E.

SISTEME DE AŞTEPTARE (DE SERVIRE)

PROBLEMA E1:
S-a stabilit cu ajutorul unor metode statistice că sosirile la o staţie PECO sunt
poissoniene cu media (rata sosirilor) l = 12 persoane/oră, iar timpul mediu de
alimentare a unui autoturism este exponenţial cu media de 4 minute.
Să se determine probabilitatea ca la staţie să nu existe nici un client la un
moment dat, probabilitatea ca la staţie să aştepte 6 autoturisme, precum şi numărul
mediu de autoturisme aflate la staţie la un moment dat.

Rezolvare:
Considerând ca unitate de timp ora, cum timpul mediu de servire este de 4
minute/client, rezultă că într-o oră pot fi serviţi (1 h = 60 min)/(4 min/client) = 15
clienţi, adică rata servirii este m =15 clienţi/oră.
Probabilitatea ca la staţie să aştepte n clienţi se calculează cu relaţia [Neagu E,
1995]:

# #
(! ) = " % & "1 ' %
$ $

unde:
• Pn(t) = probabilitatea ca în sistem să fie n unităţi la un moment dat;
• l = 12 persoane/oră este rata sosirilor;
• m = 15 persoane/oră este rata servirilor.

• Probabilitatea ca la staţie să nu existe nici un client la un moment dat este:

# + # # -.
*+ (! ) = " % & "1 ' % = ,1 ' = 1 ' = 023 4 30,5,
$ $ $ -/

• Probabilitatea ca la staţie să existe 6 clienţi este:

# 6 # -. 6 -.
*6 (! ) = " % & "1 ' % = " % & "1 ' % = 0237 & 023 = 02083 4 8235
$ $ -/ -/

• Numărul mediu de autoturisme aflate la staţie la un moment dat este dat de

relaţia [Neagu E, 1998]:
28
 # -. -.
9:(! ) = = = = >,?@!A!@BCDEF
$;# -/;-. <

Rezolvare detaliată:
Legile de distribuţie discrete sunt legi teoretice la care variabila aleatoare are un
caracter discret, deci este o mărime numărabilă [Boroiu A, 2003 - Fiabilitatea
autovehiculelor].
Principalele legi de distribuţie discrete utilizate în statistica matematică sunt:
• legea binomială (legea lui Bernoulli), definită sugestiv prin probabilitatea
extragerii de k ori a unei bile de aceeaşi culoare dintr-o urnă cu n bile din care p% sunt
de culoarea respectivă, bila revenind în urnă după fiecare extragere (cu revenire);
• legea hipergeometrică, definită similar cu legea binomială, dar în condiţiile în
care bila nu revine în urnă după fiecare extragere (fără revenire), deci compoziţia urnei
se modifică;
• legea lui Poisson, de asemenea definită similar cu legea binomială, dar în
condiţiile în care procentul de bile de culoarea respectivă p% aflate în urnă este foarte
mic (legea evenimentelor rare).
În studiul traficului rutier se aplică uneori legea binomială şi, când numărul
mediu de evenimente este redus, legea Poisson, aceste legi fiind prezentate în
continuare.
Un caz particular al legii Poisson este legea exponenţială, care va trebui
explicată, de asemenea.

1. Legea binomială
Legea binomială sau legea lui Bernoulli, se utilizează pentru determinarea
numărului de evenimente care apar într-o perioadă de timp, în ipotezele că
evenimentele se produc în aceleaşi condiţii şi în mod independent (evenimentele sunt
evenimente echiprobabile şi independente).
Deci, distribuţia binomială se aplică atunci când procesul de producere a
evenimentului este caracterizat de aceeaşi probabilitate în oricare dintre experimentele
efectuate.
Dacă R este probabilitatea de a nu se produce evenimentul, F – probabilitatea de
a se produce, N0 – numărul de elemente supuse încercării, k – numărul de apariţii
posibile în cele N0 încercări (k poate lua numai valori întregi de la 0 la N0), atunci
probabilitatea de a se produce k evenimente este:

29
 Pk , N0 = C Nk 0 F k R N0 -k = C Nk 0 F k (1 - F ) N0 -k

Dar expresia de mai sus reprezintă tocmai termenul general al dezvoltării

binomului:

