Este documento describe el proceso de nacimiento y muerte, el cual modela las llegadas y salidas de clientes en un sistema de colas. Se asume que los tiempos entre eventos (nacimientos y muertes) siguen distribuciones exponenciales. El estado del sistema en el tiempo t es el número de clientes N(t). El proceso de nacimiento y muerte tiene aplicaciones en demografía, teoría de colas y biología.
2. Proceso de Nacimiento y
Muerte
El proceso de nacimiento y muerte tiene
muchas aplicaciones en la demografía, teoría
de colas y biología.
En el contexto de teoría de colas, se refiere al
modelo probabilístico que describe las
llegadas (nacimientos) y salidas (muertes) de
clientes, en un sistema de colas.
El estado del sistema en el tiempo t, que se
denota N(t), es el núm e ro de clie nte s que hay
en el sistema de colas en el tiempo t.
3. Proceso de Nacimiento y
Muerte
Supuesto 1:
Dado N(t) = i , la distribución de probabilidad actual
del tiempo que falta para el próximo nacimiento
(llegada) es exponencial con parámetro λi .
Atención: λi = la tasa media de llegadas cuando hay i clientes
en el sistema
4. Proceso de Nacimiento y
Muerte
Supuesto 2:
Dado N(t) = i , la distribución de probabilidad actual
del tiempo que falta para la próxima muerte (salida)
es exponencial con parámetro µi .
Atención: µi = la tasa media de salidas cuando hay i clientes
en el sistema.
5. Proceso de Nacimiento y
Muerte
Supuesto 3.
La variable aleatoria de la suposición 1 (tie m po q ue
falta hasta e lpró xim o nacim ie nto ) y la variable
aleatoria de la suposición 2 (tie m po q ue falta hasta
la pró xim a m ue rte ) son mutuamente
independientes.
6. Proceso de Nacimiento y
Muerte
Diagrama de tasas para el proceso de
nacimiento y muerte
7. Proceso de Nacimiento y Muerte:
Ecuaciones de Balance
Ei(t) = número de veces que el proceso entra
al estado i, hasta el tiempo t.
Li(t) = número de veces que el proceso sale
del estado i, hasta el tiempo t.
8. Proceso de Nacimiento y Muerte:
Ecuaciones de Balance
|Ei(t) - Li(t) | ≤ 1
|Ei(t)/t - Li(t)/t | ≤ 1/t → 0 , cuando t → ∞
Lim t → ∞ Ei(t)/t = tasa media a la que el proceso entra al
estado i.
Lim t → ∞ Li(t)/t = tasa media a la que el proceso sale del
estado i.
9. Proceso de Nacimiento y Muerte:
Ecuaciones de Balance
Por lo tanto se tiene la ecuación de balance
para el estado i
tasa media entrada = tasa media de salida
Atención: vamos a denotar Pi a la probabilidad de que el
sistema se encuentre en el estado i (condición estado
estable)
10. Proceso de Nacimiento y Muerte:
Ecuaciones de Balance
Estado tasa entrada = tasa salida
0 µ1 P1 = λ0 P0
1 λ0 P0 + µ2 P2 = (λ1+ µ1)P1
2 λ1 P1 + µ3 P3 = (λ2+ µ2)P2
.
.
.
.
i λi-1 Pi-1 + µi+1 Pi+1 = (λi+ µi)Pi
. .
. .
11. Proceso de Nacimiento y
Muerte
Entonces Pi = CiP0 donde
1 2 0
1 1
...
1,2,...
...
i i
i
i i
C para i
λ λ λ
µ µ µ
− −
−
= =
0
0
1
i
i
P
C
∞
=
=
∑
12. Notación
Símbolo Descripción
λi Tasa de nacimientos
µi Tasa de muertes
ρ Intensidad de tráfico
i Estado
Pi Probabilidad del estado i
P0 Probabilidad del estado inicial (0)
N Número medio de clientes
T Tiempo medio de permanencia en el sistema
13. Notación
A/B/c/d/e
Donde:
A Es la distribución de tiempo entre
nacimientos;
B Es la distribución de tiempo entre muertes;
c Es el número de servidores;
d Es la capacidad de almacenaje del
sistema;
e Es la población.
19. Ejemplo M/M/1/K
DIMENSIONAMIENTO DE UN BUFFERDIMENSIONAMIENTO DE UN BUFFER
Se tienen paquetes con distribución de
tamaño exponencial de largo promedio de
1200 bits.
La línea posee una capacidad de 2400 bps
Los arribos tienen una tasa media de 1
paquete/segundo.
Se desea tener una probabilidad de bloqueo
de a lo más 0.001.
20. Ejemplo M/M/1/K
Por lo tanto la intensidad de tráfico es: ρ=0.5
La condición a satisfacer es:
001.1
001.0
5.0001.0
5.01
5.0)5.0(
001.0
1
)1(
001.0
1
1
1
≤⇒≤
−
≤
−
−
⇒≤
+
+
+
K
K
K
K
KBp
ρ
ρρ
21. Ejemplo M/M/1/K
De donde se obtiene un K de al menos 9 para que el
sistema no diverja.
