siguientes parmetros:
114

Del diagrama de transicin de estado se obtiene el siguiente cuadro:
Se calculan las siguientes probabilidades de bloqueo:

Congestin temporal:
Se observa que E >B>C, que es un resultado general para el caso Engset ((8.60) y figura 8.5). Por
aplicacin de la frmula de recursin (8.45) se obtendrn, por supuesto, los mismos resultados.
Ejemplo 8.5.2: Nmero limitados de fuentes. La influencia a partir de la limitacin del nmero de
fuentes se puede estimar considerando la congestin temporal, la congestin de llamadas o la
congestin de trfico. Los valores de congestin se muestran en la figura 8.5 para un nmero de
canales n fijo, trfico ofrecido A fijo, y un valor creciente del grado de curtosis Z correspondiente a
un nmero de fuentes S que viene dado por S = A/1 Z) (8.23). El trfico ofrecido se define como
el trfico transportado en un sistema sin bloqueo (n = ). Aqu Z = 1 corresponde a un proceso de
llegada de Poisson (frmula B de Erlang, E = B = C). Para Z < 1 se obtiene el caso Engset, y para
este caso la congestin temporal E es mayor que la congestin de llamadas B que a su vez es
mayor que la congestin de trfico C. Para Z > 1 se obtiene el caso.
115

20.3 Teora de desbordamiento

En esta seccin se examinan sistemas con accesibilidad restringida, es decir, sistemas en los que
un abonado o un flujo de trfico slo tienen acceso a k canales especficos de un total de n (k n)
canales. Si todos los canales k estn ocupados, una tentativa de llamada se puede bloquear
incluso si hay canales en estado de reposo entre los canales (nk) restantes. En la figura 9.1 se
muestra un ejemplo donde se considera una red jerrquica con trfico de A a B y de A a C. Para el
trfico de A a B hay una ruta directa (primaria) con n1 canales. Si estn todos ocupados, la
llamada se dirige al encaminamiento alternativo (secundario) de T a B. De modo similar, el trfico
de A a C tiene como primera eleccin la ruta AC y una ruta alternativa ATC. Si se supone que la
ruta TB y TC no estn bloqueadas, se obtiene entonces el esquema de accesibilidad mostrado a la
derecha de la figura 9.1. A partir de esto se observa que el nmero total de canales es (n1 + n2 +
n12) y que el trfico AB slo tiene acceso a (n1 + n12) de ellos. En este caso, se debe aplicar
bsqueda secuencial entre las rutas de modo tal que se encamine slo una llamada a travs del
grupo n12, cuando todos los canales primarios n1 estn ocupados.
Figura 9.1 Red de telecomunicacin con encaminamiento alternado y el correspondiente

esquema de accesibilidad, que se denomina gradacin de O'Dell.
Se supone que los enlaces entre la central de trnsito T y las centrales B y C no estn bloqueados.
Los canales n12 son comunes para ambos flujos de trfico.
Generalmente las redes con accesibilidad limitada tienen proteccin de servicio intrnseca.
Independiente de la dimensin del trfico de A a C nunca tendr acceso a los canales n1. Por otra
parte, es posible que las conexiones se bloqueen incluso si hay canales en reposo, por lo que la
utilizacin siempre ser ms baja que en los sistemas con accesibilidad total. Sin embargo, la
utilizacin ser mayor que para sistemas separados con la misma cantidad total de canales. Los
canales comunes permiten una determinada compensacin de trfico entre los dos grupos.
Histricamente, era necesario considerar accesibilidad restringida pues los sistemas
electromecnicos tenan inteligencia muy reducida y capacidad de selector limitada (accesibilidad).
En sistemas digitales no se tienen estas restricciones, pero an la teora de accesibilidad
restringida es importante para las redes y para garantizar el grado de servicio.
116

