TEORÍA DE

COLAS
Introducción

2
Introducción

OTROS TIPOS DE ESPERAS

❖ Cuellos de botella en procesos de producción por
daño de equipos, maquinarias, etc.

❖ Retrasos en envíos por carga y descarga de

mercancías.
❖ Retrasos en vuelos.
❖ Retrasos en envío de información por saturación de
las redes.
❖ Esperar a que te contesten en un call center

❖ La teoría de colas es el estudio de la espera en

distintas modalidades.
❖ A los sistemas que generan colas de algún tipo se
les conoce como sistemas de líneas de espera .
❖ Para representar los sistemas de líneas de espera
se utilizan modelos de cola

3
Estructura básica de los modelos de colas

Figura. Proceso básico de colas

Fuente de entrada. Es la población potencial (o clientes) que requieren de un servicio en determinado

momento.
• Fuente finita (clientes que llegan a un banco) o infinita (llamadas a un call center)
• El número de clientes que llegan en una unidad de tiempo se modelará con una distribución de
Poisson.
• El tiempo entre llegadas sucesivas de clientes se modelará con una distribución exponencial.

4
Estructura básica de los modelos de colas

Figura. Proceso básico de colas

La cola es donde esperan los clientes antes de recibir el servicio.

• Disciplina de la cola: Se refiere a la forma como son atendidos. Por ejemplo, que sean
atendidos en orden de llegada.
• Tamaño de la cola. Finita o infinita.
• Comportamiento de la cola: Cambiarse, desistir, salirse.
Mecanismo de servicio.
• Estaciones de servicio. Con uno o más canales de servicios paralelos o servidores. Pueden haber
canales de servicio en serie.
• Tiempo de servicio. Tiempo desde el inicio del servicio en una estación para un cliente hasta su
terminación.
5
Distribución de Poisson
Una variable aleatoria discreta 𝑋 que EJEMPLO 1. En un conmutador entran en
cuenta el número de eventos que ocurren promedio 10 llamadas por minuto. Si la
en una región de tamaño unitario se puede variable aleatoria 𝑋 : número de llamadas
modelar mediante la distribución de que entran al conmutador en un minuto se
probabilidad dada por: puede modelar mediante una distribución
de Poisson.
𝑒 −𝜆 𝜆𝑥 ❖ Calcule la probabilidad que en el próximo
𝑝 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥≥0 minuto entren exactamente 7 llamadas,
𝑥!
menos de 7 llamadas, más de 7 llamadas.
que se denominada la distribución de
Poisson.
La región puede ser tiempo, longitud, área, NOTA: El valor de 𝜆 es proporcional al
volumen, lote, caja, etc. tamaño de la región.

Parámetro: 𝜆 . Representa el número

promedio de eventos en la región unitaria.
O sea 𝐸 𝑋 = 𝜆

6
Distribución de Poisson

Si generalizamos y decimos 𝑋(𝑡): es el EJEMPLO 2. En un conmutador entran en

número eventos que ocurren en una región promedio 10 llamadas por minuto. Si la
de tamaño 𝑡 La distribución de variable aleatoria 𝑋 : número de llamadas
probabilidad se puede escribir como: que entran al conmutador en un minuto se
puede modelar mediante una distribución
𝑒 −(𝜆𝑡) (𝜆𝑡)𝑥 de Poisson.
𝑝 𝑥(𝑡) = 𝑃(𝑋 𝑡 = 𝑥) = 𝑥≥0 𝑋 𝑡 contará el número de llamadas que
𝑥!
entran al conmutador en 𝑡 minutos.
𝑋(𝑡): tiene una distribución de Poisson con
parámetro 𝜆𝑡. La media sería 𝐸 𝑋(𝑡) = 𝜆𝑡 𝑒 −(10𝑡) (10𝑡)𝑥
𝜆: es el número promedio de eventos por 𝑝 𝑥(𝑡) = 𝑃(𝑋 𝑡 = 𝑥) =
𝑥!
unidad de tiempo o la tasa media a la que
ocurren los eventos. Calcule la probabilidad que en los próximos
5 minutos entren más de 40 llamadas.

7
Distribución de Poisson

Si 𝑋1 , 𝑋2 , … , 𝑋𝑛 representan 𝑛 variables EJEMPLO 3. Un estacionamiento tiene 3

independientes con distribución de Poisson entradas. El número de autos que ingresan
con parámetros 𝜆1 , 𝜆2 , … , 𝜆𝑛 por cada entrada en una hora se distribuye
respectivamente, entonces la variable Poisson. En la entrada 1 con media 4, en la
aleatoria: entrada 2 con media 2 y en la entrada 3
𝑊 = 𝑋1 + 𝑋2 + … + 𝑋𝑛 con media 5. Determine la probabilidad que
entren 15 autos al estacionamiento.
tiene una distribución de Poisson con
parámetro 𝜆1 , +𝜆2 + … + 𝜆𝑛 .

8
La distribución exponencial
Una variable 𝑋 tiene una distribución EJEMPLO 4. Se sabe que el tiempo que
exponencial si su función de densidad está espera una persona en la fila para pagar en
dada por: la caja de un supermercado tiene una
𝑓 𝑥 =ቊ𝜆𝑒 −𝜆𝑥
𝑥≥0 distribución exponencial con una media de
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 5 minutos.
❖ Calcule la probabilidad que una persona
La media está dada por: tarde más de 10 minutos en ser
1
𝐸 𝑋 = atendida por el cajero.
𝜆 ❖ Calcule la probabilidad que una persona
La función de distribución es:
tarde más de 15 minutos en ser
0 𝑥<0 atendida por el cajero, dado que ha
𝐹 𝑥 =𝑃 𝑋≤𝑥 =ቊ
1 − 𝑒 −𝜆𝑥 𝑥≥0 tardado más de 10 minutos.

