Colas

Pablo Serrano Yáñez-Mingot, José Alberto Hernández Gutiérrez
Una introducción amable a la teoría de colas

Copyright © 2018 Pablo Serrano Yáñez-Mingot, José Alberto Hernández Gutiérrez
Contenido
Repaso de estadística y probabilidad 5

Estadística descriptiva 5
Definición de probabilidad 9
Probabilidad condicionada 11
Propiedades de la probabilidad 14
Momentos y esperanzas 16
Distribuciones de probabilidad discretas 19
Variables aleatorias continuas 22
Correspondencias entre probabilidad discreta y continua 24
Problemas 29
La variable aleatoria exponencial 33

Definición y caracterización básica 33
La propiedad “sin memoria” de la variable aleatoria exponencial 36
Análisis de múltiples variables aleatorias exponenciales 40
Resumen del tema 44
Problemas 45
Procesos de Poisson 49
Procesos de conteo 49
Primera definición 50
Análisis en tiempo del proceso de Poisson 53
Propiedades de los procesos de Poisson 55
Tercera definición de un proceso de Poisson 62
Teorema de Palm-Khintchine 68
Resumen del tema 69
Problemas 71
4
Cadenas de Markov de tiempo discreto 73

Definición 74
Comunicación entre estados 79
Evolución en el tiempo de una cadena 83
Distribuciones de estado estacionarias 91
Resumen del tema 99
Problemas 101
Cadenas de Markov de tiempo continuo 105

Definición 106
Evolución en el tiempo de la cadena 110
Cálculo de la distribución de estado estacionaria 117
Resumen del tema 120
Problemas 121
Teoría de colas: sistemas básicos 127

Definición 127
Teorema de Little 131
El sistema M/M/1 135
El sistema M/M/m 142
Sistemas con capacidad finita: sistemas con rechazo 149
El sistema M/M/1/K 151
El sistema M/M/m/m 154
Problemas 157
Teoría de colas: sistemas avanzados 161

El sistema M/G/1 161
El sistema M/G/1 con prioridades 168
Redes de colas 171
Modelado de redes de comunicaciones 180
Problemas 185
Una introducción amable
a la teoría de colas
P. Serrano, J. A. Hernández
Repaso de estadística y probabilidad
Se dice que el tratamiento moderno de la probabilidad nace

cuando Antoine Gombaud, conocido como Caballero de Méré planteó
a Blaise Pascal el siguiente problema: “¿Qué es más probable, sacar
al menos un seis en cuatro tiradas de un dado, o sacar al menos un
doble seis en veinticuatro tiradas de dos dados?” La motivación del
problema es que De Méré era un gran aficionado a las apuestas, y
dadas unas posibilidades para apostar, deseaba saber las ganancias
esperables con cada una antes de escoger la mejor opción.1 1
Su razonamiento (incorrecto) era el
En el contexto del problema planteado se pueden realizar (al siguiente: en el primer caso, la proba-
bilidad de un seis es de 1/6, por lo que
menos) dos tipos de análisis en cuatro tiradas la probabilidad será
de 4×1/6, esto es, 2/3. En el segundo
Describir cuantitativamente el comportamiento de un dado, caso, la probabilidad de un doble seis
es de 1/36, por lo que en veinticua-
con objeto de “caracterizar” mediante una serie de análisis y
tro tiradas dicha probabilidad será
variables su incertidumbre: de esto trata la estadística descriptiva. 24×1/36, esto es, 2/3
Predecir cómo de “esperable” es un determinado resultado,

partiendo de un modelo del comportamiento de los dados: de
esto trata la teoría de la probabilidad.
Por lo tanto, se podría decir que la estadística descriptiva parte

de un conjunto de datos para estimar un modelo de comportamien-
to, mientras que la teoría de la probabilidad parte de unos modelos
de comportamiento dados para predecir el futuro.
Estadística descriptiva
Sea una serie de n observaciones O = {oi }in=1 numéricas de un

determinado suceso gobernado por el azar, esto es, de una variable
aleatoria. A continuación se describen algunas de las principales
herramientas que pueden emplearse para caracterizar dicha serie O.
Histograma
El histograma consiste en una representación gráfica en forma
de barras, donde el eje horizontal (de abscisas) abarca el conjunto
de posibles valores de O (al menos, entre su mínimo y su máximo),
y la altura de cada barra indica bien la frecuencia relativa del con-
junto de datos que abarca su base, bien el número total de muestras
que quedan en dicha base.
5
6 una introducción amable a la teoría de colas
Ejemplo 1.1. Veinte tiradas consecutivas de un dado (de seis caras) 5

arrojan los siguientes resultados
4
X = {3, 1, 6, 3, 4, 2, 4, 5, 2, 1, 1, 2, 2, 4, 6, 5, 4, 4, 3, 1}. 3
Un histograma correspondiente a dicho conjunto X es el repre- 2

sentado en la Figura 1.1 al margen, donde la altura de cada barra
1
indica el número de muestras que caen en dicha base.
0
1 2 3 4 5 6
El histograma es uno de los análisis que menos información Figura 1.1: Histograma del conjunto de
descarta sobre un conjunto de datos, aunque descarta cualquier datos X del Ejemplo 1.1.
tipo de información sobre su orden: or ejemplo, los conjuntos de

datos X1 = {0, 0, 0, 1, 1, 1} y X2 = {0, 1, 0, 1, 0, 1} tienen el mismo
histograma. A continuación, se presentan descriptores numéricos
del conjunto de datos, que proporcionan otras caracterizaciones
parciales del mismo.
Moda, mediana y percentiles

A partir del histograma (aunque no necesariamente), se pueden
obtener dos descriptores del conjunto de datos:
La moda, que es el valor que más se repite. 20
La mediana, que es el valor tal que la mitad del conjunto de datos 15

queda por debajo del mismo (y, por lo tanto, la otra mitad queda
por encima). 10
Para el conjunto de datos X del Ejemplo 1.1, se puede deducir 5

fácilmente que la moda es 4, dado que se corresponde con la barra
más alta según la Figura 1.1. Para obtener la mediana, se puede 0
1 2 3 4 5 6
acudir al histograma acumulado: partiendo de la misma división Figura 1.2: Histograma acumulado del
del histograma original, en cada conjunto de datos se cuentan las conjunto de datos X del Ejemplo 1.1.
muestras correspondientes a dicho conjunto y todas las muestras
anteriores (por lo que el valor de la última barra será el número
total de muestras n). El valor que coincida con la mitad del número
de muestras (esto es, n/2) será la mediana, lo que para el caso del
Ejemplo 1.1, según se aprecia en la Figura 1.2, es el 3.
Si el conjunto de datos dado representa una serie de valo-

res, y es necesario realizar una “predicción” sobre el siguiente valor,
la moda podría ser un buen candidato dado que parece ser el valor
más frecuente; la mediana podría ser otro candidato razonable, dado
que se queda “a la mitad” del conjuto de datos observado.
Como se ha visto, para calcular la mediana basta con ordenar
el conjunto de datos de menor a mayor e identificar el elemento
central del mismo. De forma análoga, se pueden definir diversos
percentiles, en función del número de observaciones que queden
por debajo del elemento: el percentil 25 (P25 ) es aquel elemento
mayor que el 25 % de las muestras, el percentil 50 coincide con la
mediana, el percentil 75 es aquel valor mayor que el 75 % de las
repaso de estadística y probabilidad 7
observaciones, etc. A estos percentiles también se les conoce como

primer, segundo y tercer cuartil, respectivamente, dado que dividen
el conjunto de datos en cuatro partes proporcionalmente iguales, y
se representan como Q1 , Q2 y Q3 . Mediante el uso de los percen-
tiles adecuados se puede tener una cierta idea de la dispersión de
los datos. En concreto, el rango intercuartil (RQ) se define como la
diferencia entre el tercer y el primer cuartil. 20
Ejemplo 1.2. Sea otra vez el caso del vector X del Ejemplo 1.1, de 15
valor
X = {3, 1, 6, 3, 4, 2, 4, 5, 2, 1, 1, 2, 2, 4, 6, 5, 4, 4, 3, 1}. 10
El valor de Q2 , como se ha visto, corresponde con la mediana, 5

y se puede obtener fácilmente con el histograma acumulado: basta
con identificar el valor que divide por la mitad el conjunto orde- 0
1 2 3 4 5 6
nado de muestras. Dado que hay 20 muestras, dicha mitad es el
Repetición de la Figura 1.2: Histogra-
número 10 y por lo tanto Q2 = 3 (véase figura al margen). El primer ma acumulado de X.
cuartil Q1 es a su vez la mediana de la primera mitad de valores,
mientras que el tercer cuartil Q3 es la mediana de la segunda mitad
de valores. Por lo tanto, Q1 = 2 y Q3 = 4. El rango intercuartil sería,
por lo tanto, RQ = 2.
De forma parecida al caso del histograma, aunque más se-

vera, tanto la moda como la mediana no sirven para caracterizar
inequívocamente un conjunto de datos: por ejemplo, los conjuntos
O1 = {5, 1, 5, 100}
O2 = {4, 5, 5, 6}
tienen el mismo valor de mediana y moda.
Media
Otro parámetro muy usado para describir el conjunto de datos es
la media (o media aritmética), que se obtiene de calcular
1
o,
n ∑ oi .
oi ∈O
Si una determinada observación oi se repite ni veces, el cálculo se

puede expresar como
n
n
o = ∑ i oi ,
i =1
n
donde ni /n coincide con la frecuencia relativa de la observación oi
(esto es, número de veces que aparece oi entre el total de observa-
ciones).
Ejemplo 1.3. Sea un equipo de fútbol que, durante 10 jornadas,

marca los siguientes goles:
G = {3, 3, 4, 2, 0, 2, 4, 3, 0, 4}
En estas 10 jornadas, la media del número de goles marcados es: 4
3+3+4+2+2+4+3+4
G= = 2.5.
10
que se representa en la Figura 1.3. 2
La media de un subconjunto de las observaciones, que

viene definido por una condición expresada sobre el conjunto global,
0
se denomina media condicionada. Si OC ⊆ O es el subconjunto de O
que cumple con la condición C, con m elementos, entonces la media 0 2 4 6 8 10
Figura 1.3: Goles y media del equipo
condicionada viene dada por del Ejemplo 1.3.
1
oC =
m ∑ oi .
oi ∈OC
Ejemplo 1.4. Sea el caso del Ejemplo 1.3. A partir del conjunto de
goles G se puede hacer el subconjunto de los resultados en los que
el equipo marcó al menos un gol, esto es
Gg>0 = {3, 3, 4, 2, 2, 4, 3, 4},
cuya media viene dada por
3+3+4+2+2+4+3+4
G g >0 = = 3.125.
8
A diferencia de la mediana y la moda, que sólo se basan en

las frecuencias relativas de cada valor, y son un valor del conjunto
de datos, la media multiplica cada valor por su frecuencia relativa,
por lo que en general no coincide con un valor del conjunto (en el
caso del Ejemplo 1.4 anterior, los goles sólo pueden ser números
naturales). La media es el número que minimiza la distancia a los
datos,2 de ahí su utilidad para predecir el comportamiento de una 2
Esto es, la media coincide con
variable aleatoria (como se ilustra en la Figura 1.3, donde los goles 1 n
o = mı́n
x ∈R n ∑ ( o i − x )2
aparecen “alrededor” del valor indicado por la media). i =1
Varianza y desviación típica

De forma similar al rango intercuartil, las métricas de varianza
y desviación típica aportan información sobre la dispersión del con-
junto de datos observado. Para ello, realizan un cálculo a partir de
las distancias entre cada muestra y valor medio del conjunto. La
varianza, que se representa como σ2 , es la media del cuadrado de la
distancia entre cada muestra oi y la media o,
n
1
σ2 =
n ∑ ( o i − o )2 ,
i =1
por lo que tiene como unidad el cuadrado de la unidad del conjun-

to de muestras. La desviación típica σ emplea la misma unidad que
dicho conjunto, dado que se calcula como la raíz cuadrada de la

varianza: √
σ2 = σ2 .
Para el caso del Ejemplo 1.3, la desviación típica es σ ≈ 1,51 go-

les y σ2 ≈ 2,78 goles× goles (cuesta encontrar una interpretación
para la unidad “goles2 ”).
Definición de probabilidad
Cuando se está tratando con un suceso aleatorio, la estadística

descriptiva sirve para realizar un análisis a posteriori de los resul-
tados obtenidos. Por contra, la teoría de la probabilidad se emplea
para estimar a priori los resultados que se esperan obtener.
Desde el punto de vista clásico, la probabilidad de un suceso
es una variable que representa su frecuencia relativa (en un ex-
perimento controlado): para el caso de una moneda, decir que la
“probabilidad de que salga cara” sea 1/2 significa que en, p.ej.,
mil lanzamientos, la cantidad de veces que saldrá cara será muy
próxima a quinientos.
Ejemplo 1.5. Sea el caso de un equipo de fútbol (FCB) con las esta-
dísticas indicadas en la Tabla al margen, para un histórico de 1000
partidos. En dicha tabla se indica el número de partidos ganados, Resultado Total vs. RMA Resto
empatados y perdidos por dicho equipo, distinguiéndose también Ganar 900 5 895
entre cuando se enfrenta a otro equipo (RMA) y contra el resto de Empatar 65 10 55
Perder 35 15 20
equipos. Total 1000 30 970
Considerando los resultados globales, el resultado “ganar” apa- Tabla 1.1: Resultados de un equipo
rece en 900 de los 1000 experimentos. En este contexto, cuando se FCB al jugar contra el resto de equipos
y contra el RMA.
dice que el equipo FCB tiene una probabilidad de 0,9 (o del 90 %)
de ganar un partido, se está suponiendo que cada partido es un
“experimento” independiente y que la probabilidad del evento
“ganar” se corresponde con la frecuencia relativa medida de dicho
evento. De esta forma, se parte de la estadística descriptiva de los
resultados del equipo de fútbol para construir un modelo que per-
mita predecir (o explicar) su comportamiento, según la teoría de la
probabilidad
Dado que la interpretación clásica de la probabilidad

no se ajusta a todos los casos en que aparece dicho término, p.ej.
cuando el experimento no es repetible, aparece una definición sub-
jetiva de la misma: la probabilidad de un suceso es un número que
se emplea para estimar la posibilidad de que dicho suceso ocurra,
donde ‘0’ representa su imposibilidad y ‘1’ la absoluta certeza. Se
define la probabilidad complementaria de un suceso A como la
probabilidad de que dicho suceso no tenga lugar. Si Pr( A) repre-
senta la probabilidad del suceso A, su probabilidad complementa-
ria es
Pr(¬ A) , 1 − Pr( A).
Variables aleatorias discretas

De momento, se considerará que el conjunto de posibles resul-
tados es un espacio muestral contable, esto es, el caso de variables
aleatorias discretas. A cada uno de los elementos de dicho conjunto S
se le asigna una probabilidad,3 representada como Pr(si ), si ∈ S, que 3
La S es por el nombre en inglés,
debe cumplir las siguientes propiedades “sample space”.
0 ≤ Pr(si ) ≤ 1
∑ Pr(si ) = 1
Ejemplo 1.6. Tirar un dado es un suceso aleatorio, y el número que

salga es el resultado de un experimento. El resultado de una tirada
de un dado es una observación. El conjunto de todas las posibles
observaciones es el espacio muestral. Para el caso de un dado de seis
caras, dicho espacio S es
S = {1, 2, 3, 4, 5, 6}
Si el dado está debidamente equilibrado, se puede suponer que

la probabilidad de cada resultado es la misma, esto es, Pr(si ) = 1/6
para todos los eventos. Con un número muy elevado de experi-
mentos, la proporción de veces que se obtiene un determinado
resultado se aproximará a dicha probabilidad.
La memoria en una variable aleatoria

Uno de los primeros “desencuentros” entre intuición y realidad
suele estar relacionado con la memoria (más bien, su ausencia) en
un experimento aleatorio, como p. ej. el lanzamiento del dado o
una moneda. En este último caso, aún sabiendo que las probabili-
dades de cara y cruz son idénticas, si resulta que p. ej. cinco lanza-
mientos consecutivos son caras, la “intuición” lleva a pensar que
el siguiente tiene que ser cruz. Sin embargo, la moneda no dispone
de esta memoria del proceso aleatorio, por lo que la probabilidad de
cara (o cruz) es la misma que en cada lanzamiento.
Sea Xn el resultado del lanzamiento enésimo, donde H indica
cara y T indica cruz.4 La probabilidad de que el sexto lanzamiento 4
Por sus nombres en inglés, esto es,
sea cara, sabiendo que los anteriores lanzamientos también ha sido heads and tails.
cara,5 se puede representar como 5

No hay que confundir esta probabi-
lidad con la probabilidad de obtener
Pr( X6 = H | X1 = H, X2 = H, X3 = H, X4 = H, X5 = H ), una secuencia de 6 caras, mucho
menor.
que se trata de una probabilidad condicionada, donde la barra | se-
para el evento “de interés” (izquierda) de la condición dada (dere-
cha).6 El hecho de que los lanzamientos no tengan memoria supone 6
La probabilidad condicionada se
que, independientemente del número y resultado de los lanzamien- define formalmente en la siguiente
sección
tos anteriores, la probabilidad de obtener cara es siempre la misma,
esto es
1
Pr X6 = H | { Xi = Hi }5i=1 = Pr( X6 = H ) =
2
lo que se cumplirá para cualquier lanzamiento m y conjunto de

posibles resultados anteriores { Ri }im=−11 .
No todos los procesos aleatorios carecen de memoria. Para el
caso del “juego” de la ruleta rusa, si no se hace rodar el tambor en
cada intento, la probabilidad de que al apretar el gatillo el arma
dispare no sería constante a lo largo del tiempo, sino que va au-
mentando según el turno (véase la Figura 1.4). Si Xn es el resultado
del turno n-ésimo, 0 representa que no hubo disparo y 1 que sí lo
hubo, se tendrá que la probabilidad de que en el quinto turno haya
un disparo (sabiendo que en los cuatro anteriores no lo hubo) es
mayor que la probabilidad de un disparo en el primer intento:
Pr( X5 = 1 | X1 = 0, X2 = 0, X3 = 0, X4 = 0) > Pr( X1 = 1)
por lo que dicha variable aleatoria sí que posee memoria.
Probabilidad condicionada
Cuando se consideran varios eventos, para averiguar si existe

relación entre ellos se puede analizar cómo se produce uno de los
mismos, cuando se “fija” un valor particular en el otro: por ejemplo,
Figura 1.4: Según avanza esta variante
para el caso de un equipo de fútbol (Ejemplo ), se puede analizar de la ruleta rusa, la probabilidad de
con qué frecuencia se produce el evento “Ganar” en función de si que la bala esté en el siguiente hueco
se juega contra el equipo “RMA” o contra otro equipo; al lanzar dos cambia: no es lo mismo al inicio del
juego (figura superior) que tras cuatro
dados, se puede analizar si el valor que se obtiene en uno de ellos intentos (inferior).
cuando en el otro se obtiene un determinado número.
La probabilidad del evento A condicionada al evento B se define
como
Pr( A ∩ B) Pr( A, B)
Pr( A | B) , = ,
Pr( B) Pr( B)
donde Pr( A ∩ B) representa la probabilidad de que sucedan A y B
(el suceso conjunto). Por simplificar la notación, en general se susti-
tuirá el símbolo de intersección (∩) por una sencilla coma (como se
ha realizado en la ecuación anterior), quedando esta probabilidad
representada como Pr( A, B).
B
Ejemplo 1.7. Sea el caso de dos dados, A y B, que se tiran a la vez A
1 2 3 4 5 6
1750 veces, con los resultados de la Tabla 1.2. La probabilidad de 1 45 45 43 41 49 58
sacar un 4 con el dado A cuando sale un 3 en el dado B se expresa- 2 58 55 42 49 49 44
3 53 47 40 44 44 45
ría como: 4 47 60 40 48 58 46
5 51 59 57 50 41 54
Pr( A = 4, B = 3) 6 45 56 42 60 48 53
Pr( A = 4 | B = 3) = , Tabla 1.2: Resultado de lanzar 1750
Pr( B = 3)
veces los dados A y B.
que precisa: (i) por una parte, calcular la frecuencia relativa del
evento
Pr( A = 4, B = 3) ,
que sucede en 40 de los 1750 casos (según se aprecia en la tabla), y
(ii) por otra parte, calcular la frecuencia relativa del evento
Pr( B = 3) ,
que sucede en 43+42+40+40+57+42=264 casos. Por lo tanto,
40/1750 40 10
Pr( A = 4 | B = 3) = = = ≈ 0,151,
264/1750 264 66
que es similar a la probabilidad de que el dado A saque un 4:
47 + 60 + 40 + 48 + 58 + 46 299
Pr( A = 4) = = ≈ 0,166 ,
1750 1750
lo que, como se verá más adelante, no es casualidad.
Ejemplo 1.8. Sea otra vez el caso del Ejemplo , con los 1000 parti-
dos del equipo FCB resumidos al margen, donde se supone que las Resultado Total vs. RMA Resto
frecuencias relativas sirven para modelar el sistema con probabili- Ganar 900 5 895
dades. Empatar 65 10 55
Perder 35 15 20
La probabilidad de que el equipo FCB gane se estimó como
Total 1000 30 970
900 9
Pr( G ) = = ,
1000 10
bastante próxima a la unidad. También se puede calcular la proba-
bilidad de que FCB juegue contra RMA, que se obtiene como
30 3
Pr( RMA) = = .
1000 100
La probabilidad de que un partido sea una victoria contra RMA
se obtiene como
5 1
Pr( G, RMA) = = ,
1000 200
mientras que la probabilidad de ganar condicionada a jugar contra
el RMA (o, lo que es lo mismo, la probabilidad de que un partido
contra RMA sea una victoria) se calcula como
Pr( G, RMA) 1/200

Pr( G | RMA) = = = 1/6,
Pr( RMA) 3/100
que es mucho menor que Pr( G ), la probabilidad de ganar sin dis-

tinguir entre equipos.7 Este resultado implica que la probabilidad 7
Otra forma de calcular Pr( G | RMA)
de ganar depende del equipo contra el que se juegue. consiste en considerar únicamente los
resultados de la columna “vs. RMA”
de la tabla, de lo que se obtiene
Distribución marginal 5
Pr( G | RMA) = = 1/6.
30
Como se ha visto en los ejemplos anteriores, a veces se dispone
de información desglosada sobre dos tipos de eventos diferentes,
pero se precisa únicamente caracterizar el comportamiento de uno
de ellos. En una situación con dos variables aleatorias, X e Y, la
distribución marginal de X se define como la distribución de dicha
variable sin hacer referencia a la otra variable Y, y se obtiene direc-
tamente para cualquier valor x como
Pr( X = x ) = ∑ Pr(X = x, Y = y)
y
Ejemplo 1.9. Siguiendo con el caso de los dados del Ejemplo 1.7, el
número de veces que con el dado A se sacó un 1, 2, . . . es, respec-
tivamente, 281, 297, 273, 299, 300 y 300. Dividiendo estos valores
por el número total de lanzamientos (1750), se puede estimar la
B
distribución marginal de los resultados del dado A: A
1 2 3 4 5 6
1 45 45 43 41 49 58 281
Pr( A) ≈ {0.161, 0.169, 0.156, 0.171, 0.171, 0.171} , 2 58 55 42 49 49 44 297
3 53 47 40 44 44 45 273
todos ellos valores muy próximos a 1/6, como era de esperar. 4 47 60 40 48 58 46 299
5 51 59 57 50 41 54 300
6 45 56 42 60 48 53 300
Independencia 299 322 264 293 298 300 1750
Repetición de la Tabla 1.2, con valores
totales: lanzamientos de A y B.
Como se ha indicado, la probabilidad condicionada permite
identificar si los diferentes tipos de eventos en un conjunto de ob-
servaciones están relacionados entre sí: en el caso del Ejemplo 1.8
se ha comprobado que la probabilidad de ganar un partido depen-
de del contrincante, mientras que en el Ejemplo 1.9 se aprecia que
los resultados de un dado no dependen de los de otro dado. Este
tipo de análisis permiten definir la independencia entre diferentes
eventos, como se hace a continuación.
Dos sucesos son independientes si el hecho de que uno suceda no
afecta a que se pueda producir el otro: si A y B son independientes,
la probabilidad de que A se produzca no varía en función de que
B se haya producido o no (esto es, de que se considere B como
condición). Por lo tanto, la probabilidad condicionada permite
comprobar si A y B son independientes, dado que en tal caso se
tiene que cumplir que
Pr( A | B) = Pr( A) ,
lo que no ocurre en el caso del fútbol (Ejemplo 1.8), pero sí en el de

los dados (Ejemplo 1.7).
No se debe confundir independencia con exclusión: dos even-
tos A y B son mutuamente excluyentes si resulta imposible que
sucedan conjuntamente:
Pr( A ∩ B) = Pr( A, B) = 0
de lo que se deduce que la probabilidad condicionada es

Pr( A, B)
Pr( A | B) = = 0,
Pr( B)
lo que no coincide con la definición de independencia.
Ejemplo 1.10. Los eventos “cara” y “cruz” de una moneda son

mutuamente excluyentes, ya que el hecho de que se produzca uno
implica que el otro no se ha producido (por lo que no son inde-
pendientes). Un jugador que nunca marcase un gol al equipo RMA
implicaría que el evento “marcar gol” no es independiente del
evento “jugar contra RMA”, lo que permite deducir, p.ej., que si el
jugador ha marcado un gol es que no jugaba contra dicho equipo
(lo que ilustra que son eventos dependientes).
Propiedades de la probabilidad
Dados dos sucesos A y B, la probabilidad de que alguno de los

dos suceda se obtiene como (véase la Figura 1.5 al margen)
Pr( A ∪ B) = Pr( A) + Pr( B) − Pr( A, B).
Si A y B son excluyentes, se ha visto que entonces
Pr( A, B) = Pr( A | B) Pr( B) = 0 ,

Figura 1.5: La probabilidad de A o B
debe tener en cuenta el caso conjunto.
por lo que queda (Figura 1.5 al margen)
Pr( A ∪ B) = Pr( A) + Pr( B) − Pr( A, B) = Pr( A) + Pr( B).
Si A y B son independientes, la probabilidad del suceso conjunto

viene dada por
Pr( A ∩ B) = Pr( A, B) = Pr( A | B) Pr( B) = Pr( A) Pr( B).
Ejemplo 1.11. La probabilidad de que un dado saque un cinco o un

número par, dado que son eventos excluyentes, viene dada por
1 1 2
Pr(5 ∪ par) = Pr(5) + Pr(par) = + = .
6 2 3
La probabilidad de que salga un número par o un valor mayor
que tres sería
1 1 2 2
Pr(> 3 ∪ par) = Pr(> 3) + Pr(par) − Pr(> 3 ∩ par) = + − = .
2 2 6 3
Ley de la probabilidad total

Si { Bi } es una partición del espacio de eventos,8 la distribución 8
Una partición de un conjunto A es
marginal (página 12) se puede expresar en términos de la probabili- una colección de subconjuntos de
A que (i) su unión da lugar a A, y
dad condicionada (ii) los subconjuntos son disjuntos dos
a dos. Por ejemplo, dado el conjunto
Pr( A) = ∑ Pr( A, Bi ) = ∑ Pr( A | Bi ) Pr( Bi ) S = {1, 2, 3, 4}, Una partición sería los
subconjuntos Sa = {1, 2} y Sb = {3, 4},
i i
mientras que los subconjuntos Sx =
Según cómo sea de compleja la partición, será recomendable com- {1, 2, 3} y Sy = {3, 4} no serían una
partición de S.
probar que cumple todos los casos de interés, esto es
∑ Pr( Bi ) = 1
i
Ejemplo 1.12. En el caso del fútbol, el subconjunto “vs. RMA” y Resultado Total vs. RMA Resto
“Resto” constituyen una partición del espacio de eventos “Total”. A Ganar 900 5 895
partir de esto, la probabilidad de ganar se puede expresar como Empatar 65 10 55
Perder 35 15 20
Total 1000 30 970
Pr( G ) = Pr( G | vs. RMA) Pr(vs. RMA) + Pr( G | Resto) Pr(Resto)

que queda
5 30 895 970 900
Pr( G ) = + = ,
30 1000 970 1000 1000
como era de esperar.
La ley de la probabilidad total permite en varias ocasiones

reducir la complejidad de un problema planteado, a base de reali-
zar una partición de dicho espacio, y calcular resultados parciales
sobre el mismo.
Ejemplo 1.13. Suponga que una máquina A genera un número en-

tero al azar, entre 1 y 5, y que otra máquina B genera otro número
entre 1 y 3. Para calcular la probabilidad de que el número gene-
rado por B (nb ) sea mayor o igual que el generado por A (n a ), se
puede emplear el diagrama de la figura, en el que todos los casos
tienen la misma probabilidad (suponiendo que las máquinas se
comporten de forma independiente):
1 1
Pr(n a = x, nb = y) = Pr(n a = x ) Pr(nb = y) = · = 1/15
5 3
Para calcular Pr(nb ≥ n a ), por la sencillez del ejemplo, resulta
inmediato contar el número de casos “favorables” (círculos negros,
seis) sobre el total de casos (quince), lo que se obtiene
Figura 1.6: Probabilidad de que la
Pr(nb ≥ n a ) = 6/15 = 2/5 . máquina B genere un número mayor o
igual que la máquina A.
Empleando la ley de la probabilidad total, se puede resolver
realizando la partición sobre cada uno de los posibles resultados
que arroja la máquina A, llegándose al mismo resultado:
5
Pr(nb ≥ n a ) = ∑ Pr(nb ≥ na |na = x) Pr(na = x) (1.1)
x =1
3
1 1
= ∑ Pr(nb ≥ na |na = x) 5 = (1 + 2/3 + 1/3) · 5 = 2/5.
x =1
Suma de variables aleatorias independientes

Gracias a la ley de la probabilidad total, se puede calcular la dis-
tribución de probabilidades de la suma de dos variables aleatorias
independientes, a partir de la distribución de las mismas. Sean dos
variables aleatorias independientes n a y nb . Lo que se persigue es
calcular la probabilidad de que su suma tenga cualquier posible
valor x, esto es,
Pr(n a + nb = x ), ∀ x ∈ [mı́n n a + mı́n nb , máx n a + máx nb ]
Condicionando a los posibles valores que pueda tomar nb , dicho
cálculo se puede expresar como
Pr(n a + nb = x ) = ∑ Pr(na + nb = x | nb = y) Pr(nb = y)
y
= ∑ Pr(n a = x − y) Pr(nb = y), (1.2)

y
de lo que resulta que la distribución de probabilidades de la suma

de dos variables aleatorias es la convolución de las distribuciones de
probabilidad de las variables aleatorias.
Ejemplo 1.14. Para el caso de las variables n a y nb del Ejemplo 1.13,

n a puede tomar los siguientes valores, todos ellos con igual proba-
bilidad
n a = {1, 2, 3, 4, 5}
mientras que nb puede tomar los siguientes valores, también equi-
probables
nb = {1, 2, 3} .
Por lo tanto, su suma tomará n a + nb valores entre 2 y 8.
Resulta inmediato calcular la probabilidad de que su suma valga
2 (el mínimo), ya que al ser variables aleatorias independientes, se
deduce que
1 Figura 1.7: Distribución de Pr(n a ),
Pr(n a + nb = 2) = Pr(n a = 1) Pr(nb = 1) = , Pr(nb ) y Pr(n a + nb ).
15
Para calcular la probabilidad de que la suma valga p.ej. 4, el
desarrollo de (1.2) resulta en9 9
Dado que la suma llega hasta 4, y los
valores mínimos de n a y nb son 1 en
Pr(n a + nb = 4) = Pr(n a = 3) Pr(nb = 1)+ ambos casos, hay considerar tres casos
de nb , esto es, {1, 2, 3}.
= Pr(n a = 2) Pr(nb = 2)+
1
= Pr(n a = 1) Pr(nb = 3) = .
5
Realizando el cálculo para todos los posibles valores de la suma
se obtiene el resultado de la Figura 1.7, donde se puede comprobar
que la distribución de n a + nb se corresponde con la convolución de
las distribuciones de n a y nb .
Momentos y esperanzas
La media y la varianza muestrales, vistas anteriormente (páginas

7 y 8, respectivamente), son variables que persiguen caracterizar
con una única cifra la forma del conjunto de datos. Un “momento”
es una generalización de estas variables, consistente en un valor
numérico que describe cómo una serie de valores se distribuye alre-
dedor de uno que se toma como referencia. En general, el momento
de orden n respecto al valor c se define como
µn (c) , ∑( xi − c)n Pr( xi )
esto es, se realiza la suma de una “transformación” de cada posible

valor xi de la variable aleatoria X y se multiplica por su proba-
bilidad Pr( xi ). Ponderar el valor de cada transformación por la
probabilidad también se conoce como calcular la esperanza de di-
cha transformación, por lo que el momento de orden n respecto al
valor c también se puede expresar como
E[( X − c)n ] = µn (c)