( F + R) N0 = C N0 0 F 0 R N0 + C NN00 -1 F 1 R N0 -1 + ... + C Nk 0 F k R N0 -k + ... + C NN00 F N0 R 0

În această dezvoltare, termenii binomului au semnificaţiile:

- primul termen, C N0 F 0 R N , reprezintă probabilitatea de a nu apare niciun
0
0

eveniment;
0 -1
- al doilea termen, C 1N F 1 R N 0
- probabilitatea de a apare o dată;
- …
0 -k
- termenul general, de ordin k, C Nk F k R N 0
- probabilitatea de a apare de k ori;
- …
- ultimul termen, C NN F N R 0 - probabilitatea ca să apară de fiecare dată.
0
0
0

Având în vedere proprietatea cunoscută din analiza combinatorie,

C Nk 0 = C NN00 -k

rezultă că dacă R = F, atunci se obţine o distribuţie simetrică, care este identică cu

distribuţia normală (fig. 1, a), în caz contrar distribuţia fiind asimetrică (fig. 1, b).

a) N0 = 10; R = F = 0,5 b) N0 = 10; R = 0,8; F = 0,2

35 35
30.2
30 30 26.9
24.6
25 20.6 20.6 25
20.1
Pk,N0 [%]
Pk,N0 [%]

20 20
15 11.7 11.7 15 10.7
8.8
10 10
4 4 2.6
5 5
0.1 1 1 0.1 0.6 0.1 0 0 0
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

k k

Fig. 1. Distribuţia binomială pentru N0 = 10, k = 0, …, 10.

a) R = F = 0,5; b) R = 0,8 şi F = 0,2.

30
 În fig. 1 au fost prezentate, pentru cazul N0 = 10 elemente, distribuţiile
probabilităţilor de producere a k evenimente, Pk,10, k = 0, 1, 2, …, 10, sub formă de
histograme, în două situaţii: a) R = F = 0,5; b) R = 0,8 şi F = 0,2.
Observaţie: Deoarece R + F = 1, atunci ( R + F ) N = 1 , deci suma termenilor
0

dezvoltării binomiale este egală cu unitatea, adică:

N0

åP
k =1
k , N0 =1

Pot fi determinaţi şi alţi indicatori ai distribuţiei de tip binomial (Bernoulli),

cum este numărul mediu de apariţii:

M = N0 × F

2. Legea lui Poisson

În cazul experimentării unui număr mare de elemente, utilizarea legii binomiale
este dificilă. În cazul în care numărul de elemente este foarte mare şi probabilitatea de
apariţie a evenimentului este redusă (F < 0,1), dacă numărul mediu de apariţii în
diferite experimente este constant, se poate realiza o simplificare substanţială a
calculului, cu erori neglijabile, prin utilizarea legii lui Poisson.
Deoarece legea lui Poisson este aplicabilă în cazul unei probabilităţi de apariţie
a evenimentului foarte reduse, deci evenimentul se produce rar, ea se mai numeşte şi
legea evenimentelor rare.
Astfel, legea lui Poisson exprimă probabilitatea Pk,N0 de a se produce k
evenimente din eşantionul N0 care la momentul respectiv are probabilitatea de apariţie
F, în condiţiile în care numărul mediu de apariţii N0F este constant
Expresia generală a legii lui Poisson se obţine printr-o succesiune de prelucrări
matematice a legii binomiale, în care se neglijează termenii cu N0 la puteri mari la
numitor (deoarece N0 este foarte mare) sau cu F la puteri mari la numărător (deoarece
F este foarte mic şi subunitar), după care, utilizând ipoteza N0F = const., prin trecere la
limită cu N 0 ® +¥ , rezultă în final:

( N 0 F ) k - N0 F
Pk , N0 = ×e
k!

