Modelo de Cola Markoviana (Erlang).

Hiptesis del Proceso de Nacimiento y Muerte.

Supongamos que hay n personas en el sistema:
1. Probabilidad de una llegada en un intervalo de tiempo t es proporcional a nt
2. Probabilidad de una salida en un intervalo de tiempo t es proporcional a nt, si hay n
personas en el sistema. (0 = 0)
3. Probabilidad de que ocurra una combinacin de llegadas y/o salidas en un intervalo de
tiempo t es (t), valor tal que siempre (t) < t
Si denominamos Pn(t) a la probabilidad de que el sistema tenga n personas, usando el
teorema de Bayes de probabilidades condicionadas, se puede analizar la situacin del
sistema, observndolo en los instantes t y t + t:
Situacin en t
Pn+1(t)

Probabilidad del evento

Salida

Pn(t)

Combinacin

Pn-1(t)

Llegada

Potro(t)

Evento

Situacin en t + t

nt
(1- nt)(1- nt) + (t)

Llegas y Salidas

Pn(t+t)

nt
(t)

El cuadro indica que para pasar de un estado con:

n + 1 personas a uno con n personas debe ocurrir una salida en el intervalo t
n - 1 personas a uno con n personas debe ocurrir una llegada en el intervalo t
n personas a uno con n personas debe no ocurrir una llegada ni una salida en el
intervalo, u ocurrir una combinacin de llegadas y salidas adecuadas.
Todas las otras combinaciones tienen probabilidad de ocurrencia (t).

El teorema de Bayes nos permite entonces calcular Pn(t+ t) como:

Pn(t+ t) = n+1tPn+1(t) + ((1-nt)(1- nt) + (t))Pn(t)+n-1t Pn-1(t) + (t)
Reordenando:
Pn(t+ t) = n-1t Pn-1(t) + n+1tPn+1(t) - t (n + n)Pn(t) + Pn(t) + (t)
Donde (t) recoge todas las expresiones que son menores que t.
Dividiendo por t se obtiene:
(Pn(t+ t) - Pn(t))/t = n-1Pn-1(t) + n+1Pn+1(t) - (n + n)Pn(t) + (t)/t

Si hacemos t 0 se obtiene :
dPn(t)/dt = n-1Pn-1(t) + n+1Pn+1(t) - (n+n)Pn(t)

n = 1, 2, 3 , ....

y para el valor n = 0 se simplifica a :

dP0(t)/dt = 1P1(t) - 0P0(t)
El sistema de ecuaciones diferenciales desarrollado explica el comportamiento de un proceso
de nacimiento y muerte con parmetros generales n y n
1. Solucin para un caso particular.
Supongamos que se hace n = y n = con lo que las ecuaciones diferenciales se
simplifican a:
dPn(t)/dt = Pn-1(t) + Pn+1(t) - (+)Pn(t)

n = 1, 2, 3 , ....

dP0(t)/dt = P1(t) - P0(t)

n=0

2. Interpretacin del parmetro .

Supongamos que se observan solamente las llegadas al sistema, es decir, = 0. Entonces
dP0(t)/dt = - P0(t)

n=0
-t

Ecuacin diferencial cuya solucin es P0(t) = e . Esto permite calcular la probabilidad del
tiempo transcurrido hasta la primera llegada como 1 - P0(t) es decir 1 - e-t. Esta
probabilidad corresponde a una distribucin exponencial con parmetro 1/. (Por las
propiedades de la distribucin exponencial se puede concluir que todos los tiempos entre dos
llegadas consecutivas tienen esta misma distribucin, ms an, la distribucin del tiempo que
resta hasta una llegada siguiente, sigue siendo exponencial con la misma distribucin). Esto
permite dar a 1/ la interpretacin de valor esperado del tiempo entre llegadas en un
proceso de nacimiento y muerte.
Por otra parte el sistema de ecuaciones diferenciales
dPn(t)/dt = Pn-1(t) - Pn(t)

n = 1, 2, 3 , ....

se puede resolver en forma recursiva obteniendo

n

Pn(t) = (1/n!) e

-t

n = 1, 2, 3, ...

