Unidad 5: Teoría de Colas
Modelos Estocásticos
Profesor Alvaro J Cepeda Ortiz
alvarocepedaortiz@[Link]
Introducción a la Teoría de Colas
Gran parte de los fenómenos de la realidad pueden ser expresados a través de la Teoría de
Colas, dado que siempre estamos en filas de espera, en la que existe uno o más servidor y un
nivel de servicio representando por el tamaño de la fila.
Básicamente se pretende responder a:
-¿Cuál es el número esperado de clientes en la cola?
-¿Cuál es el tiempo esperado que cada cliente pasará en la cola?
-¿Cuál es distribución de probabilidad es el número presente en la cola?
-¿Cuál es la distribución de probabilidad de los tiempos que pasa un cliente en la cola?
-Si por ejemplo, queremos que solamente un 1% de los clientes en la fila del banco espere más
de 5 minutos por ser atendido por el cajero, ¿Cuántos cajeros necesitamos para brindar este
servicio?
alvarocepedaortiz@[Link]
Conceptos de Teoría de Colas
Llegadas
Las llegadas son determinadas por un proceso de llegadas, en donde podemos decir que las
llegadas son únicas en un instante de tiempo, o bien puede ocurrir más de una llegada en un
instante de tiempo.
Otro concepto a considerar es que el proceso de llegada no se encuentra afectado por el
número de clientes en el sistema de servicio.
Podemos decir que existen poblaciones finitas dentro del modelo, por lo que las llegadas se ven
afectadas por cuantos clientes se encuentran en el sistema. Al contrario de suponer población
infinita, las llegadas no dependerán de la condición de la población.
Servicio
El proceso de servicio está determinado por una distribución del tiempo de atención, que
generalmente se asume que esta variable aleatorio es independiente del número de clientes
presentes en la fila.
Estudiaremos dos tipos de servicios: i) servicios en paralelo y ii) servicios en serie.
Disciplina de la Fila
Se refiere al orden en que los clientes son atendidos, el más común es FIFO (first in, first out),
en la que los clientes son servidos en el orden de llegada. El método opuesto es LIFO (last in,
first out) que significa que el último en llegar es el primero en ser atendido. Otro método es por
RANDOM, o sea se escogen de forma aleatoria los clientes a servir.
Un último método es por nivel de prioridad, por ejemplo en una sala de urgencia, en donde la
prioridad está determinada por el nivel de urgencia del paciente.
alvarocepedaortiz@[Link]
Conceptos de Teoría de Colas
Como las llegadas se incorporan a las filas
Un último concepto consiste en definir como los clientes se van incorporando a las filas
disponibles.
Usualmente cuando existe más de una línea, se asumen que el cliente se dirige a las más corta.
También se puede dar que los clientes se puedan cambiar de filas mientras se encuentran en el
sistema lo que complejiza la situación.
Parámetros más comunes a determinar en un sistema de colas
L : número esperado de clientes en el sistema
Lq : número esperado de clientes en la cola
: número medio de servidores ocupados
Wq : tiempo medio de espera en la cola
W : tiempo medio de permanencia en el sistema
alvarocepedaortiz@[Link]
Notación de la Teoría de Colas
Por convención los modelos que se trabajan en teoría de colas se etiquetan de la siguiente
forma (Notación de Kendall)
Población Disciplina
Distribución de Distribución Número Tamaño total del
Llegadas del Servicio Servidores de la fila de la fila
sistema
Las distribuciones más comunes se denomina por
•M: Distribución Exponencial (Markoviana)
•D: Distribución degenerada (tiempos constantes)
•Ek: Distribución Erlang
•G: Distribución General
Las disciplinas se suelen denominar por:
•FIFO:
•LIFO
•Random
M/M/s: Sistema donde tanto los tiempos de llegada como los tiempos de servicio son
exponenciales y se tienen s servidores.
M/G/1: Sistema donde los tiempos entre llegadas son exponenciales, el tiempo de servicio son
generales y sólo 1 servidor.
alvarocepedaortiz@[Link]
Terminología
–Estado del sistema : Número de clientes en el sistema.
–Longitud de la cola: Número de clientes que esperan servicio.
–N(t) : Número de clientes en el sistema de colas en el tiempo t (t ≥0).