𝜆
La segunda pregunta está asociada a una
propiedad de la exponencial que se
denomina falta o pérdida de la memoria
1
𝐸 𝑋 =
𝜆
9
La distribución exponencial
Propiedad de pérdida de la memoria.

𝑃 𝑋 > 𝑠 + 𝑡 ∕ 𝑋 > 𝑠 = 𝑃(𝑋 > 𝑡)

𝑃 𝑋 > 𝑠 + 𝑡, 𝑋 > 𝑠 𝑃(𝑋 > 𝑠 + 𝑡) 𝑒 −𝜆(𝑠+𝑡)

𝑃 𝑋 >𝑠+𝑡∕𝑋 >𝑠 = = = −𝜆𝑠) = 𝑒 −𝜆𝑡 = 𝑃(𝑋 > 𝑡)
𝑃(𝑋 > 𝑠) 𝑃(𝑋 > 𝑠) 𝑒

𝑠 𝑠+𝑡

10
Relación entre las distribuciones exponencial y Poisson
POISSON
𝑋(𝑡): número eventos que ocurren en una EJEMPLO 5. En el estacionamiento de un
región de tamaño 𝑡 La distribución de centro comercial entran en promedio 6
probabilidad se puede escribir como: carros por hora. Si el número de autos que
entran al estacionamiento se puede
𝑒 −(𝜆𝑡) (𝜆𝑡)𝑥 modelar con una distribución de Poisson,
𝑝 𝑥(𝑡) = 𝑃(𝑋 𝑡 = 𝑥) = 𝑥≥0
𝑥! determine la probabilidad que pasen más
de 12 minutos entre la entrada de un carro
EXPONENCIAL y el siguiente.
𝑇: tiempo entre eventos sucesivos de Poisson
−𝜆𝑡 𝑡 ≥ 0
𝑓 𝑡 = ቊ 𝜆𝑒
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

1
𝐸 𝑇 =
𝜆
Proceso de colas elemental
Características.

➢ Una sola línea de espera.

➢ Uno o más servidores en la línea de servicio.
➢ Cada cliente en la cola recibe el servicio por uno
de los servidores.

Los modelos de colas a presentar se representarán

de la siguiente manera:

Distribución de probabilidad de Distribución de probabilidad Número de

tiempos entre llegadas de tiempos de servicio servidores

Simbología:
Distribución de probabilidad de tiempos entre llegadas. Poisson (M), Normal (N), Erlang (Er),
Distribución de probabilidad de tiempos de servicio: Exponencial (M)
Número de servidores: s

Por ejemplo: El modelo M/M/1 significa tiempo entre llegadas Poisson, Tiempo de servicio
exponencial, atiende un solo servidor.
12
Terminología y notación

Estado del sistema = número de clientes en el sistema

Longitud de la cola = número de clientes que esperan servicio
Longitud de la cola = Estado del sistema-números de clientes a los que se presta servicio

𝑁(𝑡): número de clientes en el sistema de colas en el tiempo 𝑡, (𝑡 ≥ 0)

𝑠 = Número de servidores. Cantidad de recursos con los que se cuenta para dar atención
a los clientes. El número de servidores y su tasa de servicio determinan la capacidad del
sistema.

𝑃𝑛 (𝑡) = probabilidad que 𝑛 clientes estén en el sistema en el tiempo 𝑡, dado el número en

el tiempo 0
Terminología y notación
𝜆𝑛 = Tasa promedio de llegadas o número esperado de clientes que llegan al sistema en una
unidad de tiempo, cuando hay 𝑛 clientes en el sistema. (Los que llegan)

𝜇𝑛 = Tasa promedio de servicio en todo el sistema o número esperado de clientes que completan
su servicio por unidad de tiempo, cuando hay 𝑛 clientes en el sistema. (Los que salen)

Si la tasa promedio de llegadas es la misma sin importar el número de clientes en el sistema se

denota con 𝜆 .

Si la tasa promedio de servicio por servidor ocupado es la misma sin importar el número de
clientes en el sistema se denotan con 𝜇.

Tiempo esperado del servicio (𝑇𝐸𝑆): es el tiempo que toma un cliente en completar su atención.

1
𝑇𝐸𝑆 =
𝜇
Terminología y notación
Tiempo esperado entre llegadas (TEL):
1
𝑇𝐸𝐿 =
𝜆

Factor de utilización (𝜌): Es la fracción esperada de tiempo que los servidores

individuales están ocupados.
𝜆 Los que llegan
𝜌=
𝑠𝜇 Todos los que salen

Si 𝜌 = 1 los que llegan es igual a los que salen

No es deseable que 𝜌 > 1 porque se van formando cuellos de botellas.
Es deseable que 𝜌 < 1 porque la fila va decreciendo.

Entonces, para que la fila no crezca infinitamente, se debe cumplir 𝜌 < 1 o

equivalentemente:
𝜆 Ecuación de balance
𝑠>
𝜇
Terminología y notación
EJEMPLO 6. Suponga que los clientes llegan a un banco de acuerdo con una
distribución de Poisson con una media de 5 clientes por minuto. Y que cada
servidor atiende en promedio 3 clientes cada 10 minutos. Determine:
1. El tiempo esperado entre llegadas.
2. El tiempo esperado de servicio.
3. Si hay 4 cajeros determine el factor de utilización.
4. El número mínimo de cajeros para que la fila no crezca indefinidamente.
Procesos de nacimiento (llegada) y muerte (salida)
Estado del sistema en el tiempo 𝑡 está determinado por el número de clientes en el sistema
de colas.

𝑁(𝑡): número de clientes en el sistema de colas en el tiempo 𝑡, (𝑡 ≥ 0)

Supuestos.

