ANALISIS DE FILAS DE ESPERA

I) Mediciones necesarias para el anlisis:

1. La hora de llegada de cada usuario (cliente) al sistema.
2. La hora en que el usuario comienza a ser atendido.
3. La hora en que el usuario termina de ser atendido.
Con estos datos, se puede calcular:
4. La cantidad de usuarios por unidad de tiempo que llegan al sistema.
5. El tiempo promedio entre dos llegadas consecutivas.
6. La cantidad de usuarios atendidos por unidad de tiempo.
7. El tiempo promedio de atencin de cada usuario.
8. El tiempo en cola del usuario.
9. El tiempo en el sistema del usuario.
10. La cantidad promedio de usuarios en cola.
11. La cantidad promedio de usuarios en el sistema.

II) Registro de datos

Para determinar el comportamiento de las colas, se registran dos datos:
2.1.La cantidad de usuarios que llegan por unidad de tiempo.
2.2.El tiempo de servicio de cada usuario.
2.1. Cantidad de Usuarios que llegan por unidad de tiempo:
La cantidad de usuarios que llegan (llegadas) por unidad de tiempo es un promedio,
alrededor del cual se comporta el modelo.
a) Se establece un tiempo inicial y un tiempo final de observacin del modelo :
Tiempo total = Tiempo final - Tiempo inicial
b) Entre estos tiempos se cuenta la cantidad de llegadas
c) Se divide la cantidad de llegadas entre la diferencia de tiempos. Este promedio se
expresa en unidades de :
= Usuarios / unidad de tiempo
d) Al medir la cantidad de llegadas por unidad de tiempo, es necesario demostrar que tiene
distribucin de Poisson:

Procedimiento para realizar la Prueba de Poisson

1. Se presenta el minuto de llegada de 50 clientes:
5
95
140
147
152
165
184
191
192
226

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

El promedio de la cantidad de llegadas por unidad de tiempo es:

= 50 usuarios
= 0.0346 usuarios/minuto = 2.075 usuarios/hora
(1451 5)minutos
2. Se elige un segmento (ancho de clase) de 60 minutos como unidad. No existe un
criterio para definir el segmento. Sin embargo, como se ver en el paso 3 y 4, con 60
minutos se obtiene frecuencias con las que se puede trabajar. Si no fuera el caso, hubiera
sido necesario tantear con segmentos de 30 y 90 minutos.
3. Cantidad de llegadas (conteo) en cada segmento de tiempo:
Segmento
[0-60>
[60-120>
[120-180>
[180-240>
[240-300>
[300-360>
[360-420>
[420-480>
[480-540>
[540-600>
[600-660>
[660-720>
[720-780>

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

4. Se cuenta la frecuencia de ocurrencia de cantidad de llegadas por segmento:

Cantidad de llegadas por
segmento de 60 minutos (x)

Frecuencia con que

ocurri

0
1
2
3
4
5
6 o mas

3
9
4
4
4
1
0

5. Se calcula la frecuencia esperada con la frmula: ei = n P

P = (x, t = 60 min) = exp(-2.075) (2.075) x

x!
10
9
8

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.

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

Total tiempo entre llegadas: 1446 minutos.

= 50 clientes/1446 minutos = 0.0346 clientes/min = 2.0746 clientes/h.
intervalo
0-12
12 24
24-36
36-48
48-60
60-72
72-84
84-96
96-108
108-120
120-132
132-144
144-156
total

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

96- 108- 120- 132- 144108 120 132 144 156

7. Se mide la bondad de ajuste con la prueba Chi-cuadrado.

2.2: Tiempos de servicio: Ajuste segn la prueba Exponencial (negativa)
Al medir los tiempos de duracin del servicio, es necesario demostrar que tienen
distribucin exponencial negativa.

Procedimiento para realizar la Prueba Exponencial

1. Se presenta el tiempo de duracin en minutos de cada servicio:
13
7
32
2
6
35
8
36
89
39

49
15
5
45
16
4
4
12
8
19

13
8
16
21
32
3
72
50
5
93

El promedio del tiempo de servicio es:

10
17
14
37
15
46
5
32
6
20

19
35
3
3
2
1
5
9
71
27

1/ = (13 + 7 + ....+ 71 + 27) minutos = 1134 = 22.68 min/usuario

50 usuarios
50
Entonces, = 0.044 usuarios/ minuto = 2.64 usuario/hora.
2. Se escoge intervalos entre 0 y 93, con un ltimo intervalo que llegue hasta infinito.
Por Sturges : Intervalo = 1 + 3.32 log (50) = 6.6 = 7 intervalos.
Se escoge intervalos de 93/7 = 13.29 unidades. Dado que este es un valor referencial, se
puede usar un valor como 12.
3. Frecuencia observada de los tiempos (conteo):
Intervalo
[ 0 12>
[ 12-24>
[ 24-36>
[ 36-48>
[ 48-60>
[ 60-72>
[ 72-84>
[ 84 o mas>

Frecuencia observada

20
13
6
5
2
1
1
2

4. Clculo de las frecuencias esperadas: ei

Si : = 0.044 clientes atendidos/minuto
Por frmula, la frecuencia esperada = e i = nP
El valor de P es :
P = exp(-0.044 a) - exp(-0.044 b)
ei = 50P ; a = limite inferior de clase ; b = lmite superior de clase.

25

20

observaciones
exponencial

15

10

0
0-12

12 24

24-36

36-48

48-60

60-72

72-84

84 mas

5. Se concluye la bondad de ajuste con la prueba Chi-cuadrado

Nota: Si los datos medidos no se ajustaran a las distribuciones mencionadas, podra deberse
a que el tamao de la muestra no es lo suficientemente grande, o que simplemente no
provienen de las distribuciones Poisson o exponencial.

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

Total tiempo entre llegadas: 1446 minutos.

= 50 clientes/1446 minutos = 0.0346 clientes/min = 2.0746 clientes/h.
Seleccionamos 5 categoras para asegurar que la probabilidad de que una observacin se
encuentra en cada uno de las cinco categoras es 0.20.
Entonces: ei = 50(0.20) = 10 por categora.
La funcin acumulada de probabilidad para exponencial negativo es: F(t) = 1-e-0.0346 t
Para seleccionar las categoras se procede as:
Cat1:
Cat 2:
Cat 3:
Cat 4:
Cat 5:

0 t < m1
m1 t < m2
m2 t < m3
m3 t < m4
m4 t

Donde: F(m1) = 0.2, F(m2) = 0.4, F(m3) 0.6, F(m4) = 0.8.

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.