–Pn(t): Probabilidad de que exactamente n clientes estén en el sistema en el tiempo t, dado el
número en el tiempo cero.
–s : Número de servidores en el sistema de colas.
–λn: Tasa media de llegadas (número esperado de llegadas por unidad de tiempo) de nuevos
clientes cuando hay “n” clientes en el sistema.
–µn : Tasa media de servicio para todo el sistema (número esperado clientes que completan su
servicio por unidad de tiempo) cuando hay “n” clientes en el sistema.
Nota: µn representa la tasa conjunta en la que todos los servidores ocupados
logran terminar sus servicios
–Se habla de λ cuando λn es constante para toda n
–Se habla de µ cuando µn es constante para toda n≥1
En este caso µn = s*µ cuando n≥s
Tiempo Tiempo
1 entre
1 entre
llegadas servicios
esperado esperado
6
alvarocepedaortiz@[Link]
Terminología
–ρ es el factor de utilización para la instalación de servicio (fracción esperada de tiempo que los
servidores individuales están ocupados)
También puede interpretarse
s
como número promedio de
personas siendo atendidas
Nota: Para los sistemas de colas que analizaremos haremos la suposición de que el
sistema se encuentra en la condición de estado estable.
–Así para el caso en que s=1, y λ= 12 clientes/hora, y µ= 15 clientes/hora, se tiene que
•1/λ= 5 minutos
•1/µ = 4 minutos
El servidor se encuentra ocupado el 80% de su tiempo, está trabajando 4 de cada 5
minutos.
alvarocepedaortiz@[Link]
Condiciones en estados estables
La siguiente notación sólo aplica suponiendo un estado estable del sistema.
–Pn : Probablidad de que haya exactamente n clientes en el sistema.
–L : Número esperado de clientes en el sistema. L nPn
n 0
–Lq : Longitud esperada de la cola (excluye los clientes que se encuentran en servicio)
–w : tiempo de espera en el sistema para cada cliente
–W: E(w)
–w q: tiempo de espera en la cola para cada cliente
–Wq: E(wq)
Se pueden tener las siguientes relaciones entre L, W, Lq y Wq.
Supongamos que λn es una constante λ para todo n (fórmula de Litlle)
L W Lq Wq
Supongamos que el tiempo medio de servicio es una constante 1/µ para toda n≥1
1
W Wq L Lq
Estas relaciones son fundamentales pues permiten
determinar las cuatro cantidades fundamentales L,
W, Lq, Wq, en cuanto se encuentra analíticamente
el valor de una de ellas. 8
alvarocepedaortiz@[Link]
El valor de utilizar la Distr Exponencial
Las características operativas de los sistemas de colas están determinadas en gran parte por
dos propiedades estadísticas:
–Distribución de los tiempos entre llegadas
–Distribución de los tiempos de servicio
Para formular un modelo de teoría de colas como una representación del sistema real, es
necesario especificar la forma supuesta de cada una de estas Distribuciones.
Se trabaja bajo el supuesto que los tiempos entre llegadas o los tiempos de servicio, son
variables aleatorias T (exponenciales con parámetro λ).
La media y varianza son
alvarocepedaortiz@[Link]
Propiedades de la Distr Exponencial
Dreciente
La función exponencial es estrictamente decreciente,
esto nos permite decir que mientras el lapso de
tiempo sea mayor, va a ser menos probable que se
de esta condición. Es así que se cumple:
Es relativamente probable que T sea menor que la mitad de E(T).
La función exponencial nos proporciona un buen acercamiento, cuando tenemos tareas
específicas que realizar y el tiempo de servicio varía de un cliente a otro.
No se considera que los clientes al ver que el sistema se encuentra ocupado, tienden a
posponer su entrada.
La función determina que los tiempos entre llegadas es más probable que sean muy pequeños.
10
alvarocepedaortiz@[Link]
Propiedades de la Distr Exponencial
Falta de Memoria
Quiere decir que la distribución de probabilidad del tiempo que falta hasta que ocurra el evento
siempre es la misma, sin importar cuanto tiempo haya pasado.