Expresin que para un n fijo puede leerse como la probabilidad de que lleguen n personas en
el intervalo de tiempo t. Si se observa para t = 1, se tiene la probabilidad de que lleguen n

personas en la unidad de tiempo, expresin que corresponde a una distribucin Poisson con
parmetro y valor esperado . Esto permite interpretar como el valor esperado de la
velocidad de llegada de las personas a un sistema que funciona con las hiptesis del proceso
de nacimiento y muerte.
Se concluye que la velocidad de llegada al sistema es una variable aleatoria con distribucin
Poisson y valor esperado , y consecuentemente el tiempo entre dos llegadas sucesivas es
una variable exponencial con valor esperado 1/.
3. Interpretacin del parmetro
En forma simtrica, si se supone que en el sistema hay M personas y se hace = 0, se
puede analizar, resolviendo las ecuaciones diferenciales, la distribucin del tiemp0 de
servicio y la distribucin de la velocidad de atencin, pues el proceso as caracterizado slo
tiene salidas y no llegadas. Mientras n > 0 la velocidad de atencin es una variable aleatoria
con distribucin Poisson y parmetro y el tiempo de atencin o servicio es una variable
aleatoria con distribucin exponencial y valor esperado 1/.
Se concluye entonces que es la velocidad media de atencin, cuando hay personas en el
sistema, y el tiempo de atencin es una variable exponencial con valor esperado 1/
4. Estado de rgimen de un proceso.
El estado de rgimen de un proceso es la situacin en que las probabilidades de ocurrencia
de los diferentes estados del proceso no dependen del tiempo. Esta situacin corresponde a
suponer que Pn(t) no depende del tiempo, es decir dPn(t)/dt es idnticamente cero.
Entonces las ecuaciones diferenciales se modifican a un sistema de ecuaciones lineales
cuyas incgnitas son Pn
n-1Pn-1 + n+1Pn+1 - (n + n)Pn = 0
1P1 - 0P0 = 0

n = 1,2,3,...

n=0

5. Caso de una Cola simple.

Para resolver, de una manera simple el sistema de ecuaciones, se supone que
n = y n = .
Este sistema de ecuaciones se resuelve en forma recursiva haciendo:
Pn = ( / )n P0

n = 1,2,3,...
n=

y P0 se determina de la condicin n=0 Pn = 1 (suma de las probabilidades es uno para

todos los estados posibles del sistema.)

Si se reemplaza Pn por sus valores la suma de las probabilidades es una serie que converge
si y slo si < y en ese caso
P0 = (1 - /)
El proceso de nacimiento y muerte con parmetros < alcanza una situacin de equilibrio
y queda descrito por las probabilidades
Pn = (1 - /)(/)n

n = 0, 1, 2, ...

Para el caso la serie diverge, por lo que no se puede determinar P0 es decir, el

sistema de ecuaciones no tiene solucin, en consecuencia no existe estado de rgimes, y el
nmero de personas en el sistema crece con el tiempo.
Para el caso del sistema en equilibrio se puede calcular el valor esperado del nmero de
personas en el sistema como
n

L = (1 - /)
n(/)

y el valor esperado del nmero de personas en cola como

n

Lq = (1 - /)
n=1 (n-1)(/)

Desarrollando ambas expresiones se obtiene

L = /(- )

Lq = (/) L

6. Teorema de A. Little.
Para todo sistema en que el proceso de llegada es Poisson es posible calcular el valor
esperado del tiempo de una persona en el sistema y el valor esperado del tiempo en cola de
una persona como:

W = L/

Wq = Lq/

Si no fuera constante la expresin se cambia por el valor esperado de en el denominador.

7. Colas con varios servidores.
Un sistema con llegada Poisson con parmetro y con s servidores, cada uno de los cuales
atiende con un tiempo de servicio exponencial con valor esperado 1/ se puede representar
usando
n n s
n =
n =
s n s

en las ecuaciones para obtener Pn

(Luego se agregan los prrafos que faltan)