31
unde N0F (notat uzual, N0F = a) exprimă numărul mediu de evenimente care pot apare
în intervalul (0, t).
Această lege este deosebit de utilă în în cazurile în care N0 este foarte mare şi
necunoscut (cazul unui trafic rutier), dar se cunoaşte în schimb numărul mediu de
evenimente care apar (N0F).
Atunci când nu se precizează numărul de elemente supuse experimentării –
considerat foarte mare, ci doar numărul mediu de apariţii, se consideră probabilitatea
de a se produce k apariţii dintr-un eşantion infinit, notată cu:

Pk ,¥ = P(k )

În ce priveşte studiile de trafic, distribuţia evenimentelor este considerată

frecvent de tip exponenţial (cu rata apariţiei evenimenului constantă, z(t) = const. = l).
Ca urmare, l·t exprimă numărul mediu de evenimente care apar în intervalul de timp t,
astfel că există relaţia:

a = N0 F = l × t

Ca urmare, în acest caz legea lui Poisson poate fi exprimată prin relaţia:

(lt ) k -lt
P(k ) = e
k!

1
sau, având în vedere că, în cazul legii exponenţiale, m = ,
l

k t
1æ t ö -
P(k ) = ç ÷ e m
k! è m ø

Această expresie prezintă avantajul că are ca parametru media timpului m ce

poate fi determinată statistic cu relaţiile cunoscute.
Rezultă că probabilitatea de a nu se produce niciun eveniment (k = 0) este dată
de o lege exponenţială:

P0, N0 = e -lt

32
 Aceasta înseamnă că legea exponenţială poate fi considerată ca un caz particular
al legii lui Poisson.
Cel mai frecvent în traficul rutier este întâlnit sistemul de aşteptare cu un singur
rând şi o singură staţie de servire, numit şi “sistem mono-canal cu o fază” la care
disciplina de servire este de tipul “primul venit – primul servit”.
Sistemul este format dintr-o unitate de servire care poate fi ocupată sau liberă,
în funcţie de frecvenţa sosirii clienţilor.
În cazul unor sosiri complet aleatoare independente între ele, în care frecvenţa
medie a sosirilor l [sosiri/unitate de timp] este redusă, legea de variaţie a acestora se
consideră descrisă foarte bine de către o distribuţie de tip Poisson (legea evenimentelor
rare). Conform acestei distribuţii, probabilitatea de a avea s sosiri într-un interval de
timp h este dată de:

ps =
(lh)s e -lt
s!

Timpul dintre două sosiri consecutive este caracterizat de o distribuţie

exponenţială negativă în care timpul mediu între sosiri este 1/l. Analog, legea de
variaţie a servirilor este şi ea asimilată cu o distribuţie tip Poisson, în care frecvenţa
medie a servirii la fiecare unitate de servire este m [serviri/unitate], iar timpul mediu de
servire este 1/m.
Starea de echilibru a sistemului este asigurată de îndeplinirea condiţiei:

m >l

adică frecvenţa servirilor trebuie să fie mai mare decât frecvenţa sosirilor.
Pentru modelul de aşteptare utilizat frecvent în traficul rutier – “un fir, o staţie,
populaţie infinită” [Neagu E, 1995], se aplică legea Poisson, putând fi determinate
următoarele mărimi:

• Probabilitatea ca la momentul t să existe n unităţi în sistem:

$ ! $
! (" ) = # & ' #1 * &
% %

Particularizând, obţinem:

33
 • Pentru n = 0, probabilitatea ca la staţie să nu existe nici un client la un
moment dat:

$ + $ $ ,-
+ (" ) = # & ' #1 * & = 1 * = 1 *
% % % ,.
= 0/2 3 204

• Pentru n = 6, probabilitatea ca la staţie să aştepte 6 autoturisme:

$ 5 $ ,- 5 ,-
5 (" ) = # & ' #1 * & = # & ' #1 *
% % ,. ,.
& = 0/26 ' 0/2 = 0/072 3 7/24

• Numărul mediu de autoturisme aflate la staţie la un moment dat:

# &' &'
! (" ) = = = = 4,-."/".01235
$%# &*%&' +

Este posibil să se realizeze un grafic pentru probabilitatea ca la momentul t să

existe n unităţi în sistem:

9 7 9 >@ 7 >@
67 (" ) = 8 ; < 8> ? ; = 8 ; < 8> ? ; = BC@ < BCD7
: : >A >A

Este, într-adevăr, o distribuţie exponenţială, probabilitatea P(n) fiind

descrescătoare, dar descreşterea este din ce în ce mai mică. Suma probabilităţilor este
egală cu unitatea (100%).
Cea mai mare probabilitate este ca să nu existe niciun client în sistem, deoare
rata servirilor este mai mare decât rata sosirilor (într-o oră sunt 15 clienţi serviţi şi
numai 12 clienţi sosiţi).