• Dado 𝑁 𝑡 = 𝑛: la distribución de probabilidad del tiempo para la próxima llegada es

exponencial con parámetro 𝜆𝑛 . 𝑛 = 0,1, …

• Dado 𝑁 𝑡 = 𝑛: la distribución de probabilidad del tiempo para la próxima terminación

de servicio es exponencial con parámetro 𝜇𝑛 . 𝑛 = 0,1, …

• Las dos variables anteriores son independientes.

• Llega uno o sale 1 𝑛 → 𝑛 + 1 o 𝑛 → 𝑛 − 1

Principio. Tasa de entrada = Tasa de salida, para cualquier estado 𝑛 = 0,1, … del sistema
Procesos de nacimiento (llegada) y muerte (salida)

Principio. Tasa de entrada = Tasa de salida

𝜆𝑛 : Tasa media de entrada

cuando hay 𝑛 clientes en el
sistema

𝜇𝑛 : Tasa media de salida cuando

hay 𝑛 clientes en el sistema

Estado Tasa de entrada=Tasa de salida

De manera general:
0 𝜇1 𝑃1 = 𝜆𝑜 𝑃𝑜 𝜆𝑜
𝑃1 = 𝑃𝑜
𝜇1 𝜆𝑛−1 … 𝜆1 𝜆𝑜
𝑃𝑛 = 𝑃
1 𝜇2 𝑃2 = 𝜆1 𝑃1 𝜆1 𝜆𝑜 𝜇𝑛… 𝜇2 𝜇1 𝑜
𝑃2 = 𝑃
𝜇2 𝜇1 𝑜
2 𝜇3 𝑃3 = 𝜆2 𝑃2 𝜆2 𝜆1 𝜆𝑜
𝑃3 = 𝑃
𝜇3 𝜇2 𝜇1 𝑜
⋮ ⋮ ⋮
Procesos de nacimiento (llegada) y muerte (salida)

Las probabilidades de estado estable son: Para hallar 𝑃𝑜 se tiene:

∞ ∞
𝜆𝑛−1 … 𝜆1 𝜆𝑜
𝑃𝑛 = 𝑃 ෍ 𝑃𝑛 = ෍ 𝐶𝑛 𝑃𝑜 = 1
𝜇𝑛… 𝜇2 𝜇1 𝑜
Haciendo:
𝑛=0 𝑛=0

𝜆𝑛−1 …𝜆1 𝜆𝑜
𝐶𝑛 = Entonces:
𝜇𝑛… 𝜇2 𝜇1 ∞ −1

𝑃𝑜 = ෍ 𝑃𝑛
𝐶𝑜 = 1 𝑛=0
Resulta:
𝑃𝑛 = 𝐶𝑛 𝑃𝑜 para 𝑛 = 0,1, …

Y la condición:
∞

෍ 𝑃𝑛 = 1
𝑛=0
Procesos de nacimiento (llegada) y muerte (salida)

Los modelos de colas que se basan en los 𝑊𝑞 : Tiempo promedio que tarda un cliente
procedimientos de nacimiento y muerte el en la línea de espera
desempeño del sistema está basado en cuatro 𝐿𝑞 𝐿
medidas claves. 𝑊𝑞 = =
𝜆 𝜇
𝑊 :Tiempo promedio que tarda un cliente
𝐿: número esperado de clientes en el sistema. en el sistema
∞

𝐿 = ෍ 𝑛𝑃𝑛 𝐿
𝑛=0 𝑊=
𝜆
𝐿𝑞 : longitud esperada de la cola
O equivalentemente:
∞
1
𝐿𝑞 = ෍ (𝑛 − 𝑠)𝑃𝑛 𝑊 = 𝑊𝑞 +
𝜇
𝑛=0
Modelos para un solo servidor M/M/1
Supuestos:

❖ La línea de espera tiene un solo canal (𝑠 = 1)

❖ La tasa de llegadas sigue una distribución de probabilidad de Poisson, es decir los
tiempos entre llegadas son exponenciales
❖ Los tiempos de servicio siguen una distribución de probabilidad exponencial
❖ La disciplina de la cola es primero en llegar-primero en salir

𝜆𝑛 = 𝜆 para 𝑛 = 1,2, …
𝜇𝑛 = 𝜇 para 𝑛 = 1,2, …
Modelos para un solo servidor M/M/1

𝑛
𝜆 Si 𝜆 ≥ 𝜇 (tasa media de llegada mayor tasa media
𝐶𝑛 = = 𝜌𝑛 para 𝑛 = 0,1,2, … de salida) la serie diverge, la cola crece sin límite.
𝜇

−1 Si 𝜆 < 𝜇.
∞
El tiempo de espera en el sistema 𝒲 tiene una
𝑃𝑜 = ෍ 𝜌𝑛 =1−𝜌 distribución exponencial con parámetro 𝜇(1 − 𝜌), se
𝑛=0 toma:
1 1
𝑊=𝐸 𝒲 = =
𝑃𝑛 = 𝜌𝑛 𝑃𝑜 = 1 − 𝜌 𝜌𝑛 , 𝑛≥1 𝜇(1 − 𝜌) 𝜇 − 𝜆

∞
𝜆 Y si es exponencial:
𝑛
𝐿 = ෍ 𝑛(1 − 𝜌)𝜌 =
𝜇−𝜆 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇 1−𝜌 𝑡
para 𝑡 ≥ 0
𝑛=0

