You are on page 1of 19

DISTRIBUCION EARLANG

La Distribución Erlang es una distribución de probabilidad continua con una


amplia aplicabilidad debido principalmente a su relación con la exponencial y la
distribución gamma dada por la suma de un número de variables aleatorias
independientes que poseen la misma distribución exponencial. La distribución
Erlang se aplica en modelos de sistemas de servicio masivo, ejemplo: En
situaciones donde el servicio tiene que realizar dos operaciones c/u con tiempo
de servicio exponencial .La distribución Erlang es el resultado del trabajo
realizado por el matemático danés Agner Krarup Erlang (1878 - 1929) quien fue
un pionero en la aplicación de métodos estadísticos para el análisis de las redes
telefónicas. La distribución se deriva del modelo el total de tiempo de espera
asociado con una cola de solicitudes en una central telefónica.
DEFINICION
 La distribución erlnag es continua de valor positivo para todos los reales
mayores a cero y esta dada por dos parámetros: k que es un entero no
negativo y la tasa 𝞴 que es un real no negativo la distribución a veces se
define con el inverso de la tasa 𝞱. Se utiliza la distribución Erlang para
describir el tiempo de espera hasta el suceso número k en un proceso de
Poisson. El parámetro de escala 𝞱 es la media de una distribución exponencial
y el parámetro de forma k es igual al numero de eventos distribuidos
exponencial mente, cuando k es igual a 1 la distribución se reduce a
exponencial.
 La distribución gamma generaliza la erlnag permitiendo a k ser un real usando
la función gamma en lugar de la función factorial.
 Debido a la función factorial en el denominador, la distribución Erlnag sólo
está definida cuando el parámetro k es un entero positivo. De hecho, esta
distribución es a veces llamada distribución Erlang -k (por ejemplo, una
distribución Erlang-2 es una distribución Erlang con k = 2).
DEFINICION

 En estadística, la distribución Erlang, es una distribución de probabilidad


continua con dos parámetros k y λ cuya función de densidad para valores x >
0 es:

 La distribución Erlang es el equivalente de la distribución gamma con el


parámetro k = 1 , 2 … y λ = 1 / θ eso es la distribución exponencial. Se utiliza
la distribución Erlang para describir el tiempo de espera hasta el suceso
número k (o n o r) en un proceso de Poisson.
 Ahora bien, si el número de eventos aleatorios independientes que ocurren en
un lapso específico es una variable de Poisson, con una frecuencia constante
de ocurrencia igual a 1/β, entonces para un α , el tiempo de espera hasta que
ocurre el α-ésimo evento de Poisson tiene una distribución de Erlang. Lo
anterior se evidencia al comparar las funciones de distribución acumulativas
de las distribuciones Poisson y Erlang. Así, siendo Fp la función de distribución
acumulada para la distribución de Poisson, tenemos:

 Con lo cual, la probabilidad de que ocurran a lo más α-1 eventos de Poisson


en un tiempo x , a una frecuencia constante 1/β , está dada por:
 Por otro lado, si se supone que el tiempo de espera sigue el modelo de Erlang, la
probabilidad de que el tiempo de espera hasta que ocurra el α-ésimo evento exceda un
lapso x específico, está determinado por :

 En otras palabras, la probabilidad de que el tiempo que transcurre hasta el α-ésimo


evento exceda el valor x es igual a la probabilidad de que el número de eventos de
Poisson observados en x no sea mayor que α-1. De esta forma, la distribución de Erlang
es el modelo para el tiempo de espera hasta que ocurre el α-ésimo evento de Poisson, y
la distribución de Poisson es el modelo para el número de eventos independientes que
ocurren en un tiempo x , encontrándose éste distribuido de acuerdo con el modelo de
Erlang. En este contexto λ=1/β, es la frecuencia constante de ocurrencia y β es el
tiempo promedio entre dos ocurrencias sucesivas.
PROPIEDADES

 FUNCION DE DISTRIBUCION:

 MOMENTOS:
 MODA:
 COEF SIMETRIIA:
 CURTOSIS:
 VARIANZA:
 ESPERANZA:
 PARAMETROS:

 FUNCION CARACTERISTICA:
CASOS DE USO
 Los tiempos de espera: los tiempos de espera entre k ocurrencias del evento
son distribuciones de erlang, la distribución de erlang que mide el tiempo
trascurrido entre la recepción de llamadas se puede utilizar en conjunción
con la duración esperada de llamadas para asi generar información sobre la
carga de trafico medido en unidades de erlang esto usado para calcular la
perdida de paquetes o retardo de acuerdo con hipótesis formuladas si las
llamadas son bloqueadas o abortadas (formula erlang B) o hasta que la cola
sirva (formula erlang C) estas formulas a un se usan para modelos de trafico
de llamadas.
Formula Erlang B