Mínimo de varias v.a exponenciales independientes tiene una distr exponencial
11
alvarocepedaortiz@[Link]
Propiedades de la Distr Exponencial
12
alvarocepedaortiz@[Link]
Propiedades de la Distr Exponencial
Relación con Distr de poisson
Intervalos pequeños
Cuando se consideran distintos valores pequeños de Δt, la probabilidad de que ocurra un
evento en el siguiente intervalo de tiempo, es proporcional a Δt con factor de proporcionalidad α
13
alvarocepedaortiz@[Link]
Propiedades de la Distr Exponencial
No afecta agregar o desagregar
Si existen varios procesos de poisson, estos se puede combinar resultado en un proceso de
poisson general con λ= λ1+ λ2+ …+ λn
Entonces, como cada cliente tiene una probabilidad fija pi de pertenecer al tipo i (i=1, 2, …n),
con
14
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
La mayor parte de los modelos elementales de colas suponen que las entradas (llegadas de
clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo al proceso de
nacimiento y muerte.
Los nacimientos se relacionan con las llegadas y las muertes con la salida del cliente servido,
así es posible que el sistema se encuentre en variados estados, donde los estados están
determinados por la cantidad de clientes en el sistema.
Para poder tener este fenómeno en teoría de colas, se deben cumplir los siguientes supuestos:
• Dado N(t) = n, la distribución de probabilidad actual del tiempo que falta para el
próximo nacimiento (llegada) es exponencial con parámetro λn ( n = 0,1,2...)
• Dado N(t) = n, la distribución de probabilidad actual del tiempo que falta para la
próxima muerte (terminación del servicio) es exponencial con parámetro µn (n = 1,2...)
• Las variables aleatorias de los tiempos que faltan para la próxima llegada y para la
terminación del servicio son mutuamente independientes.
El proceso de nacimiento y muerte es un tipo especial de cadena de markov continuo.
15
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
Supongamos que en el tiempo cero se inicia el conteo del número de veces que el sistema
entra en cualquier estado n y el número de veces que sale del mismo, se puede tener
• En(t) : Número de veces que el sistema entra al estado n hasta el tiempo t
• Ln(t) : Número de veces que el sistema sale del estado n hasta el tiempo t
Dado que nos interesa saber el comportamiento del sistema en el la condición estable, se
puede establecer que las tasas medias en que entra al estado o se sale del estado se igualarán.
Para cualquier estado n (n=0,1,...) del sistema, la tasa media de entrada es igual a la tasa
media de salida
Se deben construir las ecuaciones que expresan el principio de la tasa media de entrada igual a
la tasa media de salida para todos los estados.
Después de construir las ecuaciones de balance para todos los estados en término de las
probabilidades Pn desconocidas, se puede resolver este sistema de ecuaciones ( más una
ecuación que establezca que la suma de las Pn debe ser 1).
16
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
Entonces las ecuaciones de balance de estados son:
17
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
Ordenando y despejando.
18
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
Simplificando la notación
Se tiene que las probabilidades en la condición de estable son:
Pn Cn P0 para n=0, 1, 2,…
19
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
Cuando el modelo de líneas de espera se basa en el proceso de nacimiento y muerte, se puede
calcular las Pn con las fórmulas anteriores:
El número de servidores s representa el número de clientes
que pueden estar en servicio y no en cola al mismo tiempo
20
alvarocepedaortiz@[Link]
Proceso de Nacimiento y Muerte en Teoría de
Colas
21
alvarocepedaortiz@[Link]
Ejemplo de Nacimiento y Muerte
Ejemplo 1
La estación de gasolina de una pequeña población tiene capacidad para 2 automóviles
únicamente, con un solo expendidor. Cuando la estación está desocupada llegan 3 automóviles
por hora, pero cuando en la estación hay un automóvil la tasa de llegadas disminuye a 2
automóviles por hora. La tasa a la cual el servidor atiende a los automóviles que llegan es de 4
por hora.
Se deben encontrar las probabilidades de la condición estable y hallar L , Lq , W y Wq
22
alvarocepedaortiz@[Link]
Ejemplo de Nacimiento y Muerte
23
alvarocepedaortiz@[Link]
Ejemplo de Nacimiento y Muerte
24
alvarocepedaortiz@[Link]
Ejemplo de Nacimiento y Muerte
25
alvarocepedaortiz@[Link]
Modelo M/M/s
Este modelo es un caso especial del proceso de nacimiento y muerte.