∞
𝜆2
𝐿𝑞 = ෍ (𝑛 − 1)𝑃𝑛 =
𝜇(𝜇 − 𝜆)
𝑛=0
Modelos para un solo servidor M/M/1

Si 𝜆 < 𝜇.
Las probabilidades asociadas al tiempo de
espera en la cola 𝒲𝑞 se calculan como: La probabilidad que la cola no está vacía:
2
𝜆
𝑃 𝑛>1 =
𝑃 𝒲𝑞 > 𝑡 = 𝜌𝑒 −𝜇 1−𝜌 𝑡
para 𝑡 ≥ 0 𝜇
La probabilidad que el número de clientes, n en el
Y 𝑊𝑞 = 𝐸 𝒲𝑞 se calcula despejando de: sistema exceda un número dado k.
𝑘
𝜆
1 𝐿 𝑃 𝑛≥𝑘 =
𝑊 = 𝑊𝑞 + o también 𝑊 = 𝜇
𝜇 𝜆 La longitud esperada de la cola no vacía:

Se obtiene: 𝜇
𝜆 𝐿𝑞 𝐿𝑠 =
𝜇−𝜆
𝑊𝑞 = 𝐸 𝒲𝑞 = o también 𝑊𝑞 =
𝜇(𝜇 − 𝜆) 𝜆
Modelo para un solo servidor M/M/1

EJEMPLO 7. La sala de urgencias del HOSPITAL GENERAL proporciona cuidados médicos rápidos
a los casos de emergencia que llegan en ambulancia o vehículos particulares. En todo momento se
cuenta con un médico de guardia. En los último tiempos ha ido aumentando el número de urgencias
que llegan y por tanto a los pacientes les toca esperar turno para recibir el tratamiento del
médico.
Se ha presentado una propuesta para asignar un segundo médico para que se puedan atender dos
casos de emergencia al mismo tiempo. Un ingeniero reunió datos históricos y realizó una
proyección. De los datos se encontró que la sala de urgencias es un sistema de líneas de espera y
aplicó varios modelos de teoría de colas para predecir las características de la espera en el
sistema con uno y dos médicos. El ingeniero concluyó que los casos de emergencia llegan casi de
manera aleatoria (proceso de entrada de Poisson), por lo que los tiempos entre llegadas tienen una
distribución exponencial. También llegó a la conclusión de que el tiempo que necesita un médico
para atender a los pacientes sigue aproximadamente una distribución exponencial. Con base en
este contexto, eligió el modelo M/M/s para hacer un estudio preliminar de este sistema de colas.
Al proyectar los datos disponibles del turno de la tarde al año próximo, estima que los pacientes
llegarán a una tasa promedio de uno cada media hora. Un médico requiere un promedio de 20
minutos para atender al paciente.
Modelo para s servidores M/M/s
Supuestos:
Si 𝜆 < 𝑠𝜇.
❖ La línea de espera tiene dos o más canales
❖ Las llegadas siguen una distribución de 1 𝜆 𝐿
𝑃𝑜 = 𝐿 = 𝐿𝑞 + 𝑊=
probabilidad de Poisson 𝜆 𝑛 𝜆 𝑠 𝜇 𝜆
❖ Los tiempos de servicio de cada canal 𝜇 𝜇 1
siguen una distribución de probabilidad σ𝑠−1
𝑛=0 +
𝑛! 𝑠! 𝜆 NOTA. Si 𝜆 ≥ 𝑠𝜇, la
exponencial 1 − 𝑠𝜇
cola crece sin límites y
❖ La disciplina de la cola es primero en llegar,
𝜆 𝑛 las ecuaciones de
primero en salir.
𝜇 estado estable
❖ Las unidades esperan en una sola cola y 𝑃𝑜 𝑆𝑖 𝑛 ≤ 𝑠
𝑛! anteriores no se
entonces pasan al primer canal abierto 𝑃𝑛 =
𝜆 𝑛 pueden aplicar.
Para sistemas con más de un servidor las 𝜇
𝑃 𝑆𝑖 𝑛>𝑠
ecuaciones se convierten en: 𝑠! 𝑠 𝑛−𝑠 𝑜 EJEMPLO 8. Para el
ejemplo del hospital
𝜆 𝑠
realice los cálculos para
𝜆 𝑛 𝜇 𝜇𝜆
𝜇 𝐿𝑞 = 𝑃 dos médicos y
𝑠 − 1 ! (𝑠𝜇 − 𝜆)2 0
𝑛!
𝑃𝑎𝑟𝑎 𝑛 = 1,2, … , 𝑠 determine qué es lo
𝐶𝑛 = 𝐿𝑞 más adecuado para el
𝜆 𝑛 𝑊𝑞 =
𝜇 𝜆 hospital.
𝑃𝑎𝑟𝑎 𝑛 = 𝑠, 𝑠 + 1 … ,
𝑠! 𝑠 𝑛−𝑠
Diseño de un sistema de colas
El diseño de sistemas de cola o filas de Los factores a tener en cuenta en el diseño
espera está determinado por algunos le apuntan a dos consideraciones:
factores, entre estos:
1. El costo en que se incurre al prestar el
❖ Número de servidores en cada servicio.
instalación de servicio. 2. Las consecuencias de hacer que los
❖ Eficiencia de los servidores. clientes esperen.
❖ Número de instalaciones de servicio.
Menos Mayores
❖ Cantidad de espacio para espera en la esperas costos
cola.
❖ Algunas prioridades para diferentes Menores Mayores
categorías de clientes. costos esperas

