Contenido

1. Introduccin...................................................................................................... 2
2. Marco terico.................................................................................................... 2
3. Estadstica descriptiva..................................................................................... 4
4.

Clculo de probabilidades..................................................................................11

5.

Conclusiones...................................................................................................... 11

6.

Recomendaciones.............................................................................................. 11

7.

Referencia bibliogrfica...................................................................................... 11

1. Introduccin
1

Con el objetivo de comparar los modelos matemticos de la teora de colas con

datos reales se llev a cabo un experimento estadstico en el que los integrantes del
grupo registraran el comportamiento de 4 variables: Nmero de personas que
llegan a la fila cada 5 minutos, longitud de la cola o fila, tiempo de permanencia y
tiempo de servicio. Las mediciones fueron tomadas durante la semana del 30 de
noviembre al 4 de diciembre en el horario de 12AM A 2PM en un restaurante de la
ESPOL. El total de datos extrados fue de 72.
El procedimiento para la comparacin del modelo con los resultados del
experimento involucran graficar los histogramas, ojivas y diagramas de cada de las
variables. Finalmente se calcula el error en el que se incurre cuando se aplica el
modelo para realizar predicciones o estimaciones del comportamiento de las colas
en los restaurantes de la institucin.
2. Marco terico
Entre los momentos ms problemticos de la vida moderna se encuentra la espera
en una fila, este fenmeno se puede modelar si llegamos a plantearlo como un
problema matemtico.
Para esto debemos definir bien cul es el objetivo de la solucin. Sabemos que
esperar durante mucho tiempo puede ser desagradable, pero a la vez, un servicio
que sea muy rpido demandara excesivos recursos para las organizaciones, por lo
que el objetivo es hallar el estado de estabilidad o equilibrio del sistema para poder
abastecer a una determinada cantidad de personas, a este nmero de personas que
se pueden atender al mismo tiempo se le denomina capacidad del sistema.
Segn Moskowitz (1991) un sistema de colas debe tener establecido lo siguiente:

Modelo de llegada de clientes: El ndice de llegadas ser el nmero medio de

llegadas por unidad de tiempo. Alternativamente podemos usar el tiempo
entre llegadas, que es el tiempo medio entre llegadas sucesivas.
Modelo de servicio: Puede venir dado por el tiempo de servicio o por el
nmero de clientes atendidos por unidad de tiempo, Tendremos una variable
aleatoria o bien un servicio determinista, Aqu supondremos que el modelo
de servicio es independiente del de llegada.
Disciplina de la cola: Establece el orden en que se va atendiendo a los
clientes que bien podran ser:
o Por orden de llegada (FIFO)
o Por orden inverso al de llegada (LIFO)
o Seleccin aleatoria (RANDOM)
o Segn prioridades (PR)
Capacidad del sistema: Es el nmero mximo de clientes que puede haber
en el sistema (finito o infinito), Si llega un cliente y el sistema est lleno, se
supone que este se marcha.
Nmero de canales de servicio: Es el nmero de dependientes. Puede haber
una cola para cada dependiente o bien una sola cola global.

Nmero de estados de servicio: Puede haber varias partes en las que se

subdivide el trabajo, cada una con su cola y su dependiente, que deben ser
completadas sucesivamente.

Para especificar cada una de las caractersticas que tiene la cola se presupone una
notacin establecida por Kendall en 1953 .Un sistema de colas se notar como: A |
B | X | Y | Z | V, donde: A es el modelo de llegadas, que a su vez se subdivide en
algunas letras posibles : M=tiempos entre llegadas exponenciales , D=tiempos
entre llegadas deterministas , G=tiempos entre llegadas generales (cualquier
distribucin) , B es el modelo de servicio y puede tomar los mismos valores que A.
X es el nmero de dependientes (servidores), Y es la capacidad del sistema y se
puede omitir si es infinita, Z es la disciplina y se puede omitir si es FIFO y V es el
nmero de estados de servicio que se puede omitir si es 1.
El modelado de colas, como hemos visto depende de todas estas caractersticas,
pero desarrollaremos el modelo ms cercano a la realidad de las colas que se
suscitan en el campus politcnico diariamente en los bares.
Este es el modelo de cola M|M|1 en el cual hay una sola cola, cuya capacidad es
infinita, y un solo servidor, La disciplina ser FIFO. Las llegadas se producen segn
un proceso de Poisson de razn , donde es el nmero medio de llegadas por
unidad de tiempo y 1/ es el tiempo medio entre llegadas, Los tiempos entre
llegadas se distribuirn exponencialmente, los tiempos entre servicios tambin se
distribuirn exponencialmente, de tal manera que es el nmero medio de clientes
que el servidor es capaz de atender por unidad de tiempo y 1/ es el tiempo medio
de servicio.
Para la distribucin Poisson la probabilidad de que lleguen x personas durante un
determinado perodo de tiempo se calcula como:

P ( X=x )=

e x
,X N
x!