Si el valor de referencia es el 0, se trata de un momento estándar

(o centrado respecto al origen). En función de los valores de n y c se
pueden definir diferentes momentos:
La media o esperanza matemática es el momento de primer

orden respecto al origen, esto es,
µ = E[ X ] = ∑ xi Pr(xi ),
y pretende representar la “tendencia” del conjunto de valores de la
distribución.
El momento de segundo orden se expresaría como,
µ2 = E[ X 2 ] = ∑ xi2 Pr(xi ),
y se trata de una suma de términos estrictamente positivos, propor-
cionando una idea de la “amplitud” de los valores de la variable
aleatoria.10 10
Puede interpretarse como la energía
de una determinada variable.
La varianza se define como el momento de segundo orden res-
pecto a la media,
σ2 = µ2 (µ) = E[( X − E[ X ])2 ] = ∑(xi − µ)2 Pr(xi ),

y mide también la “amplitud” de la separación entre cada posible
valor y la media, proporcionando una medida de dispersión.11 La 11
Que puede interpretarse como la
desviación típica, como se ha visto anteriormente, consiste en la componente alterna de la energía de una
determinada variable.
raíz cuadrada de la varianza.
Propiedades
Si X es una variable aleatoria y k una constante, a partir de las
definiciones anteriores se pueden deducir las siguientes propieda-
des:
E[kX ] = kE[ X ]
E[(kX )2 ] = k2 E[ X 2 ]
E[ X 2 ] = E[ X ]2 + σ 2 ( X ) (1.3)
2 2
σ (k + X ) = σ ( X )
La expresión (1.3) es particularmente destacable, ya que relaciona el

momento de segundo orden con el de primer orden y la varianza,
permitiendo calcular uno en función de los otros.12 12
Puede interpretarse, además, como
Si X e Y son dos variables aleatorias (independientes, o no), se que la energía total de una variable
(momento de segundo orden) es
tiene que la media de su suma coincide con la suma de las medias igual a la suma de la energía de la
componente continua (la esperanza
E [ X + Y ] = E [ X ] + E [Y ] al cuadrado) más la energía de la
componente alterna (la varianza).
y si además son variables aleatorias independientes, entonces la

varianza de su suma es la suma de las varianzas
σ 2 ( X + Y ) = σ 2 ( X ) + σ 2 (Y )
Esperanza condicionada
De forma análoga al caso de la media condicionada, visto en es-
tadística descriptiva, se puede definir la esperanza de una variable
aleatoria condicionada a que se cumpla un cierto requisito. De esta
forma, la esperanza de una variable aleatoria X condicionada a que
otra variable aleatoria Y valga y se puede expresar como
x · Pr( X = x, Y = y)
E[ X | Y = y ] = ∑ x Pr(X = x | Y = y) = ∑ Pr(Y = y)
Ejemplo 1.15. Sea una variable aleatoria X que puede tomar los
valores {1, 2, 3, 4} con probabilidades {1/5, 1/5, 1/5, 2/5}, respecti-
vamente. La esperanza de dicha variable aleatoria es
1 1 1 2 14
E[ X ] = 1 · +2· +3· +4· = .
5 5 5 5 5
La esperanza de X condicionada a que tome valores menores o

iguales que 2, en cambio, es
1 · Pr( X = 1) + 2 · Pr( X = 2) 3
E[ X | X ≤ 2] = = .
Pr( X = 1) + Pr( X = 2) 2
La esperanza condicionada, al igual que la probabilidad con-

dicionada, permite resolver problemas al dividirlos en casos más
sencillos de analizar, permitiendo en algunos casos aplicar una es-
pecie de “recursión,” como se ilustra a continuación con un par de
ejemplos.
Ejemplo 1.16. Una tarjeta inalámbrica transmite tramas de 1000 bits

a 1 Mbps y 2 Mbps, seleccionando cada tasa de forma completa-
mente aleatoria y retransmitiendo hasta que sea recibida con éxito.
Las tramas a 1 Mbps se reciben con éxito el 50 % de las veces, mien-
tras que las tramas a 2 Mbps nunca se transmiten con éxito.
Una forma de calcular el número medio de intentos N necesario
hasta que se transmite con éxito es mediante la probabilidad condi-
cionada, como se describe a continuación. La probabilidad de que
el primer intento sea un éxito es
1
Pr(éxito intento 1) = Pr(1 Mbps) Pr(éxito a 1 Mbps) =
4
La esperanza pedida se puede expresar como
E[ N ] =E[ N | éxito intento 1] Pr(éxito intento 1)+

E[ N | fallo intento 1] Pr(fallo intento 1) ,
donde el valor de E[ N | éxito intento 1] es directamente 1, mientras

que
Pr(fallo intento 1) = 1 − Pr(éxito intento 1).
Queda, por último, obtener la expresión de E[ N | fallo intento 1],

esto es: el número medio de intentos si el primer intento ha sido un
fallo. Dado que cada intento es independiente, y el proceso no tiene
memoria alguna, tras el primer fallo el sistema se encuentra en las
mismas condiciones que al principio, salvo que ya ha pasado un
intento, por lo que se puede deducir que
E[ N | fallo intento 1] = 1 + E[ N ] ,
Resolviendo la ecuación resultante, se obtiene que
E[ N ] = 4 .
Ejemplo 1.17. Sea una grupo de excursionistas perdidos en una

mina. En un momento dado llegan a una sala, con tres diferentes
rutas. Una de ellas les lleva a la salida tras 10 h de camino, mientras
que las otras dos les lleva de vuelta a la misma sala, tras 5 h y 20 h
de camino. Suponga además que cada vez que llegan a dicha sala
escogen una de las tres rutas al azar.
Sea el T el tiempo que tardan en salir de la mina una vez que
han llegado a dicha sala. Condicionando a la elección de cada ruta
(indicadas como A, B y C en la Figura 1.8), se tiene que la esperan-
za de dicho tiempo es Figura 1.8: Sala con tres posibles
caminos.
E[ T ] = E[ T | A] Pr( A) + E[ T | B] Pr( B) + E[ T |C ] Pr(C ).
Donde E[ T | A] = 10 h es el tiempo que tardan en salir una vez que

han acertado la ruta adecuada, y Pr( A) = Pr( B) = Pr(C ) = 1/3 por
el mecanismo de elección de ruta (que se supone completamente
aleatorio). En el caso de una ruta que no sea A, lo que se tiene es
que se vuelve a la misma situación que al inicio, por lo que
E[ T | B] = 20 h + E[ T ] , E[ T |C ] = 5 h + E[ T ].
Resolviendo para E[ T ], se tiene que E[ T ] = 35 h.
Distribuciones de probabilidad discretas
A continuación se presentan algunas de las distribuciones de

probabilidad discretas más comunes. Estas distribuciones vienen
definidas por la función (de masa) de probabilidad, que es la que rela-
ciona cada posible resultado xi con su correspondiente probabilidad 0,2
Pr( xi ).
Distribución uniforme
Una variable aleatoria discreta uniforme (Figura 1.9) es aquella
que puede tomar n posibles valores, cada uno de ellos con probabi-
lidad 1/n. Por lo tanto, su función de masa de probabilidad viene
0
dada por 2 3 4 5 6
1 Figura 1.9: Variable aleatoria uniforme-
Pr( xi ) = ∀ i. mente distribuida entre 2 y 6.
n
En general, los resultados de los experimentos suelen correspon-

derse con n números enteros consecutivos, desde un valor a hasta
otro b, por lo que n = b − a + 1. Con esta variable se puede mode-
lar, p.ej., el lanzamiento de un dado, o el resultado de rellenar una
pregunta “tipo test” al azar. Su media y varianza vienen dados por 1
a+b n2 − 1
µ= σ2 = .
2 12
Ensayo de Bernoulli
Un ensayo de Bernoulli (ilustrado en la Figura 1.10) se define co-
mo un experimento que se realiza una única vez y puede salir bien
o mal. Se trata de la variable aleatoria discreta más sencilla, que
únicamente puede tomar dos valores, típicamente 0 y 1, donde el 1 0
0 1
representa un éxito y sucede con probabilidad p, y el 0 representa Figura 1.10: Ensayo de Bernouilli con
un fracaso y sucede con probabilidad 1 − p. Su media y varianza p = 3/4.
vienen dados por
µ=p σ 2 = p (1 − p ).
0,3
Distribución geométrica
En este caso, se repite el ensayo de Bernouilli hasta que se pro-
duzca un éxito. Ahora la variable aleatoria es el número de expe- 0,2
rimentos necesarios hasta que se produjo dicho éxito (Figura 1.11).
Suponiendo que los ensayos se realizan de forma independiente, la
probabilidad de necesitar k experimentos en total viene dada por 0,1
Pr(k) = (1 − p)k−1 p, k = 0, 1, 2, . . .
0
esto es, que se produzcan k − 1 fallos consecutivos, cada uno con 0 2 4 6 8 10
k
probabilidad (1 − p), y un éxito al final, con probabilidad p. La
Figura 1.11: Variable aleatoria geomé-
distribución geométrica tiene como media y varianza trica con p = 1/5.
1 1− p
µ= σ2 = .
p p2
Nótese que el número de intentos necesarios para obtener un

éxito no está acotado (de hecho, si el valor de p es muy próximo
a cero, la media tiende a ser muy elevada), por lo que Pr(k ) toma
valores en el conjunto de los números naturales (en la Figura 1.11 se
representan valores hasta k = 10).
Distribución binomial
La distribución binomial modela el caso de n ensayos de Ber-
nouilli independientes, cada uno con una probabilidad de éxito p,
siendo la variable aleatoria de interés el número total de éxitos. Las
probabilidades de n éxitos y n fracasos resultan inmediatas de cal-
cular (pn y (1 − p)n , respectivamente), mientras que para el resto
de probabilidades es preciso tener en cuenta que hay varias formas
en las que pueden ocurrir los éxitos, por lo que es preciso emplear
combinatoria. La probabilidad de tener k éxitos viene dada por
p = 0,2
0,2

n k n!
Pr(k) = p (1 − p ) n − k = p k (1 − p ) n − k , (1.4) p = 0,5
k k!(n − k)!
y la media y varianza de la distribución binomial resultan ser 0,1
µ = np σ2 = np(1 − p).
0,1
De hecho, considerando cada uno de los n experimentos como
un ensayo de Bernouilli, de media p y varianza p(1 − p), la media
0,0
y la varianza de la distribución binomial se pueden deducir a partir
de las propiedades de la suma de variables aleatorias: la media 0 10 20 30 40
es n veces la media de un ensayo (p) y la varianza es n veces la Figura 1.12: Variables binomiales con
n = 40 y dos valores de p.
varianza de un ensayo (p(1 − p)). Se representan en la Figura 1.12
dos variables aleatorias binomiales.
Distribución de Poisson
La distribución de Poisson se puede interpretar como una dis-
tribución binomial, donde el número de ensayos a realizar es muy
grande, y la probabilidad de éxito muy baja. Sirve por tanto para
modelar sucesos poco frecuentes,13 con una media que viene dada 13
En la binomial resulta complicado
por calcular probabilidades para valores
elevados de n, dada la presencia del
λ , n · p. factorial.
Reemplazando p = λ/n en la probabilidad de k éxitos en una

Binomial (1.4), se tiene que
n(n − 1)(n − 2) · · · (n − k)! λ k λ n−k

0,2
Pr(k) = 1− , λ=8
k!(n − k)! n n λ = 20
λ = 30
que puede aproximarse, con n → ∞ (pero manteniendo λ finito), 0,1
como
e−λ λk
Pr(k) = , k = 0, 1, 2, . . .
k! 0,1
La media y varianza de la distribución de Poisson (ilustrada en
la Figura 1.13 para diferences valores del párametro λ) resultan ser:
0,0
µ=λ σ2 = λ.
0 10 20 30 40
Figura 1.13: Variables aleatorias de
Poisson.
Ejemplo 1.18. Sean X1 y X2 dos variables aleatorias independientes
de Poisson, con media λ1 y λ2 , respectivamente. La distribución de
su suma Z = X1 + X2 se puede obtener como
n n λ1x −λ1 λ2n− x −λ2
Pr( Z = n) = ∑ Pr(X1 = x) Pr(X2 = n − x) = ∑ x!
e
(n − x )!
e
x =0 x =0
que, operando, queda14 14

Es necesario usar el desarrollo
m
m n m−n
(λ1 + λ2 )n −(λ1 +λ2 ) ( a + b)m = ∑ a b .
Pr( Z = n) = e , n =0 n
n!
esto es, otra variable aleatoria discreta de Poisson, de media λ1 + λ2 .
Variables aleatorias continuas
Las variables aleatorias discretas tienen un espacio muestral con-

table, por lo que resulta muy sencillo de interpretar la probabilidad 12
11 1
de un determinado resultado Pr( xi ) como la frecuencia relativa iWach
10 2
del mismo. Sin embargo, cuando el espacio muestral ya no es un
conjunto finito, esta interpretación resulta más difícil, dado que la 9 3
“frecuencia relativa” de un determinado valor xi ∈ R es 0: en cual-
8 4
quier segmento de la recta real hay un número infinito de valores,
7 5
por lo que la probabilidad de cada uno será cero. 6
Ejemplo 1.19. Sea el caso del segundero de un reloj que se mueva

de forma continua. En una mirada “al azar” a dicho reloj (esto es,
un experimento), el valor del segundero se encuentra entre 0 y 60,
todos ellos con la misma probabilidad.
Si θ es la variable aleatoria que representa el valor del segundero,
se puede hablar de la probabilidad de que su valor se encuentre
en una determinada región, por ejemplo, Pr(θ ∈ [0, 15]) = 1/4, o
Pr(θ ∈ [0, 45]) = 3/4. Pero a diferencia del caso de las variables
aleatorias discretas, dado que en [0, 60) hay un incontable número
de valores, deja de tener sentido preguntarse por la probabilidad de 0 20 40 60
Figura 1.14: Si el segundero de un
que θ tome un valor dado.
reloj (figura superior) avanza de
forma continua, una mirada al azar lo
colocará en cualquier posición entre
Función de distribución [0, 60). Como se verá más adelante,
esto se representa con una función de
En el caso de una variable aleatoria continua, por lo tanto, resul- densidad f constante en el rango de
ta más sencillo tratar con la frecuencia relativa (o probabilidad) de valores (figura inferior)
un conjunto de valores. Sea X una variable aleatoria, que puede to-
mar un determinado conjunto de valores en el espacio continuo. Su
función de distribución FX determina la probabilidad de que un re-
sultado de dicha variable aleatoria sea menor que un determinado
valor x que se tome como referencia, esto es15 15
El signo ≤ es una convención para el
caso continuo, dado que, por lo visto
FX ( x ) , Pr( X ≤ x ). anteriormente, tendría el mismo valor
el signo <.
En general, cuando queda claro (por el contexto) a qué variable
aleatoria se está haciendo referencia, en muchas ocasiones se sim-
plifica la notación y desaparece el subíndice de FX ( x ), esto es, se
emplea únicamente F ( x ). Por definición, se tiene que la función de
distribución cumple que:
lı́m FX ( x ) = 0, lı́m FX ( x ) = 1,
x →−∞ x →+∞
A partir de la función de distribución se puede obtener la proba-

bilidad de que una variable aleatoria se encuentre en un determina-
do intervalo, dado que
Pr( a < X ≤ b) = FX (b) − FX ( a)
La función complementaria de la función de distribución FX se

define como
FXC ( x ) , 1 − FX ( x ),
y por lo tanto representa la probabilidad de que la variable aleato-

ria X tome un valor superior a x, esto es,
FXC ( x ) = Pr( X > x ).
Cuando la variable aleatoria X represente un tiempo de vida o fun-

cionamiento de un componente, sistema, etc., se emplea el término
“función de supervivencia” (SX ) para referirse a FXC , dado que re-
presenta la probabilidad de que dicho componente esté operativo al
menos hasta el valor proporcionado
SX (t) , Pr( X > t) = FXC ( x )
Función de densidad
La función de densidad sirve para representar la forma en que
una variable aleatoria continua se distribuye. Dada la variable alea-
toria X, se define como aquella funcion no-negativa f X que cumple
que
Z b
Pr( a < X ≤ b) = f X ( x )dx,
a
por lo que también se puede interpretar como la derivada de la
función de distribución FX (si existe), esto es
d
f X (x) = FX ( x ).
dx
Por lo tanto, se tiene que la función de distribución se puede
expresar como la integral de la función de densidad,
Z x
FX ( x ) = f X (y)dy.
−∞
Por lo descrito anteriormente sobre las variables aleatorias con-

tinuas, se tiene que el valor de la función de densidad evaluada en
cualquier punto x es 0, dado que la probabilidad de un determi-
nado valor en cualquier segmento de los números reales es nulo.
Sí que tendría sentido calcular la probabilidad de que una variable
aleatoria se encuentre en un rango ε alrededor de un valor x, esto
es,
Z x+ε/2
Pr( X ∈ [ x − ε/2, x + ε/2]) = f X (τ )dτ ≈ f X ( x )ε
x −ε/2
por lo que se puede decir (aunque no sea muy formal) que aquellos
valores de x donde f X sea mayor son más probables, (teniendo en
cuenta que la probabilidad de un determinado valor es cero).
Variable aleatoria uniformemente distribuida

Una variable aleatoria X se distribuye uniformemente entre a y
b (lo que se puede representar como X ∼ U [ a, b]) si su función de
densidad es plana y sólo existe en dicho intervalo, esto es
1
f X (x) = , a ≤ x ≤ b.
b−a
Esta variable sirve, por tanto, para modelar aquellas situaciones

en las que los posibles resultados de un experimento se encuentran
acotados entre dos números, y no existe ningún valor “más proba- 1
ble” entre dichas cotas. Esto se correspondería, por ejemplo, con fX
fY
medir el ángulo de un minutero con respecto al cero en una mirada 0,8
al azar (suponiendo un desplazamiento continuo del mismo), y ser-
viría para modelar situaciones donde un evento puede suceder “en 0,6
cualquier momento.” Se ilustra (para dos casos particulares) en la

0,4
Figura 1.15.
0,2
Correspondencias entre probabilidad discreta y continua
0
−6 −4 −2 0 2 4 6
Momentos Figura 1.15: Función de densidad de
las variables aleatorias X ∼ U (0, 2) e
Para el caso de las variables aleatorias continuas los momentos Y ∼ U (−3, 1)
se definen de forma análoga al caso discreto, ponderando cada
transformación de x por su valor de la función de densidad f ( x ).
Por lo tanto, el momento de orden n respecto al valor c se define
como Z ∞
µn (c) = ( x − c)n f ( x )dx
−∞
La media o esperanza se define como

Z ∞
µ = E[ X ] = x f ( x )dx
−∞
El momento de segundo orden es

Z ∞
µ2 = E[ X 2 ] = x2 f ( x )dx
−∞
La varianza se calcula como:

Z ∞
σ 2 = µ2 ( µ ) = ( x − µ)2 f ( x )dx
−∞
La esperanza condicionada de la variable aleatoria X dada una

condición Y se puede expresar como
R
τ f X,Y (τ )dτ
E[ X | Y ] =
Pr(Y )
Ejemplo 1.20. Para el caso de una variable aleatoria X ∼ U [ a, b], se

puede calcular que la media y la varianza vienen dados por
a+b ( b − a )2
µ= σ2 = ,
2 12
La media de los valores mayores que la media se puede expresar
mediante una esperanza condicionada
Rb
( a+b)/2 x f ( x )dx
E[ X | X > ( a + b)/2] = R b
( a+b)/2 f ( x )dx
Relación entre momentos

Se puede demostrar la misma relación entre los momentos que
para el caso discreto, esto es
E[ X 2 ] = E[ X ]2 + σX2 ,
y si X e Y son dos variables aleatorias, entonces
E [ X + Y ] = E [ X ] + E [Y ] ,
mientras que si, además, son independientes
σX2 +Y = σX2 + σY2 .
Suma de variables aleatorias

De forma similar al caso de variables aleatorias discretas, la
distribución de la suma de dos variables aleatorias continuas se
distribuye según su convolución. Esto es, si X e Y son dos variables
aleatorias que toman valor sobre los números reales, con funciones
de densidad f X e f Y , respectivamente, su suma Z = X + Y tiene
como función de densidad
Z ∞
f Z ( x ) = ( f X ∗ f Y )( x ) = f X ( x − y) f Y (y)dy ,
−∞
expresión que guarda bastante relación con la ya vista en el caso

discreto.16 16
La expresión (1.2), es decir:
Pr(n a + nb = x ) = ∑ Pr(na = x − y) Pr(nb = y)
y
Ejemplo 1.21. Sea una variable aleatoria exponencial X, con fun-
ción de densidad
f X (t) = λe−λt , t ≥0
y sea otra variable aleatoria exponencial independiente Y, con fun-

ción de densidad
f Y (t) = µe−µt , t ≥0
La función de densidad de su suma viene dada por

Z ∞ Z ∞
f Z (x) = f X ( x − y) f Y (y)dy = λe−λ( x−y) µe−µy dy
−∞ −∞
El cálculo de la convolución lleva a

Z ∞
f Z (x) = λe−λ( x−y) µe−µy dy
−∞
Z x
= λe−λ( x−y) µe−µy dy
0
Z x
= λµ e−λ( x−y) e−µy dy
0
0 !
λµ e−λx − e−µx

−λx 1 −(µ−λ)y

= λµe e =
µ−λ
x µ−λ
Comparación de variables aleatorias

De forma análoga al caso discreto, para el caso continuo se pue-
de calcular la probabilidad de que una determinada variable alea-
toria X1 sea mayor que otra variable aleatoria X2 mediante la ley de
la probabilidad total:
Z
Pr( X1 > X2 ) = Pr( X1 > X2 | X2 = τ ) f X2 (τ )dτ ,
X2
expresión que, de nuevo, resulta similar a la ya vista en (1.1) y que

1 X1
se repite a continuación: X2
Pr(nb ≥ n a ) = ∑ Pr(nb ≥ na |na = x) Pr(na = x)

x
0,5
Ejemplo 1.22. Sean X1 ∼ U [0, 1] y X2 ∼ U [0, 2], representadas en la

Figura 1.16. La probabilidad de que un valor de X1 sea menor que
uno de X2 se puede obtener como
0
Z −1 0 1 2 3
Pr( X1 < X2 ) = Pr( X1 < X2 | X2 = τ ) f X2 (τ )dτ Figura 1.16: Función de densidad f de
X2
Z X1 ∼ U [0, 1] y X2 ∼ U [0, 2]
= Pr( X1 < τ ) f X2 (τ )dτ
X2
donde Pr( X1 < τ ) es, por definición, FX1 , y se trata de una función
a trozos (Figura 1.17 al margen)
1 f
 F
0, si x ≤ 0


FX1 ( x ) = x, si 0 ≤ x ≤ 1


1, si x ≥ 1

0,5
Para realizar realizar el cálculo, conviene dividir la integral como

Z 1 Z 2
Pr( X1 < X2 ) = FX1 (τ ) · f X2 dτ + FX1 (τ ) · f X2 dτ ,
0 1 0
−1 0 1 2
de lo que resulta Figura 1.17: Funciones de densidad y
Z 1 Z 2 distribución de X1 ∼ U [0, 1]
1 1 3
Pr( X1 < X2 ) = τ · dτ + 1 · dτ = .
0 2 1 2 4
Caracterizar el máximo (o mínimo) de varias variables aleatorias

Sea una variable aleatoria Xmáx definida como el máximo de un
conjunto de N variables aleatorias independientes, esto es
Xmáx = máx{ X1 , X2 , . . . , X N },
que puede modelar, p.ej., el tiempo de ejecución de un programa

compuesto por varios procesos en paralelo, o el tiempo necesario
para recibir una trama cuando se ha dividido en varios fragmentos
y cada uno es enviado por un camino diferente. Para caracterizar
completamente la variable Xmáx , es preciso obtener su función de
densidad f Xmáx , o bien su función la de distribución FXmáx , dado que

a partir de una se puede obtener la otra.
En este caso, resulta relativamente sencillo obtener la función de
distribución, ya que ésta se define como
FXmáx (t) , Pr( Xmáx < t) ,
y resulta que el cálculo de Pr( Xmáx < t) se puede expresar en tér-

minos de las N variables aleatorias: para que un determinado valor
t sea mayor que Xmáx , tiene que ser mayor que las N variables;17 17
Por ejemplo: para que el jugador
dado que éstas son independientes, se tiene que más alto de un equipo mida menos de
2 m se tiene que cumplir que todos los
jugadores midan menos de 2 m.
Pr( Xmáx < t) = Pr( X1 < t) · Pr( X2 < t) . . . Pr( X N < t) . (1.5)
Una vez obtenida la expresión (1.5) para el caso de estudio, se

puede obtener la esperanza, desviación típica, etc. Siguiendo un
método similar, también puede caracterizarse el mínimo de variables
aleatorias, si bien es preciso ser cauto con la comparación a realizar
entre el valor t genérico y el conjunto de variables aleatorias.
Ejemplo 1.23. Sean dos variables aleatorias X1 ∼ U [0, 1] y

X2 ∼ U [0, 1], y sea la variable aleatoria Xmáx definida por su
máximo
Xmáx = máx{ X1 , X2 }
La función de distribución de Xmáx viene dada por
Pr( Xmáx < t) = Pr( X1 < t) · Pr( X2 < t) = t · t = t2 , para t ∈ [0, 1] ,
por lo que su función de densidad es
f Xmáx (t) = 2t, t ∈ [0, 1] .
Obtenida la función de densidad, se puede calcular su esperanza

Z 1
2
E[ Xmáx ] = t f Xmáx (t)dt =
0 3
que, como era de esperar, resulta mayor que la esperanza de cual-
quiera de ellas.
Otras distribuciones aleatorias continuas

Además de la distribución uniforme, obviamente existen otras
variables aleatorias continuas, como la distribución normal o gaus-
siana (que también sirve para aproximar la distribución binomial
para valores de n elevados), la distribución t de Student o la distri-
bución exponencial. En el siguiente tema se analiza con detalle esta
última.
Problemas
Problema 1.1. Sea X una variable aleatoria continua con función

de densidad
f ( x ) = (1 − x2 )K, − 1 ≤ x ≤ 1,
donde K es una constante. Calcule dicha constante y obtenga la

esperanza de X.
Solución. K = 3/4, E[ X ] = 0.
Problema 1.2. Suponga que el tráfico en una red se distribuye

según se muestra en la tabla, donde la primera columna indica la
Aplicación Longitud (B) %
aplicación, la segunda la distribución que siguen sus tramas, y la Skype U(50,150) 5
tercera la proporción relativa de dichas tramas. P2P U(1000,1500) 60
Web exp(1/1000) 25
Obtenga: email N(800,100) 10
1. La longitud media de las tramas en la red.
2. La longitud media del tráfico que no sea P2P.
Solución. 1. 1085 B; 2. 837.5 B.
Problema 1.3. Una red compuesta por 10 ordenadores y 5 servi-

dores se conecta a Internet a través de un switch Ethernet. Todos los
equipos transmiten tramas con la misma tasa, si bien los ordenado-
res transmiten asentimientos TCP con una probabilidad del 60 %,
y tramas de datos con una probabilidad del 40 %. Para el caso de
los servidores, estas probabilidades son del 90 % y 10 %, respectiva-
mente.
1. Calcule la probabilidad de que una trama sea un asentimiento.
2. ¿Cuál es la probabilidad de que un servidor haya generado dicha

trama?
Solución. 1. 7/10; 2. 3/7
Problema 1.4. Dos estaciones, una de alta y otra de baja prio-

ridad, utilizan una variante de Aloha ranurado para acceder al
medio. La estación de alta prioridad transmite con el doble de pro-
babilidad que la estación de baja prioridad y si las dos transmiten a
la vez se pierde toda la información.
1. Calcule la probabilidad de transmisión de ambos tipos de esta-

ciones que maximiza la eficiencia en el uso del canal.
2. Indique si la máxima eficiencia del protocolo con diferenciación

es superior a la del Aloha sin diferenciación.
Solución. 1. p1 = 3/8, p2 = 3/4; 2. Es mayor.
Problema 1.5. (Ej. 15/16) Se transmiten tramas de 1000 bits con

dos posibles tasas de transmisión, 10 y 40 Mbps, con tasas de error
de trama de 50 % y 75 %, respectivamente. No hay número máximo
de reintentos y en cada (re)transmisión se elige una tasa al azar: 1/3
de las veces, 10 Mbps, y el resto de las veces, 40 Mbps. Calcule el
tiempo medio de transmisión de una trama en microsegundos.
Solución. 150 µs
Problema 1.6. (Ej. 14/15) Una tarjeta inalámbrica tiene dos tasas
de transmisión, 24 y 48 Mbps y su algoritmo de selección de tasa es
completamente aleatorio, eligiendo a cada trama una de las tasas al
azar. Las condiciones del canal son muy malas, de tal forma que las
tramas a 24 Mbps son recibidas con éxito el 10 % de las ocasiones
y el resto, nunca. Si las tramas son de 480 bytes, calcule (en µs) el
tiempo medio que se tarda en enviar una trama con éxito.
Solución. T= 2400 µs
Problema 1.7. (Ord. 14/15) El 40 % de los paquetes sufren un

retardo de red que se puede modelar según una variable aleatoria
uniformemente distribuida entre 10 ms y 70 ms, y el 60 % restan-
te sufren un retardo según una variable aleatoria exponencial de
media 30 ms. Calcule el retardo medio de los paquetes con más de
50 ms de retardo.
Solución. Aprox. 70 ms.
Problema 1.8. Resuelva el problema original de De Méré: “¿Qué

es más probable, sacar al menos un seis en cuatro tiradas de un
dado, o sacar al menos un doble seis en veinticuatro tiradas de dos
dados?”
Problema 1.9. La función de densidad de X viene dada por
f ( x ) = a + bx2 , 0 ≤ x ≤ 1,
mientras que su esperanza es E[ X ] = 3/5. Deduzca a y b.
Problema 1.10. Sean dos variables aleatorias independientes u1 y

u2 , uniformemente distribuidas entre 0 y 1. Calcule la esperanza del
mínimo de las dos, esto es, E[mı́n(u1 , u2 )].
Problema 1.11. (Ext. 14/15) La variable aleatoria X1 se distribuye

uniformemente en [0, 4], mientras que la variable aleatoria X2 tiene
por función de densidad f X2 ( x ) = 2x para 0 ≤ x ≤ 1. Calcule
Pr( X1 < X2 ).
Solución. 1/6
Problema 1.12. (Ej. 15/16) Obtenga la expresión de la función de

densidad del mínimo de tres variables aleatorias independientes
distribuidas uniformemente entre 0 y 1.
Solución. f Xm = 3(1 − t)2 , para t ∈ [0, 1
Problema 1.13. Una estación WiFi usa dos modulaciones, 1 Mbps

y 11 Mbps. A 11 Mbps, la probabilidad de pérdida es 20 %, mien-
tras que a 1 Mbps esta probabilidad es 3 %. Se ha observado en un
canal que la probabilidad media de pérdida es del 12.35 %. Calcule:
1. La proporción de tramas que fueron enviadas a 1 Mbps.
2. De las tramas recibidas correctamente, ¿cuántas fueron enviadas

a 11 Mbps?
Solución. 1. 0.45; 2. 0.502

La variable aleatoria exponencial
La variable aleatoria exponencial es una de las variables

aleatorias continuas más sencillas de definir, dado que se carac-
teriza únicamente con un parámetro, y su formulación también
presenta ventajas desde el punto de vista analítico, al resultar (rela-
tivamente) cómodo realizar operaciones con la misma.
Además de estas ventajas en cuanto al modelado analítico,1 1
Que ya justificarían, hasta cierto
una variable aleatoria exponencial resulta adecuada para modelar punto, su uso a la hora de caracterizar
un sistema.
sucesos entre eventos que tengan “poco que ver” entre sí: en el
caso más representativo, el tiempo entre dos llamadas de teléfono
consecutivas, realizada por una población “grande” de individuos,
suele modelarse con una variable aleatoria exponencial. También
resulta habitual suponer que el tiempo hasta el primer fallo de
un componente fabricado en cadena sigue una variable aleatoria
exponencial.
Definición y caracterización básica
Una variable aleatoria continua X tiene una distribución expo-

nencial si su función de densidad f X tiene la siguiente expresión:
f X ( x ) = λe−λx , x≥0
donde λ > 0 es el único parámetro que caracteriza la variable

aleatoria.2 2
Hay autores que prefieren la defini-
En la Figura 2.1 se representa la función de densidad de una ción f ( x ) = β1 e− x/β .
variable aleatoria exponencial para distintos valores del parámetro.

Se observa que la función de densidad toma el valor de λ en el eje λ=1
λ=2
de ordenadas (x = 0), por lo que un valor elevado en dicho punto 2
supone que la variable tenderá a generar valores relativamente

bajos, y viceversa.
1
Esperanza y desviación típica
Para calcular la esperanza se aplica la definición de la misma

para el caso continuo 0
0 1 2 3 4
Z Figura 2.1: Función de densidad de
E[ X ] = x f ( x )dx , probabilidad de una variable aleatoria
x exponencial
33
lo que se traduce para el caso de la variable aleatoria exponencial

en Z ∞
E[ X ] = xλe−λx dx .
0
Dicha integral se resuelve por partes,3 lo que lleva a 3

Recuérdese
R la regla de la
R integral por
partes: u · dv = u · v − v · du.
1 −λx ∞

−λx 1
E[ X ] = − xe

− e = .
λ
0 λ
Ejemplo 2.1. Sea una población de usuarios donde el tiempo entre

dos llamadas de teléfono T consecutivas se distribuye según una
variable aleatoria exponencial, de media 5 minutos. Esto se puede
representar como
1 −t/5
T ∼ exp(5), f T (t) = e , t≥0.
5
La desviación típica se puede obtener, bien por la definición de

la misma Z
σX2 = ( x − E[ X ]) f ( x )dx ,
bien calculando el momento de segundo orden, y aplicando
σX2 = E[ X 2 ] − E[ X ]2 .
En ambos casos el resultado es

1
σX2 = ,
λ2
de donde se tiene que en una variable aleatoria exponencial la
media y la desviación típica coinciden, E[ X ] = σX = λ−1 .
Función de distribución y mediana

Como se ha visto en el capítulo anterior, la función de distribu-
ción F de una variable aleatoria X se define como
Z x
F ( x ) , Pr( X ≤ x ) = f (τ )dτ,
−∞
1
por lo tanto, para el caso de la variable aleatoria exponencial se
tiene que
Z x x
F(x) = λe−λτ dτ = −e−λτ = 1 − e−λx , x ≥ 0.