34
 PROBLEMA E2:
Cu ajutorul unor metode statistice s-a stabilit că sosirile la o staţie PECO sunt
poissoniene cu media (rata sosirilor) l = 12 persoane/oră, iar timpul mediu de
alimentare al unui autovehicul este exponenţial, cu media de 4 minute.
Să se determine numărul mediu de autovehicule în firul de aşteptare la un
moment oarecare t şi numărul mediu de autovehicule ce sunt servite la momentul t.

Rezolvare:
Considerând ca unitate de timp ora şi timpul mediu de servire fiind de 4 minute,
pot fi serviţi (1 h = 60 min) / (4 min/client) = 15 clienţi pe unitatea de timp, adică rata
servirii este m =15 clienţi/oră.

Numărul mediu de autovehicule în firul de aşteptare:

$ $ $* +,* +..
!" (# ) = & = = = = 302 1 3456#789
% %'$ %&(%'$) +-&(+-'+,) +-&/

Numărul mediu de autovehicule ce sunt servite la momentul t:

$ $ +,
!: (# ) = ; < >? (# ) = ; < @; < A = = = B0C 1 ;456#789
% % +-

(cererea este mai mică decât oferta, dat fiind că factorul de servire este subunitar, r =
l/m < 1, fiind asigurată condiţia de echilibru a sistemului de servire [Boroiu A, 2003 -
Fiabilitatea autovehiculelor], de aceea încărcarea staţiei este de numai 80%, fiind
asigurată condiţia de echilibru a sistemului).

Rezolvare detaliată:
Elementele de teorie sunt la problema E1 şi în [Neagu E, 1995] şi [Boroiu A,
2003].

35
 PROBLEMA E3:
Ştiind că sosirile la o staţie de alimentare cu combustibil sunt poissoniene cu
media (rata sosirilor) l = 12 autovehicule/oră, iar timpul mediu de alimentare a unui
autovehicul este exponenţial cu media de 4 minute, să se calculeze timpul mediu de
aşteptare al unui autovehicul în firul de aşteptare şi timpul mediu de aşteptare al unui
autovehicul (în firul de aşteptare, plus timpul necesar alimentării).

Rezolvare:
Considerând ca unitate de timp ora şi timpul mediu de servire fiind de 4 minute,
pot fi serviţi (1 h = 60 min) / (4 min/client) = 15 clienţi pe unitatea de timp, adică rata
servirii este m =15 clienţi/oră.

Timpul mediu de aşteptare al unui autovehicul în fir:

&'

! =
!"# ($) *+(*,&) % /0 2
= = = = = 3456789: = ;67<>?
% % -+(-.%) /1+(/1./0) /1

(nr. mediu de autovehicule în firul de aşteptare ?" (@ )7este egal cu produsul dintre
timpul mediu de aşteptare al unui autov. în fir @A şi nr. de sosiri pe unitatea de timp sau
rata sosirilor l – Neagu E, 1995).

Timpul mediu de aşteptare al unui autovehicul (în sistem):

/ / /
@BA (@ ) = = = = 34DD789: = 537<>?E
-.% /1./0 C

Rezolvare detaliată:
Elementele de teorie sunt la problema E1 şi în [Neagu E, 1995] şi [Boroiu A,
2003].

36
 PROBLEMA E4:
Stabilindu-se că sosirile la o staţie de alimentare cu combustibil sunt
poissoniene cu media (rata sosirilor) l = 12 autovehicule/oră, iar timpul mediu de
alimentare al unui autovehicul este exponenţial cu media de 4 minute, să se determine
probabilitatea ca numărul de autovehicule din sistem să fie mai mare ca 2 şi
probabilitatea ca un autovehicul (client) să nu aştepte mai mult de 20 minute.