Se demuestra que si , el sistema se satura, es decir, el nmero de clientes en la

cola crece indefinidamente con el tiempo, Por consiguiente, la condicin de no
saturacin ser:

<1

, donde

Supondremos que las colas que no se saturan. Cuando una cola no se satura,
tambin se dice que alcanza el estado estacionario.
El parmetro se llama intensidad de trfico del sistema, puesto que mide la
relacin entre la cantidad de trabajos que llegan y la capacidad de procesarlos
Suponiendo que el sistema no se satura, se deduce la siguiente frmula para la
probabilidad de que haya n clientes en el sistema, donde n N:

pn= ( 1)
Mientras que el nmero medio de clientes en el sistema (L) se calcula como:

L=

La utilizacin del dependiente (quien atiende la cola), notada U, es la fraccin de

tiempo (en tanto por uno) que el dependiente permanece ocupado. Para hallarla,
nos valemos de que cuando no hay saturacin, el nmero medio de clientes que
entran en el sistema debe ser igual al nmero medio de clientes que salen de l:

=UU = =

El tiempo medio de respuesta W es el tiempo medio que un trabajo permanece en

el sistema y se calcula con la siguiente forma:

W=

L+1

Los modelos de filas de espera se han desarrollado para usarse en el anlisis de

sistemas de servicio. Si las suposiciones formuladas al crear un modelo de filas de
espera son congruentes con la situacin real, las frmulas del modelo pueden
resolverse para pronosticar el rendimiento del sistema en lo referente a la
utilizacin de servidores, el tiempo promedio de espera para los clientes y el
nmero promedio de clientes que estarn en el sistema.
3. Estadstica descriptiva
3.1.

Nmero de personas que llegan cada 5 minutos

Frecuencia
absoluta

Frecuencia relativa

0
1
2
3
4
5
6
7
Total

2
11
17
16
11
10
3
2
72

0.03
0.15
0.24
0.22
0.15
0.14
0.04
0.03
1.00

Frecuencia relativa
acumulada
0.03
0.18
0.42
0.64
0.79
0.93
0.97
1.00

Tabla 1.Frecuencias
nmero de
personas que
cada 5
a la fila.

para el
llegan
minutos

Grfico 1.Histograma y
para nmero de
que llegan cada
minutos.

ojiva
personas
5

Personas que llegan cada 5 minutos

Grfico 2.- Diagrama de cajas para nmero de personas que llegan a la fila cada 5 minutos.

18

Media
Desv.
Estnd
ar 100
Cuartil
1
80
Cuartil
3

17

Frecuencia relativa acumulada (x100)

16

16
14

Frecuencia

12

11

11
10

10
8
6
4
2
0

3
2

2.00
4.00

60

40

20

3.04
1.63

Personas que llegan cada 5 minutos

Personas que llegan cada 5 minutos

Tabla 2.- Estadstica descriptiva para nmero de personas que llegan a la fila cada 5 minutos

35

Frecuencia relativa acumulada ( porcentaje)

33

30

Frecuencia

25

20
17
15

15

10
4

12

16

100

80

60

40

20

20

Longitud de la cola

12

16

20

Longitud de la cola

Estos resultados nos indican que el nmero promedio de personas que llegan a la
fila cada 5 minutos es de 3 (valor redondeado al entero ms cercano) y que el rango
en el cual ms probablemente este este valor sea entre 1 y 5 personas cada 5
minutos. As mismo notamos que el 50 % de las ocasiones llegan entre 2 y 4
personas a la fila. Se observa que la mayor parte de las veces fueron dos personas
las que llegaron a la fila. En el diagrama de cajas se observa que no existen datos
aberrantes y que la ojiva no converge de manera rpida a la unidad sino que ms
bien parece que la frecuencia relativa acumulada sea directamente proporcional a
la variable, lo que nos indica que la mayor parte de los datos se encuentran
alrededor de la mediana.
3.2. Longitud de la cola
X

Frecuencia
absoluta

Frecuencia
relativa

[0-4)
[4-8)
[8-12)
[12-16)
[16-20)
Total

4
17
33
15
3
72

0.06
0.24
0.46
0.21
0.04
1.00

Frecuencia
relativa
acumulada
0.06
0.29
0.75
0.96
1.00

Tabla 3.- Frecuencias para Longitud de la fila.

Grfico 3.- Histograma y ojiva para longitud de la cola

12

15

18

21

Longitud de la cola

Grfico 4.- Diagrama de cajas para la longitud de cola.

Media
Desv.
Estnd
ar
Cuartil
1
Cuartil
3

9.33
3.97
7.00
11.7
5

Tabla 4.- Estadstica descriptiva de longitud de la cola.

Estos resultados nos indican que la longitud de la cola en este restaurante tiene un
valor esperado de 9 (valor redondeado al entero ms cercano), de acuerdo a la
desviacin de los datos la longitud esta entre 5 y 14. As mismo notamos que el 50
% de las ocasiones hay entre 7 y 11 personas en la fila. En el histograma se
observa que la mayora de las veces a fila es entre 8 y 12 personas. Existen datos
aberrantes de colas muy largas , en la ojiva se puede observar como el aumento
es lento mientras que luego para converger a 1 tambin lo hace lentamente, lo que
nos indica que la mayor parte de los datos se encuentran alrededor de la media .