Se debe buscar el equilibrio entre

costos y nivel de servicio
Diseño de un sistema de colas
Enfoques para buscar el equilibrio EJEMPLO 9. De estudios previos se ha
encontrado que un modelo de colas es apropiado
1. Establecer criterios para lograr un nivel para analizar el comportamiento de llamadas a una
satisfactorio de servicio ¿cuánta espera estación telefónica de solicitud de citas médicas.
sería aceptable? La tasa de llegada de llamadas fue medida en 25
✓ Establecer un tiempo máximo de espera. por hora, en promedio, mientras que el tiempo de
✓ Establecer un número máximo de servicio fue en promedio de 2 minutos.
clientes en cola. ➢ ¿Cuál será el número de servidores que hay que
✓ Establecer un porcentaje de clientes prever de tal manera que la probabilidad de
que deban esperar un tiempo máximo. esperar para un usuario, sea inferior a 0.1?
✓ Atender en un número máximo de ➢ ¿Cuál sería el tiempo de espera promedio?
tiempo.
2. Minimización del costo total esperado
(incluye costo de servicio y costo de Nota. El cliente tendrá que esperar
esperar) siempre que 𝑛 ≥ 𝑠
𝜆 𝑠
𝜇 𝑠𝜇
𝑃 𝑛≥𝑠 = 𝑃
𝑠! (𝑠𝜇 − 𝜆) 0
 Diseño de un sistema de colas basado en
minimización de costos
𝐸(𝐶𝑇):Costo promedio total por unidad de tiempo.
𝐸(𝐶𝑆): Costo promedio de servicio por unidad de Costo de servicio
tiempo.
𝐸(𝐶𝑊): Costo promedio de espera por unidad de
tiempo.
Objetivo: Determinar el número de servidores 𝑠
que minimicen 𝐸 𝐶𝑇 .
Costo de Número óptimo
esperar de servidores
𝐸 𝐶𝑇 = 𝐸 𝐶𝑊 + 𝐸(𝐶𝑆)

𝐸 𝐶𝑇 = 𝐿𝐶𝑤 + 𝐶𝑠 𝑠
Número de servidores

𝐶𝑤 = costo de espera por período de cada unidad

𝐶𝑠 = costo de servicio por período de cada servidor

28
 Diseño de un sistema de colas basado en
minimización de costos
𝐸 𝐶𝑇 = 𝐿𝐶𝑤 + 𝐶𝑠 𝑠 EJEMPLO 10. Un laboratorio oncológico que realiza
estudios de biopsia debe entregar los resultados en el
𝐶𝑤 = costo de espera por período de menor tiempo posible, para dar un diagnóstico rápido al
cada unidad. paciente e iniciar el tratamiento correspondiente.
𝐶𝑠 = costo de servicio por período Por tal motivo, el laboratorio desea realizar un estudio
de cada servidor. de colas para reducir el tiempo de espera de Los
resultados de las biopsias.
𝜆 𝑠 Suponga que se ha estudiado el proceso y que se ha
𝜇 𝜇𝜆 llegado a la conclusión de que se puede procesar en
𝐿𝑞 = 𝑃
𝑠 − 1 ! (𝑠𝜇 − 𝜆)2 0 promedio 14 pruebas por día. Además, se ha concluido
que las llegadas se distribuyen Poisson con un promedio
𝜆 de 5 pruebas por día.
𝐿 = 𝐿𝑞 + Suponga que cada día que no se haya entregado el
𝜇 resultado le cuesta $80.000 al laboratorio y el costo por
realizar la biopsia es de $50.000. El laboratorio trabaja
las 24 horas del día. Encuentre el número de servidores
(equipos y/o especialistas) que necesita el laboratorio a
fin de minimizar el costo total diario.
29
EJERCICIOS
EJERCICIO 1. Un reparador de equipo electrónico encuentra que el tiempo que dedica en reparar
cierto tipo de equipo tiene una distribución exponencial con una media de 30 minutos. Si repara los
equipos en el orden en que llegaron y si la llegada de los mismos sigue una distribución de Poisson con
una tasa promedio aproximada de 10 por día de 8 horas, ¿cuál es el tiempo de inactividad esperado del
reparador cada día? ¿Cuántos equipos en promedio estarán esperando en el sistema?
puestos de trabajo están por delante del conjunto promedio que se acaba de traer?

EJERCICIO 2. Una empresa de servicios públicos tiene 4 asesores en su oficina encargadas de recibir
a los clientes que tienen problemas y quejas sobre el servicio recibido. En un día de trabajo de 8 horas
llegan en promedio 80 personas a la oficina. Cada asesor dedica una cantidad irregular de tiempo a
atender a los clientes. Se ha encontrado que este tiempo tiene una distribución exponencial con un
tiempo promedio de servicio de 20 minutos.
Calcule:
1. la cantidad promedio de clientes en el sistema,
2. la cantidad promedio de clientes que esperan ser atendidos,
3. el tiempo promedio que un cliente pasa en el sistema
4. el tiempo promedio de espera de un cliente.
5. ¿Cuántas horas a la semana dedica un asesor a realizar su trabajo?.
6. ¿Cuál es la probabilidad de que un cliente tenga que esperar antes de recibir el servicio?
7. ¿Cuál es el número esperado de asesores desocupados en cualquier momento específico?
 Modelo M/M/1/K
➢ Este modelo se basa en todos los supuestos del Modelo M/M/1.
➢ Hay un límite en la capacidad del sistema. Se pueden acomodar máximo a K clientes.
➢ Cuando se alcance el máximo de K clientes, no se permitirá el ingreso de ningún cliente
adicional al sistema.
➢ Las colas finitas surgen generalmente por restricciones físicas.