0 0 0,5
En la Figura 2.2 se representa la función de distribución para los

mismos valores de λ que en la Figura 2.1. Como se aprecia en la λ=1
figura, cuanto mayor es el valor de λ, más rápido crece la función λ=2
de distribución, dado que hay mas probabilidad de los valores sean 0
0 1 2 3 4
próximos a 0. Figura 2.2: Función de distribución de
una variable aleatoria exponencial.
la variable aleatoria exponencial 35
Ejemplo 2.2. Suponga que el tiempo de vida de una bombilla se

puede modelar como una variable aleatoria exponencial de media
tres meses. Se pide:
1. ¿Cuál es la probabilidad de una bombilla dure menos de un

mes?
2. De un lote de 100 bombillas, ¿cuántas durarán más de 63 días?
Si t es la variable aleatoria que representa el tiempo de vida de

una bombilla, su media es 1/λ = 3 meses, por lo que λ = 1/3. La
primera pregunta es directamente Pr(t < 1 mes), lo que se tiene
como
Pr(t < 1) = F (1) = 1 − e−λ1 = 1 − e−1/3 ≈ 0.283.
La segunda pregunta se puede interpretar en términos de la

variable aleatoria binomial: hay n=100 bombillas, y cada una tiene
una probabilidad p de sobrevivir más de 63 días (que hay que
calcular). Teniendo en cuenta que 63 días equivalen a 2.1 meses, se
tiene que
p , Pr(t > 2.1) = e−λ2.1 ≈ e−0.7 ≈ 0.5,
por lo que la probabilidad de que una bombilla supere los 63 días

es p = 1/2. Por lo tanto, de un lote de 100 bombillas, el número
esperado de supervivientes tras 63 días es n · p, esto es, 50.
Una vez obtenida la función de distribución, el cálculo de

la mediana x M resulta inmediato, dado que se trata del percentil
0.5. Basta con resolver:
x M : F ( x M ) = 0.5,
de donde se obtiene que
ln 2 1
xM = ≈ 0.7 .
λ λ
Por lo tanto, para el caso de una variable aleatoria exponencial se
tiene que la mediana es un 70 % del valor de la media, por lo que la
distribución se encuentra “escorada” hacia los valores próximos a
cero.
La función de supervivencia
La función de supervivencia es otro nombre de la función com-
plementaria FC
F C ( x ) , 1 − F ( x ).
Dicha función tiene una interpretación especial cuando la varia-

ble aleatoria sirve para modelar tiempos de vida, dado que si F (t)
pasa a ser la probabilidad de que dicho tiempo de vida sea menor
o igual que t, la función complementaria indica la probabilidad de
que se sobreviva más allá de dicho umbral t.
La función de supervivencia se suele representar por S(t) y, para 1

el caso de la variable aleatoria exponencial, su expresión es
S(t) = e−λt .
Si se representa la función de supervivencia en escala logarítmi- 0,5

ca, se obtiene una recta (véase Figura 2.3) de pendiente −λ.
La interpretación de dicha recta es clara: para los casos en que
λ=1
1/λ es el tiempo medio de vida de un elemento, λ es entonces λ=2
la tasa media de fallo de dicho elemento. Cuanto menor sea esta 0
0 1 2 3 4
pendiente, más fiable será dicho componente, mientras que cuanto
Figura 2.3: Función de supervivencia
mayor sea la pendiente, más probable será que falle. de una variable aleatoria exponencial
(eje y en escala logarítmica).
La propiedad “sin memoria” de la variable aleatoria exponencial
La memoria en un tiempo de vida

El tiempo de vida de un elemento (p. ej., un componente electró-
nico) se puede definir como el tiempo que pasa desde que dicho
elemento es puesto a funcionar hasta que se estropea. Si su valor es
de Tv , según avance el tiempo t a dicho elemento le quedarán Tv − t
unidades de tiempo. A este tiempo que falta desde el instante ac-
tual (de referencia) hasta que el elemento muera se le llama tiempo
restante (o residual) de vida Tr (t), ilustrado en la Figura 2.4. Si un
componente tiene un tiempo de vida finito, según avance el tiempo
su tiempo residual de vida será menor.
En el caso de que Tv sea una variable aleatoria, tiene sentido pre-
guntarse por la probabilidad de que dicho componente sobreviva
un determinado tiempo s, esto es, Pr( Tv > s). Según avance el tiem- Figura 2.4: Tiempo total y restante de
fida.
po, si el componente sigue funcionando dicha pregunta pasa a ser
Pr( Tr (t) > s). Esta probabilidad se puede expresar en función de
Tv , pero considerando que ya ha pasado el tiempo t:
Pr( Tr (t) > s) = Pr( Tv − t > s | Tv > t),
es decir, se ha de tener en cuenta que (i ) hay que restar de Tv el

tiempo t que ya ha pasado, y (ii ) dado que el componente sigue
funcionando en t, eso significa que su tiempo de vida es mayor que
dicho valor.
Ejemplo 2.3. Supóngase que la duración de una película (su “tiem-

po de vida”) se puede modelar con una variable aleatoria uniforme
entre 90 y 150 minutos, según se ilustra en la Figura 2.5.
Un espectador que vaya al cine y sepa esta información, sabe
que estará como mínimo 90 minutos sentado, dado que Pr( Tv > Figura 2.5: Duración uniformemente
distribuida entre 90’ y 150’.
900 ) = 1. Durante el transcurso de la película, si se pregunta por
la probabilidad de que “le quede” más de media hora (Pr( Tr (t) >
300 )), dicha probabilidad cambia con el tiempo:
Por una parte, durante la primera hora sabe que es seguro que le
quede más de media hora (Pr( Tr (t) > 300 ) = 1), dado que no hay
películas que duren menos de 60 + 30 minutos.
Por otra parte, a partir de dos horas (120’) sabe que, con total
seguridad, en media hora o menos terminará (Pr( Tr (t) > 300 ) =
0), dado que ninguna película dura más de 150’.
Entre estos dos extremos, 300 ≤ t ≤ 1200 , puede calcular que

cuanto más avance el tiempo t, más probable es que la película
acabe antes de media hora (dicho de otra forma: la probabilidad
de que la película sobreviva media hora más va disminuyendo
con t).
Por lo tanto, según avanza t el espectador puede ir actualizando

la incertidumbre sobre lo que resta de película, teniéndose que
Pr( Tr (t) > s) va decreciendo con t: cuanto más tiempo pasa, menos
probable es que la película dure más allá de s.
En general, como en el ejemplo anterior, el tiempo que

lleva sobreviviendo un elemento se puede usar para actualizar la
incertidumbre sobre su tiempo residual de vida. En el caso de la
variable aleatoria exponencial, como se verá a continuación, esto no
es así.
La propiedad “sin memoria”

Se dice que una variable aleatoria X no tiene memoria4 si cum- 4
Esto es, posee la propiedad sin
ple la siguiente propiedad memoria
Pr( X > t + s | X > t) = Pr( X > s) ∀s, t. (2.1)
Para el caso en que X represente un tiempo de vida, la propie-

dad sin memoria supone que la probabilidad de que sobreviva un
tiempo t + s, dado que ya ha sobrevivido un tiempo t, es igual a
la probabilidad de que sobreviva un tiempo s (partiendo desde 0,
es decir, como si acabase de ser puesto en funcionamiento). Esto
es, que la distribución del tiempo restante de vida no depende del
tiempo t que lleve con vida.
Ejemplo 2.4. Sean dos bombillas: una acaba de encenderse y la

otra lleva 40 años encendida. Si el tiempo de vida Tv de dichas
bombillas es la misma variable aleatoria y no tiene memoria, la
probabilidad de que la bombilla dure 1 año más
Pr( Tr > 1)
es la misma en los dos casos: en el primer caso coincide por defi-

nición con la probabilidad de que la bombilla dure más de un año
(esto es, la expresión anterior), y en el segundo caso con la proba-
bilidad de que dure más de 41 años, sabiendo que lleva 40 años
encendida
Pr( Tv > 41 | Tv > 40) .
La variable aleatoria exponencial no tiene memoria,

como se puede demostrar desarrollando la expresión de la parte
izquierda de (2.1):
Pr( X > s + t, X > t)

Pr( X > s + t | X > t) = .
Pr( X > t)
En el cociente, la probabilidad de X > t del numerador ya está

incluida en X > t + s, por lo que la parte izquierda de (2.1) se
puede obtener como
Pr( X > s + t) e−λ(s+t)

Pr( X > s + t | X > t) = = = e−λs , (2.2)
Pr( X > t) e−λt
que corresponde con la parte derecha de (2.1):
Pr( X > s) = e−λs
De hecho, se puede demostrar que la variable aleatoria exponencial

es la única distribución de probabilidad continua sin memoria,
lo que se debe a la forma en que se puede simplificar en (2.2) el
cociente de funciones de distribución complementarias.
Ejemplo 2.5. Supóngase ahora que la duración de una película se

puede modelar con una variable aleatoria exponencial, de media
120 minutos. En estas (irreales) condiciones, la probabilidad de
que una película acabe durante los próximos 5 minutos es siempre
la misma, tanto si acaba de empezar como si lleva 3 horas. Si hay
varias películas en reproducción en distintas salas, la probabilidad
de que una de ellas acabe en los próximos 10 minutos es la misma,
independientemente de cuándo empezasen.
Visualmente, que la variable aleatoria exponencial no tenga me-

moria se puede interpretar como que el valor relativo de Pr( X >
t + s) sobre Pr( X > t) es el mismo que el valor absoluto de
Pr( X > s), como se ilustra en la Figura 2.6.
Ejemplo 2.6. Suponga que en una red Gigabit Ethernet el tiempo

entre tramas se puede modelar como una variable aleatoria expo-
nencial de media λ−1 = 1 ms. La probabilidad de que no se observe
ninguna trama durante 2 ms es
Figura 2.6: La probabilidad del futuro
Pr( T > t)t=2 ms = e−λt = e−2 . s + t condicionada a (esto es, dividido
por) una referencia t (figura superior)
Por otra parte, la probabilidad de que no se observe trama alguna es igual a la incertidumbre a partir de
dicha referencia s (figura inferior).
durante 4 ms, sabiendo que ya han pasado 2 ms sin tráfico en la
red, resulta ser
Pr( T > 4 | T > 2) = Pr( T > 2) = e−2 .
Como era de esperar, la probabilidad de que no llegue ninguna

trama durante 2 ms (Pr( T > 2)) es la misma a lo largo del tiempo,
independientemente de que justo acabe de llegar una trama o de

que hayan transcurrido 2 ms desde la última llegada.
Si una determinada variable puede modelarse según una

variable aleatoria exponencial, la propiedad “sin memoria” supo-
ne que dicha variable “se renueva” a cada momento, dado que la
incertidumbre sobre el futuro permanece constante: en el ejemplo
anterior, en cualquier momento puede llegar una trama, independien-
temente de la historia pasada del proceso aleatorio. Esta propiedad
no ocurre para cualquier otra variable aleatoria.
Ejemplo 2.7. Suponga un flujo de voz sobre IP, donde el tiempo

entre tramas X se puede modelar con una variable aleatoria uni-
formemente distribuida entre 19 y 21 ms. Si se fija la referencia
temporal justo tras una llegada (t = 0), la probabilidad de que
la siguiente llegada ocurra pasado 1 ms es, según se ilustra en la
Figura 2.7
Pr( X > 1 ms) = 1 ,
al igual que la probabilidad de que la siguiente llegada ocurra tras
19 ms
Pr( X > 19 ms) = 1 ,
mientras que la probabilidad de que llegue tras 20 ms es del 50 %
Pr( X > 20 ms) = 1/2 . Figura 2.7: La variable aleatoria unifor-

me tiene memoria.
A partir de estos resultados, se puede comprobar que no se cum-
ple la condición de la propiedad sin memoria (indicada al margen), Pr( X > t + s | X > t) = Pr( X > s)
dado que una vez que hayan pasado 19 ms desde la última llegada,
la probabilidad de que la siguiente llegada tarde más de 1 ms es
Pr( X > 20 ms | X > 19 ms) = 1/2,
que no coincide con Pr( X > 1 ms).
Esperanza condicionada
Sea una variable aleatoria X con función de densidad
f (t) = λe−λt .
Como se ha visto, su esperanza viene dada por

Z ∞
1
E[ X ] = xλe−λx dx = .
0 λ
Supóngase ahora que interesa calcular la esperanza de aquellos
valores mayores que una constante k, esto es,
E[ X | X > k ] ,
lo que puede hacerse, en principio, aplicando la definición de espe-

ranza condicionada
R∞
xλe−λx dx . ke−λk + λ1 e−λk 1
E[ X | X > k ] = k = = k+ .
Pr( X > k ) e−λk λ
Existe otra forma de realizar el cálculo, basándose en la siguiente

interpretación propiedad sin memoria de la variable aleatoria expo-
nencial: si X es un tiempo de vida, que la “incertidumbre” no varíe
a lo largo del tiempo supone que, independientemente del instante
de referencia (el inicial o cualquier otro valor t), la esperanza de lo
que “le queda” a X (esto es, el tiempo residual) no cambia. Por lo
tanto, se tiene que:
E[ X | X > k ] = k + E[ X ] ,
de lo que se deduciría fácilmente el resultado anterior.
Análisis de múltiples variables aleatorias exponenciales
Hasta ahora se ha considerado el caso de una única variable alea-

toria exponencial, pero en varias ocasiones la situación será más
complicada: si, por ejemplo, el tiempo de vida de un componente
hardware se puede modelar según una variable aleatoria expo-
nencial, el tiempo de vida de un dispositivo compuesto por varios
componentes vendrá determinado por aquel que se rompa antes.
Mínimo de variables aleatorias exponenciales

Sea el caso de dos variables aleatorias exponencialmente distri-
buidas, X1 y X2 , independientes y de media 1/λ1 y 1/λ2 , respecti-
vamente. Se pretende caracterizar la variable definida por el mínimo
de ambas
Xmı́n = mı́n{ X1 , X2 },
lo cual se correspondería, por ejemplo, con un escenario con dos
bombillas con tiempos de vida exponenciales, donde se quiere
analizar cómo se distribuye el tiempo que pasa hasta que una de
ellas deja de funcionar.
Dado que dicho mínimo también es una variable aleatoria, para
analizarlo es preciso obtener su función de distribución F o su
complementaria FC . En este caso lo más sencillo resulta obtener
esta última,
FXCmı́n (t) , Pr( Xmı́n > t),
dado que la probabilidad de que Xmı́n sea mayor que un tiempo
t coincide con la probabilidad de que las dos variables aleatorias
independientes X1 y X2 sean mayor de dicho t,5 por lo que 5
Por ejemplo: la probabilidad de que
dos bombillas sigan encendidas tras
Pr( Xmı́n > t) = Pr( X1 > t) · Pr( X2 > t), un tiempo t es la probabilidad de que
cada una de ellas siga encendida tras
un tiempo t.
que se puede expresar como
Pr( Xmı́n > t) = e−λ1 t e−λ2 t = e−(λ1 +λ2 )t .
De lo anterior, se tiene que la función de supervivencia de la varia-

ble aleatoria Xmı́n queda como
FXCmı́n (t) = e−(λ1 +λ2 )t ,

que se comprueba, por inspección, que se corresponde con la fun-

ción de supervivencia de una variable aleatoria exponencial, de
media 1/(λ1 + λ2 ). Por lo tanto, el mínimo de dos variables aleato-
rias exponenciales independientes se distribuye según otra variable
aleatoria exponencial, con la inversa de su media λmı́n igual a la
suma de las inversas de las medias.
Ejemplo 2.8. Sea un sistema con dos clientes realizando peticiones

a un servidor. Si el tiempo entre peticiones se puede modelar con
una variable aleatoria exponencial, de media 1/λ1 = 2 ms para
el primer cliente y 1/λ2 = 1 ms para el segundo, el tiempo entre
peticiones del agregado también se distribuirá según una variable
aleatoria exponencial, de media 1/(λ1 + λ2 ) = 2/3 ≈ 0,66 ms.
El anterior resultado es generalizable al caso de múltiples

variables aleatorias exponenciales independientes: sea X1 , . . . , Xn
un conjunto de n variables, con medias 1/λ1 , . . . , 1/λn , respectiva-
mente. La variable aleatoria definida por el mínimo de todas ellas
se puede obtener como:
n
Pr(mı́n{ X1 , . . . , Xn } > t) = ∏ Pr(Xi > t)
i =1
n
= ∏ e − λi t
i =1
−(∑in=1 λi )t
=e ,
que es una variable aleatoria exponencial, con media 1/ ∑in=1 λi .
Ejemplo 2.9. Sea un router con tres componentes básicos: CPU,

fuente de alimentación y memoria. El tiempo de vida de la CPU
sigue una variable aleatoria exponencial de media 10 años; el de
la fuente de alimentación sigue una exponencial de media 2 años
y medio; y el de la memoria otra exponencial de media 2 años. El
tiempo de vida del router es una exponencial de media 1/λ, donde
dicho parámetro se calcula como
Figura 2.8: Router con tres componen-
1 1 1 1+4+5
λ= + + = = 1 año. tes. La tasa de rotura es la suma de las
10 2.5 2 10 tasas de rotura.
Una forma (intuitiva) de interpretar el mínimo de varias

variables aleatorias exponenciales consiste en considerar que el
tiempo medio de vida 1/λ determina una “tasa” de roturas por
unidad de tiempo λ. De esta forma, se tiene que la tasa λ a la que
se rompe un elemento compuesto por varias unidades con tiempo
de vida exponencial λi viene dada por la suma de todos ellos, esto
es
λ = ∑ λi .
i
Dicha interpretación se ilustra en la Figura 2.8 para el caso del

ejemplo anterior, donde la tasa de rotura del router resulta la suma
de las tasas de rotura de los diferentes componentes.
Comparación de variables aleatorias exponenciales

En la sección anterior el objetivo es caracterizar el tiempo de vida
de un sistema compuesto por diferentes elementos, cada uno con
un tiempo de vida que se distribuye según una variable aleatoria
exponencial. En esta sección se aborda un análisis parecido, pero
sobre el valor relativo de estos tiempos de vida en términos de pro-
babilidad, esto es, la probabilidad de que una variable aleatoria sea
menor que otra.6 6
Considerando el ejemplo de las
Sean dos variables aleatorias exponenciales independientes X1 y dos bombillas, el objetivo es calcular
qué bombilla es más probable que se
X2 , de medias λ1−1 y λ2−1 , respectivamente. La probabilidad de que rompa antes.
una muestra de la primera variable sea inferior a una muestra de la
segunda se puede calcular condicionando en una de ellas:
Z ∞
Pr( X1 < X2 ) = Pr( X2 > X1 | X1 = τ ) f X1 (τ )dτ (2.3)
0
Z ∞
= Pr( X2 > τ ) f X1 (τ )dτ ,
0
donde Pr( X2 > τ ) es la función de supervivencia de una expo-

nencial de media 1/λ2 y f X1 (τ ) es la función de densidad de una
exponencial de media 1/λ1 . Por lo tanto,
Z ∞
Pr( X1 < X2 ) = e−λ2 τ λ1 e−λ1 τ dτ
0
Z ∞
= λ1 e−(λ1 +λ2 )τ dτ
0
λ1
= ,
λ1 + λ2
expresión que tiende a la unidad cuando λ1 toma valores muy
elevados, dado que en esos casos las muestras de X1 (de media
muy baja) serán menores que las de X2 con bastante probabilidad.7 7
Nótese que el cálculo de (2.3) se
puede plantear de cuatro formas
equivalentes, según se condicione
Ejemplo 2.10. Sean dos variables aleatorias exponenciales indepen- al valor de X1 o X2 , y calculando
Pr( X1 < X2 ) o bien la probabilidad
dientes, X1 y X2 , de media 5 y 10, respectivamente. La probabilidad
complementaria de Pr( X2 < X1 ).
de que un valor de X1 sea menor que un valor de X2 viene dada
por
λ1 1/5
Pr( X1 < X2 ) = = = 2/3.
λ1 + λ2 1/5 + 1/10
Este resultado se puede generalizar, esto es, calcular la

probabilidad de que una variable aleatoria exponencial sea menor
que otras variables aleatorias exponenciales. Para ello, suponiendo
el caso de n variables aleatorias exponenciales, basta con considerar
el mínimo de las n − 1 variables aleatorias exponenciales contra la
que se realiza la comparación.
Sean las variables aleatorias exponenciales independientes X1 ,

X2 y X3 de medias λ1−1 , λ2−1 y λ3−1 . La probabilidad de que X1 sea
menor que las otras dos se puede calcular como
Pr( X1 < X2 ∪ X1 < X3 ) = Pr( X1 < mı́n{ X2 , X3 })

| {z }
λ = λ2 + λ3
λ1
=
λ1 + ( λ2 + λ3 )
La generalización es inmediata: sea X1 , . . . , Xn un conjunto de
n variables aleatorias exponenciales independientes, con tasas
λ1 , . . . , λn , respectivamente. La probabilidad de que la variable
aleatoria exponencial i arroje el menor valor del conjunto de todas
ellas viene dada por:
Pr( Xi = mı́n{ X j }) = Pr( Xi < mı́n{ X j })

j j 6 =i
λi
=
∑j λj
Ejemplo 2.11. Sea el mismo router con tres componentes básicos:

CPU, fuente de alimentación, y memoria. El tiempo de vida de la
CPU es exponencial de media 10 años; el de la fuente de alimenta-
ción es exponencial de media 2 años y medio; y el de la memoria es
exponencial de media 2 años. La probabilidad de que la CPU sea la
causante del primer fallo se puede obtener como
λCPU
Pr( XCPU < mı́n{ XPwr , X Mem }) =
λCPU + (λ Pwr + λ Mem )
1/10 1
= = .
1/10 + 2/5 + 1/2 10
Como comentario adicional, se tiene que una vez reparado el
router, la probabilidad de que el siguiente fallo vuelva a ser cau-
sado por la CPU también es 1/10, dado que todas las variables
aleatorias exponenciales se han “renovado” tras la reparación (por
la propiedad sin memoria).
Suma de variables aleatorias exponenciales

Sean X e Y dos variables aleatorias exponenciales independientes
con la misma media 1/λ. La función de densidad de su suma Z =
X + Y se calcula como8 8
Como se vio en el Ejemplo 1.21
Z ∞ Z z (página 25), la suma de dos variables
f Z (z) = f X (z − y) f Y (y)dy = λe−λ(z−y) λe−λy dy aleatorias exponenciales de medias
−∞ 0 1/λ y 1/µ tiene como función de
densidad:
El cálculo de la convolución lleva a
λµ e−λx − e−µx

Z ∞ f Z (x) =
µ−λ
f Z (x) = λ2 e−λx dy
−∞
Z x
= λ2 e−λx) dy
0
= λ xe−λx
2
En un caso general, la suma de k variables aleatorias exponencia-

les independientes con la misma media 1/λ da lugar a la distribu-
ción de Erlang, cuya función de distribución es
k −1
1 −λx
F ( x, k, λ) = 1 − ∑ n!
e (λx )n .
n =0
Resumen del tema
Se dice que una variable aleatoria X no tiene memoria si cumple

la siguiente propiedad
Pr( X > t + s | X > t) = Pr( X > s) ∀s, t.
La variable aleatoria exponencial es la única variable aleatoria

sin memoria. Si sirve para modelar el tiempo de vida de un
componente, esto implica que la probabilidad de que el tiempo
restante de vida sea mayor que un determinado valor es siempre
la misma (siempre que esté funcionando).
Dado un conjunto de varias variables aleatorias exponenciales

independientes, cada una con media λi−1 , se tiene que:
• El mínimo de todas ellas es otra variable aleatoria exponen-

cial, de media (∑ λi )−1 .
• La probabilidad de que la variable aleatoria i-ésima sea menor
que las otras viene dada por el cociente
λi
∑j λj
Problemas
Problema 2.1. Suponga que la variable aleatoria X1 se distribuye

uniformemente [0, a], y que la variable X2 se distribuye exponen-
cialmente con media 1/λ. Calcule Pr( X1 < X2 ).
1 −λa )
Solución. λa (1 − e
Problema 2.2. (Ext. 10/11) Suponga que el tiempo que tarda un

cajero en atender a un cliente es exponencial. En un banco hay dos
cajeros, que tardan en media 3 y 6 minutos en atender a un cliente,
respectivamente. Suponga que un cliente llega al banco y los dos
cajeros están ocupados, y no hay nadie más esperando. Se pide:
1. Probabilidad de estar más de 2 minutos esperando a ser atendi-
do.
2. Tiempo medio de estancia total en el banco.
Solución. 1. e−1 ; 2. 6 minutos.
Problema 2.3. (Ext. 12/13) Suponga que, en un móvil, el tiempo

de vida de cada componente se puede modelar según una variable
aleatoria exponencial. La pantalla dura, en media, 4 meses; el botón
del menú, 2 meses, y el módulo de WiFi, 8 meses. Reparar la panta-
lla cuesta 140 e, el botón 35 e y el WiFi 70 e. ¿Cuánto se gasta en
media por reparación?
Solución. 70 e.
Problema 2.4. (Ej. 13/14) Suponga que el tiempo que tarda un

jugador en recuperarse de una lesión se puede modelar con una
variable aleatoria exponencial de media 12 semanas, y supone un
coste para el equipo de 5.000 e/ semana. Existe un tratamiento
muy eficaz basado en batidos que permite una recuperación ins-
tantánea, pero tiene coste de 50.000 e. La política que se sigue en
el club es esperar cuatro semanas y, si no se produce recuperación,
proceder al tratamiento. Calcule el coste medio por lesión.
Solución. 52.834 e.
Problema 2.5. (Ej. 14/15) Suponga que el tiempo de vida de un

pixel se puede modelar con una variable aleatoria exponencial de
media T años. En Navidad le regalan una tablet de N pixeles y un
móvil de M pixeles, y por pereza sólo los manda a reparar cuando
detecta que los dos tienen algún pixel que no funciona. Durante el
primer año la reparación es gratuita, pero pasado este tiempo la de
la tablet cuesta X e y la del móvil Y e. Si toda reparación renueva
la garantía durante un año, obtenga la expresión de la esperanza
del coste de la tercera reparación.
(1 − PT · PM ) ( X + Y ) = 1 − (1 − e− Nλ )(1 − e− Mλ ) ( X + Y )

Solución.
Problema 2.6. (Ej. 15/16) El tiempo de vida de un disco duro

(HD) se puede modelar con una variable aleatoria exponencial de
media 1/λ. Se desea almacenar 2 TB de información y se precisa
saber la probabilidad de que dicha información esté disponible tras
un año de uso, existiendo tres posibles configuraciones:9 9
En la configuración RAID 0 (Data
Striping) no existe redundancia y
1. Un HD de 500 e, 2 TB, λ−1 =2 años. la capacidad total es la suma de las
capacidades: si cualquier disco se
2. Dos HDs de 100 e, 1 TB, cada uno con λ−1 =1 año, en RAID 0. estropea, la información se pierde. En
la configuración RAID 1 (Mirroring)
la misma información es copiada
3. Dos HDs de 200 e, 2 TB, cada uno con λ−1 =1 año, en RAID 1. en todos los discos y la capacidad
total coincide con la de un disco: sólo
Solución. 0.607 0.135 0.600 cuando ningún disco funciona, la
información se pierde.
Problema 2.7. (Ext. 12/13) Sea X una variable aleatoria exponen-

cial de media 1/λ1 . Sea Y otra variable aleatoria, que se obtiene
como una variable aleatoria exponencial de media 1/λ2 a la que se
le suma una constante C (por lo tanto, el valor mínimo de Y es C).
Calcule Pr( X < Y ).
Solución. 1− λ2 − λ1 C
λ1 + λ2 e
Problema 2.8. (Ej. 14/15) Suponga un grupo de WhatsApp de 50

usuarios, muchos de ellos insomnes. El 40 % de los usuarios sólo
manda texto, otro 40 % manda la mitad mensajes de texto y la otra
mitad fotos, y el 20 % restante sólo manda fotos. El número de men-
sajes que manda un usuario al día se distribuye uniformemente
entre 10 y 30, donde el tamaño de los mensajes se distribuye uni-
formemente: entre 2 y 200 bytes para los de texto, y entre 1.000 y
10.000 bytes para las fotos.
1. Calcule la cantidad de datos total (en bytes) que genera este

grupo al día.
2. Calcule la probabilidad de estar 12 minutos sin recibir un mensa-

je de texto.
Solución. 1. 2,260,600 bytes; 2. e−5
Problema 2.9. (Ross 2.10a) Suponga que el tiempo entre autobu-

ses se puede modelar según una variable aleatoria exponencial, de
media 1/λ. Una vez en el autobús, el tiempo de recorrido hasta el
destino es R. Andando desde la parada, el tiempo es W. Suponga
que la regla que se sigue para decidir si tomar o no el autobús es
la siguiente: se espera como mucho un tiempo S, pasado el cual se
decide ir andando. Se pide:
1. Obtenga el tiempo medio desde que llega a la parada de autobús

hasta el destino.
2. Discuta, en función del cociente W/( R + λ−1 ), el valor óptimo

de S.
Solución. 1. R + λ−1 + e−λS (W − R − λ−1 ).
Problema 2.10. (Ord. 10/11) Suponga que el tiempo que se nece-

sita para averiguar una contraseña se distribuye según una variable
aleatoria exponencial de media 10 días.
1. Si un usuario establece su contraseña el 1 de enero, obtenga la

probabilidad de que su contraseña no sea descubierta durante el
año (no bisiesto).
2. Un usuario cambia su contraseña el día 1 de cada mes. Calcule

de nuevo la probabilidad anterior, y comente el resultado.
Solución. e−36,5 .
Problema 2.11. (Ord. 10/11) Sea un acuerdo de nivel de servicio

en el que el retardo de los paquetes debe ser inferior a 0.5 s. Todo
paquete con un retardo superior a dicho umbral conlleva una pena-
lización de 0.01 e/s a partir de dicho umbral (p.ej., un paquete con
un retardo total de 1.8 s conllevaría una penalización de 0.013 e).
Suponga que el retardo de los paquetes sigue una variable aleatoria
exponencial de media 1 segundo. Se pide: (suponga que e−0,5 ≈ 0,6)
1. Coste medio por paquete.
2. Coste medio de los paquetes que suponen un coste.
Problema 2.12. (Ord. 12/13) El retardo en una red se distribuye

según una variable aleatoria exponencial de media 10 ms. Calcule el
retardo medio de los paquetes con un retardo mayor de 50 ms.
Solución. 60 ms.
Problema 2.13. (Ord. 15/16) El tiempo de vida de un disco duro

(HD) se puede modelar con una variable aleatoria exponencial. En
una configuración RAID1 la misma información es copiada en to-
dos los discos disponibles. Calcule la expresión de la probabilidad
de que un sistema RAID1 mantenga la información más allá de un
tiempo t para dos casos:
1. Dos HDs idénticos, cada uno con un tiempo medio de vida T.
2. Cuatro HDs idénticos, cada uno con un tiempo medio de vida

T/2.
Solución. 1. 2e−t/T − e−2t/T

2. 4e−2t/T − 6e−4t/T + 4e−6t/T + e−8t/T
Procesos de Poisson
Un proceso de conteo caracteriza la forma en la que se van

sucediendo “eventos” en un sistema a lo largo de tiempo. Si estos
eventos son llegadas, como pueden ser p.ej. clientes a una tienda,
llamadas de teléfono a una central de conmutación, o tramas a un
router en Internet, se habla de un proceso de llegada.
Un proceso de llegada de Poisson es aquel en el que, fijada una
ventana de tiempo de duración T, el número de eventos que su-
ceden en T sigue una variable aleatoria de Poisson. Este tipo de
proceso de llegada suele emplearse para modelar situaciones en
las que las llegadas no guardan relación entre sí, y –como se verá–
tiene la característica de que el tiempo entre llegadas sigue una va-
riable aleatoria exponencial. Esto supone que se trata de un proceso
muy impredecible, dado que el tiempo que pasa entre llegadas no tie-
ne memoria, por lo que es igual de probable que se produzca una
llegada ahora que, por ejemplo, tras haber pasado diez minutos sin
llegada alguna.1 1
Si el tiempo entre llegadas siguiese
A continuación, primero se formaliza la definición de un proceso una variable aleatoria uniformemente
distribuida entre 90 y 120 minutos,
de conteo, para posteriormente presentar la primera definición de tras 119 minutos sin una llegada,
un proceso de llegada de Poisson (hay tres definiciones equivalen- estaríamos seguros de que se producirá
una llegada en el próximo minuto.
tes).
Procesos de conteo
Un proceso de conteo es un proceso estocástico { N (t), t ≥ 0}

que representa, en cada instante de tiempo, el número total de
ocurrencias de un determinado evento hasta dicho instante de
tiempo. Por lo tanto, dicho proceso debe tomar valores enteros
positivos y debe ser creciente, lo que se puede expresar como:
1. N (t) ∈ N0 = {0, 1, 2, . . . }.
2. Si s < t, entonces N (s) ≤ N (t).