¿Qué pasa si se aumenta la capacidad a 15?
Según la relación anterior, se obtiene una probabilidad
de bloqueo
5
105.1 −
⋅=Bp
29. M/M/1//H: Capacidad Infinita-Población Finita
Solución caso M/M/1//H:
( )
1
1
0
1
1
1
0 1
0
!
!
1
1
−
=
−
∞
=
−
= +
−
+=
+=
∑
∑∏
H
i
i
i
i
j j
j
iH
H
P
P
µ
λ
µ
λ
30. M/M/1//H: Capacidad Infinita-Población Finita
Solución caso M/M/1//H :
Reemplazando, Pi queda dado por:
( )
( )
≤≤
−
−
=
∑=
.,0
0,
!
!
!
!
0
eoc
Hi
iH
H
iH
H
P H
i
i
i
i
µ
λ
µ
λ
31. M/M/1//H: Capacidad Infinita-Población Finita
Una medida importante en un sistema de filas es el
número medio de clientes en el sistema, para el caso
de la M/M/1/H, está dado por la relación:
∑=
⋅=
H
i
iPiN
0
Solución caso M/M/1//H :
32. M/M/1//H: Capacidad Infinita-Población Finita
Número medio de clientes
( ) ( )
( )
0
1
0 1
0
0
! !
1
! !
!
!
H
i
i
j i
H H
i j
i
H
i
N i P
H H
N i
H j H i
H
N P i
H i
λ λ
µ µ
λ
µ
=
−
= =
=
= ×
= × + ÷ ÷
− −
= × ÷
−
∑
∑ ∑
∑
Solución caso M/M/1//H :
33. M/M/1//H: Capacidad Infinita-Población Finita
Dimensionamiento de población de un ServidorDimensionamiento de población de un Servidor
¿Cuál es la máxima población a la cual se puede
asignar a un mismo servidor de manera que
durante más del 20% del tiempo en promedio no
este atendiendo a ningún usuario? .
Datos:
La tasa media de arribos es de 4 cliente/s.
La tasa media de atenciones es de 20 cliente/s.
Ejemplo caso M/M/1//H :
34. M/M/1//H: Capacidad Infinita-Población Finita
Por lo tanto se requiere que P0 > 0.2
Ejemplo caso M/M/1//H :
( )∑= −
+
=
H
i
i
iH
H
P
1
0
!
!
1
1
µ
λ
35. De donde se obtiene un H menor o igual que 5 se
logra que el sistema cumpla con la restricción
impuesta.
M/M/1//H: Capacidad Infinita-Población Finita
Ejemplo caso M/M/1//H :
H P0
0 1
1 0,833333333
2 0,675675676
3 0,529661017
4 0,398342894
5 0,284867821
6 0,191847259
7 0,120518635
8 0,070047852
9 0,037457786
10 0,01838457
11 0,008287368
12 0,003441188
13 0,001321784
14 0,000471843
0
0.2
0.4
0.6
0.8
1
1.2
0 1 2 3 4 5 6 7 8 9 10 12 13 14 15
P(0)
H
P(0) en función de H
p(0) en función de H
36. Bibliografía
Basharin, G. (2004). Cadena de Márkov. Obtenida el 28 de enero de 2009, de
http://es.wikipedia.org/wiki/Cadena_de_M%C3%A1rkov
Bobbio, A. (2000). Birth death processes and queueing systems. Obtenida el 28 de febrero de
2009, de http://web.unipmn.it/~bobbio/DIDATTICA/MODQ/quecomp.pdf
Itô, K. (2004). Sto chastic pro ce sse s. Alemania: Springer.
Parzen, E. (1965). Sto chastic pro ce sse s . San Francisco: Holden-Day.
Proceso de nacimiento y muerte. (n.d.). Obtenida el 10 de febrero de 2009, de
are s. unim e t. e du. ve /m ate m atica/fpm i23/Te o r% EDa% 20 de % 20 Co las/Proceso% 20 de % 20 Na
cimiento% 20 y% 20 Muerte. ppt
Proceso de Poisson. (2008). Obtenida el 28 de enero de 2009, de
http://es.wikipedia.org/wiki/Proceso_de_Poisson
Proceso estacionario. (2008). Obtenida el 28 de enero de 2009, de
http://es.wikipedia.org/wiki/Proceso_estacionario
Programa universidad virtual. (2006). Obtenida el 2 de febrero de 2009, de
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060015/docs_curso/contenido html
Queueing theory basics. (2009). Obtenida el 2 de febrero de 2009, de
http://www.eventhelix.com/RealtimeMantra/CongestionControl/queueing_theory.htm
Saaty, T. L. (1961). Ele m e nts o f q ue ue ing the o ry. Nueva York: McGraw-Hill.
Takács, L. (1962). Intro ductio n to the the o ry o f q ue ue s. Nueva York: Oxford University Press.