𝑛
𝜆 (1 − 𝜌)𝜌𝑛 NOTA. Los resultados
𝐶𝑛 = ൞ 𝜇 = 𝜌𝑛 𝑃𝑎𝑟𝑎 𝑛 ≤ 𝐾 𝑃𝑎𝑟𝑎 𝜌 ≠ 1, 𝑛 ≤ K
1 − 𝜌𝐾+1 anteriores no exigen
𝑃𝑛 = que 𝜆 < 𝜇 o
0 𝑃𝑎𝑟𝑎 𝑛 > 𝐾 1
𝑃𝑎𝑟𝑎 𝜌 = 1, 𝑛 ≤ 𝐾 equivalentemente que
𝐾+1 𝜌 < 1debido a la
1−𝜌 capacidad limitada del
𝑃𝑎𝑟𝑎 𝜌 ≠ 1, 𝑛 ≤ 𝐾 sistema.
1 − 𝜌𝐾+1 𝜌 𝐾 + 1 𝜌𝐾+1
𝑃𝑜 = − 𝑃𝑎𝑟𝑎 𝜌 ≠ 1,
1 1 − 𝜌 1 − 𝜌 𝐾+1
𝑃𝑎𝑟𝑎 𝜌 = 1 𝐿=
𝐾+1 𝐾
𝑃𝑎𝑟𝑎 𝜌 = 1
2
Modelo M/M/1/K

la tasa efectiva de llegada 𝜆𝑒 . Los tiempos promedio de espera en el sistema

∞ 𝐾−1 𝑊 y en la cola 𝑊𝑞 están dados por:
𝜆𝑒 = ෍ 𝜆𝑛 𝑃𝑛 = ෍ 𝜆𝑃𝑛 = 𝜆(1 − 𝑃𝐾 )
𝑛=0 𝑛=0 𝐿 𝐿𝑞
𝑊= , 𝑊𝑞 =
𝜆𝑒 𝜆𝑒
Intensidad efectiva de tráfico:
𝜆𝑒
𝜌𝑒 = Clientes potenciales perdidos (tiempo durante el cual
𝜇 el sistema está ocupado)
𝑃𝐾 = 𝑃𝑜 𝜌𝐾
Número promedio de clientes en la
cola:
𝐿𝑞 = 𝐿 − (1 − 𝑃𝑜 )
Modelo M/M/1/K
EJEMPLO 11. En una pequeña peluquería llegan en promedio 3 personas por hora para solicitar un
servicio. La peluquería tiene disponible sólo tres puestos de atención. La dueña del negocio es la
única que atiende y tarda en promedio 15 minutos en realizar un servicio. Si la tasa de llegada se
modela Poisson y el tiempo de atención se considera exponencial.
Determine la distribución de probabilidad de estado estacionario del número de clientes que
llegan a la peluquería.
1. El número esperado de clientes en la peluquería.
2. El número esperado de clientes que esperan para ser atendidos.
3. Tiempo esperado de un cliente en la peluquería.
4. Tiempo que espera un cliente para ser atendido.
5. Número de clientes potenciales perdidos.
6. La tasa efectiva de llegada.
7. Intensidad efectiva de tráfico
Modelo M/M/s/K
➢ Este modelo se basa en todos los
supuestos del Modelo M/M/1.
➢ Hay un límite en la capacidad del sistema. 𝜆 𝑛
𝜇
Se pueden acomodar máximo a K clientes. 𝑃 1≤𝑛≤𝑠
➢ Cuando se alcance el máximo de K clientes, 𝑛! 𝑜
no se permitirá el ingreso de ningún cliente
𝑃𝑛 = 𝜆 𝑛
𝜇
adicional al sistema. 𝑃 𝑠<𝑛≤𝐾
➢ Ejemplos. 𝑠! 𝑠 𝑛−𝑠 𝑜
0 𝑃𝑎𝑟𝑎 𝑛 > 𝐾
• El área de estacionamiento una vez
llena a su capacidad, da la vuelta a los −1
vehículos que llegan. 𝜆 𝑛
𝑠−1 𝜆 𝑠 𝐾−𝑠 𝑛
𝜇 𝜇 𝜆
• En una instalación de producción, Si la 𝑃𝑜 = ෍ + ෍
producción es por etapas. 𝑛! 𝑠! 𝑠𝜇
𝑛=0 𝑛=0
Modelo M/M/s/K
La tasa efectiva de llegada 𝜆𝑒 = 𝜆 1 − 𝑃𝐾 Observación:
Si no se permite hacer cola, entonces 𝑛 ≤ 𝑠. Entonces:
Intensidad efectiva de tráfico: 𝜆 𝑛 𝜆 𝑛 −1
𝑠
𝜆𝑒 𝜇 𝜇
𝜌𝑒 = 𝑃𝑛 = 𝑃𝑜 donde 𝑃𝑜 = ෍
𝜇 𝑛! 𝑛!
La fracción del tiempo que el servidor está 𝑛=0

desocupado:
𝜌𝑒 𝐿𝑞 = 𝑊𝑞 = 0
1−
𝑠 La fracción de pérdida de clientes potenciales:
𝑠 𝑠
𝜆
𝑃0 𝜇 𝜌 1 𝜆
𝐿𝑞 = 1 − 𝜌𝐾−𝑠 − (𝐾 − 𝑠)𝜌𝐾−𝑠 (1 − 𝜌) 𝑃𝑠 = 𝑃𝑜
𝑠!(1−𝜌)2 𝑠! 𝜇
La tasa de llegada efectiva: 𝜆𝑒 = 𝜆 1 − 𝑃𝑠
Para 𝐿𝑞 se tiene en cuenta que 𝜌 = 𝜆Τ𝑠𝜇 𝐿
El tiempo promedio de espera en el sistema: 𝑊 = 𝜇
El número esperado de clientes en el sistema 𝐿 = 𝜆𝑊.
𝐿 = 𝐿𝑞 + 𝜌𝑒 𝜌
La fracción de tiempo desocupado por servidor : 1 − 𝑠𝑒
𝐿𝑞 𝐿
𝑊𝑞 = , 𝑊=
𝜆𝑒 𝜆𝑒
Modelo M/M/s/K
EJEMPLO 12. Una estación de lavado de carros tiene tres lavaderos disponibles. La estación
puede acomodar cuatro autos esperando (siete en la estación) a la vez. El patrón de llegada es
Poisson con una media de un carro cada minuto durante las horas pico. El tiempo de servicio es
Exponencial con una media de 6 minutos durante las horas pico. Encuentre:
1. El número promedio de clientes en cola durante las horas pico.
2. El número promedio de clientes en la estación durante las horas pico.
3. El tiempo promedio de espera en la estación.
4. El número promedio de carros por hora que no pueden ingresar a la estación debido a la
capacidad completa.
EJERCICIOS