Hay infinidad de ejemplos de procesos de conteo: número de ve-
ces que se reinicia un ordenador, Champions League que ha ganado
un equipo de fútbol, visitas totales que tiene un video en Youtu-
be, etc. El número de eventos que ocurren en el intervalo (s, t] se
representa como Nst y se puede obtener como
Nst = N (t) − N (s)
49
Ejemplo 3.1. Se el proceso de llegadas de la Figura 3.1, donde se

tienen cuatro eventos en un intervalo de cinco unidades de tiempo.
A la vista de la figura, se tiene que:
N02 = N (2) − N (0) = 1

3,5
N1,5 =2
N04,1 = 4
Figura 3.1: Ejemplo de un proceso con
cuatro llegadas.
Como se ha mencionado al principio, un proceso de conteo

tiene en cuenta únicamente eventos de un determinado tipo, y no
otro tipo de variables como pudiera ser, p. ej., el número de usua-
rios en un sistema: en una localidad tanto los nacimientos como las
defunciones pueden considerarse procesos de conteo, pero no así
la variable población (esto es, nacimientos menos defunciones) a lo
largo del tiempo.
Como se ilustra en la Figura 3.2 a continuación, normalmente se
indica con Si el instante de tiempo (absoluto) que se corresponde
con el evento i, mientras que Xi representa el tiempo transcurrido
desde el evento (i − 1) hasta el evento i.
Figura 3.2: Ejemplo de un proceso de

conteo
De esta forma, suponiendo que el proceso se inicia en t = 0, se

tiene que
i
Si = ∑ Xj
j =1
Primera definición
Un proceso de llegadas (o de conteo) de Poisson es un proceso

con incrementos independientes y estacionarios, que –como se
ha mencionado anteriormente– guarda bastante relación con la
variable aleatoria exponencial. Si bien hay tres formas equivalentes
de definirlo, la definición más habitual (mencionada al principio del
tema) parte de la variable aleatoria de Poisson:
procesos de poisson 51
Proceso de Poisson (1a definición) Un proceso de Poisson N (t) a tasa

λ es un proceso de conteo con las siguientes propiedades:
(i) No hay eventos antes del instante inicial: N (0) = 0

(ii) El número de eventos entre 0 y un instante de tiempo t sigue
una variable aleatoria de Poisson de media λt, esto es:
(λt)n −λt
N0t = Pr( N (t) = n) = e , n = 0, 1, . . . , ∀ t (3.1)
n!
(iii) El número de eventos en cualquier intervalo de longitud t sigue
la misma distribución que en caso anterior, independien-
temente de cuándo empiece dicho intervalo, lo que puede
expresarse como
Pr( Nss+t = n) = Pr( N0t = n) , ∀s, t
Algunos sucesos que pueden modelarse con un proceso de Pois-

son son: los goles en un partido de fútbol, las peticiones a un ser-
vidor web, las mutaciones en una cadena de ADN, las llamadas de
teléfono que recibe una central de conmutación, o las muertes por
coz en la caballería prusiana entre 1875 y 1894.2 2
Fue el economista y estadístico ruso
Ladislaus Bortkiewicz el primero que
empleó la variable aleatoria de Poisson
Ejemplo 3.2. Los goles en un partido de fútbol se pueden modelar en el análisis de fiabilidad de sistemas.
como un proceso de Poisson. De esta forma, fijado un intervalo de
tiempo T, el número de goles es una variable aleatoria discreta de
Poisson. Supóngase un equipo donde los goles tienen una tasa de
llegada de λ = 3 goles/partido. Así:
La probabilidad de que no meta ningún gol en un partido entero

(T = 1) es
Pr(0 goles) = Pr( N0T = 0) = e−λT ≈ 0,05
La probabilidad de no meter ningún gol en la primera parte

(T = 1/2) es
Pr( N0T/2 = 0) = e−λT/2 ≈ 0,22.
La probabilidad de que meta tres goles en un partido:
33 − 3
Pr( N0T = 3) = e ≈ 0,22
3!
Estacionariedad e independencia
A raíz de la definición de proceso de Poisson se puede hablar
de dos propiedades que pueden tener los procesos de llegadas
(no sólo este tipo de procesos): estacionariedad e independencia.
Por un lado, la primera hace referencia a que la probabilidad de
n llegadas en un intervalo de tiempo t viene siempre dada por la
misma variable aleatoria discreta de Poisson (de media λt), sin
importar del instante inicial de dicho intervalo. Se puede definir
como de la siguiente manera:
Un proceso de llegadas tiene incrementos estacionarios (homogé-

neos en tiempo) si la variable aleatoria que caracteriza el número
de eventos que suceden en un intervalo sólo depende de la longi-
tud de dicho intervalo, y no de cuándo empiece. Esto es:
t +τ
Pr( Nt11 = n) = Pr( Ntt22 +τ = n) ∀t1 , t2 , τ > 0, n
Figura 3.3: Incrementos estacionarios.
Que exista estacionariedad de los incrementos afecta a la mayor
o menor incertidumbre de los mismos, dado que especifica si lo
que pueda pasar en una ventana de tiempo τ depende del instante
inicial de dicha ventana. Si los incrementos son estacionarios, la
probabilidad de lo que pase durante un tiempo τ no depende del
instante t1 o t2 a partir del cual se define dicho intervalo τ.
Ejemplo 3.3. En un libro (o unos apuntes de una asignatura), el nú-

mero de errores tipográficos suele tener incrementos estacionarios:
la cantidad de fallos en un bloque de texto depende sólo de su lon-
gitud (p.ej., en número de páginas), y no de si se encuentran p.ej.
hacia el principio o el final del libro (la tasa de errores es constante).
En cambio, si se considera una granja de servidores que nunca se
reparan, el proceso “servidor deja de funcionar” no tiene incremen-
tos estacionarios: p.ej., si en un momento determinado todos los
servidores dejan de funcionar, ya no volverán a producirse errores
de funcionamiento.
Por otro lado, independencia en los incrementos hace referencia

a que lo que pueda pasar en un intervalo sólo viene determinado
por la tasa λ y la longitud de dicho intervalo t, y no por lo que
haya pasado en otros intervalos (siempre que los intervalos en
consideración no se solapen). Esto puede definirse como:
Un proceso de conteo tiene incrementos independientes si el nú-

mero de eventos que suceden en intervalos disjuntos de tiempo
no guardan relación entre sí. Esto es, para cuatro instantes de
tiempo s1 < t1 < s2 < t2 , se tiene que las probabilidades de que
sucendan n eventos en el primer intervalo y m en el segundo son
independientes (véase Figura 3.4):
Figura 3.4: Incrementos independien-
t t tes.
Pr( Ns11 = n, Nst22 = m) = Pr( Ns11 = n) Pr( Nst22 = m) ∀n, m
Que un proceso tenga incrementos independientes guarda bas-
tante relación con su incertidumbre, dado que la independencia
supone que los eventos que hayan sucedido en un intervalo anterior
no afectan a lo que pueda suceder en un intervalo posterior.
Ejemplo 3.4. Sin considerar las “horas punta,” un proceso con

incrementos independientes podría ser la llegada de vehículos a un
determinado cruce de una carretera en el que, a priori, el número de
coches que pasan por un punto de la misma un martes de 2 a 3 AM
no afecta al número de coches que pasan por dicho punto de 4 a 6
AM (aunque, siendo un intervalo más largo, puedan ser más).
Análisis en tiempo del proceso de Poisson
La primera definición de un proceso de Poisson puede entender-

se como una visión estática del mismo, dado que en primer lugar
se fija la ventana de tiempo t y posteriormente se analiza lo que
ocurre en ella. A continuación se analiza el proceso desde un punto
de vista dinámico, esto es, según suceden los eventos a lo largo del
tiempo.
Tiempo entre llegadas

Sea X1 el tiempo hasta el primer evento en un proceso de lle-
gadas de Poisson, partiendo desde t = 0, según lo ilustrado en la
Figura 3.5. La probabilidad de que dicho evento suceda más allá de
un valor dado t
Pr( X1 > t) Figura 3.5: Que la primera llegada X1

sea más allá de t coincide con que no
coincide con la probabilidad de que no suceda ninguna llegada en haya llegadas durante un tiempo t.
(0, t), que viene dado por:
Pr( N (t) = 0)
Igualando ambas expresiones, se tiene que
(λt)0 −λt
Pr( X1 > t) = Pr( N (t) = 0) = e = e−λt ,
0!
que es, por definición, la función de supervivencia de una variable
aleatoria exponencial de media 1/λ. Por lo tanto, se deduce que el
tiempo hasta el primer evento X1 se distribuye según una variable
aleatoria exponencial.
Sea ahora el caso de la segunda llegada, que ocurre tras un tiem-
po X2 . Para analizar cómo se distribuye dicho tiempo, se supone
que el tiempo X1 de la primera llegada ocurre en un determinado
instante s, y se analiza la probabilidad de que X2 sea mayor que t
condicionada a este valor de X1 , según se ilustra en la Figura 3.6:
Pr( X2 > t | X1 = s) = Pr(0 eventos en (s, s + t) | X1 = s)
Debido a la propiedad de incrementos estancionarios, esto se

puede expresar como Figura 3.6: Caso de la segunda llegada.
(λt)0 −λt
Pr( X2 > t | X1 = s) = Pr(0 eventos en (0, t)) = e = e−λt .
0!
A la vista de lo anterior, se tiene que el tiempo entre la primera 3
El desarrollo presentado sirve para
deducir la segunda definición par-
y la segunda llegada X2 también se distribuye según una variable tiendo de la primera. Para demostrar
aleatoria exponencial, con el mismo parámetro λ. Este mismo desa- la equivalencia de ambas definicio-
rrollo se puede repetir para la llegada i-ésima, obteniéndose que nes (que lo son) debería realizarse el
razonamiento en el otro sentido, es
la variable Xi se distribuye según una variable aleatoria exponen- decir, partir de la segunda definición y
cial de media 1/λ. De esto se deduce la siguiente definición de un demostrar la primera.
proceso de Poisson:3

λ es un proceso de conteo en el que el los tiempos entre eventos
son independientes y se distribuyen según una variable aleatoria
exponencial de media 1/λ.
Ejemplo 3.5. Supóngase que el tiempo entre peticiones a un servi-

dor puede modelarse como una variable aleatoria exponencial X de
media 5 minutos. El número de peticiones por unidad de tiempo,
por lo tanto, es un proceso de Poisson de media λ = 1/5 peticio-
nes/minuto, esto es, 12 peticiones/hora. La probabilidad de no
tener ninguna petición durante 30’ se puede calcular como
Pr( X > 300 ) = Pr( N030 = 0) = e−30/5 = e−6
mientras que la probabilidad de no tener ninguna petición durante

5’ es
Pr( X > 50 ) = Pr( N05 = 0) = e−5/5 = e−1
Distribución condicionada de una llegada

Supóngase ahora que se conoce que ha ocurrido un evento (y só-
lo uno) en el intervalo [0, t]. Se pretende analizar la probabilidad de
que dicho evento haya sucedido en un instante dado de dicho inter-
valo, con objeto de, por ejemplo, determinar si hay sub-intervalos
donde es más probable que dicho evento haya ocurrido.
Ejemplo 3.6. Supóngase que los goles siguen una variable aleatoria
discreta de Poisson y que un equipo ha metido un gol en la primera
parte. Se plantea ahora la cuestión de estimar cuándo se produjo
dicho gol, esto es, ¿en qué ventanas de tiempo es más probable que
se haya producido dicho gol? ¿Hay zonas calientes donde el equipo
marque con más probabilidad?
Una posible intuición sería suponer que el gol debe haberse pro-
ducido hacia la mitad del tiempo considerado (como se ilustra en
la parte superior de la Figura 3.7). Otra opción sería pensar que,
Figura 3.7: Sabiendo que un equipo ha
dado que el tiempo entre goles es exponencial, el gol debe tener
marcado un único gol en la primera
una función de densidad que se pareciese a la exponencial (par- parte, se podría plantear si es más
te inferior de la Figura 3.7). Como se verá a continuación, ambas probable que hubiese ocurrido hacia
la mitad del primer tiempo (arriba) o
interpretaciones son incorrectas. hacia el principio (abajo).
Formalmente, lo que se persigue es calcular qué valores de X1

(esto es, la primera llegada) son más probables en un intervalo de
longitud t, sabiendo que en dicho intervalo hubo una única llegada.
Como se ha hecho anteriormente, para caracterizar una variable
aleatoria se puede calcular su función de distribución F, por lo que
el problema se puede formular como calcular la probabilidad
Pr( X1 < s | N (t) = 1)

para cualquier valor de s ∈ [0, t]. Esto se puede expresar, por defini-
ción de probabilidad condicionada, como
Pr( X1 < s, N (t) = 1)

Pr( X1 < s| N (t) = 1) = (3.2)
Pr( N (t) = 1)
El numerador de la parte derecha (3.2) es la probabilidad de que
haya una llegada en el intervalo [0, s) y, a la vez, sólo una llegada
en todo el intervalo [0, t], por lo que se puede expresar como
Pr( X1 < s, N (t) = 1) = Pr(1 llegada en (0, s)) × Pr(0 llegadas en (s, t))
(λs)1 −λs (λ(t − s))0 −λ(t−s)
= e × e
1! 0!
mientras que el denominador de la parte derecha (3.2) queda como
Pr( N (t) = 1) = Pr(1 llegada en (0, t))

(λt)1 −λt
= e
1!
por lo que (3.2) queda como
(λs)1 −λs (λ(t−s))0 −λ(t−s)
1! e × 0! e s
Pr( X1 < s | N (t) = 1) = = .
(λt)1 −λt t
1! e
Según este resultado, la función de distribución del tiempo de la

primera llegada coincide con la función de una variable aleatoria
uniformemente distribuida en [0, t] (ilustrada en la Figura 3.8), esto
es
Pr( X1 < s | N (t) = 1) ∼ U [0, t].
Dado que para la variable aleatoria uniforme la función de den-
sidad es constante, se tiene que cualquier instante de tiempo s es
igual de probable para que ocurra esa única llegada, por lo que no
hay “zonas calientes” donde sea más probable que haya sucedido.
Figura 3.8: Función de distribución
En términos de incertidumbre, y refiriéndose al ejemplo anterior
(arriba) y densidad (abajo) de una
sobre un gol en un partido de fútbol, se tiene que dicho gol pudo variable aleatoria uniformemente
haber ocurrido en cualquier momento de la primera parte: es tan distribuida en (0, t).
probable un gol en el primer minuto como en el último.
Propiedades de los procesos de Poisson
Una llegada de Poisson en un intervalo de tiempo dado puede

ocurrir en cualquier momento, según lo visto en apartado anterior.
A continuación se analizan tres propiedades fundamentales de los
procesos de Poisson muy relacionadas con esta aleatoriedad.
PASTA
El acrónimo PASTA proviene del inglés Poisson Arrivals See Time
Averages, y podría traducirse como “un proceso de llegadas de Pois-
son ve medias temporales,” siendo una de de las propiedades de
mayor importancia en la teoría de colas.4 Para definirla, es preciso 4
También se le conoce como la propie-
distinguir entre dos “medias” en un proceso aleatorio: dad ROP, de Random Observer Property
La media temporal del mismo, esto es, su valor medio a lo largo

del tiempo.
La media de los valores que obtenga un observador externo que

“muestree” el proceso en algunos instantes de tiempo.
Ejemplo 3.7. Sea un teléfono VoIP que manda una trama de 80 B

cada 10 ms a través de un enlace de 100 Kbps, con el siguiente pa-
trón de tráfico La ocupación media del enlace puede obtenerse
Figura 3.9: Patrón de tráfico de 80 B

cada 10 ms en un enlace a 100 Kbps.
como el tiempo que se tarda en transmitir una trama dividido por

el tiempo entre tramas, esto es
6,4 ms
ρ= = 0,64
10 ms
por lo que se puede decir que el canal está ocupado el 64 % del
tiempo. Sin embargo, un proceso de muestreo periódico cada 10 ms
no medirá esta ocupación, ya que siempre “verá” lo mismo el 100 %
del tiempo: bien el canal libre, bien el canal ocupado (según se
ilustra en la figura a continuación).
Figura 3.10: La ocupación media que

estima un muestreo no suele coincidir
con la ocupación a lo largo del tiempo.
Como se verá a continuación, cuando el muestreo sigue un pro-

ceso de Poisson, y por tanto tiene la adecuada naturaleza aleatoria,
entonces lo que “ve” dicho muestreo coincide con la media a lo
largo del tiempo del proceso.
Sea ahora un caso general, como el proceso aleatorio X (τ )

ilustrado en la Figura 3.11, que toma tres valores a lo largo de un
tiempo t: A durante a unidades de tiempo, B durante b y C durante
c (con a + b + c = t). Durante este intervalo t, la media a lo largo de
tiempo de X se puede calcular como
Z t
1 A·a+B·b+C·c
X (t) = X (τ )dτ =
t 0 t
Figura 3.11: Proceso que pasa por tres
estados a lo largo del tiempo.
donde a + b + c = t, según se ilustra en la figura.

Se tiene que, en dicho intervalo t, se produce una llegada según
un proceso de Poisson. Sea Y la variable aleatoria definida como el
valor que tenga el proceso X cuando sucede dicha llegada, esto es

A si la llegada ocurre en a


Y= B si la llegada ocurre en b


C si la llegada ocurre en c

La esperanza de dicha variable Y se puede expresar como
E[Y ] = A · Pr( a) + B · Pr(b) + C · Pr(c), (3.3)
donde Pr( x ) representa la probabilidad de que la llegada de Pois-

son ocurra en el intervalo x. La probabilidad de que dicha llegada
ocurra en el intervalo a se puede expresar como la probabilidad de
que, dado que hay una llegada en t, dicha llegada ocurra en a y no
en b o en c:
Pr(1 llegada en a) Pr(0 llegadas en b) Pr(0 llegadas en c)
Pr( a) = ,
Pr(1 llegada en t)
por lo que
(λa)1 e−λa (λb)0 e−λb (λc)0 e−λc

· · a
Pr( a) = 1! 0! 0! = .
1
(λt) e − λt t
1!
Siguiendo un razonamiento similar, se tiene que
b c
Pr(b) = y Pr(c) = ,
t t
es decir: la probabilidad de que la llegada se produzca en un deter-
minado intervalo es igual a la longitud relativa de dicho intervalo
con respecto al total.5 Con esto, (3.3) queda como 5
Este hecho también se podría haber
deducido del análisis de la distribu-
a b c ción condicionada de una llegada,
E [Y ] = A · +B· +C· , visto en el apartado anterior.
t t t
que coincide con la expresión para X. Por lo tanto, el valor espe-

rado de lo que “ve” una llegada de Poisson (E[Y ]) coincide con la
media temporal del proceso (X).
Ejemplo 3.8. Sea un aula que se llena con 40 alumnos de 9 a 12

de la mañana y el resto del tiempo permanece vacía. La ocupación
media durante un día lectivo de dicha aula se puede calcular como
3 horas 21 horas
N= × 40 alumnos + × 0 = 5 alumnos.
24 horas 24 horas
Sin embargo, este número medio de alumnos no coincide ni

con lo que “ve” un bedel que sólo llegue al aula para a las 8 de la
mañana (es decir: 0 alumnos), ni con lo que “ve” un profesor que
siempre llegue a clase 5 minutos tarde (40 alumnos), por lo que

estos procesos de muestreo no son de Poisson.
Suponiendo que los guardias de seguridad tuviesen la orden de
pasar por las aulas de forma “completamente aleatoria” (esto es,
según un proceso de Poisson), sí se tendría que 1/8 del tiempo un
guardia vería 40 alumnos, y 7/8 del tiempo el aula vacía: en este
caso, la media de sus observaciones coincidirá con N = 5 alumnos
por la propiedad PASTA.
Agregado de procesos de Poisson

Sean { N1 (t), λ1 } y { N2 (t), λ2 } dos procesos independientes de
Poisson, cuyos tiempo entre llegadas son variables aleatorias ex-
ponenciales, de medias 1/λ1 y 1/λ2 , respectivamente. Se persigue
analizar el proceso de llegadas resultante de su agregado
NT (t) = N1 (t) ∪ N2 (t)
como se ilustra en la Figura 3.12.

La unión de dos procesos de llegada es otro proceso de llegadas, Figura 3.12: Agregado de dos procesos
de llegada de Poisson.
donde se unen los eventos ordenados en el tiempo de cada uno de
los procesos. Por ejemplo, si las llegadas de cada proceso en los
primeros 10 segundos fuesen
N1 = {3, 8, 9}
N2 = {1, 4, 7, 10}
el proceso agregado resultaría ser
NT = {1, 3, 4, 7, 8, 9, 10}
Dicho proceso NT (t) se puede caracterizar de dos formas, según

las dos primeras definiciones de un proceso de Poisson:
1. Analizando el número de llegadas en una ventana de tiempo.
Dada una ventana de tiempo t, el número de llegadas total viene
dado por la suma de las llegadas de cada uno de los procesos, que
se corresponde con la suma de dos variables aleatorias discretas de
Poisson, de media λ1 t y λ2 t, respectivamente. Como ya se analizó,6 6
Ejemplo 1.18, página 21
dicha suma se trata de otra variable aleatoria de Poisson, de media
(λ1 + λ2 )t.
Dado que lo anterior se cumple para cualquier ventana de tiem-
po t, el agregado de dos procesos de Poisson es otro proceso de
Poisson, cuya tasa es la suma de las tasas de aquellos.
2. Analizando el tiempo entre llegadas XT del proceso agregado.
Por definición, la construcción del proceso agregado consiste

en, a cada instante, seleccionar la llegada de N1 o N2 que ocurra
antes. Por lo tanto, a cada llegada en el proceso agregado XT , el
tiempo hasta la siguiente llegada es el mínimo de los tiempos entre
llegadas de cada proceso, X1 y X2 :
XT = mı́n( X1 , X2 ),
que es otra variable aleatoria exponencial,7 de media 1/(λ1 + λ2 ). 7

Mínimo de variables aleatorias
Dado que dicho tiempo entre llegadas es el inverso de la tasa del exponenciales, página 40
proceso, de nuevo se tiene que el agregado es otro proceso de Pois-

son, pero de tasa λ1 + λ2 .
Independientemente del razonamiento seguido, el resul-

tado se puede generalizar a varios procesos: sea un conjunto de n
procesos independientes de llegadas de Poisson, cada uno a una
tasa λi . El agregado de dichos procesos es también un proceso de
llegadas de Poisson, de tasa
n
λ= ∑ λi .
1
Ejemplo 3.9. Un switch recibe tramas de tres ordenadores, con ta-

sas de 10, 20 y 40 tramas por milisegundo. Suponiendo que dichos
fujos son independientes y de Poisson, se tiene que el agregado de
los dos primeros flujos es otro proceso de Poisson, de tasa 30 tra-
mas/milisegundo, y que el agregado de éste con el tercer flujo es
también un proceso de Poisson de tasa 70 tramas/milisegundo.
Descomposición de procesos de Poisson

Si el apartado anterior trata sobre el agregado de procesos de
Poisson, ahora se aborda el problema inverso: la descomposición de
un proceso de Poisson en dos procesos. Sea un proceso de Poisson
{ N (t), λ}, que se descompone en dos procesos N1 (t) y N2 (t) de la
siguiente forma: de forma independiente a cada llegada
Con probabilidad p dicha llegada se asigna a N1
Con probabilidad 1 − p se asigna a N2
tal y como se ilustra en la Figura 3.13.

En estas condiciones, como se demostrará a continuación, los
procesos N1 (t) y N2 (t) también son procesos de llegada de Poisson
e independientes, con tasas λp y λ(1 − p), respectivamente. Figura 3.13: Descomposición de un
proceso de Poisson en dos.
Ejemplo 3.10. En general, dividir un proceso de llegadas de Pois-

son no resulta en varios procesos de llegadas de Poisson. Sea un
proceso de llegadas de Poisson N (t) a tasa λ = 10 usuarios/hora,
por tanto con la siguiente función de densidad del tiempo entre
llegadas (suponiendo que t está en minutos):
1 −t/6
f X (t) = e , t≥0
6
Supóngase que este proceso se divide en dos, según el tiempo
entre una llegada y la siguiente Xi :
N<6 (t): Llegadas donde Xi es menor que 6 minutos.

N>6 (t): Llegadas donde Xi es mayor que 6 minutos.
En estas condiciones, la función de densidad del tiempo entre

llegadas del primer proceso es

0,

 si t ≤ 0
f X <6 ( t ) = 1/6
e − t/6 , si 0 ≤ t ≤ 6
 1 − e −1

0, si t ≥ 6

lo que no se corresponde con la de una variable aleatoria exponen-

cial, por lo que no se trataría de un proceso de llegadas de Poisson
(y el proceso N>6 (t), tampoco).
La demostración de que descomponer un proceso de Poisson

en dos, seleccionando cada llegada con una probabilidad constante
e independiente p, resulta en dos procesos de Poisson consiste en
fijar un intervalo de tiempo t y analizar la probabilidad de tener
n llegadas en el primer proceso y m llegadas en el segundo. Por
simplicidad, no se hace referencia a la variable temporal t (puede
ser cualquier intervalo de tiempo), por lo que N (t), N1 (t) y N2 (t)
pasan a expresarse como
N (t) → N
N1 (t) → N1
N2 (t) → N2
La probabilidad (conjunta) de tener n llegadas en N1 y m en N2

se puede expresar de forma condicionada a tener n + m llegadas en
el proceso original N
Pr( N1 = n, N2 = m) = Pr( N1 = n, N2 = m | N = n + m) Pr( N = n + m).

(3.4)
Obtener esta expresión requiere calcular dos probabilidades:
1. Pr( N = n + m), que es la probabilidad de tener n + m llegadas

en un proceso de Poisson, lo que resulta inmediato:
e−λt (λt)n+m
Pr( N = n + m) = . (3.5)
(n + m)!
2. Pr( N1 = n, N2 = m | N = n + m), que es la probabilidad de que,

de un total de n + m llegadas, n vayan al proceso N1 y m vayan
al proceso N2 .
Dado que toda llegada que no se asigne a N1 se asignará a N2 , si

el total de llegadas es N = n + m no es necesario tener en cuenta
tanto N1 como N2 , basta con uno de ellos:8 8
Por ejemplo, si N = N1 + N2 = 3 + 7,
al suponer que N1 = 3 ya se tiene
Pr( N1 = n, N2 = m | N = n + m) = Pr( N1 = n | N = n + m) implícito que N2 = 7.
= Pr( N2 = m | N = n + m).
La probabilidad Pr( N1 = n | N = n + m) representa la proba-

bilidad de que de las n + m llegadas, n se asignen al proceso N1 .
Dado que para cada evento de llegada hay una probabilidad p de

que esto ocurra, dicha probabilidad se puede calcular con la va-
riable aleatoria binomial, interpretándose las n + m llegadas como
experimentos de Bernouilli que tienen éxito con probabilidad p. Por
lo tanto, se tiene que9 9
Se puede comprobar que se llega-
ría al mismo resultado calculando
n+m n Pr( N2 = m | N = n + m).

Pr( N1 = n | N = n + m) = p (1 − p ) m . (3.6)
n
Substituyendo (3.5) y (3.6) en (3.4), y re-ordenando términos, se

tiene que la probabilidad puede expresarse como
e−λpt (λpt)n e−λ(1− p)t (λ(1 − p)t)m

Pr( N1 = n, N2 = m) = · , (3.7)
n! m!
que resulta ser el producto de dos probabilidades independientes,
esto es10 10
Formalmente, para realizar este paso
es preciso realizar el cálculo de las
distribuciones marginales Pr( N1 = n) y
Pr( N1 = n, N2 = m) = Pr( N1 = n) · Pr( N2 = m)
Pr( N2 = m) a partir de (3.7), haciendo
la suma sobre todos los valores de m y
donde N1 es una variable aleatoria de Poisson de media λpt y N2 es n, respectivamente.
otra variable aleatoria de Poisson de media λ(1 − p)t.
Ejemplo 3.11. Sea un router al que llega un tráfico según un pro-

ceso de Poisson de tasa 100 tramas/ms y que, por un fallo en el
firmware, descarta tramas con una probabilidad constante e inde-
pendiente igual a p = 1/100. El proceso de salida de dicho router
también es de Poisson, de tasa 99 tramas/ms.
Ejemplo 3.12. Sea un switch Ethernet con veinticuatro puertos de

entrada y dos puertos de salida. El mecanismo de forwarding es
tal que se puede suponer que el 70 % de todos los paquetes van
al primer puerto de salida, y el 30 % restante al otro puerto (Figu-
ra 3.14). Si cada puerto de entrada recibe tramas según un proceso
de Poisson a tasa λ = 10 paquetes/ms, el agregado de tramas que
se reciben en el switch es otro proceso de Poison, de tasa
λ T = 24 × 10 = 240 paquetes/ms.
Suponiendo que el mecanismo de forwarding se puede modelar

Figura 3.14: Switch con 24 puertos de
como si cada trama es dirigida al puerto uno (dos) con una pro-
entrada y 2 de salida.
babilidad del 70 % (30 %), entonces el proceso de salida del cada
puerto también serán un proceso de Poisson, de tasas
λo1 = 0,7 × 240 = 168 paquetes/ms

λo2 = 0,3 × 240 = 72 paquetes/ms
Como ilustra el ejemplo anterior, las propiedades de agre-

gado y descomposición de procesos de Poisson pueden simplificar
en gran medida el modelado de sistemas, ya que los procesos resul-

tantes seguirán manteniendo las propiedades de p.ej. “sin memo-
ria,” que resulta muy conveniente para su análisis. Sin embargo, en
ocasiones surgirá el escollo de que los procesos de llegada no son
procesos de Poisson: por ejemplo, un codificador de voz sobre IP
con tiempo entre tramas prácticamente constante. En estas ocasio-
nes, cuando haya muchos procesos (y, por lo tanto, el agregado sea
muy impredecible), también se podrá aproximar el proceso global
con un proceso de Poisson, como se verá más adelante.
Tercera definición de un proceso de Poisson
La primera definición de un proceso de Poisson se puede inter-

pretar como una definición estática, dado que lo que caracteriza al
proceso es que, fijada cualquier ventana de tiempo Ti a lo largo del
mismo, el número de eventos que ocurren en dicho intervalo sigue
la distribución de Poisson. Como se ilustra en la Figura 3.15, dada
una tasa de llegadas λ se podrían ir definiendo las ventanas T1 , T2 ,
Figura 3.15: Ilustración de la primera
T3 , etc., (de un tamaño dado) y el resultado sería que el número
definición de un proceso de Poisson.
de eventos en cada ventana (N ( Ti )) sigue una variable aleatoria
discreta de Poisson:
N ( Ti ) ∼ Poisson(λTi ).
Por otro lado, la segunda definición tiene un carácter dinámico,

que caracteriza lo que pasa entre una llegada y la siguiente. Como
se ilustra en la Figura 3.16, en este caso la definición se basa en los Figura 3.16: Ilustración de la segunda
tiempos entre llegadas X1 , X2 , X3 , . . . que, para un proceso a tasa λ, definición de un proceso de Poisson.
se distribuyen según una variable aleatoria exponencial de media

1/λ:
Xi ∼ Exp(λ).
En este apartado se presenta la tercera (y última) definición del

proceso de Poisson, que también tiene una interpretación diná-
mica pero en vez de analizar lo que ocurre entre una llegada y la
siguiente, caracteriza lo que puede ocurrir “en cualquier momen-
to” de tiempo: por lo tanto, se puede decir que tiene un carácter
instantáneo. La definición se basa en intervalos tiempo muy cortos
∆t y caracteriza lo que puede ocurrir en dichos intervalos. Como se
ilustra en la Figura 3.17, en un determinado intervalo sólo podrán
pasar dos cosas: que se produzca una llegada, o que no se produzca
ninguna. Dado que esta definición trata con intervalos muy cortos Figura 3.17: Ilustración de la tercera
definición de un proceso de Poisson.
de tiempo (esto es, infinitesimales), es preciso recordar la definición
de una función o (h).
Funciones o (h)
Se dice que una función f ( x ) es o (h) si se cumple que
f (h)
lı́m =0
h →0 h
esto es, que la función f ( x ) tiene a cero según x se hace menor de

forma más rápida que si tuviese una caída lineal.
Por ejemplo, y tal y como se ilustra en la Figura 3.18, la función
f ( x ) = x2 es o (h), dado que se cumple que
h2
lı́m = lı́m h = 0
h →0 h h →0
La intuición detrás de este artificio de funciones o (h) es que per- Figura 3.18: La función f ( x ) = x2 es
miten realizar aproximaciones al manejar infinitesimales, ya que o ( h ).
dichas funciones podrán “despreciarse” frente a componentes que
crezcan (o se empequeñezcan) según una función lineal.
Resulta sencillo demostrar las siguientes propiedades
Si las funciones f ( x ) y g( x ) son o (h), su suma f ( x ) + g( x ) tam-

bién es o (h).
Si la función f ( x ) es o (h) y c es una constante, la función c · f ( x )

también es o (h).
Tercera definición
En un proceso de llegadas a tasa λ, durante un intervalo de
tiempo t deben producirse en media λt llegadas. Esta definición
se basa en las funciones o (h) para caracterizar lo que pasa cuando
dicho intervalo t tiende a ser de tamaño mínimo.

λ es un proceso de conteo que cumple las siguientes propieda-
des:
(i) N (0) = 0
(ii) N (t) tiene incrementos independientes y estacionarios.
(iii) Pr( N (h) = 1) = λh + o (h)
(iv) Pr( N (h) ≥ 2) = o (h)
Dado que de (iii) y (iv) se puede deducir que
Pr( N (h) = 0) = 1 − λh + o (h),
se tiene que, sin considerar el término o (h), en un intervalo de

tiempo h suficientemente pequeño pueden pasar dos cosas:
Que se produzca una llegada, con probabilidad λh
Que no se produzca ninguna llegada, con probabilidad 1 − λh
Esta definición motiva que un proceso de Poisson sea conside-

rado como un “proceso puro de llegadas,” dado que en cada uno
de los intervalos ∆t se tiene que la probabilidad de que ocurra una
llegada es siempre la misma, proporcional a λ, e independiente de
los intervalos anteriores.
De la segunda definición a la tercera

Por la segunda definición de un proceso de llegadas de Poisson
(el tiempo entre llegadas sigue una variable aleatoria exponencial),
la probabilidad de que pase un tiempo t sin que se produzca una
llegada viene dada por
Pr( N (t) = 0) , Pr( x > t) = e−λt ,
que, realizando la aproximación de la exponencial mediante una

serie de Taylor centrada en el origen,11 puede aproximarse como 11
Serie de Mac Laurin, que para la
exponencial es
Pr( N (∆t) = 0) = 1 − λ∆t + o (∆t) x2 x3 xn
ex = 1 + x + + +...+ + o(xn )
2 3! n!
La probabilidad de tener al menos una llegada durante t es
Pr( N (t) ≥ 1) , Pr( x < t) = 1 − e−λt ,
cuyo desarrollo es
Pr( N (t) ≥ 1) = λ∆t + o (∆t) .
Esta probabilidad incluye la posibilidad de que se produzca

más de una llegada en un intervalo de tiempo t. Por lo tanto, la
probabilidad de tener exactamente una llegada es la diferencia de
la probabilidad de tener al menos una llegada y la probabilidad de
tener al menos dos llegadas
Pr( N (t) = 1) = Pr( N (t) ≥ 1) − Pr( N (t) ≥ 2)
Tener al menos dos llegadas en un intervalo de tiempo t coinci-

de con la probabilidad de que la suma de dos variables aleatorias
exponenciales sea menor que t. Según lo visto en el capítulo ante-
rior12 se obtiene que esta probabilidad es 12
Suma de variables aleatorias expo-
nenciales, página 43
Pr( N (t) ≥ 2) = 1 − e−λt − λte−λt ,
cuyo desarrollo es
Pr( N (t) ≥ 2) = (∆t)2 + o ((∆t)2 ) ,
de lo que se deduce que Pr( N (t) ≥ 2) = o (∆t) y, por lo tanto,
Pr( N (t) = 1) = λ∆t + o (∆t)
A partir de estos resultados se deducen las propiedades (iii) y

(iv) de la tercera definición. Dado que la variable aleatoria exponen-
cial no tiene memoria estas probabilidades son constantes, por lo
que los incrementos son independientes y estacionarios –propiedad
(ii)–, mientras que la condición dada por la propiedad (i) es trivial.
Equivalencia entre las definiciones de un proceso de Poisson

Se han presentado tres definiciones de un proceso de llegadas de
Poisson a tasa λ; de forma resumida, son:
1. El número de llegadas en un intervalo de tiempo t sigue una dis-

tribución discreta de Poisson de media λt (definición “Poisson”).
2. El tiempo medio entre llegadas sigue una variable aleatoria

exponencial de media 1/λ (definición “Exponencial”).
3. La probabilidad de una llegada en un intervalo h es λh + o (h)

(definición “Infinitesimal”).
Además, se ha visto que de la primera definición se puede dedu-

cir la segunda (página 53, al analizar el tiempo entre llegadas de un
proceso de Poisson) y que de la segunda se puede deducir la terce-
ra (en el apartado anterior). Para demostrar que las tres definiciones
son equivalentes, falta por ilustrar que de la tercera definición se
puede deducir la primera, como se ilustra en la Figura 3.19.
Figura 3.19: Equivalencia entre las
definiciones de un proceso de llegadas
de Poisson.
Ejemplo 3.13. Una manera informal de pasar de la tercera definición
a la primera es la siguiente: sea un intervalo de tiempo t, como el
ilustrado en la Figura 3.20, dividido en m sub-intervalos de longi-
tud ∆t (por lo que m = t/∆t). Considerando una llegada como un
“éxito”, el intervalo t se puede interpretar como una sucesión de
m experimentos de Bernouilli, donde la probabilidad de éxito p es,
por tanto,

t t
p , Pr( N (t/m) = 1) = λ + o .
m m
Como se vio en el primer tema (Distribución de Poisson, página
21), cuando m aumenta la distribución binomial se puede aproxi-
mar con una distribución de Poisson, de media mp. Cuando ∆t → 0
Figura 3.20: Llegadas de un proceso de
(esto es, m → ∞) se tiene que Poisson vistas como experimentos de
Bernouilli.
t t
lı́m m Pr( N (t/m) = 1) = lı́m m λ + o ,
m→∞ m→∞ m m
que queda como

t
lı́m m Pr( N (t/m) = 1) = λt + lı́m m · o .
m→∞ m→∞ m
Dado este resultado, queda la dificultad de calcular el límite de

la expresión con una función o (h). Para calcular este último límite,
se multiplica y divide por t (que se trata como una constante),
teniéndose que

t o (t/m)
lı́m m · o = lı́m t · = 0,
m→∞ m m→∞ t/m
por definición de función o (h). Por lo tanto, la distribución de Pois-

son tiene de media
lı́m m Pr( N (t/m) = 1) = λt,

m→∞
como era de esperar.