20.3.1 Teora de desbordamiento

Los modelos de trficos clsicos suponen que el trfico ofrecido a un sistema es un trfico
puramente aleatorio puro tipo uno o dos, PCT-I o PCT-II. En redes de comunicaciones con
encaminamiento de trfico alternativo, el trfico que se pierde del grupo primario se presenta a un
grupo de desbordamiento, que tiene propiedades diferentes del trfico PCT. Por consiguiente, para
evaluar probabilidades de bloqueo de trfico de desbordamiento no se pueden utilizar los modelos
clsicos.
Ejemplo 9.1.1: Grupo dividido en dos. Sea un grupo con 16 canales donde se presenta trfico
PCT-I de 10 erlang. Empleando la frmula B de Erlang se obtiene la probabilidad de bloqueo E =
2,23% y el trfico perdido 0,2230 erlang. Se aplica ahora la bsqueda secuencial y los 16 canales
se dividen en un grupo primario y un grupo de desbordamiento, con un total de 8 canales cada
uno. Mediante la frmula B de Erlang se encuentra que el trfico de desbordamiento del grupo
primario es igual a 3,3832 Erlang. Este trfico se presenta al grupo de desbordamiento.
Nuevamente, mediante la frmula B de erlang se obtiene el trfico perdido que se encuentra en el
grupo de desbordamiento: Al = 3,3832. Es(3,3832) = 0,0493 [erlang]. De esta manera, la
probabilidad de bloqueo total es de 0,493%, que es un valor mucho menor que el resultado
correcto de 2,23%. Se ha efectuado un error al aplicar la frmula B al trfico de desbordamiento,
que no es trfico PCT-I, sino que se desencadena repentinamente (en forma de rfagas).
En el texto siguiente se describirn dos clases de modelos para trfico de desbordamiento. En
principio, se puede estudiar el proceso de trfico vertical u horizontalmente. Por estudios verticales
se calculan las probabilidades de estado. Por estudios horizontales se analiza la distancia entre las
llegadas de las llamadas, es decir la distribucin temporal entre llamadas.
20.3.2 Probabilidad de estado de sistemas de desbordamiento. Considrese un grupo
totalmente accesible con bsqueda (secuencial) ordenada. El grupo se divide en un grupo primario
limitado con n canales y un grupo de desbordamiento con capacidad infinita.
Figura 9.2 Sistemas de desbordamiento que figuran en la literatura.

117

Se supone que el trfico ofrecido A es el tipo PCT-I. Este sistema de desbordamiento se denomina
sistema de Kosten (vase la figura 9.2). El estado del sistema se describe por medio de un vector
bidimensional:
que es la probabilidad que en un punto aleatorio del tiempo i canales estn ocupados en el grupo
primario y j canales en el grupo de desbordamiento. Es diagrama de transicin de estado se
muestra en la figura 9.3. Kosten (1937 [68]) analiz este modelo y calcul las siguientes
probabilidades de estado marginales:
Riordan (1956 [89]) estableci los momentos de las distribuciones marginales. El valor medio y el
grado de curtosis (relacin varianza/valor medio) de las distribuciones marginales, es decir el
trfico transportado por los dos grupos resultan:
Grupo primario:
donde Fn1(A) es la funcin mejora de la frmula B de Erlang.

Grupo de desbordamiento:
118

Figura 9.3 Diagrama de transicin de estado para el sistema Kosten que tiene un grupo
primario con n canales y un grupo de desbordamiento ilimitado.
Los estados se simbolizan por (i, j), donde i es el nmero de canales ocupados en el grupo
primario, y j es el nmero de canales ocupados en el grupo de desbordamiento. La experiencia
demuestra que el grado de curtosis Z es una buena medida de la probabilidad de bloqueo relativa
que est sujeto un flujo de trfico con un valor medio determinado. En la figura 9.4 se observa que
el grado de curtosis del trfico de desbordamiento tiene un mximo para un trfico fijo y un nmero
de canales en aumento. El coeficiente de curtosis o factor de irregularidad se obtiene en funcin
del nmero de canales y se aplica para clculos tericos pero su valor es difcil de estimar con
precisin mediante observaciones prcticas.
Para el trfico PCT-I el grado de curtosis es igual a uno, y el bloqueo se calcula utilizando la
frmula Erlang B si el grado de curtosis es menor que uno (9.5), el trfico se denomina
regularizado y experimenta menos bloqueo que el trfico PCT-I. Si el grado de curtosis es mayor
que uno, el trfico presenta caractersticas de incremento repentino y experimenta un bloqueo
mayor que el trfico PCT-I. El trfico de desbordamiento viene generalmente en rfagas (9.7).
Brockmeyer (1954 [11]) calcul los momentos y probabilidades de estado de un sistema con un
grupo de desbordamiento limitado (vase la figura 9.2), el cual se denomina sistema Brockmeyer.
Bech (1954 [6]) hizo lo mismo utilizando ecuaciones matriciales, y obtuvo expresiones ms
generales y complicadas. El sistema Brockmeyer fue generalizado ulteriormente por Schehrer que
tambin calcul los momentos de orden superior para grupos de desbordamiento finitos.
Wallstrm (1966 [103]) calcul los momentos y probabilidades de estado para el trfico de
119

desbordamiento de un sistema Kosten generalizado, donde la intensidad de llegada depende del

