5.2 PROCESO DE NACIMIENTO O MUERTE.
La mayor parte de los modelos elementales de colas suponen que las entradas
(llegada de clientes) y las salidas (clientes que se van) del sistema ocurren de
acuerdo con un proceso de nacimiento y muerte. Este importante proceso de
teoría de probabilidad tiene aplicaciones en varias áreas. Sin embargo, en el
contexto de la teoría de colas, el termino nacimiento se refiere a la llegada de un
nuevo cliente al sistema de colas, mientras que el termino muerte se refiere a la
salida del cliente servido. El estado del sistema en el tiempo t (t ≥ 0), denotado por
N (t), es el número de clientes que hay en el sistema de colas en el tiempo t. El
proceso de nacimiento y muerte describe en términos probabilísticos como cambia
N (t) al aumentar t. En general, sostiene que los nacimientos y muertes
individuales ocurren de manera aleatoria, y que sus tasas medias de ocurrencia
dependen del estado actual del sistema. De manera más precisa, los supuestos
del proceso de nacimiento y muerte son los siguientes:
Supuesto 1
Dado N (t) = n, la distribución de probabilidad actual del tiempo que falta para el
próximo nacimiento (llegada) es exponencial con parámetro λ n (n 50, 1, 2,. . .).
Supuesto 2
Dado N (t) = n, la distribución de probabilidad actual del tiempo que falta para la
próxima muerte (terminación de servicio) es exponencial con parámetro µn (n = 1,
2, . . .).
Supuesto 3
La variable aleatoria del supuesto 1 (el tiempo que falta hasta el próximo
nacimiento) y la variable aleatoria del supuesto 2 (el tiempo que falta hasta la
siguiente muerte) son mutuamente independientes. La siguiente transición del
estado del proceso es n→ n + 1 (un solo nacimiento) o n→ n - 1 (una sola muerte),
lo que depende de cuál de las dos variables es más pequeña.
En el caso de un sistema de colas, λ n y µn representan, respectivamente, la tasa
media de llegada y la tasa media de terminaciones de servicio, cuando hay n
clientes en el sistema. En algunos sistemas de colas, los valores de las λ n serán
las mismas para todos los valores de n, y las µn también serán las mismas para
toda n excepto para aquella n tan pequeña que el servidor este desocupado (es
decir, n = 0). Sin embargo, las λ n y las y µn también pueden variar en forma
considerable con n para algunos sistemas de colas. Por ejemplo, una de las
formas en las que λ n puede ser diferente para valores distintos de n es si los
clientes potenciales que llegan se pueden perder (rechazar la entrada al sistema)
con mayor probabilidad a medida que n aumenta. De manera similar, µn puede
ser diferente ante valores distintos de n debido a que existe una mayor
probabilidad de que los clientes renuncien (se vayan sin haber sido servidos) a
medida que aumenta el tamaño de la cola.
Distribución de llegadas:
Definir el proceso de llegada para una línea de espera implica determinar la
distribución de probabilidad para la cantidad de llegadas en un periodo dado. Para
muchas situaciones de línea de espera, cada llegada ocurre aleatoria e
independientemente de otras llegadas y no podemos predecir cuándo ocurrirá. En
tales casos, los analistas cuantitativos has encontrado que la distribución de
probabilidad de Poisson proporciona una buena descripción del patrón de
llegadas. La función de probabilidad de Poisson proporciona la probabilidad de x
llegadas en un periodo específico. La función de probabilidad es como sigue:
P(x)=µx e^- λ / x! Para x= 0, 1, 2,…
Modelo de nacimiento puro
Defina
p0 (t) = Probabilidad de que no ocurran llegadas durante un periodo de tiempo t.
Dado que el tiempo entre llegadas es exponencial y que la tasa de llegadas es
de λ clientes por unidad de tiempo, entonces:
Para un intervalo de tiempo suficientemente pequeño h > 0, tenemos:
La distribución exponencial se basa en la suposición de que durante h > 0, cuando
mucho puede ocurrir un evento (llegada). Por lo tanto, a medida que
h→ 0,p1 (h) = 1 - p0 (h)≈ λ h.
Este resultado muestra que la probabilidad de una llegada durante h es
directamente proporcional a h, con la tasa de llegadas, λ, como constante de
proporcionalidad. Para derivar la distribución de la cantidad de llegadas durante un
periodo t cuando el tiempo entre llegadas es exponencial con media 1/ λ
Defina pn(t) = Probabilidad de n llegadas durante t.
Para un h > 0 suficientemente pequeño:
En la primera ecuación habrá n llegadas durante t + h si hay n llegadas durante t y
ninguna llegada durante h, o n - 1 llegadas durante t y una llegada durante h. No
se permiten todas las demás combinaciones porque, de acuerdo con la
distribución exponencial, a lo sumo puede haber una llegada durante un periodo h
muy pequeño. La ley del producto de las probabilidades es aplicable al lado
derecho de la ecuación porque las llegadas son independientes. En cuando a la
segunda ecuación, durante t + h puede haber cero llegadas sólo si no hay
llegadas durante t y h. Reacomodando los términos y tomando los límites a
medida que h→0 para obtener la primera derivada de pn(t) con respecto a t,
tenemos:
Ésta es una distribución de Poisson con media de llegadas durante t. El resultado
anterior muestra que si el tiempo entre llegadas es exponencial con media 1/ λ,
entonces la cantidad de llegadas durante un periodo específico t es Poisson con
media λ t. Lo contrario también funciona. La siguiente tabla resume las relaciones
entre las distribuciones exponenciales y de Poisson, dada la tasa de llegadas λ.
Modelo de muerte pura
En el modelo de muerte pura, el sistema se inicia con N clientes en el instante 0,
sin llegadas nuevas permitidas. Las salidas ocurren a razón de m clientes por
unidad de tiempo. Para desarrollar las ecuaciones diferenciales de la probabilidad
pn(t) de que n clientes permanezcan después de t unidades de tiempo, seguimos
los argumentos utilizados con el modelo de nacimiento puro. Por lo tanto:
Ejemplo:
Una florería inicia cada semana con 18 docenas de rosas. En promedio, la florería
vende 3 docenas al día (una docena a la vez), pero la demanda real sigue una
distribución de Poisson. Siempre que el nivel de las existencias se reduce a 5
docenas, se coloca un nuevo pedido de 18 nuevas docenas para entrega al
principio de la siguiente semana. Debido a la naturaleza de la mercancía, las rosas
sobrantes al final de la semana se desechan. Determine lo siguiente:
(a) La probabilidad de colocar un pedido cualquier día de la semana.
(b) El promedio de rosas desechadas al final de la semana. Debido a que las
compras ocurren a razón de µ = 3 docenas por día, la probabilidad de colocar un
pedido al final del día t es
Conclusión:
En la teoría de colas, el termino nacimiento se refiere a la entrada de un nuevo
cliente, y el termino muerte se refiere a la salida del cliente servido. Esto nos sirve
para conocer cuál es la probabilidad de que ocurran nuevos nacimientos en un
determinado espacio de tiempo. Los nacimientos y muertes por lo general se dan
de manera aleatoria, y sus tasas de ocurrencia dependen del sistema.