De la tercera definición a la primera

La tercera definición establece lo que puede pasar en un infini-
tesimal de tiempo ∆t, basándose en las funciones o (h), mientras
que la primera definición establece la probabilidad de n llegadas en
un intervalo de tiempo t. Para simplificar, se empleará la siguiente
notación:
Pr( N (t) = n) = Pn (t).
A continuación se muestra cómo a partir de la tercera definición

es posible deducir la expresión para Pn (t), esto es, la variable alea-
toria discreta de Poisson. Para ello, se parte de la tercera definición
para analizar cómo varía Pn (t) al pasar de t a t + ∆t. A partir de
esta diferencia, se obtiene la derivada de Pn (t) mediante división por
∆t, calculando el límite cuando ∆t → 0 (lo que permitirá simplificar
la parte correspondiente a o (h)).
Caso de P0 (t)
La probabilidad de no tener ninguna llegada en un instante de

tiempo t + h se puede expresar, por la propiedad de los incremen-
tos independientes, como el producto de la probabilidad de no
tener ninguna llegada en t por la probabilidad de no tener ninguna
llegada en h:
P0 (t + h) = P0 (t) · P0 (h) (3.8)
Ya se ha visto que P0 (h), según los puntos (iii) y (iv) de la defini-

ción, se puede expresar como
P0 (h) = 1 − P1 (h) − P≥2 (h) = 1 − λh + o (h),
por lo que (3.8) queda como
P0 (t + h) = P0 (t) · (1 − λh + o (h)),
que se puede reordenar de la siguiente forma
P0 (t + h) − P0 (t) o (h)
= −λP0 (t) + P0 (t). (3.9)
h h
o (h)
Calculando el límite cuando h → 0, el término h desaparece
(dado que P0 (t) es una constante), por lo queda
P0 (t + h) − P0 (t)
lı́m = −λP0 (t). (3.10)
h →0 h
La parte izquierda de la anterior expresión corresponde con la

definición de la derivada de P0 (t). Expresando ésta como P00 (t), se
tiene por lo tanto que para calcular P0 (t) hay que resolver
P00 (t) = −λP0 (t),
que es una ecuación diferencial que tiene una solución de tipo
P0 (t) = Ke−λt ,
donde K es una constante que hay que determinar. De la propiedad

(i) de la definición se tiene que P0 (0) = 1, por lo que K = 1 y por lo
tanto la expresión para P0 (t) es:
P0 (t) = e−λt .
De esta forma, queda demostrado que siguiendo la tercera de-

finición de un proceso de Poisson, la probabilidad de no tener
llegadas en un intervalo de tiempo t tiene la misma expresión que
la dada por la primera definición.
Caso de P1 (t)
Tener una única llegada durante un tiempo t + h puede ocurrir de

dos formas (Figura 3.21) Figura 3.21: Por los incrementos
independientes, P1 (t + h) se puede
1. Teniendo una llegada en t y ninguna en h. calcular considerando los intervalos t y
h por separado.
2. No teniendo llegadas en t y una llegada en h.
De nuevo, por la propiedad de los incrementos independientes,

P1 (t + h) se pude expresar como la suma del producto de dos
probabilidades
P1 (t + h) = P1 (t) P0 (h) + P0 (t) P1 (h),
que resulta en la siguiente expresión:
P1 (t + h) = P1 (t)(1 − λh + o (h)) + P0 (t)(λh + o (h)),
Siguiendo un procedimiento similar al caso anterior, se obtiene la

siguiente ecuación a resolver para calcular P1 (t)
P10 (t) = −λP1 (t) + P0 (t),
que tiene como solución:
P1 (t) = λte−λt .
Por lo tanto, siguiendo la tercera definición, se demuestra que la

probabilidad de tener una llegada en un intervalo de tiempo t tiene
la misma expresión que la dada por la primera definición.
Caso de Pn (t)
De forma similar al caso anterior, la probabilidad de n llegadas en

un intervalo t + h de tiempo se puede expresar como
Pn (t + h) = Pn (t)(1 − λh + o (h)) + Pn−1 (t)(λh + o (h)),
que da lugar a otra ecuación diferencial. Se puede demostrar, por

inducción, que la solución general para la probabilidad de n llega-
das es
(λt)n −λt
Pn (t) = e , n = 0, 1, . . .
n!
que equivale a la probabilidad de n llegadas según la primera defi-
nición de un proceso de llegadas de Poisson.
Teorema de Palm-Khintchine
En un proceso de llegadas de Poisson se tiene que en “cualquier

instante de tiempo” existe la misma probabilidad de que se produz-
ca una llegada. Como se ha visto, esto se puede deducir tanto de la
segunda definición (la probabilidad de no tener una llegada duran-
te t unidades de tiempo no varía con el tiempo) como de la tercera
(la probabilidad de una llegada en un infinitesimal de tiempo ∆t es
siempre la misma). De hecho, es relativamente sencillo pensar en
otros procesos de llegada que no sean de Poisson y que, por tanto,
no cumplan estas características:
Si el tiempo entre llegadas es constante e igual a T, pasado un

breve intervalo de tiempo e tras la última llegada es seguro que
la siguiente llegada no sucederá hasta T − e.
Si el tiempo entre llegadas se distribuye uniformemente en

[t1 , t2 ], dado que esta variable aleatoria sí tiene memoria, la pro-
babilidad de que no haya una llegada no es constante a lo largo
del tiempo.
Estos casos ilustran que un proceso con el tiempo entre llegadas

constante o uniformemente distribuido no se parecerá a un proceso
de llegadas de Poisson. Sin embargo, cuando se trate del agregado
de muchos procesos de llegadas independientes (no necesariamente
de Poisson), la situación puede que sea diferente: dado que en
este proceso agregado será “muy complicado” predecir cuándo se
producirá la siguiente llegada, su comportamiento será “parecido”
al de un proceso de Poisson (y tanto más parecido cuantos más
procesos compongan el agregado). Este resultado es el Teorema de
Palm-Khintchine.13 13
Obra de Conrad Palm (1907–1951),
Para una explicación intuitiva de que al agregar muchos proce- ingeniero y estadístico sueco, y Alek-
sandr Khinchine (1894–1959), matemá-
sos de llegadas se tiende a un proceso de Poisson, sea el agregado tico soviético.
de varios procesos de llegadas independientes, cada uno con un
tiempo entre llegadas que se distribuye uniformemente, como el
ilustrado en la Figura 3.22 a continuación. Resulta evidente que,
cada uno por separado, no son procesos de llegadas de Poisson,
dado que –por ejemplo– el tiempo entre llegadas dista mucho de
parecerse a una variable aleatoria exponencial.
Figura 3.22: Ilustración del teorema

de Palm-Khintchine: el agregado de
procesos de llegadas independientes
tiende a comportarse como un proceso
de Poisson.
Sin embargo, si se considera el proceso resultante de agregar

esos procesos, el tiempo entre llegadas se reduce: tras una llegada
correspondiente a un proceso, es bastante probable que se produzca
otra llegada correspondiente a cualquiera de los otros procesos.
Por el mismo motivo, los tiempos entre llegadas elevados tienden
a ser cada vez menos probables. Como se ilustra en la Figura 3.22,
la función de densidad del proceso agregado tiende entonces a
parecerse a la de una variable aleatoria exponencial.
El teorema de Palm-Khintchine formaliza este comportamiento,
enunciando que, para un número suficiente de procesos de llegada,
cada uno con una intensidad relativamente baja, dichos tiempos
entre llegadas tienden a ser una variable aleatoria exponencial. Se
puede interpretar este teorema como el teorema central del límite14 14
El teorema central del límite esta-
para los procesos de llegadas. blece que la distribución de la suma
de variables aleatorias independientes
se aproxima bien a una distribución
Teorema of Palm-Khintchine Sean n procesos de llegadas indepen- normal.
dientes, cada uno con tasa de llegada λi . Según n aumente, el
proceso agregado tiende a comportarse desde el punto de vista
estadístico como un proceso de Poisson de tasa λ = ∑ λi .
La importancia del teorema de Palm-Khintchine es clara, dado

que permite aproximar el comportamiento de procesos de llegada
agregados mediante un proceso de Poisson, que resulta –por todo
lo visto hasta ahora– sencillo de modelar. De esta forma, en mul-
titud de situaciones si bien el proceso de eventos generados por
un usuario no pueda considerarse de Poisson, el agregado de varios
usuarios sí que se podrá considerar de Poisson.15 15
De hecho, Erlang y Palm sólo en-
contraron argumentos heurísticos
para modelar el número de llamadas
Ejemplo 3.14. Sea un switch con sesenta y cuatro puertos de entra- a una centralita con una distribución
de Poisson. Fueron Ososkov (1956) y
da, cada uno conectado a un teléfono VoIP. El codificador de voz Khintchine (1960) los que demostraron
genera una trama cada un tiempo aleatorio, que se distribuye se- formalmente las condiciones necesarias
y suficientes para esta aproximación.
gún una variable aleatoria U (8, 12) ms. Por lo tanto, cada teléfono
genera 1 trama cada 10 ms, pero no según un proceso de Poisson.
Sin embargo, en estas condiciones, teniendo en cuenta que el
número de procesos es suficientemente elevado, se podría suponer
que el agregado se puede modelar con un proceso de Poisson, de
tasa
64
1 trama
λtot = ∑ λi = 64 × = 6.4 tramas/ms.
i =1
10 ms
Resumen del tema
Un proceso de Poisson a tasa λ es un proceso de llegadas con

incrementos independientes y estacionarios.
Se puede definir de tres formas equivalentes:
1. El número de llegadas en un intervalo de tiempo t sigue una

distribución discreta de Poisson de media λt.
2. El tiempo medio entre llegadas sigue una variable aleatoria

exponencial de media 1/λ.
3. La probabilidad de una llegada en un intervalo h es λh + o (h).
Un proceso de llegadas de Poisson ve medias temporales (pro-

piedad PASTA).
El agregado de procesos de Poisson es otro proceso de Poisson.
La descomposición de procesos de Poisson, de forma indepen-

diente a cada llegada, da lugar a otros procesos de Poisson.
El agregado de procesos de llegada independientes (de cualquier

tipo) tiende a comportarse como un proceso de Poisson (teorema
de Palm-Khintchine).
Problemas
Problema 3.1. Una aplicación genera tramas según un proceso de

Poisson a tasa λ tramas/s. Para que el interfaz inalámbrico no entre
en modo de ahorro de energía, un módulo de control genera una
trama si no se detecta tráfico durante un tiempo T = 1/λ s. Calcule
la tasa de transmisión de tramas, y discuta si se trata de un proceso
de Poisson.
Solución. 1. λ/(1 − 1/e); 2. No
Problema 3.2. (Ej. 15/16) El tiempo entre dos peticiones de un

usuario a YouTube se puede modelar con una variable aleatoria
distribuida uniformemente entre 0 y 40 minutos. El 60 % de las
peticiones se realizan a servidores en EEUU. Sea un una celda de
telefonía móvil sirviendo a 100 usuarios:
1. Caracterice el proceso de generación de peticiones de video a

EEUU, indicando las suposiciones realizadas.
2. Calcule la probabilidad de que en un minuto se produzcan me-

nos de dos peticiones a EEUU.
Solución. 1. 3 pet./min.; 2. 0.2
Problema 3.3. Sea un switch al que llegan tramas según un pro-

ceso de Poisson de tasa λ = 2 tramas/s. Calcule la duración de la
ventana de tiempo T en la que la probabilidad de que llegue una
única trama sea máxima.
Solución. 1/2 s.
Problema 3.4. Los goles que un equipo de fútbol mete en un

partido es una variable aleatoria que se puede modelar con un
proceso de Poisson. Suponga que el equipo de fútbol RM tiene una
media de cuatro goles por partido, el equipo ATM una media de
dos goles por partido, y se juega el partido RM-ATM. Dispone de
10 e que va a gastar en una de las siguientes opciones:
2-1 al descanso (6 epor e apostado).
2-2 al descanso (10 epor e apostado).
¿Qué opción elegiría?
Problema 3.5. (Ej. 10/11) Un switch Ethernet tiene 64 puertos de

entrada y dos puertos de salida. Los paquetes llegan a cada puerto
de entrada con un tiempo entre paquete que se distribuye según
una distribución uniforme U(2,12) segundos. El 90 % del tráfico de
63 puertos de entrada va a un puerto de salida. Discuta si el tráfico

en dicho puerto se puede considerar de Poisson, y calcule su tasa.
Problema 3.6. (Ord. 09/10) Un códec de voz sobre IP (VoIP) gene-

ra paquetes de 80 bytes de longitud fija cada 20 +/- 1 ms (esto es,
el tiempo hasta el siguiente paquete se distribuye uniformemente
entre 19 y 21 ms). Suponga que el agregado de 100 teléfonos VoIP
se transmite a 10 Mbps. Calcule la probabilidad de que el segundo
paquete que se envíe tenga que esperar en cola.
Solución. 1 − e−0,32
Problema 3.7. (*) Sea un switch con un estado activo (cursando

tráfico) y pasivo (ahorro de energía). Si no hay tráfico durante T ms,
pasa al estado pasivo, del que despierta en cuanto llega una trama.
El tráfico llega según un proceso de Poisson de tasa λ tramas/ms.
Calcule el tiempo medio que tarda desde que llega una trama hasta
que pasa al estado pasivo.
1

Solución. λ eλT − 1
Problema 3.8. (Ej. 11/12) A un servidor con una única CPU y una
cola de espera infinita llegan peticiones según un proceso de Pois-
son de tasa λ peticiones/segundo. Una vez que la CPU comienza
a atender una petición, el tiempo que tarda en completarla se pue-
de modelar con una variable aleatoria exponencial de media µ−1
segundos. Se pretende analizar el servicio recibido por la segunda
petición que llega al sistema. En concreto, se desea conocer para la
segunda petición:
1. Probabilidad de que tenga que esperar.
2. Tiempo medio de espera hasta que empieza a ser atendida.
3. Tiempo medio total que pasa la petición en el servidor.
Solución. 1. λ/(λ + µ); 2. (λ/µ)/(λ + µ); 3. µ−1 (1 + λ/(λ + µ).
Problema 3.9. (Ej. 13/14) El 50 % de las tramas de un flujo de vi-

deo tienen un tamaño de 1500 B, el 45 % de 500 B, y el 5 % restante
de 100 B. Se puede suponer que el tamaño de una trama es inde-
pendiente de las anteriores o de las que le siguen. El tiempo entre
tramas se puede modelar según una variable aleatoria uniforme-
mente distribuida entre 10 y 30 ms. Si a un router llega el agregado
de 40 flujos de video independientes, se pide
Probabilidad de que pasen más de 10 ms sin recibir una trama

de 100 B.
Probabilidad de recibir tres o más tramas de 1500 B en 5 ms.
Solución. 1. 1/e, 2. 1 − 18,5e−5

Cadenas de Markov de tiempo discreto
La propiedad sin memoria resulta muy conveniente para el

análisis de sistemas, ya que se puede ignorar la historia pasada de
cara a predecir lo que pueda suceder en el futuro. De esta forma:
Si el tiempo de vida de un router se puede modelar según una

variable aleatoria exponencial, la probabilidad de que se rompa
pasado un intervalo de tiempo es siempre la misma, indepen-
dientemente del tiempo que lleve funcionando.
Si las peticiones a una web siguen un proceso de llegadas de

Poisson, la probabilidad de tener un número de peticiones en un
intervalo de tiempo es constante y no depende del histórico de
las mismas.
Por lo tanto, un ensayo de Bernouilli, la variable aleatoria expo-

nencial o los procesos de Poisson pueden resultar adecuados para
el análisis y modelado de sistemas; sin embargo, por sí mismos
resultan bastante limitados dado que en todo momento el sistema
se encuentran en el mismo estado. Algunos ejemplos de escenarios
donde esto puede no ser suficiente son:
Una descarga TCP suele estar compuesta por tramas de datos

de 1500 B en una dirección y tramas de asentimientos de 40 B
en la otra. Suponer que el tiempo de transmisión de una trama
escogida al azar se puede modelar con una variable aleatoria
exponencial no parecería adecuado.
Un codificador de voz sobre IP genera paquetes a una tasa cons-

tante mientras detecta actividad (aproximadamente, el 30 % del
tiempo) y no genera tramas si no detecta sonido. Este proceso
dista mucho de parecerse a un proceso de llegadas de Poisson
–basta con analizar los tiempos entre llegadas.
Ejemplo 4.1. Sea un equipo de fútbol donde hay dos jugadores

encargados de lanzar los penalties, Cristiano y Sergio. Cristiano
tiene un porcentaje de acierto del 90 %, mientras que Sergio acierta
el 50 % de las ocasiones. La regla que siguen para repartirse los
lanzamientos es: si uno falla, el siguiente penalty lo tira el otro,
mientras que si acierta, repite. En estas condiciones, sería poco
73
acertado suponer que la probabilidad p de que el equipo meta un

penalty es la media de ambos
p = (0.9 + 0.5)/2 = 0.7,
dado que si lo tira Sergio se estará sobrestimando dicha proba-

bilidad, mientras que si lo tira Cristiano se estará subestimando.
Además, la proporción media de penalties acertados tampoco se-
ría del 70 %, dado que Cristiano tirará más penalties que Sergio,
porque repetirá más veces.
Dado que hay dos posibles lanzadores de penalties, se puede
considerar que el equipo tiene dos estados, C o S, según sea el lan-
zador. Se puede representar la regla que siguen para repartirse los
lanzamientos con un diagrama como el indicado al margen, donde
0.1
los círculos indican los posibles lanzadores y las flechas las probabi- "
lidades de que en el siguiente lanzamiento se repita lanzador (si la 0.9
8 C b S f 0.5
flecha vuelve al estado: el 90 % de las veces para Cristiano, el 50 % 0.5

para Sergio) o se cambie (si pasa al siguiente estado: el 10 % de las
veces para Cristiano y el 50 % para Sergio). Además, dado el lanza-
dor, no sólo está dada la probabilidad de éxito de este penalty, sino
que también se podrá calcular la del siguiente penalty, sin necesidad
de conocer lo sucedido en los lanzamientos anteriores.
Una cadena de Markov1 es un proceso aleatorio que pasa por 1

Por el matemático ruso Andréi
una serie de estados y que cumple una propiedad: una vez cono- Márkov (1856-1922).
cido el estado en el que se encuentra el proceso, no es necesario

conocer la historia pasada del mismo de cara a poder calcular lo
que pueda suceder en el futuro.
Definición
Sea un proceso aleatorio { Xn } que toma valores en un espacio

finito S = {s1 , s2 , . . . , sk }, como el ilustrado en la Figura 4.1.
Figura 4.1: Cadena de Markov de

tiempo discreto.
s3
s2
s1
0 1 2 3 n-2 n-1 n
Según se observa en la figura, los valores que toma el proceso

cadenas de markov de tiempo discreto 75
desde el instante de tiempo 0 hasta n son
Xk = { s3 , s1 , s1 , s2 , . . . , s1 , s3 , s1 }
Sea un proceso que se inicie en un instante 0 y que discurra has-

ta un tiempo indefinido. Dado instante de referencia n, el proceso
se divide en dos partes:
El “futuro”: los valores Xn+1 , Xn+2 , etc.
El “pasado”: todos los valores desde X0 hasta Xn−1 .
El modelado analítico persigue predecir el comportamiento de

un sistema, esto es, calcular las diferentes probabilidades de los
diferentes eventos que puedan suceder: si el instante de referencia
es n, se pretende calcular la probabilidad de que la cadena pase a
cualquiera de los valores de S en el instante n + 1 (posteriormente
se abordarían los instantes n + 2, n + 3, etc.):
Pr( Xn+1 = s j | desde el instante n), ∀s j ∈ S,
para lo cual dispone de todo lo sucedido hasta n (incluyendo dicho

instante), esto es,
Pr( Xn+1 = s j | Xn = sin , Xn−1 = sin−1 , . . . , X0 = si0 ), ∀s j ∈ S, (4.1)
donde la secuencia si0 , si1 , si2 , . . . , sin representa los estados por los
que ha pasado el proceso desde el instante 0 hasta el instante n.
Ejemplo 4.2. Siguiendo con el ejemplo de los penalties, supónga-

se que se han lanzado 6 penalties, y los lanzadores han sido los
siguientes
X = {C, C, C, C, S, C }
la probabilidad de que el siguiente penalty lo tire Sergio, según la
expresión (4.1), se puede expresar como:
Pr( X7 = S | X6 = C, X5 = S, X4 = C, X3 = C, X2 = C, X1 = C ),
mientras que la probabilidad de que el siguiente penalty lo tire

Cristiano sería:
Pr( X7 = C | X6 = C, X5 = S, X4 = C, X3 = C, X2 = C, X1 = C ),
En este caso, según las reglas para repartirse los penalties, para
calcular estas probabilidades no hace falta saber toda la historia del
proceso, dado que el lanzador del siguiente penalty sólo depende
del lanzador actual, esto es:
Pr( X7 = C | X6 = C, X5 = S, X4 = C, X3 = C, X2 = C, X1 = C )
= Pr( X7 = C | X6 = C )
cuando esto sucede, es decir, cuando el pasado no afecta a la pre-

dicción, sino únicamente el presente, se dice que el proceso aleato-
rio es una cadena de Markov.
Propiedad de Markov y homogeneidad

A continuación se formaliza esta propiedad sobre la falta de
dependencia del futuro con el pasado que caracteriza a las cadenas
de Markov.
Cadena de Markov Un proceso aleatorio { Xn } en un espacio finito

de valores S = {s1 , s2 , . . . , sk } es una cadena de Markov de
tiempo discreto si cumple la siguiente propiedad de Markov:
Pr( Xn+1 = s j | Xn = sin , Xn−1 = sin−1 , . . . , X1 = si1 , X0 = si0 )

= Pr( Xn+1 = s j | Xn = sin ) ∀i, j, {sik }
Esta propiedad indica que, aunque se conozca toda la his-

toria del proceso hasta el instante n (esto es, todos los estados
{si0 , si1 , . . . , sin } por los que ha pasado), la probabilidad de que
el proceso pase al estado Xn+1 = s j sólo depende del estado en que
se encuentre en Xn , y no de dicha historia, para cualquier posible
combinación de estados si , s j e historia {sik }.
Origen • /• /•
Ejemplo 4.3. Una red multi-salto que emplee un algoritmo de
forwarding aleatorio se podría modelar con una cadena de Markov,
/ • / •
dado que la probabilidad de que un mensaje llegue a un nodo sólo • Destino
depende del nodo en que se encuentre, y no de todos los nodos que
haya visitado.
La propiedad de Markov define que la probabilidad de pasar

desde un estado si en el instante n a un estado s j en el instante
n + 1 no depende de lo que haya sucedido en instantes anteriores
a n. Si, además, la probabilidad de pasar de un estado al otro no
depende del valor específico de n (esto es, no varía a lo largo del
tiempo) la cadena de Markov es homogénea:
Pr( Xn = s j | Xn−1 = si ) = Pr( Xk = s j | Xk−1 = si ), ∀n, k, si , s j
Ejemplo 4.4. Según la Wikipedia, la enumeración más habitual de

estados civiles consiste en cinco estados: soltero, comprometido,
casado, divorciado, viudo. En este caso, aún sin tener en cuenta la
historia del proceso, la probabilidad de pasar de un estado depen-
derá de la edad (esto es, del valor de n). Se trataría de un sistema
inhomogéneo.
Únicamente se considerarán de ahora en adelante cadenas de

Markov homogéneas.
Matriz de transiciones y diagrama de estados

Dado que en las cadenas homogéneas la probabilidad de tran-
sición de un estado al otro no depende del instante de tiempo
considerado, tiene sentido definir dicha probabilidad para todos

los estados. Ello lleva a la aparición de los siguientes dos conceptos
fundamentales:
La probabilidad de transición (pij ): es la probabilidad de que el

proceso pase al estado s j en el instante n estando en el estado si
en el instante n − 1
pij , Pr( Xn = s j | Xn−1 = si )
La matriz de transiciones (P): es la matriz constituida por las pro-

babilidades de transición, donde la componente pij representa la
probabilidad de pasar desde el estado si al estado s j . Por tanto, la
fila de la matriz indica el estado actual, y la columna el posible
estado siguiente.
Ejemplo 4.5. Siguiendo con el ejemplo de Cristiano y Sergio (con

probabilidades de acierto del 90 % y 50 %, respectivamente), la
probabilidad del lanzador futuro se ilustra en la Tabla 4.3 al mar- Siguiente
gen. La matriz de transiciones de esta cadena de Markov sería la Ahora Cristiano Sergio
Cristiano 0.9 0.1
siguiente: Sergio 0.5 0.5
! Tabla 4.3: Probabilidad del siguiente
0.9 0.1 lanzador en función del actual.
P=
0.5 0.5
Esta matriz de transiciones, dado que representa las proba-

bilidades de que del estado asociado a la fila i se pase al estado
asociado a la columna j (incluyéndose el caso de que se repita esta-
do), debe cumplir las siguientes propiedades:
pij ≥ 0, ∀i, j
k
∑ pij = 1, ∀i
j =1
Además de la matriz de transiciones2 se puede emplear el diagra- 2

La matriz de transiciones también
ma de estados de la cadena de Markov para representarla. Se trata de se denomina matriz de probabilidad,
matriz de Markov o matriz estocástica.
un diagrama como el visto con el ejemplo de los penalties, donde
cada estado se representa con un círculo, y las transiciones entre es-
tados con flechas acompañadas por la correspondiente probabilidad
de transición, salvo que dicha probabilidad sea nula (en este caso
no se dibuja la flecha).
Ejemplo 4.6. Para el caso de los penalties, el diagrama de estados

sería el que aparece en la figura al margen. donde se puede apre-
0.1
ciar que la suma de todas las flechas que salen de un mismo estado "
es igual a la unidad. 0.9
8 C
b S f 0.5
0.5
Ejemplo 4.7. Sea un jugador de baloncesto al que se le calienta la

mano, esto es, que cuando encesta un tiro es más probable que
enceste el siguiente tiro: su primer lanzamiento lo acierta el 60 %
de las veces, si ya ha encestado un tiro el siguiente acierta el 80 %
de los intentos, y con dos, tres o más tiros consecutivos encestados
anota el 90 % de las veces. Este comportamiento se puede modelar
con el siguiente diagrama
0.9
) 3 x
0.6 0.8
) )
0.4 8 0W ci 1 2 0.90
0.20 0.10 0.10
 
a partir del que se deduce la matriz de transiciones P1 indicada al 0,4 0,6 0 0
0,2 0 0,8 0
margen. P1 = 
 
0,1 0 0 0,9
Este modelado del sistema no es incorrecto; sin embargo, tras 0,1 0 0 0,9
una lectura detallada del comportamiento del jugador se puede
comprobar que “sobra” un estado, dado que a partir del segundo
lanzamiento anotado la probabilidad de éxito es siempre la mis-
ma, por lo que no hace falta distinguir entre 2 y 3. El diagrama de
estados pasa entonces a ser
0.6
)
0.8
) x
0.4 8 0 ic 1 2 0.9
0.20 0.10
con la correspondiente matriz P2 al margen (más sencilla).  
0.4 0.6 0
P2 = 0.2 0 0.8

Como ilustra el ejemplo anterior, en general será sencillo 0.1 0 0.9
añadir estados “innecesarios” que aumenten la complejidad de la
cadena. Sin embargo, también puede ocurrir que existan varias for-
mas de modelar un sistema, en función de lo que se desee analizar,
y que no resulte sencillo determinar cuál es la más adecuada. Es
por ello que a la hora de modelar un sistema resulta crítico dedi-
car tiempo a determinar el número y significado de cada estado,
teniendo en cuenta que siempre se ha de cumplir la propiedad de
Markov: un estado debe definir una situación con toda la informa-
ción necesaria para que la historia pasada del proceso no afecte a lo
que pueda suceder en el futuro.
Ejemplo 4.8. Sea un modelo simple para predecir el tiempo, que a Mañana
partir de si hace calor o frío hoy estima con qué probabilidad hará Hoy Pr(Calor) Pr(Frío)
Calor 0.40
calor o frío mañana, según la Tabla 4.4. Frío
0.60
0.30 0.70
Dado que sólo es preciso saber el tiempo hoy para predecir el de Tabla 4.4: Modelo para el tiempo con
mañana, este sistema se puede modelar con una cadena de Markov una memoria de un día.
de dos estados, con el siguiente diagrama

0.4
" x
0.6 8Cb F 0.7
0.3
Supóngase que hay que extender el modelo para tener en cuenta

que nunca hay más de dos días fríos seguidos. Dado que un estado
contiene toda la información necesaria para predecir el futuro,

hay que extender la información contenida en los mismos para
“recordar” el número de días que hace frío de forma consecutiva.
Un diagrama que modelase esta nueva situación sería el siguiente
0.4 0.7
) )
0.6 8 CT i F FF
0.3
1
Por lo tanto, si hace falta considerar la “historia” del proceso

que se quiere modelar, hay que definir los estados de modo tal que
tengan en cuenta dicha historia.
Tiempo de permanencia en un estado
Los elementos de la diagonal de P (esto es, pii ) representan la

probabilidad de que, llegada la cadena { Xn } al estado si , perma-
nezca en dicho estado en la siguiente iteración:
pii , Pr( Xn+1 = si | Xn = si ).
Por lo tanto, el número de iteraciones que una cadena permanece

en un estado si se puede modelar con una distribución geométri-
ca, donde la probabilidad de “éxito” es la probabilidad de que la
cadena abandone dicho estado (1 − pii ).
Sea Di el número de veces que la cadena repite de forma conse-
cutiva el estado si . Dicho número aleatorio es una variable aleatoria
geométrica, donde la probabilidad de exactamente k repeticiones es
Pr( Di = k) = piik (1 − pii )
mientras que su media es
1
E [ Di ] = .
1 − pii
Ejemplo 4.9. Para el caso del tiempo de la Tabla 4.4 (repetida al

margen), el número medio de días de calor consecutivos es de
1/(1 − 0,6) = 2,5, mientras que el número medio de días consecuti- Mañana
Hoy Pr(Calor) Pr(Frío)
vos de frío será 1/(1 − 0,7) = 3,33. Calor 0.40
0.60
Frío 0.30 0.70
Comunicación entre estados
A continuación se formaliza las posibles relaciones entre los esta-

dos de una cadena de Markov, en términos tanto de la probabilidad
de “llegar” a un estado partiendo de otro, como de la “frecuencia”
con la que puede ocurrir.
Irreducibilidad
En los ejemplos vistos hasta ahora, se puede comprobar que,
partiendo desde cualquier estado, es posible “alcanzar” cualquier
otro estado.3 Sin embargo, esto no es necesariamente cierto en 3
Esto es, siempre hay un “camino”
todas las cadenas de Markov, como se ilustra en el siguiente caso: para llegar desde cualquier estado a
cualquier otro estado.
1
)
1 2 f 1
Dicha figura representa también una cadena de Markov, pero con

las transiciones entre estados mucho más limitadas: en cuanto el
proceso llegue al estado 2, permanecerá en el mismo para siempre
(como se verá más adelante, se trata de un estado absorbente). De
hecho, otro caso más “extremo” de cadena de Markov donde los
estados no son alcanzables entre sí sería el siguiente:
&
1 1 2 f 1
en el que el futuro está completamente determinado por el estado

inicial del sistema.
En una cadena con “mucha” conexión entre estados se tendrá
que el proceso no se queda “atrapado” en un estado en particular,
mientras que en aquellas cadenas como las anteriores, será más
frecuente que el proceso alcance un estado y no lo abandone. Para
caracterizar una cadena de Markov siguiendo estas ideas se define
la comunicación entre estados:
Un estado s j es accesible desde un estado si si la probabilidad de

alcanzar el estado s j desde el estado si es estrictamente mayor
que cero, y se denota como:
si → s j
Es decir, que es posible (no es imposible) que en algún momento

se pueda alcanzar el estado s j partiendo desde si :
Pr( Xn+m = s j | Xm = si ) > 0, para algún n ≥ 0

Esta propiedad no implica que pij > 0 (aunque sea una condi-
ción suficiente), sino que desde el estado si no es imposible alcanzar
el estado s j . Por definición, un estado es siempre accesible desde él
mismo (dado que la condición es n ≥ 0 y no n > 0).
Ejemplo 4.10. Sea la siguiente cadena, con la correspondiente ma-

triz P asociada indicada en el margen.  
0 1 0
0.5 P = 0,5 0 0,5
1
) ) 3 0 1 0
1 i 2 i
0.5 1
Se puede comprobar que 3 es accesible desde 1 (1 → 3) a pesar

de que p13 = 0, ya que se cumple que
Pr( Xm+2 = 3| Xm = 1) = 0,5 ∀m.