nmero total de llamadas en el sistema o del nmero de llamadas en el grupo primario.
Figura 9.4 Grado de curtosis Z del trfico de desbordamiento en funcin del nmero de
canales para un valor fijo del trfico ofrecido.
Obsrvese que Z tiene un valor mximo. Cuando n llega a tener un valor grande, las tentativas de
llamadas rara vez estn bloqueadas y los intentos bloqueados sern mutuamente independientes.
Por consiguiente, el proceso de desbordamiento de llamadas converge a un proceso de Poisson.
20.4
Mtodo equivalente de Wilkinson-Bretschneider
El mtodo equivalente usualmente se denomina mtodo de Wilkinson (Wilkinson, 1955 [104]). Al
mismo tiempo, Bretschneider (1956 [9]) public independientemente estos estudios en Alemania.
Tambin se denomina mtodo de trfico aleatorio equivalente (ERT, equivalent random traffic) y
desempea un papel fundamental cuando se dimensionan redes de telecomunicaciones.
20.4.1 Anlisis preliminar
Considrese un grupo con l canales donde se presentan g flujos de trfico (vase la figura 9.5).
Los flujos de trfico pueden ser, por ejemplo, trfico perdido de grupos de canal directos y, por
tanto, no pueden ser descritos por modelos de trficos clsicos. De esta manera no se conocen las
distribuciones (probabilidades de estado) de los flujos de trfico, pero se considera satisfactorio (y
esto sucede a menudo en aplicaciones de estadstica) con la caracterizacin del i-simo flujo de
trfico con su valor medio mi y varianza i. Con esta simplificacin se considerarn dos flujos de
120

trfico equivalentes, si tienen el mismo valor medio y varianza.
Figura 9.5 Aplicacin del mtodo ERT a un sistema que tiene g flujos de trfico
independientes presentados a un grupo comn de l canales.
El proceso de desbordamiento combinado de los g flujos de trfico se dice que son equivalentes al
trfico que desborda de un grupo accesible completo con el mismo valor medio y varianza del
trfico de desbordamiento. Vanse las ecuaciones (9.8) y (9.9). El flujo de trfico total al grupo con
l canales tiene el valor medio conforme a la siguiente expresin
Se supone que los flujos de trfico son independientes (no correlacionados) y as la varianza del
flujo de trfico total resulta:
El trfico total se caracteriza por m y . Se considera ahora que este trfico es equivalente a un
volumen de trfico que se perdi de un grupo accesible completo y que tiene el mismo valor medio
m y varianza . En la figura 9.5 el sistema superior se remplaza por el sistema equivalente en la
parte inferior de la misma, que es un sistema accesible completo con ( nx + l) canales que ofrecen
el trfico Ax. Por tanto, se resolvern las ecuaciones (9.6) y (9.7) con respecto a n y A para
determinados valores de m y . Cabe indicar que existe una sola solucin que se simboliza por
(nx, Ax).
121

El trfico perdido se encuentra con la frmula B de Erlang:
Como el trfico ofrecido es m, la probabilidad de bloqueo del sistema viene dada por:
NOTA La probabilidad de bloqueo no es Enx+1(Ax). Se debe recordar el ltimo paso (9.11),

donde se relaciona el trfico perdido con el trfico ofrecido originalmente.
Cabe sealar que si el trfico de desbordamiento procede de un solo grupo primario con trfico
PCT-I, el mtodo es exacto. En el caso general con ms flujos de trfico el mtodo es aproximado,
y no produce la probabilidad media de bloqueo exacta.
20.4.2 Aspectos numricos
Por aplicacin del mtodo ERT es necesario calcular (m, ) para determinados valores de (A, n) y
viceversa. Es sencillo obtener (m, ) para valores (A, n) dados. Para obtener (A, n) para valores
(m, ) dados, se deben resolver dos ecuaciones con dos incgnitas. Esto requiere un
procedimiento iterativo, pues En(A) no puede ser resuelto explcitamente con respecto a n ni A.
Sin embargo, se puede resolver la ecuacin (9.7) con respecto a n con la expresin siguiente:
conocindose as n para el valor A. De esta manera, A es la nica variable independiente. Para

resolver la ecuacin restante se puede utilizar el mtodo de iteracin de Newton-Raphson
introduciendo la funcin:
Para un valor inicial A0 adecuado, se ha de mejorar esto iterativamente hasta que los valores
resultantes de m y /m estn suficientemente cerca de los valores conocidos.
Yngv Rapp has propuesto una buena solucin de aproximacin para A, que se puede usar como
valor inicial A0 en la iteracin:
Con el valor de A se obtiene n, utilizando la ecuacin (9.12). La aproximacin de Rapp es