–Todos los tiempos entre llegadas independientes e idénticamente distribuidos de acuerdo a
una distribución exponencial .
–Todos los tiempos de servicio independientes e idénticamente distribuidos de acuerdo a una
distribución exponencial .
–El número de servidores es s ( s cualquier entero positivo)
a) Caso de 1 servidor
26
alvarocepedaortiz@[Link]
Modelo M/M/s
Se formará una cola infinita cuando la tasa media de servicio es menor que la tasa media de
llegadas.
1
El sistema alcanzará la condición de estable, cuando la tasa de servicio sea mayor que la tasa
media de llegadas, por lo que será posible aplicar directamente las ecuaciones de estado
estable.
1
Las ecuaciones y resultados estables para el caso de s=1 reducen los factores Cn para el
proceso de nacimiento y muerte.
27
alvarocepedaortiz@[Link]
Modelo M/M/s
Donde
28
alvarocepedaortiz@[Link]
Modelo M/M/s
En forma similar
Las relaciones entre L, Lw, W y Wq vienen dadas por
Se tiene
29
alvarocepedaortiz@[Link]
Modelo M/M/s
Resumiendo tenemos.
30
alvarocepedaortiz@[Link]
Modelo M/M/s
b) Caso en que s>1
Cuando el sistema tiene múltiples servidores no es tan sencillo expresar µn (µn es la tasa media
de servicio para el sistema de colas completo).
31
alvarocepedaortiz@[Link]
Modelo M/M/s
Se formará una cola infinita cuando la tasa media de servicio es menor que la tasa media de
llegadas.
1
s*
El sistema alcanzará la condición de estable, cuando la tasa de servicio sea mayor que la tasa
media de llegadas, por lo que será posible aplicar directamente las ecuaciones de estado
estable.
1
s*
Las ecuaciones y resultados estables para el caso de s>1 reducen los factores Cn para el
proceso de nacimiento y muerte.
32
alvarocepedaortiz@[Link]
Modelo M/M/s
33
alvarocepedaortiz@[Link]
Modelo M/M/s
Podemos llegar a los siguientes resultados
34
alvarocepedaortiz@[Link]
Modelo M/M/s
Se muestra como
cambia P0 con ρ para
diferentes valores de
s
35
alvarocepedaortiz@[Link]
Modelo M/M/s
Se muestra como
cambia L con ρ para
diferentes valores de
s
36
alvarocepedaortiz@[Link]
Modelo M/M/s
Anteriormente se vio la función de distribución de probabilidad de los tiempos de espera para un
servidor, ahora aplicando a varios servidores se tiene:
37
alvarocepedaortiz@[Link]
Modelo M/M/s
Ejemplo
La sala de emergencia del HOSPITAL GENERAL proporciona cuidados médicos rápidos a los
casos de emergencia que llegan en ambulancia o vehículos particulares.
En cualquier momento se cuenta con un doctor de guardia, pero debido al creciente número de
urgencias se estudiará la posibilidad de contratar otro doctor.
El ingeniero administrador a recolectado datos y ha podido estimar que las llegadas de
pacientes siguen una distribución Poisson con media de un cliente cada media hora.
La distribución del tiempo de atención es exponencial con media de servicio de 20 minutos para
atender un paciente.
Analice la situación.
Solución
Se tiene
38
alvarocepedaortiz@[Link]
Modelo M/M/s
Se tienen dos alternativas bajo consideración: una trabajar con un solo doctor bajo el turno o
trabajar con dos doctores bajo el turno. En ambos casos se considera que
a) Caso de 1 servidor
39
alvarocepedaortiz@[Link]
Modelo M/M/s
40
alvarocepedaortiz@[Link]
Modelo M/M/s
b) Caso de 2 servidor
41
alvarocepedaortiz@[Link]
Modelo M/M/s
42
alvarocepedaortiz@[Link]
Modelo M/M/s
43
alvarocepedaortiz@[Link]
Modelo M/M/s
44
alvarocepedaortiz@[Link]
Modelo M/M/s
Los indicadores de eficiencia para el
modelo con 2 médicos mejoran
notablemente con respecto al modelo
de un solo médico.
Sin embargo esta información no
basta para determinar si se debe
contratar un nuevo médico o no, ya
que se debe hacer un análisis de
costos.