La propiedad de accesibilidad es transitiva, dado que si el

estado s j es accesible desde el estado si , esto es,
si → s j
y el estado sk es accesible desde el estado s j ,
s j → sk
entonces se tiene que el estado sk es accesible desde el estado si
si → s k
)
1
Sin embargo, la propiedad de accesibilidad no es conmutativa, 1 2 f 1
dado que las flechas son unidireccionales: por ejemplo, en la cadena
representada al margen se cumple que 1 → 2 pero no que 2 → 1.
Si si → s j y si ← s j , se dice que los estados si y s j se comunican
(entre sí), y se representa como
si ↔ s j
Dos estados que se comunican entre sí se dice que están en la misma

clase,, por lo que todos los miembros de la misma clase se comuni-
can entre sí.
Ejemplo 4.11. La cadena de Markov dada por la siguiente matriz

 
0,5 0,5 0 0
0,5 0,5 0 0
P=
 

0,2 0,2 0,2 0,4
0 0 0 1
con el siguiente diagrama de estados
0,2
0,5
0,5
) x
0,5 8 1T i 2 ir 3 5 4 1
0,5 0,2 0,4
0,2
Se puede comprobar que dicha cadena tiene tres clases: {1, 2},
{3} y {4} (por la definición de accesibilidad, un estado siempre se
comunica consigo mismo).
A partir de la propiedad de comunicación entre estados se de-

fine una de las principales características de una cadena de Markov:
la irreducibilidad.
Cadena de Markov irreducible: Una cadena de Markov { Xn } con

espacio de estados S = {s1 , . . . , sK } y matriz de transición P
es irreducible si, para todos sus estados si , s j ∈ S se cumple que
si ↔ s j . Si no es así, se dice que la cadena de Markov es reducible.
Ejemplo 4.12. Los ejemplos de los lanzamientos de penalties (Ejem-

plo 4.1) o predicción del tiempo (Ejemplo 4.8) son cadenas de Mar-
kov irreducibles, dado que desde cualquier estado se puede llegar
a cualquier otro estado. Una ejemplo de cadena de Markov redu-
cible sería la del ejemplo anterior (con tres clases), o la dada por la
siguiente matriz de transición
 
0,5 0,5 0 0
0,3 0,7 0 0
P= ,
 
0 0 0,2 0,8
0 0 0,8 0,2
como se puede ver al representar su diagrama de estados
0,5 0,8
" "
0,5 8 1 b 2 f 0,7 0,2 8 3 b 4 f 0,2
0,3 0,8
donde se aprecia que dicha matriz representa dos cadenas “inde-

pendientes,” por lo que el análisis del comportamiento de la cadena
se podrá simplificar (esto es, reducir) a casos más sencillos, como se
verá más adelante.
Recurrencia
Partiendo de un estado en una cadena de Markov, puede ocu-
rrir que: (i) nunca se abandone, (ii) se vuelva a visitar pasado un
tiempo, o (iii) se abandone para no volver nunca. Según el caso, se
pueden definir diferentes tipos de estado.
Un estado s j es absorbente si p jj = 1. Es un caso sencillo de iden-

tificar: en el diagrama de estados aparece un “bucle” con p = 1,
y en la matriz P la posición diagonal en la fila o columna tiene el
valor 1.
0,5
Cuando en una cadena el proceso alcanza un estado absorbente, "
ya nunca saldrá de dicho estado. Una cadena puede tener varios es- 1
8 Ab B C f 1
tados absorbentes, como se muestra en la figura al margen (estados 0,5
A y B).
Un estado s j es recurrente (o persistente) si, partiendo de dicho

estado, la cadena vuelve a él con total probabilidad:
Pr(volver a s j en algún momento | X0 = s j ) = 1
Ejemplo 4.13. Sea otra vez el caso de la cadena del Ejemplo 4.12,
con el siguiente diagrama de estados y matriz P al margen.  
0,5 0,5 0 0
0,2 0,5 0,5 0 0
0,5 P=
0,2

0,2 0,2 0,4
0,5
) x 0 0 0 1
0,5 8 1T i 2 ir 3 5 4 1
0,5 0,2 0,4
0,2
Se puede deducir que:
El estado 4 es recurrente, y se trata de un estado absorbente.
El estado 3 no es recurrente: la probabilidad de volver a dicho

estado es de 0.2, mientras que con probabilidad 0.8 la cadena
abandona dicho estado para no volver jamás.
Los estados 1 y 2 son recurrentes. Para que p.ej. 1 no fuese recu-

rrente, la cadena debería abandonar dicho estado (lo que hace
con probabilidad 1/2) y permanecer en 2 para siempre, pero la
probabilidad de permanecer en 2 durante n iteraciones es
n
1
→ 0,
2
por lo que se vuelve a 1 en algún momento.
La propiedad de recurrencia en un estado implica que en

algún momento el proceso volverá a dicho estado. Se trata de una
propiedad de clase: si un estado es recurrente, entonces todos los
estados de su clase son recurrentes.
Finalmente, un estado s j que no es recurrente se llama transitorio:

existe la posibilidad de que el proceso nunca vuelva a s j una vez
que lo abandone.
En una cadena irreducible (esto es, que sólo tiene una clase), o
todos los estados son recurrentes, o todos son transitorios.
Evolución en el tiempo de una cadena
Como se ha visto, la matriz de transiciones P define la probabi-

lidad de que la cadena pase de un estado a otro en una unidad de
tiempo
pij , Pr( Xn+1 = s j | Xn = si )
por lo tanto, si se sabe dónde se puede encontrar la cadena en un
estado n (esto es, las probabilidades Pr( Xn = sk ) para todo sk ), se
puede calcular la probabilidad de que esté en cualquier estado en
n + 1, ya que
Pr( Xn+1 = s j ) = ∑ Pr(Xn+1 = s j | Xn = sk ) Pr(Xn = sk ), ∀s j (4.2)

sk
Ejemplo 4.14. Sea una cadena con dos estados {s1 , s2 } como la
ilustrada en el diagrama al margen, que parte en el instante 0 del Cadena para el ejemplo 4.14:
estado s1 , esto es X0 X1 X2
Pr( X0 = s1 ) = 1
De aplicar la expresión (4.2) para el caso de X1 resulta s1
p11
p12
/s1 p11
p12
/s> 1
Pr( X1 = s1 ) = Pr( X1 = s1 | X0 = s1 ) Pr( X0 = s1 ) = p11

s! 2 p21 /s! 2
p22
Pr( X1 = s2 ) = Pr( X1 = s2 | X0 = s1 ) Pr( X0 = s1 ) = p12
Si se aplica ahora la expresión (4.2) para calcular Pr( X2 = s1 ), se

obtiene Cadena para el ejemplo 4.14:
X0 X1 X2
Pr( X2 = s1 ) = Pr( X2 = s1 | X1 = s1 ) Pr( X1 = s1 )+
Pr( X2 = s1 | X1 = s2 ) Pr( X1 = s2 ) s1
p11
/s1 p11
/s> 1
p12 p12
que, a partir de los valores calculados anteriormente para Pr( X1 =

s! 2 p21 /s! 2
s1 ) y Pr( X1 = s2 ), puede expresarse como p22
Pr( X2 = s1 ) = p11 p11 +

p21 p12
lo que tiene una interpretación muy directa: si se parte de s1 en

n = 0, hay dos “caminos” para estar en s1 en n = 2:
Bien no se abandona dicho estado en dos unidades de tiempo (lo

que sucede con probabilidad p11 p11 )
Bien se abandona dicho estado para volver inmediatamente (lo

que sucede con probabilidad p12 p21 )
Gracias a la propiedad de Markov, realizar predicciones so-

bre el comportamiento de un sistema es razonablemente sencillo,
ya que basta con calcular probabilidades condicionadas entre un
instante n y el siguiente n + 1: por ejemplo, en una cadena de Mar-
kov, la probabilidad de estar en si en n + 2 si se parte de s j en n se
puede expresar como
Pr( Xn+2 = si | Xn = s j ) = ∑ Pr(Xn+2 = si | Xn+1 = sk ) Pr(Xn+1 = sk | Xn = s j )

∀sk
mientras que si el sistema no fuese de Markov, habría que tener en

cuenta la historia a lo largo del proceso:
Pr( Xn+2 = si | Xn = s j ) = ∑ Pr(Xn+2 = si | Xn+1 = sk , Xn = s j ) Pr(Xn+1 = sk | Xn = s j )

∀sk
Ejemplo 4.15. Sea otra vez el modelo del tiempo con las proba- Mañana
bilidades de transición en la tabla al margen. Según este modelo, Hoy Pr(Calor) Pr(Frío)
sabiendo lo que sucede hoy, se puede calcular la probabilidad de Calor 0.60 0.40
Frío 0.30 0.70
lo que pueda suceder mañana. Por lo tanto, si hoy hace calor (c),
mañana también hará calor con una probabilidad de pcc =0.6, y frío
(f) con una probabilidad de pc f =0.4. 0.4
"
Una vez que se ha estimado lo que puede pasar mañana, se 0.6 8 C b F f 0.7
puede calcular la probabilidad de que haga calor pasado mañana
0.3
Si mañana hace calor, pasado mañana hará calor con probabili-

dad pcc . Por lo tanto, la probabilidad de dos días más con calor
(CC) es
pcc pcc = 0.6 × 0.6 = 0.36.
Si mañana hace frío, pasado mañana hará calor con probabilidad

0.3. Por lo tanto, la probabilidad de primero frío y luego calor
(FC)
pc f p f c = 0.4 × 0.3 = 0.12.
Por lo tanto, si hoy hace calor, pasado mañana hará calor con una
probabilidad de
Pr(Pasado mañana calor) = 0.36 × 0.12 = 0.48.
La probabilidad de que haga frío se puede obtener con un razo-

namiento similar,4 o bien directamente como 4
Que se obtendría como
0.6×0.4+0.4×0.7=0.52
Pr(Pasado mañana frío) = 1 − Pr(Pasado mañana calor) = 0.52
Los anteriores ejemplos ilustran que realizar predicciones

en una cadena de Markov es sencillo pero laborioso, dado que
“basta” con calcular las probabilidades de todos los posibles cami-
nos entre un estado inicial y otro final. A continuación se introduce
un elemento clave (el vector de probabilidades de estado) que per-
mite simplificar este cálculo.
Vector de probabilidades de estado

Dada una cadena de Markov de K estados, la probabilidad con la
que dicha cadena se encuentra en el instante n en cada uno de esos
estados se puede representar con el siguiente vector fila:
π (n) , (Pr( Xn = s1 ), Pr( Xn = s2 ), . . . , Pr( Xn = sk ))
La componente i-ésima de dicho vector se representa como
(n)
πi , Pr( Xn = si ),
y éstas siempre deben sumar uno:
K
(n)
∑ πi = 1.
i =1
Ejemplo 4.16. Siguiendo con el ejemplo del tiempo, sea hoy el día
n = 0 y hace calor. Esto se representa como
π (0) = (Pr( X0 = C ), Pr( X0 = F )) = (1, 0),
mientras que los vectores π (1) y π (2) son, respectivamente:
π (1) = (0.6, 0.4)

π (2) = (0.48, 0.52)
Dado un valor de las probabilidades de calor o frío en el día n

(esto es, π (n) ), y la matriz de transiciones P, resulta sencillo calcular
el valor de π (n+1) , dado que por la ley de la probabilidad total
Pr( Xn+1 = C ) = Pr( Xn+1 = C | Xn = C ) Pr( Xn = C ) + Pr( Xn+1 = C | Xn = F ) Pr( Xn = F )

Pr( Xn+1 = F ) = Pr( Xn+1 = F | Xn = C ) Pr( Xn = C ) + Pr( Xn+1 = F | Xn = F ) Pr( Xn = F )
que puede escribirse como

( n +1) (n) (n)
π1 = p11 π1 + p21 π2
( n +1) (n) (n)
π2 = p12 π1 + p22 π2
y permite calcular la probabilidad de calor o frío de forma iterativa,

como se realiza a continuación en la Tabla 4.5, donde la matriz de
transiciones es !
0.6 0.4
P=
0.3 0.7
(n) (n) Tabla 4.5: Evolución de las probabilida-

n π1 (Calor) π2 (Frío)
des de calor y frío para el ejemplo del
0 1.00 0 tiempo.
1 0.60 (=1 × 0.6 + 0 × 0.3) 0.40 (= 1 × 0.4 + 0 × 0.7)
2 0.48 (=0.6 × 0.6 + 0.4 × 0.3) 0.52 (= 0.6 × 0.4 + 0.4 × 0.7)
3 0.4440 (=0.48 × 0.6 + 0.52 × 0.3) 0.5560 (= 0.48 × 0.4 + 0.52 × 0.7)
4 0.4332 (=0.444 × 0.6 + 0.546 × 0.3) 0.5668 (= 0.444 × 0.4 + 0.556 × 0.7)
Como se aprecia en la tabla, el cálculo de π (n+1) a partir de π (n)

resulta mecánico, pues basta con multiplicar cada componente
por el valor correspondiente de pij y sumar. A continuación se
formaliza esta relación.
Ecuaciones de Chapman-Kolmogorov
Como se ha visto en el ejemplo anterior, por la ley de la probabi-
lidad total en una cadena de Markov se cumple que
Pr( Xn = si ) = ∑ Pr(Xn = si | Xn−1 = s j ) Pr(Xn−1 = s j ).

j
Mediante el vector de probabilidades de estado π (n) y la matriz

de transiciones P se puede expresar esta relación para todos los
estados si de forma compacta
π (n) = π (n−1) P, n>1
Ejemplo 4.17. Como se ha visto en el ejemplo anterior, en el caso

de una cadena de dos estados las ecuaciones que permiten calcular
el vector π (n) a cada instante son
(n) ( n −1) ( n −1)
π1 = p11 π1 + p21 π2
(n) ( n −1) ( n −1)
π2 = p12 π1 + p22 π2
que se puede comprobar que coinciden con la siguiente multiplica-

ción !
p
( n −1) ( n −1) 11 p12

(n) (n)
π1 , π2 = π1 , π2
p21 p22
Dado que la expresión π (n) = π (n−1) P permite calcular la dis-

tribución de probabilidades π (n) a partir de π (n−1) para cualquier
n, también se puede expresar π (n−1) en función de π (n−2) :
π ( n −1) = π ( n −2) P
por lo que se puede calcular π (n) en función de π (n−2) :

π (n) = π (n−1) P = π (n−2) P P,
esto es,
π ( n ) = π ( n −2) P 2 .
Este resultado se puede generalizar para π (n−3) , π (n−4) , etc., lo

que permite calcular cualquier valor de π (n) a partir de las poten-
cias de la matriz P y un vector inicial π (0) . Este resultado se conoce
como las ecuaciones de Chapman-Kolmogorov.
Ecuaciones de Chapman-Kolmogorov: Dada una cadena de Markov

{ Xn } con espacio de estados S = {s1 , . . . , sK }, matriz de transi-
ciones P y vector inicial de probabilidades de estado π (0) , para
cualquier π (n) se cumple que
π ( n ) = π (0) P n (4.3)
Ejemplo 4.18. Sea el ejemplo del tiempo, con las siguientes poten-
cias de la matriz P:
! ! ! Probabilidad de
0.6 0.4 0.48 0.52 0.444 0.556 n Calor Frío
2 3
P= , P = , P = 0 1.00 0
0.3 0.7 0.39 0.61 0.417 0.583 1 0.60 0.40
2 0.48 0.52
Se puede comprobar que si π (0) = (1, 0), entonces las probabili- 3 0.444 0.556
4 0.4332 0.5668
dades de calor y frío en el día n (recopiladas en la tabla al margen) Tabla 4.6: Probabilidades de calor y
coinciden con π (0) Pn . frío según la Tabla 4.5.
Significado de las filas la matriz Pn
Dado un vector inicial π (0) , las potencias de P determinan el va-

lor del vector de distribución de probabilidades π (n) . Para analizar
el significado de la matriz Pn , sea una cadena de Markov genérica
de dos estados {s1 , s2 } con la siguiente matriz de transiciones:
!
p11 p12
P= .
p21 p22
El cuatro de la matriz P es:

! ! !
2 p11 p12 p11 p12 p211 + p12 p21 p11 p12 + p12 p22
P = = .
p21 p22 p21 p22 p21 p11 + p22 p21 p21 p12 + p222
El primer elemento de la primera fila de P2 (es decir, P11

2 ) se
compone de dos términos:
1. p211 : probabilidad de que, estando en s1 , se siga en s1 tras dos

iteraciones.
2. p12 p21 : probabilidad de pasar de s1 a s2 , y luego pasar de s2 a s1 .
2 es la probabilidad de que, partiendo de s , en dos

Por lo tanto, P11 1
iteraciones el estado sea s1 otra vez (pasando o no por s2 ).
Por otra parte, el segundo elemento de la primera fila (P122 ) se
compone de:
1. p11 p12 : probabilidad de permanecer en s1 y luego pasar a s2 .
2. p12 p22 : probabilidad de pasar a s2 y luego permanecer en s2 .
por lo que se corresponde con la probabilidad de terminar en el

estado s2 tras dos iteraciones partiendo del estado s1 .
Ejemplo 4.19. En el ejemplo del tiempo, la potencia cuarta de la

matriz P es
! ! !
4 2 2 0.48 0.52 0.48 0.52 0.4332 0.5668
P = P ·P = = ,
0.39 0.61 0.39 0.61 0.4251 0.5749
en la que su primera fila
P14∗ = (0.4332, 0.5668) ,
se corresponde con las probabilidades de calor y frío, respectiva-

mente, en el cuarto día, suponiendo que π (0) = (1, 0).
Se puede demostrar que, en un caso general, la fila i de la

matriz Pn se corresponde con el vector de probabilidades de estado
π (n) si el estado inicial en n = 0 es si . Esto es, dicha fila representa
probabilidad de estar en cada uno de los estados {s1 , s2 , . . . , sk }
tras n iteraciones partiendo del estado si . Por ello, Pijn representa la
probabilidad de llegar al estado s j en n transiciones partiendo del
estado si :
Pijn , Pr( Xm+n = s j | Xm = si )
y, por lo tanto, un estado s j es accesible desde si si existe algún n tal

que Pijn > 0.
Ejemplo 4.20. Sea la cadena dada por la siguiente matriz de transi-

ciones y representada al margen
) )
  1 1
0 1 0 A B C f 1
P = 0 0 1
 
0 0 1
Resulta sencillo comprobar que el valor de P2 resulta ser:

 
0 0 1
P2 = 0 0 1
 
0 0 1
Lo que significa que, independientemente del estado inicial, en
n = 2 el sistema acabará en sC .
Ejemplo 4.21. Sea la cadena con la siguiente matriz P

3/4
! )
P=
1/4 3/4
.
1/4
8 1 2 f 1
0 1
Se puede obtener que la potencia P2 es igual a

!
2 1/16 15/16
P = ,
0 1
mientras que P4 resulta ser5 5

Dado que, por definición, las filas de
! la matriz Pn tienen que sumar 1, reali-
1/256 255/256 zar la potencia resulta razonablemente
P4 = , sencillo.
0 1
de lo que se puede intuir que el valor de Pn será igual a

!
n (1/4)n 1 − (1/4)n
P = .
0 1
Otra forma de realizar el cálculo de Pn puede ser por inspección

del comportamiento de la cadena. Para ello, se puede partir de la
interpretación de las filas de Pn :
Si la cadena empieza en el estado 2, permanecerá en él para
siempre, al ser un estado absorbente. Por lo tanto, se tiene que
P2,n ∗ = (0, 1)
Si la cadena empieza en estado 1, existe una probabilidad de

(1/4)n de que permanezca en dicho estado pasadas n iteracio-
nes. Dado que la suma de las probabilidades de cada fila tiene
que ser 1, se tiene que
P1,n ∗ = ((1/4)n , 1 − (1/4)n )
Por lo tanto:
!
n (1/4)n 1 − (1/4)n
P = .
0 1
Periodicidad
Los componentes de Pn determinan la probabilidad de encon-
trarse en el estado s j partiendo del estado si y, por lo tanto, también
determinan la probabilidad de no encontrarse en cualquier estado
en un momento dado. Sea el caso de la cadena de Markov dada por
la matriz y el diagrama de transiciones a continuación:
!
1
0 1 )
P= 1 i 2
1 0 1
Se puede comprobar que las potencias Pn tienen la siguiente

forma para el caso de n impar y par, respectivamente
! !
2n+1 0 1 2n 1 0
P = ;P =
1 0 0 1
Dado que la primera fila de P2n+1 es (0, 1), si el estado inicial

es s1 , resulta imposible que la cadena que pase por dicho estado
los valores de n impares.6 En función de que exista o no esta im- 6
Aunque a lo largo de las iteraciones
posibilidad de volver a un estado, dicho estado será periódico o la cadena pase la mitad de tiempo en
s1 y la otra mitad en s2 , no se puede
aperiódico. decir p.ej. que la probabilidad de que
esté en s1 es de 1/2 para cualquier
Periodo de un estado: dada una cadena de Markov { Xn } con espacio valor de n.
de estados S y matriz de transición P, el periodo de un estado

si se define como el máximo común divisor (mcd) de todos los
instantes n en los que la cadena podría volver a dicho estado:
d(si ) , mcd{n ≥ 1 : Piin > 0}.
Ejemplo 4.22. En la cadena de dos estados del ejemplo anterior se

cumple que
!
2 4 8 1 0
P = P = P = ... = .
0 1
Por lo tanto, d(s1 ) = d(s2 ) = 2.
En función del valor que tome d(si ) se define si un estado es

periódico o no:
Si d(si ) = 1, el estado es aperiódico.
Si d(si ) > 1, el estado es periódico, con periodo d(si ).
Una cadena de Markov en la que todos sus estados son ape-

riódicos es una cadena aperiódica, mientras que en caso contrario,
la cadena es periódica. Si dos estados pertenecen a la misma clase,
tienen el mismo periodo, por lo que para identificar si una cadena
irreducible es periódica o aperiódica basta con identificar el periodo
de uno de sus estados.
Ejemplo 4.23. Sea la siguiente cadena de Markov

) )
1 1
A b B C
 
0 1 0
P = 0 0 1
 
1
1 0 0
que se puede comprobar que es periódica con periodo d = 3.

Sin embargo, en la siguiente cadena, que resulta “muy parecida”
a la anterior  
) )
0 1 0 1 1
P= 0

0 1 
 A b B C f 0.01
0,99 0 0,01 0.99

el estado C es aperiodico (dado que pCC =0.01). Puesto que es
una cadena irreducible, todos los demás estados, y la cadena, son
aperiódicos.
Ejemplo 4.24. Sea la cadena definida por

 
1/2 1/2 0 0 0
1/2 0 1/2 0 0 
 
P= 0 1/2 0 1/2 0 ,
 
 
 0 0 1/2 0 1/2
0 0 0 1 0
se puede comprobar que el valor de P8 es

 
71/256 57/256 1/4 9/64 7/64
57/256 39/128 29/256 21/64 1/32 
 
P =  1/4 129/256 49/128 9/256 7/32  .
 
 
 9/64 21/64 9/256 63/128 1/256 
7/32 1/16 7/16 1/128 35/128
Dado que Pij8 > 0 para todo i y j, se cumple que Pij8+n > 0 tam-
bién para todo valor de n ≥ 0. Por lo tanto, todos los elementos de
la diagonal serán estrictamente positivos a partir de P8 y siguientes
potencias, por lo que la cadena es aperiódica.
Distribuciones de estado estacionarias
El comportamiento de una cadena de Markov { Xn } según avan-

za n se rige, como se ha visto, por las ecuaciones de Chapman-
Kolmogorov:
π (n+1) = π (n) P.
A continuación se analiza el comportamiento de una cadena

cuando n → ∞, con objeto de poder obtener si existe un com-
portamiento “estable” de la misma cuando haya pasado “mucho
tiempo”. Esto serviría, p.ej., para calcular la probabilidad media
de que un equipo acierte un penalty, o el % de días que hace frío o
calor en un determinado pueblo.
Ejemplo 4.25. En el caso del Ejemplo 4.20 se tenía la cadena dada

por la siguiente matriz de transiciones y representada al margen
) )
  1 1
0 1 0 A B C f 1
P = 0 0 1
 
0 0 1
De la que se puede se puede deducir que a partir de n ≥ 2
 
0 0 1
P n = 0 0 1
 
0 0 1
lo que significa que, a partir de un valor de n, el sistema acababa en
el estado sC , esto es, π (n) = (0, 0, 1).
Para el caso del Ejemplo 4.21 se tenía la cadena con la siguiente
matriz P !
3/4
1/4 3/4 )
P= .
0 1
1/4
8 1 2 f 1
En el que !
n (1/4)n 1 − (1/4)n
P = .
0 1
A partir de esta expresión, se tiene que según n → ∞ la matriz
Pn tenderá a !
n 0 1
P → ,
0 1
lo que significa que el sistema tenderá al vector (0, 1).
En los dos ejemplos anteriores se tiene que, a partir de un

valor de n, la cadena permanece siempre en el mismo estado, por
lo que π (n) tiene una componente con valor a 1 y el resto a 0. Sin
embargo, como se verá en el ejemplo a continuación, también podrá
pasar que el vector π (n) no cambie según avance n, aunque ninguna
de sus componentes tenga valor igual a la unidad: es la incertidum-
bre sobre el estado en que puede estar la cadena la que no cambia.
Ejemplo 4.26. Sea el ejemplo del tiempo, con la matriz de transicio-

nes y diagrama de estados ya conocidos
0.4
"
!
0,6 0,4
P= 0.6 8 C b F f 0.7
0,3 0,7
0.3
Calculando las primeras potencias de 2k Pn ,
se obtiene
! ! !
0,48 0,52 0,4332 0,5668 0,4286 0,5714
P2 = , P4 = , P8 = ,
0,39 0,61 0,4251 0,5749 0,4281 0,5715
por lo que las filas de la matriz Pn resultan muy similares. De he-

cho, a partir de la potencia novena las probabilidades entre filas son
iguales hasta el cuarto decimal
!
9 0,4286 0,5714
P = ≈ P10 ≈ P11 ≈ . . .
0,4286 0,5714
Por lo tanto, el vector de distribución de probabilidades π (n) no

cambia significativamente a partir de n ≥ 9, independientemente
del estado inicial. Esto supone que a partir de dicho valor de n
La probabilidad de que haga calor (o frío) no depende del tiem-
po que hiciese al principio (el primer día).
El 43 % (aprox.) de los días serán calurosos, y el 57 % fríos.
Que el vector de distribución de probabilidades no “cambie”

a partir de un valor de n no supone que el sistema se haya vuelto
estático, o que –siguiendo con el ejemplo anterior– la probabilidad
de que haga frío o calor un día no dependa del día anterior.7 Lo 7
Si p.ej. se observase el día n = 12 y
que esto supone es que, teniendo en cuenta todas las posibles se- éste fuese caluroso, la probabilidad de
que n = 13 fuese caluroso sería del 0.6,
cuencias de estados que puede tener { Xn }, las probabilidades de y no de 0.4286.
las mismas ponderadas por las transiciones entre estados conver-
gen (para n 1) a un vector de distribución de probabilidades. A
continuación se formaliza la definición de este vector.
Definición de π
Sea una cadena de Markov con matriz de transiciones P donde,
a partir de un valor de n, el vector de probabilidades de estado π (n)
no varía. En estas condiciones, se cumple que
π ( n ) = π ( n +1) , n1
Aplicando las ecuaciones de Chapman-Kolmogorov a ambos
lados de la equación, resulta
π (0) P n = π (0) P n +1
que puede expresarse como

π (0) P n = π (0) P n P
esto es
π (n) = π (n) P. (4.4)
Por lo tanto, si un vector π (n) no cambia a partir de un valor
de n, debe cumplir la relación dada por (4.4).8 Este vector recibe 8
De la expresión (4.4) también se tiene
el nombre de distribución estacionaria de la cadena de Markov y se que dicho vector es un autovector de la
matriz P, de autovalor la unidad.
representa sin superíndice
π = lı́m π (n)
n→∞
Vector de distribución estacionaria: Sea { Xn } una cadena de Markov

con matriz de transiciones P. El vector de distribución de proba-
bilidades π = (π1 , . . . , π N ) es una distribución estacionaria de la
cadena si cumple que:
πP = π (4.5)
Además, dado que es un vector de distribución de probabilida-
des, también debe cumplir que
πi ≥ 0 ∀i, ∑ πi = 1. (4.6)
Ejemplo 4.27. Para el caso del modelo del tiempo, con la siguiente
matriz P !
0,6 0,4
P=
0,3 0,7
Se puede comprobar que el siguiente vector
π = (3/7, 4/7).
cumple las condiciones dadas por (4.5) y (4.6), por lo que es una
distribución de estados estacionaria (más adelante se abordará el
cálculo del vector π).
Otros nombres que se suelen utilizar para referirse a π son:

distribución invariante, distribución de equilibrio o probabilidades
de estado estacionario.
Convergencia a un único π
A partir de la definición de π, en una cadena puede ocurrir
tanto que existan varios vectores que cumplan dicha definición,
como que no exista ninguno. Además, también se ha visto que
π (n) puede aproximarse a dicho π según n → ∞, pero no en qué
condiciones: la unicidad, existencia y convergencia a π dependen
de la irreducibilidad y periodicidad de la cadena.
Si una cadena es reducible, no todos los estados se comunican

entre sí. En estas condiciones, el valor de π (n) cuando n → ∞
puede ser muy diferente según sea el estado inicial.
Ejemplo 4.28. Sea el caso de la siguiente cadena reducible (repre-

sentada al margen):
1/2

1/2 1/2 0
 "
1/2 8 1 b 2 f 1/2 3
f 1
P = 1/2 1/2 0
 
1/2
0 0 1
Se puede comprobar que hay al menos dos vectores de distribu-

ción estacionaria válidos:
π a = (1/2, 1/2, 0) y
πb = (0, 0, 1),
dado que ambos cumplen con la definición.9 Que el comporta- 9

Se puede demostrar que para
miento de la cadena cuando n → ∞ se corresponda con π a o πb cualquier p ∈ (0, 1), el vector
pπ a +(1 − p)πb cumple con las con-
dependerá del estado inicial y determinará que, en cualquier caso, diciones de distribución estacionaria.
se puede reducir al análisis de una cadena de un menor número de
estados.
Como ilustra el ejemplo anterior, en una cadena reducible

no puede garantizarse que exista un único π, ya que al haber más
de una clase el estado inicial puede determinar el comportamiento

a lo largo de n. En una cadena irreducible, en cambio, dado que
todos los estados se comunican, siempre existirá la posibilidad de
visitar cualquier estado independientemente del estado inicial
Si una cadena es periódica, si el estado inicial es periódico (con
periodo d > 1), la cadena lo volverá a visitar en los múltiplos de
dicho periodo k · d, y sólo en dichos múltiplos: la probabilidad
de que lo visite en cualquier otro momento es nula. Por lo tanto,
es imposible que el vector de distribución de probabilidades de
estado “converja” a un valor fijo π:
@ lı́m π (n)
n→∞
Ejemplo 4.29. Sea el caso de la cadena dada por

!
1
0 1 ) Pr(Xn = 1)
P= 1 i 2
1 0 1 1
La cadena alterna de forma estricta entre los estados 1 y 2, por lo 0 n

0 1 2 3 4 5
que pasa la mitad del tiempo (aproximadamente) en cada estado.
Figura 4.2: Probabilidad de estar en el
Sin embargo, si la cadena empieza en el estado 1, a lo largo de n el
estado 1 para el Ejemplo 4.29.
vector π (n) no converge a ningún valor, al no existir el límite, tal y
como se ilustra en la Figura 4.2.
Si la condición de reducibilidad de una cadena permitía la

existencia de varios vectores de distribución estacionaria, la pe-
riodicidad de una cadena impide su existencia. En una cadena de
Markov irreducible y aperiódica se tiene que, además de que π
exista y sea único, la cadena converge a dicho vector.
Cadenas de Markov irreducibles y aperiódicas: En una cadena de Mar-
kov irreducible y aperiódica se cumple que: (i) existe un vec-
tor de distribución estacionaria π, (ii) dicho vector es único, y
(iii) independientemente del estado inicial, la cadena converge a
dicho vector:
lı́m π (n) = π.
n→∞
Ejemplo 4.30. En el caso del modelo del tiempo, independiente-

mente de que hoy haga calor o frío, la probabilidad de que dentro
de 12 días haga calor o frío vendrá dada por
π = (3/7, 4/7),
dado que dicho vector es único y la cadena tiende al mismo.
Las condiciones de irreduciblidad y aperiodicidad son

condiciones suficientes para garantizar la existencia, unicidad y
convergencia a π, pero no son condiciones necesarias: existen cade-
nas que, sin cumplir dichas condiciones, pueden tener un único π
y converger al mismo (como p.ej. las cadenas de los ejemplos 4.20 y
4.21).
Cálculo de π en cadenas irreducibles aperiódicas

Dada una cadena y un vector de distribución de probabilidades
“candidato” π, resulta sencillo comprobar si se trata de un vector
de distribución estacionario: basta con comprobar si cumplen las
ecuaciones (4.5) y (4.6), indicadas de nuevo al margen. Sin embargo, Un vector de distribución estacionaria
en un problema de modelado en general se querrá calcular dicho π debe cumplir que:
vector, con objeto de analizar alguna variable del sistema, como se πP = π

ilustra en el ejemplo a continuación. ∑ πi = 1
Ejemplo 4.31. Para el ejemplo de los lanzadores de penalties, una

posible variable a analizar es la probabilidad media de que el equi-
po meta un penalty, que estará en un punto intermedio entre la del
mejor lanzador y la del peor. Para calcular esta probabilidad de
0.1
meter un penalty Pr( G ), dado que se conocen las probabilidades de "
que S y C acierten (esto es, las probabilidades condicionadas): 0.9
8 C b S f 0.5
0.5
Pr( G | C ) = 0.9
Pr( G | S) = 0.5
se puede aplicar la ley de la probabilidad total, condicionando

sobre el estado en que se encuentre la cadena
Pr( G ) = Pr( G | C ) Pr(C ) + Pr( G | S) Pr(S).
Para lo que es necesario calcular el vector π.
Si la cadena es irreducible y aperiódica, el vector π existe

y es único, por lo que sólo falta calcularlo. En una cadena de K
estados, aplicar la expresión (4.5)
πP = π
resulta en un sistema de K ecuaciones, que no permite resolver las

K incógnitas (esto es, las probabilidades de estar en cada uno de los
estados), por las propiedades de la matriz de transiciones.10 Para 10
Se trata de un sistema linearmente
poder resolver el sistema, se descarta una de las K ecuaciones y se dependiente, dado que todas las filas
suman 1: una columna se puede calcu-
añade la condición (4.6) lar en función del resto de columnas.
∑ πi = 1.
Ejemplo 4.32. Continuando con el caso de los lanzadores de penal-

ties, la expresión π = πP resulta en
πC = 0.9πC + 0.5πS (4.7)

πS = 0.1πC + 0.5πS (4.8)
donde πC y πS se corresponden con Pr(C ) y Pr(S), esto es, las pro-

babilidades de que el lanzador de un penalty sea Cristiano y Sergio,
respectivamente, cuando n → ∞. Dicho sistema de ecuaciones no
permite calcular πC y πS , sino que es preciso añadir la ecuación
πC + πS = 1. (4.9)
A partir de la expresión (4.7) o (4.8) se obtiene
πC = 5πS ,
que sustituyendo en (4.9) resulta en
πS = 1/6
y, por lo tanto
πC = 5/6.
La probabilidad de acierto se calcula mediante la expresión ya

vista
Pr( G ) = Pr( G | C ) Pr(C ) + Pr( G | S) Pr(S) ,
esto es,
9 5 1 1 5
Pr( G ) = · + · = .
10 6 2 6 6
Tiempo medio de visita entre estados

En una cadena de Markov irreducible y aperiódica con matriz de
transiciones P y número de estados K, sea nij la variable aleatoria
discreta que representa el número de iteraciones en n que pasan
desde que la cadena está en el estado si hasta que llega al estado s j
por primera vez (independientemente de los estados intermedios
por los que pase).
Ejemplo 4.33. En el caso de los lanzamientos de penalties, el tiem- 0.1

"
po medio de visita desde C hasta S (nCS ) es una variable aleatoria 0.9
8 C b S f 0.5
geométrica, dado que si la cadena está en C, el número de iteracio- 0.5
nes necesarias para alcanzar S es



 1 Con probabilidad p=0.1

2 Con probabilidad p=0.9 · 0.1

nCS =


 ...