Rezolvare:
Considerând ca unitate de timp ora, cum timpul mediu de servire este de 4
minute/client, adică

!"#$ '
= )*+,
%&!"#$ '(

rezultă că într-o oră pot fi serviţi 15 clienţi, adică rata servirii este m =15 clienţi/oră.
Conform rel. (5.9) din [Neagu E, 1998] pentru sistemele de aşteptare cu un fir, o
staţie şi populaţie infinită, probabilitatea ca, la un moment dat, numărul unităţilor din
sistem să fie mai mare decât k este:

3 67'
, -. -/ 0 > 1 0 = 2 5 ,
4

astfel că probabilitatea ca numărul de autovehicule din sistem să fie mai mare ca 2

este:

3 97' '9 : :
, -. -/ 0 > 80 = 2 5 = 2 5 = 2 5 = ;<?@8 A ?@<8B
4 '( (

Conform rel. (5.10) din aceeaşi lucrare, probabilitatea ca timpul de aşteptare t f

al unei unităţi în fir să fie mai mare decât un timp dat t este:

3
,C/D > /E = F + G-4G30FH ,
4

astfel că probabilitatea ca timpul de aşteptare tf al unei unităţi în fir să nu fie mai mare
decât un timp dat t (acesta fiind evenimentul contrar) va fi:

37
 &
!"# < "$ = 1 % !"# > "$ = 1 % ( ) *+'*&,(- ,
'

Ca urmare, probabilitatea ca un autovehicul să nu aştepte mai mult de 20

minute (sau 1/3 ore) este:

1 12 *+46*47,(4 9 9
."# < /0 = 1 % () 8 = 1 % ( ) *4 = 1 % ( ) *4 = 1 % :;2?5 = :;@:5 A @:;5B
3 15 5 5

Rezolvare detaliată:
Modelul de aşteptare care face obiectul problemei – “un fir, o staţie, populaţie
infinită” - este prezentat pe larg în lucrarea [Neagu, 1998], de unde sunt prezentate în
continuare consideraţii teoretice şi unele dintre relaţiile cele mai utile.
Astfel, acest model de aşteptare corespunde cazului când unităţile sosite în
sistem provin dintr-o populaţie infinită, presupunând capacitatea firului de aşteptare
suficient de mare.
Numărul de unităţi existente în sistem la un moment dat (în firul de aşteptare şi
la staţia de servire) este o variabilă aleatoare, determinată de rata sosirilor l
[clienţi/oră] şi rata de servire m [clienţi/oră], funcţia de repartiţie a acesteia fiind
descrisă prin probabilitatea asociată.
Pa baza modelului poissonian (când se consideră rata sosirilor l şi rata servirilor
m ca fiind constante) , se pot determina următoarele mărimi:

1. Probabilitatea ca în sistem să fie n unităţi la momentul t:

$ ! $
! (" ) = # & ' #1 * &
% %

În cazul particular n = 0, probabilitatea ca în sistem să nu existe nici o unitate la

momentul t este dată de relaţia:

$ + $ $
+ (" ) = # & ' #1 * & = 1 *
% % %

2. Numărul mediu de unităţi în sistem la momentul t:

$
,-(" ) =
%.$

38
 3. Numărul mediu de unităţi în firul de aşteptare la momentul t (indicele f
provine de la notaţia anglo-saxonă pentru verbul to find – a aştepta):

$ $ $*
!" (# ) = & =
% %'$ %&(%'$)

4. Numărul mediu de unităţi ce sunt servite la momentul t:

$
! + (# ) = ,
%

$ $
rezultat din 1 , -. (# ) = 1 , (1 , )=/ , ca eveniment contrar.
% %

5. Timpul mediu de de aşteptare al unei unităţi în fir:

8*
2!3 (4) 2!3 (4) $
#"0 (# ) =
9&(9:8)
= 8 = =
%&[5'67 (4)] %& / $/ %&(%'$)
9

5. Timpul mediu de de aşteptare al unei unităţi în sistem:

5
#+0 (# ) =
%'$

6. Probabilitatea ca numărul unităţilor din sistem, la momentul t, să fie mai

mare decât k:

$ @A5
- ( (# ) > ; ) = < ?
%

7. Probabilitatea ca timpul de aşteptare tf al unei unităţi în fir să fie mai mare

decât un timp dat t:

$
-B#" > #C = & D '(%'$)&4
%

39