45
alvarocepedaortiz@[Link]
Ejemplo de línea de proceso
46
alvarocepedaortiz@[Link]
Ejemplo de línea de proceso
47
alvarocepedaortiz@[Link]
Ejemplo de línea de proceso
48
alvarocepedaortiz@[Link]
Ejemplo de línea de proceso
49
alvarocepedaortiz@[Link]
Ejemplo de línea de proceso
50
alvarocepedaortiz@[Link]
Modelo M/M/s/K
El modelo M/M/s que trabajamos con anterioridad opera bajo el supuesto de una cola infinita.
Sin embargo hay diferentes ocasiones en la cuales este supuesto no aplica.
Si el tamaño de la cola es finito, a cualquier cliente que llegue cuando la cola esté llena se le
niega el acceso al sistema.
La interpretación física para este modelo es que se cuenta con un espacio limitado de espera
que admite un máximo de K clientes en el sistema o que los clientes desisten de entrar al
sistema cuando lo ven demasiado lleno.
Para el caso de s=1
51
alvarocepedaortiz@[Link]
Modelo M/M/s/K
52
alvarocepedaortiz@[Link]
Modelo M/M/s/K
53
alvarocepedaortiz@[Link]
Modelo M/M/s/K
54
alvarocepedaortiz@[Link]
Modelo M/M/s/K
Para el caso de s>1
Como este modelo no permite más de K clientes en el sistema, K es el número máximo de
servidores que pueden tenerse. Suponga que s<K
55
alvarocepedaortiz@[Link]
Modelo M/M/s/K
56
alvarocepedaortiz@[Link]
Modelo M/M/s/K
57
alvarocepedaortiz@[Link]
Ejemplo con cola finita
El estacionamiento de visitas de la UNAB se limita a solo 5 sitios. Los automóviles que lo
usan llegan siguiendo una distribución de poisson con frecuencia de 6 por hora. El tiempo de
estacionamiento tiene distribución exponencial con 30 minutos de promedio. Las visitas que
no pueden encontrar un lugar vacío inmediatamente cuando llegan pueden esperar
provisionalmente dentro del estacionamiento hasta que salga un automóvil estacionado. Los
sitios provisionales sólo pueden contender 3 vehículos. Otros vehículos que no se pueden
estacionar ni encontrar un espacio de espera temporal se deben ir a otra parte. Determinar:
a) la probabilidad pn de que haya n automóviles en el sistema.
b) la frecuencia efectiva de llegada para automóviles que usen en realidad el
estacionamiento.
c) la cantidad promedio de automóviles en el estacionamiento.
d) el tiempo promedio que espera un automóvil hasta que haya un sitio libre dentro del
estacionamiento.
e) la cantidad promedio de sitios de estacionamiento ocupados.
f) la utilización promedio de ese estacionamiento.
Primero se observa que un sitio de estacionamiento funciona como un servidor, y entonces
el sistema tiene un total de c=5 servidores (s) en paralelo. También, que la capacidad
mínima del sistema es 5+3=8 automóviles.
Se puede calcular la pn como el caso generalizado del sistema.
58
alvarocepedaortiz@[Link]
Ejemplo con cola finita
59
alvarocepedaortiz@[Link]
Ejemplo con cola finita
El valor de p0 se calcula sustituyendo pn, n=1, 2, …, 8 en la siguiente ecuación:
Esto da como resultado p0= 0,04812. A Partir de p0 ya se pueden calcular p1 a p8 y los
resultados son:
La tasa efectiva de llegadas λef, se puede calcular si se observa el esquema de la figura
anterior, donde los clientes llegan desde la fuente con una frecuencia λ automóviles por hora.
Un auto que llega puede entrar al estacionamiento o irse a otro lado, con las frecuencias
respectivas. λef o λpérdido, lo que significa que λ= λef+ λpérdido. Un automóvil no podrá entrar al
estacionamiento si ya están 8 automóviles en él. Eso quiere decir que la proporción de
vehículos que no pueden entrar al lote es p8.
60
alvarocepedaortiz@[Link]
Ejemplo con cola finita
La cantidad promedio de vehículos en el estacionamiento (los que espera o los que ocupan un
sitio) es igual a Ls, la cantidad promedio en el sistema. Se puede calcular Ls, a partir de pn como
sigue:
Un automóvil que espera en los sitios provisionales en realidad es uno en una línea de espera.
