MODELOS POISSON Existen una gran variedad de modelos para los sistemas de colas, las dos características más importantes serán : Los tiempos de llegada.

Slides:



Advertisements
Presentaciones similares
Instituto tecnológico de Villahermosa
Advertisements

Villahermosa, Tab. 21 septiembre MATERIA: Investigacion de operaciones TEMA: Lineas de espera ALUMNOS: Maria isabel vega chanona HORA: 11:00 am a.
2.1 DEFINICIONES LINEAS DE ESPERA, CARACTERISTICAS Y SUPOSICIONES
Alicia De Gyves López Licenciatura Tecnologías de la Información y Comunicación 3º. Cuatrimestre Estadística Descriptiva Distribuciones de Probabilidad.
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
TEMA 3 : DISTRIBUCIONES DE PROBABILIDADES EN LA UNIDAD ANTERIOR ESTUDIAMOS EL CONCEPTO DE PROBABILIDAD, AQUÍ INTEGRAREMOS UN EXPERIMENTO O EXPERIENCIA.
Tarea # 2. La distribución uniforme es la que corresponde a una variable que toma todos sus valores, con igual probabilidad; el espacio muestral debe.
Distribución exponencial
MULTIVERSIDAD LATINOAMERICANA CAMPUS VERACRUZ MATEMÁTICAS Docente : José Antonio Villalobos Mendoza Probabilidad: método infalible para pronosticar en.
Modelo M/Ek/s Teoría de Colas.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
T – Student teoria de las muestras pequeñas Paola Andrea Palacio Montero Estadística.
Cadenas de Markov. Agenda 1.Problema de Inventario – Revisión periódica con demanda estocástica 2.Formulación (Matricial) de Cadenas de Markov 3.Dinámica.
TEMA 3. ESTADÍSTICA BIDIMENSIONAL. INDICE 1.- Relación estadística: correlación 2.- Diagramas de dispersión o nube de puntos 3.- Tablas de frecuencia.
Distribuciones estadísticas 1.- Variable aleatoria discreta. 2.- Función de probabilidad de variable discreta. Propiedades 3.- Parámetros en distribuciones.
DISTRIBUCIÓN NORMAL.
PPTCEG049EM32-A16V1 Distribución normal EM-32. Recordemos… -¿Cómo se calcula el valor esperado para una determinada variable aleatoria? -¿Cómo es posible.
Hay muchas situaciones practicas en las que la variable de interés para el experimento podría tener una distribución sesgada. Una familia de Funciones.
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
EQUIPO DE DOCENTES DISTRIBUCIONES DE PROBABILIDAD Variable aleatoria discreta.
1.3.1Media aritmética, geométrica y ponderada 1.3.2Mediana 1.3.2Moda Regresar.
María José Bustos Naomi Cuello Ángel Sánchez Vergara.
FUNCIONES ELEMENTALES
Valor que toma la variable aleatoria
Distribución de Poisson
VARIABLE ALEATORIA.
TEMA 6: DISTRIBUCIONES ESTADÍTISCAS
MODELOS DE FILAS DE ESPERA Y TEORIA DE COLAS
Distribuciones discretas
Modelos de una Factoría
La distribución de Poisson
METODOS PARA ANALISIS DE TALUDES
Función Logaritmo Natural f(x)=Ln(x) x= argumento o ángulo Determinar: Gráfica Tipo Creciente o decreciente Continua o discontinua Par o.
LICENCIATURA EN SISTEMAS DE COMPUTACIÓN ADMINISTRATIA TEORÍA DE MODELOS
UNIDAD 4: ESTADÍSTICA Y PROBABILIDAD
PROCESO DE NACIMIENTO Y MUERTE.
ÁRBOL LÓGICO DE FALLAS.
¿Cuándo usar esta distribución?
Modelos de Simulación.
Modelos de probabilidad Distribuciones continuas
MODELOS ESTOCÁSTICOS. A los modelos que consideran la estocasticidad del medio se les conoce como modelos estocásticos del crecimiento de la población.
CONTINUACIÓN CAPÍTULO 7
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
UN SERVIDOR, FUENTE FINITA, COLA FINITA.
“Formulación de Hipótesis Estadística”
Modulo Sea z=(a +bi) un número complejo cualquiera. Llamaremos módulo del número complejo z, al número real dado por y lo denotaremos por lzI. El módulo.
Kriging Consideremos información de determinada propiedad en el yacimiento y puntos en los cuales se tiene la estimación dea partir de los puntos.
Distribución Exponencial
GIOVANNY ANDRES ARENAS UNIVERSIDAD DE IBAGUE-COREDUCACIÓN
BIOESTADÍSTICA Variables aleatorias Facultad de Ingeniería Ambiental - UNI MSc. Beatriz Castañeda S.
El concepto de riesgo está relacionado con la posibilidad de que ocurra un evento que se traduzca en pérdidas para los participantes en los mercados financieros,
RUTAS DE TRABAJO PERT Y CPM. LAS DOS TÉCNICAS DE RUTAS DE TRABAJO AMPLIAMENTE USADAS SON: TÉCNICA DE EVALUACIÓN Y REVISIÓN DE PROGRAMAS (PERT, POR SUS.
DISTRIBUCIONES ESPECIALES ANNE YULIETH ÑUSCUA OTERO JOSÉ ALEJANDRO ESPÍNDOLA MICHEL CURSO DE PROBABILIDAD Y ESTADÍSTICA.
Distribuciones de Probabilidad DISTRIBUCIÓN BINOMIAL
Excel Estadístico Medidas de Dispersión.
ALVAREZ OCHOA DEISY NAYELI
CAUDALES. ESTADÍSTICA HIDROLÓGICA ESTADÍSTICA E N LA HIDROLOGÍA ESTADÍSTICA HIDROLÓGICA Los procesos hidrológicos varían en el espacio y en el tiempo.
Operador de Suma La Letra Griega ∑ (sigma) se usa para indicar una suma, de manera qué:
Potencias de i i0 = 1 i1 = i i2 = -1 i0 = 1 i1 = i i2 = -1 i3 =
UNIVERSIDAD LATINA DE COSTA RICA DISTRIBUCION DE POISSON
DETERMINACIÓN DE LA MUESTRA Dr. Carlos Portocarrero Ramos Dr. Ambrosio Tomás Rojas.
2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BTO A
Tamaño de muestra.
Depto. Matemáticas – IES Elaios Tema: Distribuciones de Probabilidad 2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL Presentación elaborada por el profesor.
Tema 5: Distribuciones continuas. Recordamos que una variable aleatoria continua es una variable cuyo valor no puede predecirse con exactitud (aunque.
La distribución de Weibull La distribución de Weibull es para una variable aleatoria continua que se utiliza en una variedad de situaciones. Una aplicación.
Distribución Normal. La Normal Estándar El modelo normal estándar es el de una variable aleatoria continua cuya imagen son todos los números reales.
DISTRIBUCION.
Transcripción de la presentación:

MODELOS POISSON Existen una gran variedad de modelos para los sistemas de colas, las dos características más importantes serán : Los tiempos de llegada. b) Los tiempos de servicio. En los sistemas de colas reales no es posible determinar con exactitud estos dos tiempos, es decir no son determinísticos, los más comunes son los modelos probabilísticos, donde se dan un promedio de  estos tiempos, por lo tanto tenemos que usar una distribución de probabilidad que se ajuste lo más cercano a la realidad.

Para calcular la probabilidad de cuál será el tiempo entre llegadas se utiliza la distribución exponencial, esta distribución tiene una función de densidad  de probabilidad: (densidad de probabilidad continua). Donde: T  es el tiempo entre los eventos (tiempo de llegadas o tiempo deservicio). α  es la tasa media que ocurra una llegada o servicio. Si se grafica esta distribución de probabilidad nos da lo siguiente:

La media de esta función esta dado por: La varianza de esta función es: Aquí se puede observar las siguientes propiedades de esta distribución:1) La probabilidad de que ocurra un evento siempre es positiva pero menor que 12) fT(t) es una función decreciente respecto a t, es decir es más probable que el valor de T este cercano a la media.3) La distribución de probabilidad del tiempo para que ocurra un evento, no depende del tiempo en que ocurrió el  evento anterior, es decir es independiente.