EJERCICIO 3. La oficina de bienestar estudiantil de la Universidad tiene 3 asesores. La

oficina puede atender cada día 20 estudiantes durante las 8 horas laborales. La tasa de
llegada es Poisson con una media de 5 estudiantes por hora. El tiempo de atención de los
asesores es exponencial con una promedio de 30 minutos. Encuentre:
1. El número promedio de estudiantes esperando.
2. El número promedio de clientes en la oficina de asesoría.
3. El tiempo promedio de espera en la oficina de asesoría.
4. El número promedio de estudiantes que quedarían sin ser atendidos.

EJERCICIO 4. Una compañía de seguros tiene tres asesores para casos de reclamos en su sucursal. Se
encuentra que las personas con reclamos llegan en forma de Poisson, a una tasa promedio de 20 por día
de 8 horas. Se encuentra que la cantidad de tiempo que un asesor pasa con un reclamante tiene una
distribución exponencial con un tiempo medio de servicio de 40 minutos. Los reclamantes se procesan en
el orden de su aparición.
1. Si los asesores trabajan 5 días a la semana ¿Cuántas horas semanales puede esperar pasar un asesor
con los reclamantes?
2. ¿Cuánto tiempo, en promedio, pasa un reclamante en la sucursal?
EJERCICIOS
EJERCICIO 5. Un supermercado tiene dos vendedoras en los mostradores de venta. Si el tiempo
de servicio para cada cliente es exponencial con una media de 4 minutos, y si las personas llegan
en forma de Poisson a razón de 10 por hora, calcule:
1. La probabilidad de que un cliente tenga que esperar para ser atendido
2. El porcentaje esperado de tiempo de inactividad para cada vendedora
3. Si un cliente tiene que esperar, ¿cuál es su tiempo promedio de espera?

EJERCICIO 6. Un banco tiene dos cajeros trabajando en las cuentas de ahorro. El primer cajero
solo maneja retiros. El segundo cajero solo maneja depósitos. Se ha encontrado que la
distribución del tiempo de servicio para los depósitos y retiros, ambos, son exponenciales con un
tiempo medio de servicio de 3 minutos por cliente. Se encuentra que los depositantes llegan en
forma de Poisson a lo largo del día con una tasa media de llegada de 16 por hora. Los que se
retiran también llegan en forma de Poisson con una tasa media de llegada de 14 por hora.
1. ¿Cuál sería el efecto sobre el tiempo de espera promedio para los depositantes y los retiros si
cada cajero pudiera manejar tanto los retiros como los depósitos?
2. ¿Cuál sería el efecto si esto solo pudiera lograrse aumentando el tiempo de servicio a 3,5
minutos?
Uso de la distribución de Erlang
Una variable aleatoria continua 𝑋 tiene Relación entre Poisson-Exponencial-Erlang
una distribución de Erlang si su
distribución de probabilidad está dada
por:
𝜇𝑡 𝑘−1
𝑓 𝑡 = 𝜇𝑒 −𝜇𝑡 𝑡, 𝜇 ≥ 0
𝑘−1 !
𝑋: número de sucesos de Poisson por unidad de tiempo
𝐸 𝑋 =𝜇
Su función de distribución está dada
𝜇: número promedio de sucesos de Poisson por unidad de tiempo
por:
𝑘−1

𝐹 𝑡 = 𝑃(𝑇 ≤ 𝑡) = 1 − ෍ 𝑒 −𝜇𝑡 𝜇𝑡 𝑥 Τ𝑥 ! 𝑌: tiempo entre eventos sucesivos de Poisson

1
𝑥=0 𝑌 es Exponencial con media 𝐸 𝑌 = 𝜇
1
: tiempo promedio entre eventos sucesivos de Poisson.
Su media y varianza están dadas por: 𝜇

𝑘 𝑘 𝑇: tiempo entre 𝑘 eventos de Poisson

𝐸 𝑇 = , 𝑉 𝑇 = 2 𝑘
𝜇 𝜇 𝑇 es Erlang con media 𝐸 𝑇 = 𝜇

NOTA. Una Erlang es la suma de

Exponenciales independientes
Uso de la distribución de Erlang
OBSERVACIONES.
O también:
𝑘−1
Observación 1. Una distribución de Erlang es un caso
particular de la distribución Gamma. 𝑃(𝑇 > 𝑡) = ෍ 𝑒 −𝜇𝑡 𝜇𝑡 𝑥 Τ𝑥 !
𝑥=0

La distribución de probabilidad para la Gamma es:

𝑡 Apoyarse en la distribución Poisson con media
−
𝑡 α−1 𝑒 𝛽 𝜇𝑡 o en la distribución Gamma con:
𝑓 𝑡 = 𝑡, 𝛽 ≥ 0 𝛼=𝑘
𝛽 𝛼 Γ(𝛼)
1
𝛽=
Cuando 𝛼 es entero no negativo se obtiene la Erlang. 𝜇
Observación 2. El valor más frecuente en una
Para el calculo de probabilidades se puede usar la distribución de Erlang es la moda que está dada
expresión: por:
𝑘−1 𝑘−1
𝑀𝑜𝑑𝑎 =
𝐹 𝑡 = 𝑃(𝑇 ≤ 𝑡) = 1 − ෍ 𝑒 −𝜇𝑡 𝜇𝑡 𝑥 Τ𝑥 ! 𝑘𝜇
𝑥=0
Uso de la distribución de Erlang

