Professional Documents
Culture Documents
263
269
277
324
480
509
547
562
569
713
737
783
823
826
830
856
878
908
999
1020
1110
1116
1129
1138
1148
1223
1231
1244
1298
1315
1336
1346
1359
1388
1408
1423
1430
1434
1445
1451
Cantidad de llegadas
1
1
4
4
3
1
0
0
2
3
0
1
1
Segmento
[780-840>
[840-900>
[900-960>
[960-1020>
[1020-1080>
[1080-1140>
[1140-1200>
[1200-1260>
[1260-1320>
[1320-1380>
[1380-1440>
[1440-1500>
Cantidad de llegadas
4
2
1
1
1
4
1
3
2
3
5
2
0
1
2
3
4
5
6 o mas
3
9
4
4
4
1
0
observacion
Poisson
7
6
5
4
3
2
1
0
0
6. Se pueden graficar los tiempos entre llegadas y la funcin exponencial negativa para ver
el ajuste.
37
6
8
47
156
29
38
15
7
144
24
46
40
3
4
26
22
30
91
21
90
6
13
9
10
75
8
13
54
17
frecuencia
18
13
5
6
1
0
1
3
0
2
0
0
0
49
21
10
13
29
20
15
7
4
11
6
25
20
observacin
exponencial negativa
15
10
0
0-12
12
24
2436
3648
4860
6072
7284
8496
49
15
5
45
16
4
4
12
8
19
13
8
16
21
32
3
72
50
5
93
10
17
14
37
15
46
5
32
6
20
19
35
3
3
2
1
5
9
71
27
Frecuencia observada
20
13
6
5
2
1
1
2
25
20
observaciones
exponencial
15
10
0
0-12
12 24
24-36
36-48
48-60
60-72
72-84
84 mas
Prueba Chi cuadrado: Como saber si los tiempos entre llegadas y los tiempos de
servicio son exponenciales?
De que modo se puede determinar si los datos reales son consistentes con la
suposicin de tiempos entre llegadas y tiempos de servicio exponenciales?. Dada un valor
de promedio se puede intentar determinar si los tiempos entre llegadas t1, t2, t3, etc. son
consistentes con la suposicin de que los tiempos entre llegadas estn regidos por una
distribucin exponencial con tasa y densidad e- t .
La manera mas fcil de analizar esto es mediante la prueba de bondad de ajuste Chi
cuadrado con el objeto de determinar si es razonable concluir que t1, t2, tn, representa una
muestra aleatoria de una variable aleatoria con una funcin de densidad dada.
Procedimiento:
1) Se empieza por descomponer el conjunto de tiempos entre llegadas posibles en k
categoras.
2) Suponiendo que f(t) rige los tiempos entre llegadas, se determina la cantidad de las ti
que esperaramos que cayeran en la categora i. A este numero lo llamamos ei
3) Se cuentan cuantas de las ti observadas estn, en realidad, en la categora i. A este
nmero lo denominamos oi.
4) Se utiliza la siguiente formula para calcular el valor observado de la variable Chi
cuadrado:
X2(obs) = (oi-ei)2/ei
El valor de X2(obs) sigue una distribucin Chi cuadrado, con k-2 grados de libertad.
5) Si X2(obs) es pequea, es razonable suponer que las ti son muestras de una variable
aleatoria cuya funcin de densidad es f(t). Un ajuste perfecto tendra oi = ei, que da por
resultado X2(obs) = 0. Si X2(obs) es grande es razonable suponer que las ti no representan
una muestra aleatoria de una variable aleatoria cuya densidad es f(t).
6) Dado un valor de alfa (error), aceptamos el ajuste si: X2(obs) X2k-r-1.
El valor de X2k-r-1 se obtiene a partir de una tabla de distribucin Chi cuadrado. El nmero
de parmetros es r que se deben estimar para especificar la distribucin del tiempo entre
llegadas. Si los tiempos entre llegadas son exponenciales r = 1, y si siguen una distribucin
normal o Erlang r = 2.
Ejemplo:
Tiempos entre llegadas (minutos):
90
45
7
5
13
19
7
1
34
37
6
8
47
156
29
38
15
7
144
24
46
40
3
4
26
22
30
91
21
90
6
13
9
10
75
8
13
54
17
21
10
13
29
20
15
7
4
11
6
0 t < m1
m1 t < m2
m2 t < m3
m3 t < m4
m4 t
F(t) = p
p = 1-e-0.0346 t
1-e-0.0346 t = p
1-p = e-0.0346 t
Entonces despejando t, nos queda:
t = ln(1-p)/-0.0346
m1 = ln (1-0.2)/-0.0346 = 6.44
m2 = ln (1-0.4)/-0.0346 = 14.76
m3 = ln (1-0.6)/-0.0346 = 26.48
m4 = ln (1-0.8)/-0.0346 = 46.51
A partir de estos valores podemos determinar los lmites de las categoras:
Cat1:
0t<6
Cat 2:
6 t < 15
Cat 3:
15 t < 26
Cat 4:
26 t < 46
Cat 5:
46 t
Luego calculamos los oi para cada categoria:
o1= 5, o2 = 17, o3 = 9, o4 = 9, o5 = 9
Se procede a calcular chi cuadrado:
X2(obs) = (5-10)2/10 + (17-10)2/10 + (9-10)2/10 + (9-10)2/10 +(9-10)2/10 =
= 2.5 + 4.9 + 0.1+ 0.1 +0.1 = 7.7
por ultimo comparamos este valor con:
X2 k-r-1 = X2 5-1-1 = X2 3 (0.05) = 7.81 (de tabla)
Como X2(obs) X2k-r-1 entonces podemos aceptar la hiptesis de que los
tiempos entre llegadas provienen de una distribucin exponencial con la
suposicin es razonable con = 0.0346 clientes/min.