Files
2026-1/Modelar/3.md
T
2026-04-30 20:35:00 -03:00

64 lines
2.0 KiB
Markdown

<!-- markdown-toc start - Don't edit this section. Run M-x markdown-toc-refresh-toc -->
# **Indice**
- [M/M/1/N](#mm1n)
- [Probabilidad de Bloqueo ](#probabilidad-de-bloqueo)
- [Rendimiento del sistema](#rendimiento-del-sistema)
- [Ciclo de blockeo y desblockeo](#ciclo-de-blockeo-y-desblockeo)
- [Nacimiento y muerte](#nacimiento-y-muerte)
- [Ecuacion de equilibrio ](#ecuacion-de-equilibrio)
- [Relacion recursiva ](#relacion-recursiva)
- [Analogia con sistema de naccimiento y muerte](#analogia-con-sistema-de-naccimiento-y-muerte)
<!-- markdown-toc end -->
# M/M/1/N
Es un modelo de teoría de colas con las siguientes características:
- M, llegadas con distribución de Poisson (tasa $\Lambda$)
- M, tiempos de servicio exponenciales (tasa $\mu$)
- 1, un solo servidor
- N, capacidad máxima del sistema (buffer finito)
Es un modelo de colas, que utiliza llegadas con un proceso de poisson, Maneja un solo servidor y cola unica además de tener en cuenta una disciplina FIFO. Las independecia
## Probabilidad de Bloqueo
$t = \lambda * P_s$
## Rendimiento del sistema
Intensidad de trafico:
$p = \lambda / \mu$
# Ciclo de blockeo y desblockeo
## Nacimiento y muerte
si no esta lleno el sistema los clienten entran si esta lleno se rechazan
## Ecuacion de equilibrio
Los que entran son igual que los que salen
## Relacion recursiva
La provabilidad de tener "n" clientes depende de la probabilidad de tener uno menos, porque tan rapido llegan y tan rapido se van
# Analogia con sistema de nacimiento y muerte
Un "nacimiento" representa la llegada de un cliente.
Una "muerte" representa la salida de un cliente.
# Beneficios
- Realismo
- Fleibilidad
- Analsisi de politicas
- Predicibilidad
-
# Desventajas
- Requiere una cantidad matematica compleja.
- Pide datos empiricos dificiles de obtener.
- En muchos casos no existe una solucion cerrada.
# Concluciones
Los sistemas dependen del estado
Analogia de nacimiento/muerte
Tiene una formula general $\Pi_{\pi} = [\Pi \Lambda_i / \Pi \mu_{i}]$