1 + k Con probabilidad p=(0.9)k · 0.1

que tiene de media
1
E[nCS ] = = 10 .
1 − 0.9
En un caso general, a diferencia del ejemplo anterior, no será

posible caracterizar completamente el tiempo de visita entre dos
estados cualquiera, dado que para ir si a s j se podrá pasar por un
número de estados intermedios {sm }. Por lo tanto, el tiempo de
estancia será una variable aleatoria geométrica, pero no será tan
inmediato caracterizar el tiempo de visita entre estados.
Ejemplo 4.34. Para la cadena de la figura al margen, el tiempo de 1/2

)
1/2
) 3
estancia en los estados s1 y s3 es una variable aleatoria geométrica, 1/2 8 1 i 2 i f 1/3
1/2 2/3
que coinciden con los tiempos de visita n12 y n32 , respectivamente.
Sin embargo, el tiempo de visita n13 no es una variable aleatoria
geométrica, dado que una vez abandonado el estado s1 y llegado a
s2 , la cadena puede volver a s1 con probabilidad 1/2. Por motivos
similares, el tiempo n31 tampoco es una variable aleatoria geométri-
ca.
Si bien la variable nij no se podrá caracterizar completamente

en un caso general, sí que se puede calcular su esperanza, aplican-
do la ley de la probabilidad total. Para ello, se considera tanto el
“salto directo” como todos los posibles caminos:
E[nij ] = Pr(Pasar de si a s j directamente) · 1 (4.10)

+ ∑ Pr(Pasar de si a sk ) · E[nij | Pasando por sk ]
sk 6=s j
esto es, se tiene en cuenta tanto el paso directo como todos los
demás posibles siguientes estados tras abandonar si , y se calcula el
valor de E[nij ] dada esta condición.
La probabilidad de que partiendo de si el siguiente salto sea sk
es, por definición, pik . El número medio de saltos para llegar desde
si a s j si el siguiente salto es un estado intermedio sk se puede
expresar como la suma de dos componentes:
La iteración que acaba de ocurrir, correspondiente a pasar de si a

sk (por lo que tiene como valor 1).
El número medio de iteraciones para pasar de sk a s j que, por

definición, es E[nkj ].
Por lo que queda
E[nij | Pasando por sk ] = 1 + E[nkj ]
De esta forma, la expresión (4.10) queda como
E[nij ] = pij + ∑ pik (1 + E[nkj ]),

sk 6=s j
que, teniendo en cuenta que E[n jj ] = 0, también puede escribirse

como
E[nij ] = ∑ pik · (1 + E[nkj ]). (4.11)
sk
o bien
E[nij ] = 1 + ∑ pik · E[nkj ]. (4.12)
sk
Ejemplo 4.35. Sea la cadena dada por
0.1

I1U
0.8 0.1
0.1 0.1
0.1
* 2
0.8 8 3 j 0.7 f 0.2
de la que se quiere calcular la esperanza del número de iteraciones

para alcanzar el estado 3 partiendo del estado 1. Siguiendo (4.12),
se puede expresar como:11 11
Por simplificar notación se emplea
n13 en vez de E[n13 ].
n13 = 1 + p11 n13 + p12 n23 ,
ecuación en la que, además del valor n13 que se desea calcular,

también aparece n23 . Para ésta también se puede plantear una ex-
presión siguiendo (4.12):
n23 = 1 + p21 n13 + p22 n23 ,
por lo que queda un sistema de dos ecuaciones con dos incógnitas,

del que se obtiene
n13 = 10 iteraciones.
Resumen del tema
Un proceso aleatorio { Xn } en un espacio S es una cadena de

Markov si para cualquier n la probabilidad de que el proceso pa-
se al estado Xn = s j sólo depende del estado en que se encuentre
en n − 1.
Si estas probabilidades son constantes, la cadena de Markov es

homogénea y se puede caracterizar con una matriz de probabi-
lidades de transición P que no depende del instante de tiempo
n.
El vector de probabilidades de estado π (n) representa la probabi-

lidad de que en el instante n la cadena se encuentre en cada uno
de los posibles estados, y cumple que
π ( n +1) = π ( n ) P = π (0) P n
Los estados que se comunican entre sí constituyen una clase.

Si en una cadena todos los estados se comunican, la cadena es
irreducible.
Un estado es periódico si fuera de determinados instantes de

tiempo, múltiplos del periodo, resulta imposible que la cadena
pase por dicho estado. Si el periodo es 1, el estado es aperiódico.
Un vector de distribuciones de estado es estacionario si cumple

que π = πP.
Una cadena irreducible y aperiódica tiene un único vector π al

que converge según n → ∞.
El número medio de iteraciones para llegar desde el estado si al

estado s j se puede expresar como
nij = 1 + ∑ pik · nkj

k6= j
Problemas
Problema 4.1. Tres de cada cuatro camiones en una carretera son

seguidos por un coche, mientras que uno de cada cinco coches es
seguido por un camión. Calcule la fracción de vehículos que son
camiones.
Solución. 4/19.
Problema 4.2. (Ross, Introd. Cap. 4) Suponga que la probabilidad

de que un día llueva (o no) depende de si ha llovido (o no) en los
tres días anteriores. Muestre la forma en que podría modelar el
sistema usando una cadena de Markov. Deduzca el número de
estados necesarios.
Solución. 8.
Problema 4.3. Siguiendo con el problema anterior, suponga ahora

que si ha llovido en los tres días anteriores, la probabilidad de que
llueva hoy es de 0.8; si no llovió en ninguno de los tres días anterio-
res, la probabilidad de que llueva hoy es de 0.2; y en cualquiera de
los otros casos, hay una probabilidad de 0.6 que el tiempo hoy sea
como el de ayer. Determine P para la cadena de Markov propuesta.
Problema 4.4. Una moneda 1 cuando es lanzada al aire tiene una

probabilidad de 0.6 de que salga cara, mientras que una moneda 2
lo hace con probabilidad 0.5. Una moneda es lanzada al aire conti-
nuamente hasta que sale cruz, en ese momento la moneda se retira
y se coge la otra.
1. Si se empieza moneda 1, calcule la probabilidad de que la mone-

da 2 sea usada en el tercer lanzamiento.
2. Calcule la proporción de lanzamientos que se realizan con la

moneda 2.
3. Indique la proporción de caras que son debidas a la moneda 2.
Solución. 1. 0.44; 2. 4/9; 3. 2/5.
Problema 4.5. (Ext. 10/11) Sea un determinado proceso que se

puede modelar con una cadena de Markov discreta. Se barajan las
siguientes opciones:
1/3 2/3
! !
2/3 8 Aa Be 1/2 1/3 8 Aa B
1/2 1
Una observación del proceso consiste en la siguiente secuencia

. . . A A A B A . . .. A la vista de la observación, razone qué cadena
es más adecuada para modelar el proceso.
Problema 4.6. (Ej. 15/16) Sea un modelo de Internet algo simplifi-

cado, con tres páginas web: A, B, y C. Cada página tiene un número
de enlaces al resto de páginas, según lo indicado en la Tabla 1. Se
define “posicionamiento” de una página como la proporción de
visitas que un robot que navegase al azar pasase en dicha página.
Enlaces a página Tabla 4.7: Enlaces de cada página en el

Problema 4.6.
Página A B C
A 100 100
B 25 75
C 1000
1. Modele el problema con una cadena de Markov. ¿Es periódica?
2. Calcule el posicionamiento de cada página.
Solución. 2. A: 8/19, B: 4/19, C: 7/19
Problema 4.7. (Ext. 13/14) Una tarjeta de red tiene tres veloci-
dades de transmisión, 1, 4 y 8 Mbps, que dan lugar a una proba-
bilidad de pérdida de trama de p1 = 1/2, p4 = 1/2 y p8 = 1/4,
respectivamente. El esquema que se usa para adaptar la veloci-
dad de transmisión es el siguiente: ante una pérdida, se transmite
a 1 Mbps, mientras que tras dos éxitos consecutivos a una veloci-
dad se aumenta la velocidad al siguiente valor superior disponible.
Calcule la velocidad media (en Mbps) de transmisión.
Solución. 40/17 Mbps
Problema 4.8. (Ej. 14/15) Sea una red compuesta por tres nodos
(A, B y C) que comparten el medio según un esquema de paso de
testigo que resulta en el siguiente patrón de transmisiones: tras
la transmisión de una trama, la estación A mantiene el testigo (y
vuelve a transmitir) con probabilidad p, y con probabilidad 1 − p
lo pasa a la estación B; la estación B siempre transmite dos tramas
seguidas antes de pasar el testigo a la estación C; la estación C
transmite una trama el 50 % de las veces, y tres tramas seguidas
el otro 50 % de las veces, antes de pasar el testigo a la estación A.
Calcule el valor de p que proporciona el 50 % del ancho de banda
disponible a la estación A.
Solución. 3/4
Problema 4.9. (*) El problema del gato y el ratón. Hay cinco cajas
en fila, con un gato en la primera y un ratón en la última. Tras un
intervalo de tiempo T, cada animal salta a una caja colindante, com-

pletamente al azar. Modele el sistema con una cadena de Markov
discreta.
Problema 4.10. (Ord. 15/16) Sea un equipo de fútbol con con

dos jugadores, GB y CR. La probabilidad de que GB juegue un
buen partido es p, independientemente de cualquier condición.
CR sólo juega un buen partido si en el partido anterior GB hizo un
buen partido –en caso contrario, juega un mal partido. Obtenga la
expresión de la probabilidad de que los dos jugadores hagan un
buen partido. ¿Cuánto vale esta probabilidad para p = 1/2?
Problema 4.11. (Ord. 11/12) Un determinado servidor es poco

fiable: tiene días buenos, regulares y malos. La probabilidad de que
una petición falle depende de cada día, y se tiene que las proba-
bilidades de fallo son p B = 0, p R = 1/2, y p M = 5/8, para cada el
caso de un día bueno, regular y malo, respectivamente. Tras un día
bueno, existe una probabilidad del 50 % de tener un día regular, y
del 50 % de tener un día malo. Después de un día regular siempre
hay un día malo, mientras que después de un día malo el 25 % de
las veces viene un día bueno, y el 75 % otro día malo.
1. Calcule la probabilidad media de fallo de una petición.
2. Si hoy es un día malo, ¿qué probabilidad hay de que ayer fuese

un día bueno?
Solución. 1. 1/2; 2. 1/8.
Problema 4.12. (Ext. 11/12) En una determinada organización só-

lo permiten navegar por tres páginas web: A.com, B.com y C.com.
Suponga un robot (crawler) cuya función es visitar constantemen-
te dichas páginas, según el siguiente algoritmo: estando en una
página, escoge al azar la siguiente página a visitar entre todos los
enlaces que encuentra en dicha página. Suponga que cada página
tiene la distribución de enlaces de la tabla. Se puede ver, por ejem-
plo, que la página A tiene 750 enlaces internos y no enlaza a C; la
página B no tiene enlaces internos, y la página C no enlaza a B. Cal-
cule la proporción de visitas que realizará el robot a cada una de las Página / Enlaces A B C
A 750 250
tres páginas. B 100 100
C 1000 7000
Solución. 4/9, 1/9, 4/9.
Problema 4.13. (Ord. 14/15) Tres nodos A, B y C comparten el

medio según el siguiente esquema de paso de testigo: tras la trans-
misión de una trama, la estación A mantiene el testigo (y vuelve a
transmitir) con probabilidad 5/6, y con probabilidad 1/6 lo pasa
a la estación B; la estación B transmite una trama, y el 50 % de las
veces pasa el testigo de vuelta a A, y el 50 % lo pasa a la estación
C; la estación C siempre transmite seis tramas seguidas y pasa el

testigo a la estación A. Calcule el % de tramas que transmite C.
Solución. 30 %
Problema 4.14. (Ext. 14/15) Tras un asentimiento (ack), con pro-

babilidad p aparece otro ack y con probabilidad 1 − p una trama de
datos. Tras esta trama de datos, el 50 % de las veces aparece un ack
y el otro 50 % otra trama de datos, y nunca hay más de 2 tramas de
datos seguidas. Si hay el doble de acks que tramas de datos, calcule
p.
Solución. 2/3
Problema 4.15. (Ord. 12/13) Sea un equipo de fútbol con dos

entrenadores. Después de cada partido puede salir un entrenador
(K) u otro (M) a dar la rueda de prensa. El entrenador K nunca da
más de tres ruedas de prensa de forma consecutiva, mientras que
el entrenador M nunca da dos (ni más) ruedas de prensa seguidas.
En los demás casos, es tan probable que dé la rueda de prensa
tanto uno como otro. Si las ruedas de prensa siguen una variable
aleatoria exponencial, de media 22 minutos para M y 11 minutos
para K, calcule la duración media de las ruedas de prensa de dicho
equipo.
Solución. 15 minutos.
Problema 4.16. (Ext. 12/13) El juego de piedra, papel o tijera se

realiza entre dos jugadores. Cada uno elige uno de los elementos
de forma independiente, y se tiene que la piedra vence a la tijera,
la tijera vence al papel, y el papel vence a la piedra (si los elemen-
tos coinciden, hay empate). Suponga que un amigo siempre decide
piedra, mientras que el otro amigo actúa de una forma más elabo-
rada: en caso de empate nunca repite elemento, cuando gana repite
elemento el 50 % de las veces, y todas las demás alternativas se dis-
tribuyen de forma equiprobable. Calcule la proporción de partidas
en las que la jugada es (piedra, papel).
Solución. 4/9.
Problema 4.17. (Ej. 13/14) Tras un día soleado, el 50 % de las

veces vuelve a hacer sol, salvo que sea el tercer día consecutivo con
sol, que entonces es seguro que al día siguiente será nublado. Tras
un día nublado, el 25 % de las veces vuelve a ser nublado al día
siguiente, y el 75 % de las veces es soleado. Un sensor recibe 3700
lux un día soleado y 74 lux un día nublado. Calcule la luminosidad
que recibe en media.
Cadenas de Markov de tiempo continuo
Las cadenas de Markov de tiempo discreto resultan ade-

cuadas para sistemas en los que las transiciones tienen lugar en
instantes de tiempo deterministas: el caso de un Aloha ranurado-
donde hay transmisiones o colisiones en instantes de tiempo bien
definidos, un robot que va navegando aleatoriamente por páginas en
Internet, o si el tiempo (caluroso o frío) en un día se puede predecir
partiendo del tiempo en los días anteriores. Sin embargo, cuando
las transiciones no ocurren de forma discreta, sino tras un tiempo
aleatorio y continuo, es necesario otro modelo.
Ejemplo 5.1. Sea el caso de un ordenador que se resetea cada un

tiempo aleatorio, que se puede modelar según una variable aleato-
ria exponencial de media 1/λ. El tiempo que tarda en arrancar tam-
bién es aleatorio, con otro tiempo exponencial de media 1/µ. Dicho
sistema se puede representar con una cadena como la siguiente
1 .
Bien (1/λ) n Mal (1/µ)
1
y, de hecho, guarda bastante relación con una cadena discreta pe-

riódica de dos estados. Sin embargo, dado que los tiempos de per-
manencia en cada estado son variables aleatorias continuas, resulta
complicado determinar qué representaría una variable discreta n
que modelase el avance del tiempo, así como un vector de distribu-
ción de probabilidades π (n) .
Una cadena de Markov de tiempo continuo se puede in-

terpretar como una “extensión” de las cadenas de tiempo discreto,
donde el cambio de estado no sucede en instantes de tiempo bien
definidos, sino tras instantes aleatorios que siguen una variable
aleatoria exponencial. Debido a que la variable aleatoria expo-
nencial no tiene memoria, se seguirá manteniendo la propiedad de
Markov: lo que pueda pasar en el futuro vendrá determinado úni-
camente por el estado en que se encuentre la cadena, y no por el
tiempo que lleve en él, ni por la historia pasada.
105
Definición
Una cadena de Markov de tiempo continuo es un proceso alea-

torio en un espacio de estados contable, donde se cumple la pro-
piedad de Markov: fijado un instante de tiempo s, la probabilidad
de estar en un futuro s + t en un estado j sólo dependerá del esta-
do i en el que se encuentre el proceso (en el instante s), y no de la
historia antes de s.
Figura 5.1: Cadena de Markov de

X tiempo continuo. La probabilidad de
estar en el estado j en un tiempo s + t
(Pr( X (s + t) = j) sabiendo el valor de
X (s) sólo depende de t, y no de lo que
haya pasado hasta s.
j
i
Historia hasta ’s’ t

s s+t
Cadena de Markov de tiempo continuo (1a definición) Un proceso esto-

cástico { X (t) : t ≥ 0} en un espacio de estados S contable es una
cadena de Markov de tiempo continuo si cumple la propiedad
de Markov:
Pr( X (t + s) = j | X (s) = i, X (tn−1 ) = in−1 , . . . , X (t1 ) = i1 )

(5.1)
= Pr( X (t + s) = j | X (s) = i ).
para cualquier posible secuencia de instantes de tiempo
0 ≤ t 1 ≤ t 2 ≤ . . . t n −1 ≤ s ≤ t
y posible secuencia de números de S (el espacio de estados)1 1

Los instantes de tiempo y secuencias
de números sirven para definir cual-
quier posible historia antes de s en la
i1 , i2 , . . . , in−1 , i, j ∈ S
expresión (5.1).
Si la probabilidad de pasar a j estando en i no depende del ins-

tante de tiempo s de referencia,
Pr( X (t + s) = j | X (s) = i ) = Pr( X (t + u) = j | X (u) = i ) ∀s, u ≥ 0
se trata de una cadena homogénea y se puede escribir
Pr( X (t + s) = j | X (s) = i ) = Pij (t).

cadenas de markov de tiempo continuo 107
Tiempo de permanencia en un estado
Como se ha mencionado al inicio del tema, en una cadena de

Markov de tiempo continuo el tiempo de estancia en un estado
será una variable aleatoria exponencial. Esto se puede deducir a
partir de la definición de la propiedad de Markov, como se realiza a
continuación.
Figura 5.2: Tiempo de estancia en el

X(r) estado x.
Tx
x
0 s s+t r
Sea Tx la variable aleatoria definida como el tiempo de estancia

en el estado x. La probabilidad de que la cadena permanezca en
x más de un tiempo s + t, suponiendo que permanece más de un
tiempo s, se puede expresar como
Pr( Tx > s + t | Tx > s) = Pr ( X (r ) = x, para r ∈ [s, s + t] | X (r ) = x, para r ∈ [0, s])
La propiedad de Markov determina que, dado un punto de

referencia s, la historia pasada no afecta al futuro. Por lo tanto,
Pr( Tx > s + t | Tx > s) = Pr ( X (r ) = x, para r ∈ [s, s + t] | X (s) = x ) ,
Si la cadena es homogénea, la probabilidad no depende del valor

de s, por lo que la parte derecha de la igualdad anterior se puede
escribir como
Pr( Tx > s + t | Tx > s) = Pr ( X (r ) = x, para r ∈ [0, t] | X (0) = x ) ,
donde esta última probabilidad resulta ser, por definición, la proba-

bilidad de que el tiempo de estancia en el estado x sea mayor que t,
esto es Pr( Tx > t).
Por todo lo anterior, se tiene que
Pr( Tx > s + t | Tx > s) = Pr( Tx > t)
lo que define que la variable aleatoria Tx no tiene memoria, por lo

que se trata de una variable aleatoria exponencial.
Ejemplo 5.2. El tiempo entre fallos de un servidor web se puede

modelar con una variable aleatoria exponencial de media 1/λ.
Puede sufrir dos tipos de fallos: graves, con probabilidad p g , que
requieren un tiempo de reparación también exponencial de media
1/µ g , y leves, con probabilidad pl = 1 − p g , que requieren otro
tiempo de reparación exponencial de media 1/µl .
Este sistema se puede modelar con la siguiente cadena de Mar-
kov de tres estados
1 pl
( )
Estados: Grave OK Leve
i h
pg 1
Tiempos: 1/µ g 1/λ 1/µ
ya que en todo momento se cumple la propiedad de Markov: si

p.ej. ahora no está funcionando, la probabilidad de que en los pró-
ximos 5’ siga sin funcionar no depende del tiempo que lleve estro-
peado, sino únicamente de si el fallo fue grave o leve (esto es, del
estado en que se encuentre).
Nótese que modelar este sistema con una cadena de Markov de
dos estados plantea el problema del tiempo que permanece cuando
el servidor ha fallado, que no podría modelares como una variable
exponencial de media 1/µ g o una variable exponencial de media
1/µl :
1
)
Estados: OK Fallo
h
1
Tiempos: 1/λ ???
Ejemplo 5.3. Sea una partícula con un tiempo de vida exponen-

cial, de media 1/λ. Pasado dicho tiempo, la partícula se divide en
dos partículas, con idénticas propiedades a la primera (véase la
Figura 5.3 al margen).
En la situación inicial, con una única partícula, el tiempo hasta el
siguiente evento será una variable aleatoria exponencial, de media t ~ exponencial
1/λ. Con dos partículas, el siguiente evento vendrá dado por el
Figura 5.3: Partícula que se divide en
mínimo de dos tiempos de vida: en cuanto una de ellas se divida, se dos con idénticas propiedades.
pasará al siguiente estado con tres partículas, por lo que el tiempo
hasta el siguiente evento se distribuirá según una variable aleatoria
exponencial de media 1/(2λ).2 2
Dado que son variables aleatorias
Siguiendo este razonamiento, el sistema se puede modelar con la continuas, la probabilidad de que las
dos se dividan en el mismo instante de
siguiente cadena tiempo (continuo) es cero.
1 1 1 1
$ $ $
Estados: 1 2 3 4 .! . .
Tiempos: 1/λ 1/2λ 1/3λ 1/4λ

Donde en el estado n hay n partículas, cada una con un tiempo

medio de vida exponencial de media 1/λ, y el tiempo medio de
estancia en dicho estado es por tanto 1/(nλ).
Definición alternativa
Como se ha visto en los ejemplos anteriores, una cadena de Mar-
kov de tiempo continuo se puede relacionar con un diagrama de
estados que guarda una notable relación con las cadenas de Markov
de tiempo discreto. A continuación se formaliza esta relación:
Cadena de Markov de tiempo continuo (2a definición) Un proceso esto-

cástico { X (t), t ≥ 0} en un espacio de estados contable S es una
cadena de Markov de tiempo continuo si cumple que:
1. El tiempo de estancia en cada estado i se distribuye según una

variable aleatoria exponencial independiente de media 1/vi .
2. El proceso abandona el estado i hacia el estado j con una
probabilidad pij , cumpliéndose que pii = 0 y ∑ j pij = 1, ∀i, j.
Por lo tanto, una cadena de Markov de tiempo continuo es un

proceso aleatorio que se mueve de un estado a otro según una ca-
dena de Markov de tiempo discreto, pero en el que los tiempos de
estancia en cada estado se distribuyen según una variable aleato-
ria exponencial. Por la propiedad de Markov, estos tiempos son
variables aleatorias independientes, dado que de lo contrario sería
preciso tener en cuenta la historia pasada del proceso. Un detalle
de la cadena discreta asociada es que pii = 0, esto es, que nunca se
“repite” el estado una vez que ha pasado el tiempo de permanencia
correspondiente.
Ejemplo 5.4. Sea una gasolinera con un surtidor y una capacidad

máxima para dos coches (incluyendo al que está repostando). Los
coches llegan a repostar según un proceso de Poisson a tasa λ (por
lo que el tiempo entre llegadas tv se distribuye según una variable
aleatoria exponencial de media 1/λ) y el tiempo que permanecen
Figura 5.4: Gasolinera con un surtidor
ocupando el surtidor ts se puede modelar con una variable aleatoria y sitio para dos coches.
exponencial de media 1/µ.
Este sistema se puede modelar con la siguiente cadena
1 Pr(tv <ts )
& %
Estados: 0 f 1 e 2
Pr(ts <tv ) 1
Tiempos: 1/λ 1/(λ + µ) 1/µ
donde el estado representa el número de vehículos en la gasolinera:
En el estado 0, el único evento que puede suceder es la llegada

de un vehículo, a tasa λ. Por lo tanto, el tiempo de permanencia
en este estado es exponencial de media 1/λ y, una vez pasado
dicho tiempo, se pasa con probabilidad 1 al estado 1.
En el estado 1, con un vehículo respostando, pueden suceder

dos eventos: (i) llegada de otro vehículo, o (ii) fin del repostaje.
Ambas cosas suceden tras una variable aleatoria exponencial,
de media 1/λ y 1/µ, respectivamente, por lo que lo primero
que suceda determinará el siguiente estado: si llega antes otro
vehículo (Pr(tv < ts )) se pasa al estado 2, mientras que si termina
de repostar antes (Pr(ts < tv )) se pasa al estado 0.
En el estado 2, dado que no caben más vehículos, el único evento

que puede suceder es el fin del repostaje, tras el que se pasa al
estado 1.
El tiempo de permanencia en el estado 1 viene dado por el mí-

nimo de dos variables aleatorias exponenciales, por lo que es otra
exponencial, de media 1/(λ + µ).3 La probabilidad de que una 3
Mínimo de variables aleatorias
llegada se produzca antes del fin del repostaje (o viceversa) viene exponenciales, página 40
dada por4 4
Comparación de variables aleatorias
exponenciales, página 42
λ µ
Pr(tv < ts ) = , Pr(ts < tv ) =
λ+µ λ+µ
Además, ya que el tiempo de estancia es una variable aleatoria

exponencial, se puede interpretar que la cadena “sale” del estado
1 según un proceso de Poisson a tasa λ + µ, y se descompone en
dos procesos: con probabilidad Pr(ts < tv ) hacia el estado 0 y con
probabilidad Pr(tv < ts ) hacia el estado 2. Por lo tanto, las tasas de
salida son
λ µ
Tasa de 1 a 2: (λ + µ) · = λ y tasa de 1 a 0: (λ + µ) · = µ,
λ+µ λ+µ
con una interpretación muy inmediata: la gasolinera se “llena” a la

tasa de llegada de vehículos, y se “vacía” a la tasa de repostaje.
Evolución en el tiempo de la cadena
En las cadenas discretas la evolución del sistema sucede en ins-

tantes de tiempo bien delimitados (de n a n + 1) según las ecuacio-
nes de Chapman-Kolmogorov:
π (n+1) = π (n) P.
En el caso de una cadena de tiempo continuo, analizar la evo-

lución de la cadena en el tiempo supone ser capaz de calcular la
probabilidad de que la cadena esté en el estado i en un instante de
tiempo t, esto es,
pi (t) , Pr( X (t) = i ) ,
lo que resulta más complicado dado que hay un continuo de instan-

tes de tiempo.
1
Ejemplo 5.5. Para el caso de la máquina que se estropea (Ejem- '
plo 5.1), con el diagrama de estados indicado al margen, resulta Estados: OK KO
g
claro que el sistema alterna entre dos estados, y que el tiempo de 1
permanencia en cada uno de ellos se distribuye según una variable Tiempos: 1/λ 1/µ
aleatoria exponencial, de distinta media. Una posible realización de
dicha cadena sería la ilustrada en la siguiente figura:
X(t)
{t1 , t3 , t4 } ⇠ exp( )
OK
{t2 , t4 } ⇠ exp(µ)
KO
t1 t2 t3 t4 t5 t
Esta figura ilustra la dificultad del cálculo de la probabilidad de

que la cadena esté en un determinado estado para un instante de
tiempo, particularmente si se compara con el caso de las cadenas de
Markov de tiempo discreto, como se discute a continuación.
Dado un estado inicial i en t = 0 (esto es, unas condiciones ini-
ciales), es sencillo calcular el tiempo que la cadena permanece en
dicho estado: por lo visto anteriormente,5 se trata de una variable 5
Tiempo de permanencia en un
aleatoria exponencial de media 1/vi , por lo que la probabilidad de estado, página 107
que la cadena permanezca en dicho estado coincide con el tiempo

de supervivencia:
Pr(Permanecer en i durante t | X (0) = i ) = e−vi t .
Sin embargo, resulta más complicado calcular la probabilidad de

que, dado un estado inicial, la cadena se encuentre en dicho estado
en cualquier instante de tiempo t, ya que es necesario considerar si
ha permanecido en dicho estado, si ha visitado otros estados una o
más veces, e incluso cuándo se han producido dichas visitas. Dada
esta infinidad de posibilidades en la evolución de pi (t), para su
cálculo se analizará lo que pueda ocurrir en un infinitesimal del
tiempo ∆t.
Para calcular la probabilidadde que la cadena se encuentre

en el estado i en el instante de tiempo t (esto es, pi (t)), sea una
cadena genérica como la ilustrado a continuación,
pki pij p j...

$ $
Estados: . . .b k d i d j ...
pk... pik p ji
Tiempos: 1/vk 1/vi 1/v j
Dado que el tiempo de estancia en un estado es una variable

aleatoria exponencial de media 1/vi , se puede interpretar que la
cadena “sale” de un estado según un proceso de Poisson a tasa
vi . Con esto, se puede emplear la tercera definición de un proceso
de Poisson para calcular lo que puede suceder tras un instante de
tiempo ∆t, y calcular la derivada de pi (t), de forma similar a como
se demuestra que la tercera definición lleva a la primera.6 6
El desarrollo se esbozó en De la
En un intervalo infinitesimal de tiempo ∆t la probabilidad de tercera definición a la primera (página
66). Según la tercera definición, un
que el sistema abandone el estado i es proceso de Poisson N (t) a tasa λ es
un proceso de conteo que cumple las
Pr(salir de i en ∆t) = vi · ∆t + o (∆t). siguientes propiedades:
(i) N (0) = 0
ya que 1/vi es el tiempo medio de estancia en i. Fijado un ins- (ii) N (t) tiene incrementos indepen-
tante de tiempo t, la probabilidad de que en t + ∆t el sistema se dientes y estacionarios.
encuentre en el estado i se puede expresar en función de dónde se (iii) Pr( N (h) = 1) = λh + o (h)
encontrase en el instante t, pudiendo ocurrir que: (iv) Pr( N (h) ≥ 2) = o (h)
El sistema ya se encontraba en i y no lo abandona, o que
El sistema se encontraba en cualquiera de los otros estados j 6= i

(lo que ocurre con probabilidad p j (t) para cada estado j), y lo
abandona para moverse al estado i.
Por lo tanto, el cálculo de pi (t + ∆t) se puede expresar como
pi (t + ∆t) = pi (t)(1 − Pr(salir de i en ∆t)) (5.2)

+ ∑ p j (t) Pr(salir de j en ∆t) Pr(ir de j a i )
j 6 =i
La probabilidad de que no lo abandone es
1 − Pr(salir de i en ∆t) = 1 − (vi · ∆t + o (∆t)),
mientras que la probabilidad de salir del estado j para llegar a i es
Pr(salir de j en ∆t) Pr(ir de j a i ) = (v j ∆t + o (∆t)) p ji
donde p ji es la probabilidad de pasar de j a i una vez se sale del

estado j, como se ha visto anteriormente.
Por simplificar la notación, no se tendrán en cuenta las o (∆t)
en las siguientes expresiones, dado que desaparecerán cuando se
realice el cálculo de la derivada de pi (t) (esto es, cuando ∆t → 0). A
partir de las expresiones anteriores, (5.2) queda como:
pi (t + ∆t) = pi (t)(1 − vi ∆t)

+ ∑ p j (t)v j ∆tp ji
j 6 =i
Reordenando los elementos de la anterior ecuación, se obtiene

pi (t + ∆t) − pi (t)
= − pi (t)vi + ∑ p j (t) · v j p ji ,
∆t j 6 =i
que cuando ∆t → 0 permite obtener la derivada:

dpi (t)
, pi0 (t) = − pi (t)vi + ∑ p j (t) · v j p ji , i = 0, 1, . . . , K (5.3)
dt j 6 =i
expresión que permite interpretar la derivada de pi (t) (esto es, el

crecimiento de la probabilidad de que la cadena se encuentre en el
estado i en el instante t), en términos de dos componentes:
Un término negativo, que se corresponde con la probabilidad de

que se encontrase en dicho estado i en t (esto es, pi (t)) multipli-
cado por la tasa de salida desde el estado, esto es, vi .
Un término positivo, que es la suma de la probabilidad de que

se encontrase en cualquier otro estado j (p j (t)) por la tasa de
transición desde j a i. Dicha tasa de transición es el producto de
la tasa de salida de j (v j ) por la probabilidad de ir desde j a i
(p ji ).
Ejemplo 5.6. En el ejemplo de la gasolinera, modelado con la si-

guiente cadena
1 Pr(tv <ts )
& %
Estados: 0 f 1 e 2
Pr(ts <tv ) 1
Tiempos: 1/λ 1/(λ + µ) 1/µ
Las tasas de salida desde cada estado son
v0 = λ
v1 = λ + µ
v2 = v2
mientras que las tasas de transición entre estados son
De 0 a 1 = λ De 1 a 0 = µ
De 1 a 2 = λ De 1 a 2 = µ
Como es de esperar, la suma de las tasas de transición desde un

estado coincide con la tasa de salida de dicho estado (p.ej., la suma
de las tasas de 1 a 2 y de 1 a 0 coincide con v1 ).
Matriz de tasas de transición

Las tasas de salida y entrada se pueden representar con la matriz
de tasas de transición Q, también llamada generador infinitesimal,
donde
El elemento de la fila i y columna j es la tasa de transición desde

el estado i al estado j
qij = vi · pij
Los elementos de la diagonal representan las tasas de salida

desde los estados de la cadena, esto es
qii = −vi
Dado que cuando una cadena sale de un estado debe ir a otro

diferente, la tasa de salida del estado i se corresponde con la suma
de las tasas de llegada desde el estado i a todos los demás estados.
Por lo tanto, 7 7
En las cadenas de tiempo discreto
la suma de las filas de la matriz P
−qii = vi = ∑ qij era igual a 1, lo que resultaba en que
j 6 =i p.ej. una columna se podía obtener a
partir del valor de todas las demás.
En este caso, en las cadenas de tiempo
continuo la suma de las filas de la
Ejemplo 5.7. El caso de las partículas que se dividen se podía mo- matriz Q es igual a 0 (y también
delar con la siguiente cadena se puede deducir el valor de una
columna a partir del resto).
1 1 1 1
$ $ $
Estados: 1 2 3 4 .! . .
Tiempos: 1/λ 1/2λ 1/3λ 1/4λ
que se corresponde con la siguiente matriz Q:

 
−λ λ 0 0 0 ...
 0 −2λ 2λ 0 0 . . .
 