suficientemente exacta para aplicaciones prcticas, excepto cuando Ax es muy pequea. El grado
de curtosis Z = /m tiene un mximo, obtenido cuando n es ligeramente mayor que A (vase la
122

figura 9.4). Para algunas combinaciones de m y /m la convergencia es crtica, pero cuando se

utilizan ordenadores se puede encontrar siempre la solucin correcta.
Con el empleo de ordenadores se puede operar con un nmero no entero de canales y slo al final
de los clculos se elige un nmero entero de canales igual o mayor a los resultados obtenidos
(tpicamente un mdulo de un determinado nmero de canales (8 en GSM, 30 en MIC, etc.).
Cuando se utilizan tablas de la frmula B de Erlang se debe elegir en cada paso el nmero de
canales de modo tal que el bloqueo sea el caso ms desfavorable.
El mtodo mencionado presupone que /m es mayor que uno, y esto slo es vlido para el trfico
en rfagas. En la figura 9.5 se permite que los flujos de trfico individuales tengan una relacin
i/mi < 1, siempre que el flujo de trfico total combinado sea en rfagas. Bretschneider ([10], 1973)
ha extendido el mtodo para incluir un nmero negativo de canales durante los clculos. De esta
manera es posible encarar trfico regularizado con el mtodo EERT extendido (EERT, extended
ERT).
20.4.3 Probabilidades de bloqueo de paquetes
En la figura 9.5 los flujos de trfico individuales no tienen el mismo valor medio ni la misma
varianza y, por tanto, no experimentan igual probabilidad de bloqueo en el grupo de
desbordamiento comn con l canales. De lo anterior se calcula el bloqueo medio (9.11) para todos
los flujos de trfico combinados. La experiencia seala que la probabilidad de bloqueo observada
es proporcional al grado de curtosis Z = /m del flujo. El trfico perdido total se puede dividir en
paquetes de trfico perdido individuales suponiendo que el trfico perdido para el flujo de trfico i,
es proporcional al valor medio mi y al grado de curtosis Zi = vi/mi. Por tanto, se obtiene:
de la cual se halla la constante c = 1/. La probabilidad de bloqueo para el flujo de trfico i, que se
denomina probabilidad de bloqueo de paquete para el flujo i, resulta entonces:
Asimismo, se puede dividir el bloqueo entre grupos individuales (primario, secundario, etc.).
Considerando el grupo equivalente en la parte inferior de la figura 9.5 con nx canales primarios
y l canales secundarios (de desbordamiento), se puede calcular la probabilidad de bloqueo debido
a los nx canales primarios, y la probabilidad de bloqueo debido a los l canales secundarios. La
123

probabilidad que el trfico se pierda por los n canales es igual a la probabilidad que el trfico se
pierda por nx + l canales, con la condicin que el trfico se ofrece a los l canales:
La probabilidad de prdida total se puede relacionar, por tanto, a los dos grupos:
Utilizando esta expresin se puede encontrar el bloqueo para cada grupo de canal y obtener
entonces, por ejemplo, informacin sobre qu grupo debe ser aumentado agregando ms canales.
Ejemplo 9.2.2: continuacin del Ejemplo 9.1.1. En el ejemplo 9.1.1 la probabilidad de bloqueo
del grupo primario de 8 canales es E8(10) = 0,3383. El bloqueo del grupo de desbordamiento es:
El bloqueo total del sistema es:

E16(10) = E8(10) . H(8) = 0,3383 . 0,06592 = 0,02231
Ejemplo 9.2.3: Sistema celular jerrquico. Se considera un sistema celular HCS que abarca tres
reas. El trfico ofrecido en las reas es de 12, 8 y 4 erlang, respectivamente. En las primera dos
clulas se introducen microclulas con 16 (8, respectivamente), y una macroclula comn que
abarca las tres reas tiene atribuida 8 canales. Se permite el desbordamiento de las microclulas
en las macroclulas, pero no se reordenan las llamadas de las macro a las microclulas cuando un
canal se desocupa. Adems, no se tiene en cuenta el traspaso de trfico. Mediante las ecuaciones
(9.6) y (9.7) se hallan el valor medio y la varianza del trfico ofrecido a la macroclula:
I
1
Trfico
ofrecido
Ai
12
Nmero de
canales
ni(j)
16
Desbordamiento
medio
m1,i
0,7250
Varianza de
desbordamiento
vi
1,7190
Grado de
curtosis
Zi
2,3711
1,8846
3,5596
1,8888
4,0000
4,0000
1,0000
Total
24
6,6095
9,2786
1,4038
Clula
El trfico total ofrecido a la macroclula tiene un valor medio de 6,61 erlang y una varianza de
9,28. Esto corresponde a un trfico de desbordamiento de un sistema equivalente con 10,78
erlang ofrecidos a 4,72 canales. As, se termina con un sistema de 12,72 canales con 10,78 erlang
ofrecidos. Empleando la frmula de Erlang B, se halla el trfico perdido de 1,3049 erlang.
124