Entonces, su tiempo de espera a que haya un sitio vació es Wq. Para determinar Wq se usuará la
ecuación
61
alvarocepedaortiz@[Link]
Ejemplo con cola finita
La cantidad promedio de sitios ocupados es la misma que la cantidad promedio de servidores
ocupados,
De , se obtiene
Utilización de sitios =
62
alvarocepedaortiz@[Link]
Modelo M/M/s con pob finita
Variación del modelo con población finita
Ahora supongamos que el tamaño de la población es finito con tamaño N. Cuando el número de
clientes en el sistema de colas es n (n=0,1,2,...,N), existen sólo (N-n) clientes potenciales en la
fuente de entrada.
Este problema se aplica a la reparación de máquinas, en el que se asigna a uno o más técnicos
de mantenimiento la responsabilidad de mantener en operación cierto número de N máquinas
dando servicio a las que se descomponen.
Observemos que todos los miembros de la población potencial se encuentran alternativamente
dentro y fuera del sistema de colas.
Las máquinas que están descompuestas siendo reparadas o esperando serlas se consideran
clientes en el sistema. Las máquinas que están funcionando se consideran fuera del sistema.
El tiempo que pasa desde que una máquina deja el sistema hasta que regresa tiene una
distribución exponencial con parámetro λ.
63
alvarocepedaortiz@[Link]
Modelo M/M/s con pob finita
a) Caso s=1
Desde el punto de vista del proceso de nacimiento y muerte, la tasa de entradas al sistema
será:
64
alvarocepedaortiz@[Link]
Modelo M/M/s con pob finita
a) Caso s>1
Desde el punto de vista del proceso de nacimiento y muerte, la tasa de entradas al sistema
será:
67
alvarocepedaortiz@[Link]
Modelo M/M/s con pob finita
68
alvarocepedaortiz@[Link]
Modelo M/M/s con pob finita
69
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/G/1
Los modelos de colas que hemos venido trabajando están basados en el proceso de nacimiento
y muerte.
Es necesario que tanto los tiempos entre llegadas como los de servicio tengan distribuciones
exponenciales para que el modelo de colas sea una cadena de Markov de tiempo continuo.
Hay muchas situaciones donde estas distribuciones no proporcionan un ajuste razonable:
•Llegadas programadas o reguladas.
•Requerimientos de servicio de los clientes muy parecidos
En estos casos los modelos de colas deben utilizar otro tipo de distribuciones, cuyo
análisis matemático es mucho más complejo.
M/G/1
Tiempos entre llegadas exponencial con tasa media λ, tiempos de servicio general y 1 sólo
servidor.
Los tiempos de servicio son independientes y sólo es necesario conocer (o estimar) la media
1/µ y la varianza σ2 de esta distribución.
70
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/G/1
71
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/G/1
72
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/D/s
Tiempos entre llegadas exponencial, tiempos de servicio constante y s servidores.
Cuando el tiempo de servicio consiste básicamente en la misma tarea rutinaria que el servidor
realiza para todos los clientes, tiende a haber poca variación en el tiempo de servicio requerido.
Cuando sólo se tiene un servidor, el modelo M/D/1 es un caso especial del modelo M/G/1 en
donde σ2 = 0 , con lo que la fórmula de Pollaczek- Khintchine se reduce a:
73
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
Tiempos entre llegadas exponencial, tiempos de servicio Erlang y s servidores.
74
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
75
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
76
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
77
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
78
alvarocepedaortiz@[Link]
Modelos de Colas con Distr No Exponenciales
M/Ek/s
79
alvarocepedaortiz@[Link]
Ejercicios
Solución
80
alvarocepedaortiz@[Link]
Ejercicios
81
alvarocepedaortiz@[Link]
Ejercicios
Solución
82
alvarocepedaortiz@[Link]
Ejercicios
83
alvarocepedaortiz@[Link]
Ejercicios
Solución
84
alvarocepedaortiz@[Link]
Ejercicios
85
alvarocepedaortiz@[Link]
Ejercicios
86
alvarocepedaortiz@[Link]
Ejercicios
Solución
87
alvarocepedaortiz@[Link]
Fin Unidad 06
88
alvarocepedaortiz@[Link]