EJEMPLO 13. Usted ha llegado a una tienda de autoservicio con un solo cajero. Suponga que en
promedio llegan nueve clientes cada 5 minutos mediante una distribución de Poisson y que el
tiempo de atención del cajero es Exponencial y puede atender a 10 en 5 minutos. Si hay
suficiente espacio para que todos los que llegan hagan cola, encontrar:
1. Número promedio de clientes en el autoservicio.
2. Probabilidad de tener por lo menos 10 clientes en el sistema.
3. Probabilidad de que un cliente esté más de 5 minutos en el autoservicio.
4. Probabilidad de que un cliente tenga que hacer cola por más de 5 minutos.
5. Si usted está de tercero en la cola determine la probabilidad que tenga que esperar más de
5 minutos.
6. Si el servicio puede acelerarse hasta 12 en 5 minutos usando una caja registradora
diferente, ¿cuál será el cambio en cada uno de los incisos anteriores?
Modelo M/Ek/1
Supuestos.
➢ Este modelo consta de un solo canal de servicio en el que hay 𝑘 etapas o fases en serie para los
servicios.
➢ La distribución del tiempo total de atención de un cliente en el sistema es la distribución
combinada del tiempo en todas estas fases.
➢ Cada cliente es atendido en 𝑘 −fases una a una y debe completarlas todas antes de empezar con
un nuevo cliente.
➢ Cada llegada aumenta el número de fases en 𝑘 en el sistema.
➢ Si hay 𝑚 clientes esperando en la cola y un cliente ya está en servicio en la fase 𝑠 entonces el
número total de fases en el sistema (en espera y en servicio) será 𝑛 = 𝑚𝑘 + 𝑠

Sistema de colas

Clientes en cola Instalaciones de servicio

Clientes servidos

K fases de servicio
Modelo M/Ek/1
El tiempo total 𝑇 que tarda un cliente en Medidas de desempeño para el modelo.
ser servido tiene una distribución de
probabilidad Erlang con función de El número promedio de fases activas en el sistema:
𝑘+1 𝜆
densidad: 𝐿𝑞 (𝑘) =
2𝜇 (𝜇 − 𝜆)
𝜇𝑡 𝑘−1
𝑓 𝑡 = 𝜇𝑒 −𝜇𝑡
𝑡, 𝜇 ≥ 0 El número esperado de clientes en la cola:
𝑘−1 !
𝑘+1 𝜆2
𝐿𝑞 =
𝜇 : número promedio de clientes que 2𝑘 𝜇(𝜇 − 𝜆)
completan el servicio por unidad de
tiempo. El tiempo promedio de espera de un cliente en la cola
𝑘 : entero positivo. 𝐿𝑞
𝑊𝑞 =
𝜆
El tiempo promedio de atención por cliente
será: El tiempo promedio de espera de un cliente en el sistema.
𝑘 1
𝐸 𝑇 = 𝑊 = 𝑊𝑞 +
𝜇 𝜇
El número esperado de clientes en el sistema.
𝐿 = 𝜆𝑊
Modelo M/Ek/1
EJEMPLO 14 En la cafetería de una fábrica los empleados tienen que pasar por tres
mostradores. Los empleados compran cupones en el primer mostrador, seleccionan y recogen
los alimentos en el segundo mostrador y recogen la bebida en el tercer mostrador. En cada
mostrador se tarda, en promedio, 1,5 minutos en atender un empleado. Los empleados llegan a
la cafetería según una distribución de Poisson a una tasa promedio de 6 empleados por hora.
Calcular:
1. El número promedio de mostradores activos en la cafetería.
2. El número esperado de empleados en la cola.
3. El tiempo promedio que un cliente espera en la cola.
4. El tiempo promedio que un cliente pasa esperando en la cafetería.
5. El número esperado de clientes en la cafetería.
EJERCICIOS
EJERCICIO 7. La clínica de un hospital tiene un médico que examina a cada paciente que ingresa
para un chequeo general. El paciente debe pasar por cuatro etapas de revisión. Cada etapa tiene
un tiempo de revisión que se considera exponencial con media de 4 minutos. Las llegadas de los
pacientes al consultorio del médico son aproximadamente de Poisson a razón de tres pacientes
por hora.
1. ¿Cuál es el tiempo promedio que un paciente pasa en el consultorio del médico?
2. ¿Cuál es el tiempo promedio que un paciente espera para ser atendido?
3. ¿Cuál es el tiempo más probable empleado para examinar a un paciente?

EJERCICIO 8 Los camioneros que llegan para descargar materiales plásticos para reciclar
actualmente tienen que esperar un promedio de 15 minutos antes de descargar sus camiones. El
costo del tiempo perdido por el conductor y el camión mientras están en la cola se valora en
$50.000 por hora. Se desea instalar un nuevo dispositivo para procesar las cargas de camiones a
una velocidad constante de 10 camiones por hora a un costo de $2000 pesos por camión descargado.
Si los camiones llegan de acuerdo con una distribución de Poisson a una tasa promedio de 8 por hora.
¿Considera usted que debe instalarse el nuevo dispositivo?
EJERCICIOS

EJERCICIO 9. Una ferretería tiene solo un punto de carga y es atendido por tres empleados.
Los camiones llegan al punto de carga mediante una distribución de Poisson a una tasa promedio
de 4 camiones por hora. La carga de un camión tarda 10 minutos en promedio y se puede
suponer que se distribuye exponencialmente.
El costo de operación de un camión es de $20.000 por hora y los miembros del equipo de carga
reciben un pago de $8.000 cada uno por hora. ¿Sería recomendable colocar tres empleados
adicionales al punto de carga?
Gracias