Originalmente se ofrecieron 24 erlang, de modo tal que la probabilidad de bloqueo de trfico total
resulta B = 5,437%.
Las tres reas tienen probabilidades de bloqueo particulares. Empleando la ecuacin (9.14) se
encuentra que el trfico perdido aproximado de las reas es de 0,2434 erlang, 0,5042 erlang, y
0,5664 erlang, respectivamente. As, las probabilidades de bloqueo de trfico llegan a ser del
2,03%, 6,30% y 14,16%, respectivamente. Una simulacin por medios informticos de 100
millones de llamadas da como probabilidad de bloqueo 1,77%, 5,72%, y 15,05%, respectivamente.
Esto corresponde a un trfico perdido total igual a 1,273 erlang y una probabilidad de bloqueo del
5,30%. La exactitud del mtodo de este captulo es suficiente para aplicaciones reales.
125

Modulo

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Modulo

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS TECNOLOGAS E INGENIERAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CAPTULO 4. SISTEMAS DE PRDIDAS

independencia en todos los puntos temporales (pocas), y

b) y c) son propiedades fundamentales, mientras que a) es innecesario. As, se puede permitir un

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

acumulada y la distribucin de Erlang (identidad de Feller-Jensen's):

Esta frmula se puede obtener tambin por integracin parcial repetida.

Figura 6.1 Cuando se aplica el proceso de Poisson, se consideran llegadas dentro de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

16.2.1 Distribucin exponencial

Si ln p(0, t) = f(t), la ecuacin (6.6) se puede expresar como sigue:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Se obtienen as el valor medio y la varianza siguientes (4.4):

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Para k = 1 se obtendr por supuesto la distribucin exponencial. La distribucin gk+1(t) , k > 0; se

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La probabilidad de una transmisin correcta es:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Figura 6.3 Nmero de llamadas por segundo en Internet por conexin

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Figura 6.4 El trfico transportado en un sistema Aloha segmentado tiene un mximo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Un resultado satisfactorio corresponde al evento de una llegada en un proceso puntual m1 = valor

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Propiedades del proceso de Poisson

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Teorema 6.2 Teorema de Palm: Por superposicin de numerosos procesos puntuales

que es la distribucin exponencial. Se ha demostrado que por superposicin de procesos idnticos

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

de condiciones independientes suficientemente amplias para que se produzca un evento. sta es

Leccin 17: Sistemas de prdidas de Erlang, frmula B

Estructura: se considera un sistema de n canales idnticos (servidores, lneas de enlace,

Trfico: Se supone que los tiempos de servicio estn distribuidos exponencialmente

Definicin de trfico ofrecido: Es el trfico transportado cuando el nmero de canales (la

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

capacidad) es infinito (2.2). En el modelo de prdidas de Erlang con proceso de llegada de

Se consideran dos casos:

n < : Distribucin de Poisson truncada.

Ms adelante se ver que el modelo es indiferente a la distribucin del tiempo de ocupacin, es

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Figura 7.1 Distribucin de Poisson. Diagrama de transicin de estado para un sistema

Ecuaciones de nodo. En equilibrio estadstico el nmero de transiciones por unidad de

Las ecuaciones de corte se utilizan principalmente para diagramas de transicin de estado

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La restriccin de normalizacin (7.5) implica que la distribucin de Poisson:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El grado de curtosis (o factor de irregularidad) tiene dimensin [nmero de canales] y es diferente

17.2.4 Caractersticas de trfico de la frmula de Erlang B

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Congestin de llamadas: La probabilidad que una llamada aleatoria se pierda es igual a la

donde A es el trfico ofrecido. El trfico transportado ser menor que A y n.

Es decir, se tiene que E = B = C, porque la intensidad de la llamada es independiente del estado.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Los valores lmites son los siguientes:

La dimensin es [nmero de canales]. En un grupo con bsqueda ordenada se puede as estimar

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 18: Procedimientos normales para diagramas de transicin de estado

Las ecuaciones diferenciales se pueden obtener directamente del diagrama.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La congestin temporal resulta: