Sunteți pe pagina 1din 10

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Análisis de Decisiones II

Tema 12

Conceptos básicos de Teoría de Colas. Distribución Poisson. Distribución exponencial.

Objetivo de aprendizaje del tema

Al finalizar el tema serás capaz de:

• Explicar la aplicabilidad de la distribución Poisson y la exponencial. • Definir la relación que existe entre la distribución Poisson y la exponencial.

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Introducción del tema

• En un proceso que se distribuye Poisson, la probabilidad de ocurrencia de un evento es constante y la ocurrencia del evento es independiente del anterior. En los modelos de Teoría de Colas, la distribución Poisson supone un número muy grande (infinito) de llegadas, cada una de ellas con una pequeña probabilidad de ocurrencia. El número de estas llegadas en un período de tiempo no afecta el comportamiento en el siguiente. Es decir, una variable aleatoria que se distribuye Poisson es el número de suceso l en una unidad de tiempo T.

Introducción del tema

• La distribución exponencial, a diferencia de la Poisson, tiene como variable aleatoria el tiempo entre sucesos. Juntas se les conoce como las distribuciones de Markov. ¿Cuál es la relación entre ellas y en qué casos podemos aplicarlas? Durante la siguiente sesión se expone la respuesta y se proporcionan ejemplos claros para lograr su comprensión.

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Teoria de colas y distribuciones de probabilidad

Las características operativas de los sistemas de colas están determinadas por dos procesos que generalmente ocurren de manera aleatoria e independiente :

• Las llegadas al sistema.

• Los tiempos de servicio.

Las distribuciones de probabilidad utilizadas con más frecuencia para describir estos eventos son:

Distribución de Poisson para las entradas al sistema. Distribución Exponencial para los tiempos de servicios.

Distribución de Poisson

• Describe la probabilidad de X sucesos favorables en un intervalo (tiempo, espacio, volumen, etc.), donde X es una variable aleatoria discreta.

• Ejemplos: el número de clientes que visitan una tienda por día, la cantidad de goles anotados por un futbolista en una temporada, el número de piezas defectuosas en un lote, etc.

la cantidad de goles anot ados por un futbolista en una temporada, el número de piezas
la cantidad de goles anot ados por un futbolista en una temporada, el número de piezas

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Distribución de Poisson

• La probabilidad de X eventos favorables (por ejemplo, el número de llegadas a un sistema por unidad de tiempo) está dada por la fórmula:

sistem a por unidad de tiempo) está dada por la fórmula: Donde: • X=Cantidad eventos favorabl

Donde:

• X=Cantidad eventos favorables (llegadas) en el período.

X=Cantidad eventos favorabl es (llegadas) en el período. • = Promedio de llegadas por unidad de

• = Promedio de llegadas por unidad de tiempo.

• e=2.71828…

Distribución de Poisson

• El número promedio de avistamiento de leones en un safari en África es de 5 leones por día. ¿Cuál es la probabilidad que los turistas vean menos de 4 leones en el próximo safari de 1 día?

Solución:

• Este es un experimento de Poisson, al cual corresponden los siguientes datos:

• X=Cantidad de leones avisados en el día.

siguientes datos: • X=Cantidad de leones avisados en el día. • = Promedio de leones vistos
siguientes datos: • X=Cantidad de leones avisados en el día. • = Promedio de leones vistos

• = Promedio de leones vistos al día.

• e=2.71828…

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Distribución de Poisson

• Por medio de la distribución de Poisson, calculamos la probabilidad de ver 0, 1, 2 ó 3 leones:

calculamos la probabilidad de ver 0, 1, 2 ó 3 leones: • Por lo tanto, la

• Por lo tanto, la probabilidad de ver no más de 3 leones es de 0.2650 o 26.5%.

Distribución Exponencial

• La distribución exponencial tiene como variable aleatoria el tiempo transcurrido entre dos sucesos o su duración.

• Es útil para describir situaciones, como el tiempo de servicio en un autolavado, el tiempo de espera en un servicio de atención telefónica, etc.

• Como característica importante, se dice que la distribución exponencial no tiene memoria. El tiempo necesario para que se complete una tarea es independiente del tiempo transcurrido hasta ese momento.

memoria. El tiempo necesario para que se complete una tarea es independiente del tiempo transcurrido hasta

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Distribución Exponencial

• La probabilidad de X está dada por la fórmula:

• La probabilidad de X está dada por la fórmula: • La Distribución de probabilidad se

• La Distribución de probabilidad se obtiene:

fórmula: • La Distribución de probabilidad se obtiene: Donde: • X=Tiempo entre eventos. • = Promedio

Donde:

• X=Tiempo entre eventos.

probabilidad se obtiene: Donde: • X=Tiempo entre eventos. • = Promedio de eventos por unidad de

• = Promedio de eventos por unidad de tiempo.

• e=2.71828…

Ejemplo Distribución Exponencial

El tiempo que transcurre antes de que una persona sea atendida en una cafetería tiene una distribución exponencial con una media de 4 minutos. ¿Cuál es la probabilidad de que una persona sea atendida antes de que transcurran 3 minutos? Solución:

La cafetería atiende en promedio 1 cliente cada 4 minutos,

atiende en promedi o 1 cliente cada 4 minutos, • entonces , sustituyendo y evaluando: •
entonces , sustituyendo y evaluando:
entonces
, sustituyendo y evaluando:

• Hay un 52.76% de probabilidad que el cliente sea atendido antes de 3 minutos.

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Tabla comparativa de distribución Poisson y Exponencial

Tipo de distribución

Poisson

 

Exponencial

 
 

Distribución de probabilidad

Distribución de probabilidad continua que muestra la probabilidad de duración de tiempo t entre 2 eventos independientes.

discreta

que

muestra la

¿Qué es?

probabilidad de X ocurrencias de

 

un

evento en un período de

tiempo o espacio determinado.

   

Se usa frecuentemente para

definir procesos de llegadas a un sistema. Se ha encontrado que la distribución de Poisson

buena

Se usa frecuentemente para describir la distribución del tiempo entre eventos, o para describir el

tiempo de duración de un servicio, específicamente, la variable aleatoria que representa el tiempo de cada servicio.

¿Cuándo se utiliza en Teoría de colas?

 

proporciona

 

una

descripción

del

patrón

de

llegadas

 
 

x

e

 

Px

(

)

x

!

para

x

0,1, 2,

P (tiempo de servicio

t)=1-e

t

Donde:

   

Función distribución

X=Cantidad llegadas en el período = Promedio de llegadas por período

 

Donde:

de probabilidad

=La cantidad media de unidades que pueden servirse por unidad de tiempo.

 

e=2.71828…

 

e=2.71828…

Tabla comparativa de distribución Poisson y Exponencial

Tipo de distribución

Poisson

Exponencial

     

1

 

Valor Esperado

E

( X )

 

E ( X )

     

   

1

 

Varianza

V

( X )

 

V ( X )

2

     

Relación entre

 

Distribución

Si en un sistema las llegadas se apegan a una distribución de Poisson, entonces los tiempos entre llegadas se apegan a una distribución Exponencial.

Poisson y

Exponencial

La distribución de probabilidad del numero de llegadas de pacientes a un hospital por unidad de tiempo, la llegada de clientes a un banco, el número de coches que llegan a un auto lavado, etc.

La

distribución

del

 

tiempo

que

transcurre

entre

las llegadas

de

Ejemplo de

cada paciente, el tiempo que tarda un cliente utilizando los servicios

de un cajero automático, el tiempo que lleva atender un automóvil en el auto lavado, etc.

aplicación

 

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Cierre

• El papel de la distribución Poisson y exponencial en los

modelos analíticos de las líneas de espera radica en que sin ambas, no existen resultados analíticos para este tipo de situaciones, ya sea en tiempos de llegada, de servicio

o ambos.

acuerdo a su criterio, el modelo y los valores de los parámetros que se desea ajustar.

El administrador es capaz de definir, de

Cierre

• Alguna de las limitantes es que la aplicación de los problemas de líneas de espera es tan extensa que sólo una fracción se puede resolver analíticamente, lo demás deberá hacerse mediante simulación, ya que debido a su complejidad y para lograr un resultado en corto tiempo, deberá tomarse esa decisión.

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Para aprender más

• En la siguiente liga podrás acceder a una herramienta que permite calcular las probabilidades de la distribución de Poisson:

Poisson Calculator: Online Statistical Table. Stat Trek. http://stattrek.com/Tables/poisson.aspx

17

Referencias bibliográficas

• Anderson, D., Sweeney, D. y Williams, T. (2004). Métodos Cuantitativos para los Negocios. (9ª Ed.) México:

Cengage Learning. ISBN: 9789706863720.

• Gould F. y Eppen G. (2000). Investigación de operaciones en la ciencia administrativa. México: Pearson Educación. ISBN: 9701702700.

Universidad Tec Milenio: Profesional Análisis de Decisiones II

Créditos

Diseño de contenido:

Ing. Sergio C. Ruiz Escobedo

Coordinador académico del área:

Lic. José de Jesús Romero A. MC y MED

Edición de contenido:

Lic. Mirthala García Aldrete, MA y ME

Edición de texto:

Lic. Sandra Gancz Kahan

Diseño gráfico:

Ing. Felipe Leyva Silva, MGTI