 Asume una población infinita de origen(usuarios telefonía) la cual ofrece


trafico a N servidores (como líneas) la tasa de llegada de nuevas llamadas
(tasa nacimiento) es 𝞴 y es constante ya que asume que el total de recursos
es infinito la tasa de abandono (tasa mortandad) es el numero de llamadas en
progreso dividido por h la media del tiempo de llamadas en espera la formula
calcula la probabilidad de bloqueo en una falla del sistema si un
requerimiento no es atendido inmediatamente cuando tata de utilizar un
recurso y este es abortado por tanto no son encolados el bloqueo ocurre
cuando hay requerimiento de recursos pero todos los servidores ya están
ocupados la formula asume que el bloqueo se libera inmediatamente
 Una forma de calcular la formula erlang B es:

 Donde: B es la probabilidad de bloqueo, N es el número de recursos como


servidores o circuitos en un grupo, A = λh es la cantidad de tráfico entrante
expresado en Erlangs. La fórmula Erlang B se aplica a los sistemas con
pérdidas, tales como sistemas telefónicos tanto fijos como móviles, que no
ofrecen almacenamiento de llamadas (es decir, no permiten dejar la llamada
"en espera"), y no se pretende que lo hagan.
 Se asume que las llegadas de llamadas pueden ser modeladas por un proceso
de Poisson, pero es válida para cualquier distribución estadística de tiempos
entre llamadas. Erlang B también es una herramienta para dimensionar
tráfico entre centrales de conmutación de voz .La cantidad B(N, A), como se
expresó arriba, involucra algún trabajo de cálculos numéricos y
,consecuentemente, se necesitan tablas
Formula Erlang C
 Formula Erlang C La Formula de Erlang C también asume una infinita
población de fuentes, las cuales ofrecen en conjunto, un trafico de A Erlang
hacia N servidores. Sin embargo, si todos los servidores están ocupados
cuando una petición llega de una fuente, la petición es introducida en la cola.
Un sin finde números de peticiones podrían ir a la cola en este modo
simultáneamente. Esta formula calcula la probabilidad de la cola ofrecido en
el trafico, asumiendo que las llamadas que fueron bloqueadas se quedaran en
el sistema hasta que se pueda atender. Esta formula es usada para determinar
la cantidad de agentes o representantes de clientes, que necesitará en un
[Call Center]para después saber la probabilidad en la cola.
 A es la intensidad total del trafico ofrecido en unidades de Erlangs. N es la
cantidad de servidores [numero de troncales]. PW es la probabilidad de que
un cliente tenga que esperar para ser atendido.
 Se asume que las llamadas entrantes pueden ser modeladas usando una
distribución de Poisson y que el tiempo de espera de las llamadas son
descriptas por una distribución exponencial negativa.
COMPARTIMIENTO DE MODELOS

 La distribución Erlang también se produce como una descripción de la tasa de


transición de los elementos a través de un sistema de compartimentos. Estos
sistemas son ampliamente utilizados en la biología y la ecología. Por ejemplo,
en matemáticas, epidemiología, una persona puede progresar a un ritmo
exponencial de saludable a portador y de nuevo de forma exponencial de
portador a infeccioso. La probabilidad de que un individuo infeccioso en el
momento t sería dada por la distribución Erlang con k = 2. Estos modelos
tienen la propiedad útil que la varianza en los compartimientos infecciosos es
grande. En un modelo exponencial puro la varianza es 1 / λ2 que a menudo es
demasiado pequeña.
GRAFICA FUNCION DE DISTRIBUCION
GRAFICA FUNCION DE DENSIDAD
Ejemplo

 El número de clientes, en promedio, que llegan por minuto a solicitar servicio


a un banco es de 5. ¿Cuál es la probabilidad de que dos clientes tarden de 30
a 45 segundos en llegar al banco?
 Tener en cuenta que:
 • El número de clientes por minuto que llegan a solicitar servicio a un banco
es una variable aleatoria discreta Poisson (con parámetro λ ).
 El tiempo que tarden k clientes en llegar a solicitar servicio a un banco es una
variable aleatoria continua Gamma (α= k y β=1/ λ)
 Sea x la variable aleatoria continua que representa el tiempo, en segundos,
que tardan k clientes en llegar a un banco.

 De esta manera, la probabilidad de que dos clientes tarden de 30 a 45


segundos en llegar al banco es de aproximadamente 17.56%.
Ejercicio

 A una centralista de teléfonos llegan 12 llamadas por minuto, siguiendo una


distribución de Poisson. ¿Cuál es la probabilidad de que en menos de 1 minuto
lleguen 8 llamadas?

You might also like