3.3. Tiempo de permanencia en minutos.

X

Frecuencia
absoluta

Frecuencia relativa

Frecuencia relativa
acumulada

[0-4)
[4-8)
[8-12)
[12-16)
[16-20)
[20-24]
Total

21
17
15
13
4
2
72

0.29
0.24
0.21
0.18
0.06
0.03
1.00

0.29
0.53
0.74
0.92
0.97
1.00

Tabla 5 .- Frecuencias para el tiempo de permanencia.

Grfico 5.- Histograma y ojiva para tiempo de permanencia.

21

100
Frecuencia relativa acumulada (x100)

20
17
15

Frecuencia

15

13

10

4
2

12

16

20

80

60

40

20

24

Tiempo de permanencia (minutos)

12

16

Tiempo de permanencia ( minutos)

10

15

20

Tiempo de permanencia (minutos)

Grfico 6 .- Diagrama de cajas para tiempo de permanencia.

20

Media
Desv.
Estndar
Cuartil 1
Cuartil 3

8.34
5.48
3.70
12.50

Tabla 6.- Estadstica descriptiva para tiempo de permanencia.

Estos resultados nos indican que en promedio en este restaurante es de 8.34

minutos y que el rango en el cual realmente se encuentra el tiempo de
permanencia es de 8.34 5.48 minutos. As mismo notamos que el 50 % de las
ocasiones 3.7 y 12.5 minutos sea el tiempo de espera, un rango bastante amplio lo
que muestra la dispersin de los datos. Se observa en el histograma que la
frecuencia disminuye conforme aumenta el tiempo de permanencia y se asemeja a
la grfica de una exponencial. En el diagrama de cajas se observa que no existen
datos aberrantes.
3.4. Tiempo de servicio en minutos.
X

Frecuencia
absoluta

Frecuencia
relativa

[0-1.2)
[1.2-2.4)
[2.4-3.6)
[3.6-4.8)
[4.8-6.0)
Total

31
26
9
5
1
72

0.43
0.36
0.13
0.07
0.01
1.00

Frecuencia
relativa
acumulada
0.43
0.79
0.92
0.99
1.00

Tabla 7 Frecuencias para tiempo de servicio.

35

100
Frecuencia relativa acumulada ( X 100)

31

30
26

Frecuencia

25

20

15
9

10

0.0

1.2

2.4

3.6

4.8

80

60

40

20

6.0

0.0

1.2

2.4

3.6

Tiempo de servicio (minutos)

Tiempo de servicio (minutos)

4.8

6.0

Grfico 7.- Histograma y ojiva para tiempo de servicio

Tiempo de Servicio (minutos)

Grfico 8.- Diagrama de cajas para tiempo de servicio.

Media
Desv.
Estndar
Cuartil 1
Cuartil 3

1.77
1.09
1.00
2.24

Tabla 8.- Estadstica descriptiva para tiempo de servicio

Estos resultados nos indican que el tiempo de servicio en promedio es de 1.77

minutos y que solo si estn de mala suerte este valor podra ser mayor a 4. El 25 %
de las personas que ms rpido son atendidos reciben el servicio antes del minuto
de haberlo solicitado. En el diagrama de cajas se observa la existencia de datos
aberrantes, que corresponden a personas que corrieron con mala suerte y
esperaron por algo ms de 4 minutos el servicio. El histograma muestra que la
distribucin de probabilidades de la variable es bastante cercana a la exponencial.
4. Clculo de probabilidades.
Ahora nos pretendemos realizar la comparacin de lo que nos indica el modelo y lo
que en realidad est ocurriendo dentro del campus. Para este efecto se ha
considerado tan solo una de las variables y es personas que llegan a la fila cada 5
minutos.
De los resultados descriptivos tenemos que el valor promedio fue de 3.04. Este
valor ser utilizado para calcular la distribucin acumulada de la Poisson (3.04) de
la siguiente manera:
x

P ( X < x )=
0

e x
x!

10

Para los valores de 0 a 15 . El valor de F(x) representa la distribucin acumulada de

esta variable. La ltima de las columnas dispone la diferencia entre el valor real y el
previsto por el modelo.

x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

P(X<x)
0.048
0.193
0.414
0.638
0.808
0.912
0.964
0.987
0.996
0.999
1.000
1.000
1.000
1.000
1.000
1.000

F(x)
0.028
0.181
0.417
0.639
0.792
0.931
0.972
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000

|P(X<x)F(x)|
0.020
0.013
0.002
0.001
0.017
0.019
0.008
0.013
0.004
0.001
0.000
0.000
0.000
0.000
0.000
0.000

Tabla 9.- Comparacin entre el modelo matemtico y el resultado experimental

5. Conclusiones
6. Recomendaciones
7. Referencia bibliogrfica

Moskowitz, H. y Wright G.P. Investigacin de Operaciones. Prentice_Hall Hispanoamericana

S.A. 1991.

Lopz Rubio Ezquiel , Teora de colas , Departamento de Lenguajes y Ciencias de la

Computacin , Universidad de Malga.

11