Q=
 0 0 −3λ 3λ 0

. . .
.. .. .. ..
 
..
. . . . . ...
Ejemplo 5.8. Para el caso de la gasolinera, la matriz de tasas de

transición o generador infinitesimal resulta ser:
 
−λ λ 0
Q =  µ −(λ + µ) λ 
 
0 µ −µ
La matriz de tasas de transición permite expresar la evolu-

ción de una cadena continua de forma similar a como lo hacen las
ecuaciones de Chapman-Kolmogorov para el caso discreto. Sea una
cadena de K estados con las probabilidades de estado representadas
en forma vectorial
p(t ) = [ p0 (t), p1 (t), p2 (t), . . . , pK (t)],
y las derivadas de dichas probabilidades, también en forma vecto-

rial
p0 (t ) = [ p00 (t), p10 (t), p20 (t), . . . , p0K (t)].
A partir de estas definiciones, la expresión (5.3) para todos los

estados queda como8 8
Se repite aquí (5.3):
pi0 (t) = − pi (t)vi + ∑ p j (t) · v j p ji
p0 (t ) = p(t ) Q. (5.4) j 6 =i
Ejemplo 5.9. De nuevo en el caso de la gasolinera, la ecuación (5.4)

quedaría como
 
−λ λ 0
[ p00 (t), p10 (t), p20 (t)] = [ p0 (t), p1 (t), p2 (t)]  µ −(λ + µ) λ  ,
 
0 µ −µ
lo que daría lugar a un sistema de ecuaciones diferenciales.
Analizar el comportamiento en tiempo de una cadena de

Markov de tiempo continuo resulta más difícil que hacer lo mismo
en el caso de las de tiempo discreto, dado que hay que tratar con
ecuaciones diferenciales.9 Para ilustrar esta complejidad, a conti- 9
Al sistema de ecuaciones diferencia-
nuación se analiza el sistema más sencillo. les habría que añadir la condición de
normalización ∑i pi (t) = 1.
Ejemplo: análisis en el tiempo de una máquina con dos estados

Sea el caso del inicio del tema: una máquina con un tiempo de
vida que se distribuye según una variable aleatoria exponencial de
media 1/λ y un tiempo de reparación que se distribuye también
según otra variable aleatoria exponencial de media 1/µ:
1
+
Estados: OK k KO
1
Tiempos: 1/λ 1/µ
Se quiere calcular la probabilidad de que la máquina se encuen-

tre funcionando en un instante de tiempo t, esto es, pOK (t). Según
lo visto anteriormente, la derivada de esta probabilidad se puede
expresar como
0
pOK (t) = − pOK (t)λ + pKO (t)µ .
Con la condición de normalización pOK (t) + pKO (t) = 1 resulta

la siguiente ecuación diferencial de primer orden
0
pOK (t) = µ − pOK (t)(λ + µ),
que tiene una solución de la forma

µ
pOK (t) = + Ke−(λ+µ)t
λ+µ
donde K es una constante que depende de las condiciones iniciales
del sistema:
Si la máquina funciona en t = 0, entonces pOK (0) = 1. De esto se

deduce que K = λ/(λ + µ), por lo que
µ λ −(λ+µ)t
pOK (t) = + e
λ+µ λ+µ
Si la máquina está estropeada en t = 0, entonces pOK (0) = 0, de

lo que se deduce que K = −µ/(λ + µ), por lo que
µ µ −(λ+µ)t
pOK (t) = − e
λ+µ λ+µ
Figura 5.5: Evolución de pOK (t) según

la máquina funcione (azul) o esté
estropeada (rojo) en t = 0, con µ = 2λ.
Se ilustran ambas soluciones de pOK (t) en la Figura 5.5, para un

caso donde µ es el doble que λ. Según se aprecia en la figura, in-
dependientemente de las condiciones iniciales en t = 0, a partir de
aproximadamente 1.5 unidades de tiempo el efecto de éstas desapa-
rece, siendo la probabilidad de encontrar la máquina funcionando
constante e igual a
µ
pOK (t) = ≈ 0.66
λ+µ
Por lo tanto, y al igual que sucede en algunas cadenas de Mar-
kov de tiempo discreto, tras un tiempo suficientemente largo la
probabilidad de que la máquina se encuentre o no funcionando
no depende de las condiciones iniciales, sino de las características
propias de la máquina: 2/3 del tiempo estará operativa y 1/3 del
tiempo estará estropeada.
Representación del diagrama de estados

Cadena de Markov para la gasolinera
Hasta ahora, las cadenas de Markov se han representado con dos con un surtidor y hueco para dos
tipos de información: coches:
1 Pr(tv <ts )
Por una parte, la media de los tiempos exponenciales de perma- $ %
nencia en cada estado. 0 d 1 e 2
Pr(ts <tv ) 1
Por otra parte, una cadena de Markov discreta con las probabili-
1/λ 1/(λ + µ) 1/µ
dades de transición entre estados10
10
Que se conoce como cadena embebida
También se ha visto que la ecuación que regula el comportamien- y donde se cumple pii = 0.
to de la cadena para cada estado i
pi0 (t) = − pi (t)vi + ∑ p j (t) · v j p ji , i = 0, 1, . . . , K

j 6 =i |{z}
q ji
viene determinada por la tasas de salida vi y de transición entre

estados qij , que están relacionadas.
De hecho, a partir de las tasas de transición es posible deducir

los tiempos medios de estancia y probabilidades de transición:11 11
El procedimiento inverso se ha
para calcular el tiempo medio de estancia en un estado basta con realizado anteriormente
saber las tasas de transición desde dicho estado

1
1/vi = ,
∑ j6=i qij
mientras que las probabilidades de transición se pueden obtener
como
qij
pij = .
vi
Por lo tanto, basta con las tasas de transición entre estados qij pa-
ra caracterizar completamente el comportamiento de una cadena de
Markov, lo que simplifica la representación gráfica de las mismas.
Ejemplo 5.10. El caso de la gasolinera con un surtidor y hueco para

dos coches queda completamente caracterizado con la siguiente
cadena de Markov
λ λ
" "
0 b 1 b 2
µ µ
donde las flechas entre estados no representan las probabilidades

de transición pij sino las tasas de transición qij , calculadas anterior-
mente y que constituyen el generador infinitesimal
 
−λ λ 0
Q =  µ −(λ + µ) λ 
 
0 µ −µ
De ahora en adelante una cadena de Markov de tiempo conti-

nuo se representará con un diagrama como el anterior, donde cada
estado se indique con un círculo y los números que acompañan a
las flechas entre estados representan las tasas de transición entre
estados qij .
Cálculo de la distribución de estado estacionaria
Al igual que en el caso de las cadenas de Markov de tiempo

discreto, en las de tiempo continuo se puede deducir si la cadena
tenderá a una distribución estacionaria. Son condiciones necesarias
para que esto ocurra que la cadena sea irreducible y recurrente, esto
es, que desde cualquier estado se pueda alcanzar cualquier otro
estado, y que la esperanza del tiempo en volver a un estado (una
vez que se abandona) sea finita.12 12
En el caso de las cadenas de Markov
Si una cadena de Markov de tiempo continuo es irreducible de tiempo continuo no tiene sentido
hablar de periodicidad.
y recurrente,13 existe una única distribución de probabilidades 13
Lo que se podría analizar a partir de
estacionaria. Dado que esta probabilidad es constante y no depende la cadena de Markov embebida.
del instante de tiempo t, se debe cumplir que su derivada sea 0:
dpi (t)
= 0, cuando t → ∞.
dt
Además, dada esta independencia del tiempo, en la notación del

vector de probabilidades de estado
p(t ) , [ p1 (t), p2 (t), . . . , pK (t)]
se le puede suprimir la dependencia con t:
p , [ p1 , p2 , . . . , p K ].
El cálculo de la distribución de probabilidades estacionaria se

basa en este valor constante de p. Según lo visto anteriormente, la
ecuación (5.3) que rige el comportamiento de la probabilidad de
estar en un estado i es la siguiente
pi0 (t) = − pi (t)vi + ∑ p j (t) · v j p ji .

j 6 =i |{z}
q ji
A partir de esta ecuación, igualando la derivada a 0 y obviando la

dependencia con el tiempo, se obtiene que
pi vi = ∑ p j q ji , i = 0, 1, . . . , K (5.5)
j 6 =i
lo que determina una propiedad de la cadena de Markov en el

estado estacionario para todos los estados: la probabilidad de que la
cadena esté en un estado multiplicada por su tasa de salida:
pi vi
es igual a la suma de las probabilidades de que la cadena esté en

los otros estados vecinos multiplicadas por las correspondientes
tasas de llegadas:
∑ p j q ji
j 6 =i
Se puede interpretar que se iguala el flujo de salida desde un es-

tado con el flujo de entrada desde los demás estados, motivo por
el que son conocidas como ecuaciones de balance o ecuaciones de
equilibrio. De forma matricial (esto es, para todos los estados), las
ecuaciones de balance (5.5) pueden escribirse como
0 = p·Q .
Ejemplo 5.11. En el caso de la gasolinera, aplicar las ecuaciones de λ

"
λ
"
balance resulta en el siguiente sistema de ecuaciones
b b
0 1 2
µ µ
p0 λ = p1 µ
p1 ( µ + λ ) = p0 λ + p2 µ
p2 µ = p1 λ
que resulta ser un sistema ecuaciones dependiente (recuérdese que

las filas de la matriz Q suman 0).
Dado que aplicar (5.5) no basta para obtener un sistema que

permita calcular las probabilidades estacionarias, se añade la condi-
ción de que la suma de las probabilidades debe valer 1
∑ pi = 1. (5.6)
i
De esta forma, en una cadena de Markov de K estados aplicando

(5.5) se puede obtener un sistema de K − 1 ecuaciones independien-
tes, que se completa con (5.6) para obtener p.
Ejemplo 5.12. Sea la máquina con tasa de rotura λ y de reparación λ

+
µ. Aplicando (5.5) y (5.6) resulta el sistema de ecuaciones
OK k KO
µ
0 = − pOK λ + pKO µ
pOK + pKO = 1
µ µ
Con solución pOK = λ+µ y, por lo tanto, pKO = λ+µ .
Ejemplo 5.13. Para la gasolinera, se puede plantear el siguiente λ λ

" "
sistema de ecuaciones
b b
0 1 2
p0 λ = p1 µ µ µ
p2 µ = p1 λ
p0 + p1 + p2 = 1
De las dos primeras ecuaciones se deduce que

2
λ λ λ
p1 = p0 , p2 = p1 = p0
µ µ µ
Aplicando estas igualdades en la tercera ecuación, resulta
2 !
λ λ
p0 1 + + = 1,
µ µ
lo que permite calcular el valor del vector de probabilidades p:

2
λ λ
1 µ µ
p0 = 2 p1 = 2 p2 = 2
1 + λµ + λµ 1 + λµ + λµ 1 + λµ + λµ
Tiempo medio de visita entre estados

De forma análoga al caso de las cadenas de Markov de tiempo
discreto,14 para calcular la esperanza del tiempo que pasa desde Tiempo medio de visita entre esta-
14
dos, página 97
que la cadena está en un estado i hasta que alcanza un estado j se
hace uso de la esperanza condicional.15 15
En el caso discreto, el número medio
Sea mij la esperanza de dicho tiempo. Dado que la cadena per- de iteraciones desde un estado si hasta
otro s j se podía expresar como
manece en el estado i en media un tiempo 1/vi y pasa al estado j
nij = 1 + ∑ Pik nik .
con probabilidad pij , por la ley de la probabilidad total se tiene que k6= j
1
vi k∑
mij = + pik · mkj ,
6=i,j
A partir de cualquiera de estas expresiones, para calcular la es-

peranza de los tiempos de visita entre estados es necesario plantear
un sistema de ecuaciones, como se ilustra en el ejemplo a continua-
ción.
2
Ejemplo 5.14. Sea el caso de la cadena representada al margen, de + 2
S k
3
K
1
la que se puede obtener la siguiente matriz de tasas de transición
entre estados (recuérdese que vi = ∑ j qij ): 2
  1 4 2 3
−5 2 2 1
 3 −6 3 0  s 2
Q=
 
4 3
2 −4 2 

 0
4 0 0 −4
Con estos valores, para calcular m14 se puede plantear el siguien-
te sistema de ecuaciones
1 2 2
m14 = + m24 + m34
5 5 5
1 3 3
m24 = + m14 + m34
6 6 6
1 2
m34 = + m24
4 4
del que se obtiene que m14 = 8/9.
Resumen del tema
Una cadena de Markov de tiempo continuo homogénea es un

proceso aleatorio { X (t)} en un espacio de estados S, donde
para cualquier instante de tiempo t e intervalo de tiempo s la
probabilidad de estar en un estado en t + s sólo depende del
estado en que se encuentre en t.
También se puede definir como un proceso aleatorio en el que el

tiempo de permanencia en el estado i es exponencial y donde las
probabilidades de transición entre estados son las dadas por una
cadena de Markov de tiempo discreto (donde pii = 0).
La evolución en el tiempo de la probabilidad de estar en un

estado i viene dada por
pi0 (t) = − pi (t)vi + ∑ p j (t) · v j p ji ,

j 6 =i
La distribución de probabilidades de estado estacionaria se cal-

cula aplicando las expresiones
pi vi = ∑ p j q ji , ∑ pi = 1.
j 6 =i
El tiempo medio de visita entre estados se puede expresar como

1
vi k∑
mij = + pik · mkj .
6=i,j
Problemas
Problema 5.1. (Ej. 12/13) Sea una pequeña gasolinera con dos
surtidores en serie, en la que los coches usan el surtidor más cer-
cano a la salida siempre que esté disponible, ya que un coche en
el primer surtidor bloquea el acceso al segundo surtidor. No hay
sitio para más de dos coches y tampoco espacio para esperar a que
alguno quede libre. Suponga que llegan coches a la gasolinera se-
gún un proceso de Poisson de media 1 coche por minuto y que el
tiempo en repostar se puede modelar con una variable aleatoria
exponencial de media 15 segundos. Calcule:
1. La probabilidad de que un vehículo no pueda entrar a la gasoli-

nera.
2. El número medio de vehículos en la gasolinera.
Problema 5.2. Sea un edificio con dos ascensores, cada uno con
un tiempo de vida que se puede modelar con una variable aleatoria
exponencial de media 1/λ. Hay dos políticas de reparación:
Se avisa a mantenimiento cuando los dos ascensores están estro-

peados, siendo el tiempo de reparación de los dos ascensores (a
la vez) una variable aleatoria exponencial de media 1/µ.
Se avisa a mantenimiento en cuanto un ascensor se estropea,

siendo el tiempo de reparación por ascensor una variable aleato-
ria exponencial de media 2/µ.
Calcule la proporción de tiempo que los dos ascensores están fun-

cionando, si 1/λ = 2 semanas y 1/µ = 1 semana.
Problema 5.3. Una organización tiene dos routers de salida a

Internet, a 100 Mbps cada uno, contratados con dos diferentes
proveedores. El tiempo que funciona un router se puede modelar
con una v.a. exponencial de media 6 meses. El tiempo que pasa
desde que un router se estropea hasta que vuelve a estar disponible
se puede modelar con otra v.a. exponencial de media 2 meses.
Calcule los meses al año que la organización no tiene Internet y la
velocidad media de acceso cuando sí tiene internet.
Problema 5.4. (Ej. 14/15) Sea un conmutador con dos puertos de

entrada diferenciados y un único puerto de salida. El tráfico del
puerto de baja prioridad llega según un proceso de Poisson de tasa
λ B = 2 tramas/segundo; si el puerto de salida está ocupado, es
descartado. El tráfico del puerto de alta prioridad llega según un
proceso de Poisson de tasa λ A = 4 tramas/segundo, y en caso de
que el puerto de salida esté ocupado se dispone de espacio para
almacenar una trama. El tiempo de servicio de cada trama se puede
modelar según una variable aleatoria exponencial de media 0.125
segundos. Se pide:
1. Calcule la probabilidad de pérdida para cada tipo de tráfico.
2. Calcule el número medio de tramas de cada tipo de tráfico en el

sistema.
Solución. 1. 3/17, 9/17; 2. 10/17, 2/17.
Problema 5.5. (Ext. 13/14) A una tarjeta de red llegan tramas de

datos y de voz; el tiempo entre tramas para cada tipo de tráfico
se distribuye según una variable aleatoria exponencial, de media
200 ms para la voz y 100 ms para los datos. Por limitaciones de
memoria, la tarjeta sólo tiene capacidad para una trama de datos o
hasta tres tramas de voz: si una trama llega y no cabe, se descarta.
El tiempo para transmitir una trama se puede modelar con una
variable aleatoria exponencial, de media 400 ms para las de voz y
500 ms para las de datos. Calcule la probabilidad de que una trama
de datos sea descartada porque haya otra trama de datos siendo
procesada.
Solución. 1/4
Problema 5.6. (Ord. 15/16) Sea un sistema con dos servidores sin
espacio en cola. Un servidor tiene una capacidad de 2 paquetes/s
y el otro 4 paquetes/s. Los paquetes llegan según un proceso de
Poisson a tasa 1 paquete/s y son atendidos por el servidor rápido
si está disponible (vacío), si no, por el servidor lento, y si los dos
servidores están ocupados, son descartados. En estas condiciones:
Calcule la proporción de paquetes descartados. ¿Qué proporción
de paquetes son atendidos por el servidor rápido y qué propor-
ción por el lento?
Solución. 3.5 %; el rápido atiende 4.8 veces más tráfico.
Problema 5.7. (Ext. 12/13) Un cliente en una red WiFi recibe

las tramas en modo “rx” si van destinadas a su dirección MAC,
y en modo “idle” si van destinadas a otra dirección. En el primer
caso, una vez recibida la trama pasa a modo “idle”, mientras que
en el segundo caso tras acabar la trama pasa al modo “sleep”. El
tiempo entre que acaba una trama y llega la siguiente se puede
modelar como una variable aleatoria exponencial de media 10 ms,
y la duración de las tramas es otra variable aleatoria exponencial
de media 5 ms. Las tramas destinadas al móvil constituyen el 80 %
del tráfico del total. El terminal en modo “sleep” consume 0.5 W; en
modo “idle” consume 1 W y en modo “rx” consume 10 W. Calcule
el consumo medio del terminal.
Solución. 10/3 W.
Problema 5.8. (Ord. 10/11) Un sistema se compone de una cola

de tamaño unidad y dos servidores, uno de baja velocidad y otro
de alta. Los servidores procesan las peticiones según una variable

aleatoria exponencial, de media 1/2 y 1/4 segundos, respectiva-
mente. El servidor lento se usa siempre que sea posible, esto es, el
servidor rápido sólo atiende una petición si el servidor el lento está
ocupado. Las peticiones llegan según un proceso de Poisson de tasa
6 peticiones/segundo. Modele el sistema como una cadena de Mar-
kov, indicando claramente los estados y las transiciones entre ellos
y resuelva:
1. Calcule la probabilidad de que, al llegar, una petición no quepa

en el sistema.
2. Calcule el número medio de peticiones en el sistema.
Solución. 1. 5/17; 2. 30/17.
Problema 5.9. (Ext. 10/11) Cuando accede a Internet usando la

red WiFi obtiene una velocidad de descarga de 5 Mbps. Sin em-
bargo, la red no es 100 % fiable, sino que cuando está siendo usada
se puede “caer”, quedando fuera de servicio un tiempo exponen-
cial de media 30 minutos. Suponga que el tiempo que pasa desde
que vuelve a estar disponible hasta que se cae de nuevo también es
exponencial, de media 2 horas.
1. Calcule la velocidad media de descarga.
Suponga ahora que su ordenador dispone de un módem 3G que, en

cuanto detecta que la red WiFi no funciona, se activa y le permite
navegar a 1 Mbps. Dicha conexión 3G también falla cuando está
siendo usada: tiene un tiempo de vida exponencial, de media 1 ho-
ra, y tarda en recuperarse según otra variable aleatoria exponencial,
de media 15 minutos. Tenga en cuenta que su ordenador siempre se
conectará a la WiFi si ésta se encuentra disponible.
2. Calcule la probabilidad de no tener conexión, y la velocidad

media de descarga.
Solución. 1. 4 Mbps; 2. 9/305, 1272/305 (≈ 4.2 Mbps).
Problema 5.10. (Ext. 11/12) Sea una cafetería, pequeña, que ofre-
ce WiFi gratis a los clientes. De hecho, los clientes sólo van para
descargarse una cantidad de datos que se puede modelar según
una variable aleatoria exponencial, de media 480 Mbytes (acabada
la descarga abandonan el local). La velocidad efectiva de la WiFi es
de 32 Mbps, que se distribuye equitativamente entre los usuarios de
la cafetería (por ejemplo: con dos clientes, la velocidad de descarga
por cliente es la mitad que en el caso de un cliente solo). Si como
mucho caben 4 clientes, y llegan según un proceso de Poisson de
tasa 15 clientes/hora, ¿cuánto tiempo pasan en media los clientes
en la cafetería (en minutos)?
Solución. 52/15.
Problema 5.11. (Ord. 09/10) Una granja de servidores se compo-

ne de 3 máquinas y 2 administradores. El tiempo que un servidor
se encuentra operativo se puede modelar según una exponencial de
media 5 minutos, mientras que el tiempo necesario para ser repara-
do también es exponencial, de media 4 minutos. Se desea conocer:
1. Número medio de servidores que no están operativos.
2. Proporción de tiempo que los dos administradores están ocupa-

dos a la vez.
3. Si cada administrador factura 100 e/hora, el coste estimado de

la factura anual por mantener los servidores.
4. El tiempo medio que un servidor deja de estar operativo
Problema 5.12. (Ej. 11/12) Sea una red 802.11 donde la tasa de
transmisión es de 4 Mbps. Una estación 802.11 debe primero au-
tenticarse y luego asociarse (en este orden) antes de poder enviar
datos. Suponga que autenticarse requiere un tiempo exponencial de
media 1 ms y asociarse supone otro tiempo exponencial de media 1
ms, pero este último proceso falla un 25 % de las veces, lo que con-
lleva además la pérdida de la autenticación. Una vez completada la
asociación, la estación transmite durante un tiempo exponencial de
media 8 ms, pasado el cual vuelve al estado inicial (esto es, sin au-
tenticar ni asociar). Calcule la tasa máxima efectiva de transmisión.
Solución. 3 Mbps.
Problema 5.13. (*) Sea un sistema con dos servidores y un único

buffer. Cada servidor opera a una velocidad diferente. El tiempo
medio de servicio del servidor lento es 1/µ, mientras que para
el servidor rápido es la mitad. Cuando los dos servidores están
desocupados y llega un nuevo trabajo, siempre se usa el servidor
lento. Si llega un trabajo cuando el servidor lento está ocupado,
se espera hasta que bien a) el servidor lento quede libre, pasando
entonces a ser ocupado, o b) llega un nuevo trabajo, por lo que el
que estaba esperando pasa al servidor rápido. Se pide:
1. El diagrama de transición para este sistema.
Problema 5.14. Una línea de montaje se compone de dos estacio-

nes en serie. Cada estación admite un único item en cada momento.
Cuando un item termina en la primera estación, pasa a la segunda
si ésta está vacía, de lo contrario se queda esperando. Los items
llegan a la primera estación según un proceso de Poisson de tasa λ,
pero sólo se admiten si la estación está vacía –de lo contrario, son
descartados. El tiempo que tarda un item en la estación i es expo-
nencial de media 1/µi . Defina la cadena de Markov que modela
este proceso. Calcule, para λ = 10, µ1 = 20 y µ2 = 50:
1. La probabilidad que no haya ningún item en la línea de montaje.
2. La probabilidad que de haya un item esperando en la primera

estación.
Solución. 1. 175/317; 2/317.

Teoría de colas: sistemas básicos
Una cola es un sistema con uno o más recursos disponi-

bles para una población de usuarios, que puede que tengan que
esperar para poder acceder a los mismos por estar ocupados por
otros usuarios. La “teoría de colas” se dedica al estudio de dichos
sistemas, que sirven para modelar, por ejemplo, una central de con-
mutación de llamadas donde puede producirse saturación en las
líneas (y se ruega volver a llamar dentro de unos minutos), o un
centro de atención a usuarios, donde las llamadas pueden quedar a
la espera de que un operador quede disponible. Si las peticiones se
producen según un proceso de Poisson, y los recursos se ocupan un
tiempo que sigue una variable aleatoria exponencial, estos sistemas
se modelan mediante una cadena de Markov de tiempo continuo.
En el campo de las comunicaciones, la teoría de colas se ha em-
pleado tradicionalmente para modelar sistemas con conversacio-
nes de voz, como los ejemplos ya mencionados. De manera más
reciente, también se puede aplicar para modelar escenarios de con-
mutación de paquetes, si bien es preciso tener cierta cautela en las
suposiciones realizadas a la hora de modelar el sistema. En esta
primera parte de teoría de colas se presentan los sistemas clásicos,
derivados del modelado mediante cadenas de Markov, mientras
que en la segunda parte se considerarán otros sistemas que necesi-
tan otras herramientas para su modelado.
Definición
En general, una cola es un sistema con una serie de recursos y

una línea de espera, en la que las peticiones de una población de
usuarios aguardan a que alguno de los recursos quede disponible
para ser atendidos. Esto se ilustra en la siguiente figura, donde se
aprecia que los principales elementos son:
Una población que genera peticiones al sistema. En un caso ge-

neral, la tasa de generación de peticiones dependerá, entre otros
factores, de si la población es finita o infinita. Si la población es fi-
nita, que un usuario haya generado una petición puede afectar a
la cantidad de peticiones que se puedan generar a continuación.
Si la población es infinita, la tasa de generación no dependerá, en
principio, del número de peticiones en el sistema.
127
Figura 6.1: Caso general de una cola.
Una cola en la que las peticiones generadas por la población

aguardan a ser atendidas. Dicha cola podrá tener un tamaño
limitado o ilimitado. En el primer caso, el sistema rechazará las
peticiones que no quepan, bien rechazando la nueva petición,
o expulsado alguna que ya existiese.1 Además de esta política 1
En el caso extremo, la cola tendrá un
de rechazo, la cola también debe definir el tipo de políticas para tamaño nulo, por lo que las peticiones
o acceden directamente a los recursos,
atender las peticiones (p.ej., First In, First Out), si hay peticiones o no accederán al sistema.
con mayor prioridad que otras, o si las peticiones se atienden
una a una o en bloque.2 2
P.ej., la técnica de packet coalescing
consiste en no iniciar un servicio hasta
Una serie de recursos en paralelo, a los que los usuarios acceden que hay un número suficiente de
tras pasar por la cola. Un usuario accede a un recurso, y –en tramas para ser atendidas.
general– dichos recursos serán idénticos, siendo ts el tiempo
medio de servicio en cualquiera de ellos.3 3
Por simplificar la notación, en general
se empleará ts (en vez de E[ts ]) para
referirse a un tiempo medio, pero la
Variables de interés distinción estará clara por el contexto.
Las principales variables que se suelen estudiar en una cola son

las siguientes:
Tiempo medio de estancia en el sistema (T): es el tiempo que

transcurre desde que una petición llega al sistema (es generada
en la población) hasta que ha sido finalmente atendida por un
recurso (abandona el sistema). Dicho tiempo es en general una
variable aleatoria con función de distribución FT (t).
Tiempo medio de estancia en la cola (W): es el tiempo que trans-

curre desde que una petición llega al sistema hasta que empieza
a ser atendida por uno de los recursos. De forma análoga, se
puede definir la función de distribución de dicho tiempo FW (t).
Se trata de retardos medios para todos los usuarios. Si T (k)

representa el tiempo que pasó en el sistema el usuario k, el tiempo
medio de estancia en el sistema puede definirse como
1 k
T = lı́m ∑ T (k)
k→∞ k 1
Resulta claro que el tiempo medio total de estancia en el sistema

está relacionado con el tiempo medio de espera en cola y el tiempo
teoría de colas: sistemas básicos 129
medio de servicio:
T = W + ts .
Dado un tiempo medio de servicio ts también se puede definir
una tasa (máxima) de servicio µ = 1/ts , que se corresponde con
el ritmo al que los usuarios “salen” de un recurso si éste siempre
se encontrase ocupado. Por lo tanto, la expresión anterior también
puede escribirse como
1
T=W+ .
µ
Número medio de usuarios en el sistema (N): que es la media

temporal del número de usuarios (o peticiones) que se encuen-
tran en el sistema, ya sea en la cola o siendo atendidos por un
recurso, a lo largo del tiempo.
Número medio de usuarios en la cola (Q): variable similar a

la anterior, pero en este caso en vez de considerarse el sistema
completo, sólo se considera la cola.
En ambos casos se trata de medias a lo largo del tiempo. Por lo

tanto, si N (τ ) representa el número de usuarios en el instante τ,
el número medio de usuarios en el sistema durante un tiempo t se
define como
1 t
Z
N = lı́m N (τ )dτ.
t→∞ t 0
Ejemplo 6.1. Sea un sistema donde el número de usuarios a lo

largo del tiempo es el indicado por la Figura 6.2: al principio hay
dos usuarios, en t = 10 uno lo abandona y luego en t = 15 aparecen
dos usuarios más, hasta t = 25.
Figura 6.2: Número medio de usuarios

en un sistema.
El número medio de usuarios en el sistema durante t = 25 se

puede calcular como
2 usuarios · (10 − 0) + 1 usuario × (15 − 10) + 3 usuarios × (25 − 15)

N= = 2.2 usuarios
25 − 0
En general, se puede definir la “ocupación” de un recurso ρ

como la proporción de tiempo que dicho recurso está atendiendo a
un usuario. Con dicho parámetro, el número medio de usuarios en

un sistema será igual al número medio de usuarios en la cola más
el número medio de usuarios en los recursos, esto es:
N = Q + n · ρ.
Cuando el tamaño de la cola sea finito y, por lo tanto, exista
rechazo de usuarios, tiene interés tratar con otras dos variables que
dependerán de la longitud de la cola:
La probabilidad de pérdida, o probabilidad de bloqueo (PB ):
probabilidad de que una determinada petición no pueda acceder
al sistema, porque se encuentra lleno (todos los recursos y la cola
están completamente ocupados).
La tasa efectiva de tráfico cursado: si la población realiza peticio-

nes a una tasa λ, pero existe dicha probabilidad de bloqueo PB ,
entonces el tráfico que se cursa en dicho sistema no es el total del
ofrecido, sino una fracción inferior, esto es:
λ = λ · (1 − PB )
Figura 6.3: Tasa cursada en un sistema
con bloqueo.
Notación de Kendall
Con objeto de estandarizar la forma en que definir los posibles
sistemas de espera se aparece la notación de Kendall,4 que emplea 4
Originariamente propuesta por el
tres parámetros para especificar las características de una cola: inglés David G. Kendall en 1953 con
los tres primeros parámetros.
A/B/m/K
estos parámetros representan:
A: especifica cómo se distribuye el tiempo entre peticiones, es
decir, la variable aleatoria entre una petición que llega al sistema
y la siguiente.
B: especifica cómo es la variable aleatoria del tiempo de servicio,

esto es, el tiempo que pasa desde que una petición accede a un
recurso hasta que es atendida. Tanto A como B suelen servir
para indicar alguna de las siguientes distribuciones de tiempo:
• M (por Markov, o “sin Memoria”): en este caso se trata de la

variable aleatoria exponencial.
• D: si se trata de un caso en que dicho tiempo es una constante
(esto es, se trata de una variable determinista).
• G: si se analiza un caso genérico, sin tener que especificar
cómo se distribuye la variable aleatoria que determina alguno
de los tiempos.
m: número de recursos idénticos en paralelo.
K: capacidad máxima de todo el sistema, esto es, número má-

ximo de peticiones que caben a la vez (en la cola y en los servi-
dores). Si Qmáx representa el número máximo de peticiones que
caben en la cola, se cumple entonces que
K = Qmáx + m.
Ejemplo 6.2. Un sistema D/G/2/4 es una cola en la que:
1. El tiempo entre una petición y la siguiente es constante (D).
2. El tiempo de servicio para cada petición puede ser cualquier

variable aleatoria (G).
3. Hay dos recursos en paralelo (2).
4. La cola tiene una capacidad máxima de dos usuarios, dado que Figura 6.4: Sistema D/G/2/4
el sistema puede albergar cuatro usuarios en total (4).
Ejemplo 6.3. En una cola M/D/3/∞
1. El que el tiempo entre llegadas es exponencial (M).
2. El tiempo de servicio es constante para todos los usuarios (D).
3. Hay tres recursos en paralelo (3).
4. La longitud máxima de la cola puede suponerse ilimitada, dado Figura 6.5: Sistema M/D/3/∞
que la capacidad del sistema es infinita (∞).
Además de estos parámetros de la notación de Kendall,

en ocasiones se emplean dos variables más, por lo que en el caso
más completo la representación sería
A/B/m/K/N/Z
El significado de los dos últimos parámetros es el siguiente:
N: hace referencia al tamaño (finito o no) de la población, lo que

determina cómo varía la tasa de peticiones en función de las que
se encuentran en el sistema (por ejemplo, si un usuario no realiza
una petición hasta que la anterior ha sido atendida).
Z: especifica la disciplina de la cola, por ejemplo, si en vez de

FIFO se emplea algún tipo de mecanismo que da prioridad a
unos usuarios frente a otros.
Los tres primeros parámetros de la notación de Kendall apare-

cerán siempre, mientras que los tres últimos sólo suelen hacerse
explícitos cuando no se corresponden con los valores por defecto:
si la capacidad del sistema K y la población N son infinitos, y si la
disciplina de la cola es FIFO, no se suelen indicar.
Teorema de Little
Se trata de uno de los resultados fundamentales de la teoría de

colas, que establece una relación muy sencilla entre la tasa efectiva
de entrada de usuarios en un sistema, el número medio de usuarios
en dicho sistema, y el tiempo medio total que pasan en el mismo.
Parte de su importancia radica, además, en que se puede aplicar a

casi cualquier sistema.
Sea el caso de un sistema como el ilustrado en la Figura 6.6, al
que llegan usuarios según un proceso α(t) y del que salen según
otro proceso β(t). Dado que el tiempo total que pasa un usuario i
en el sistema es la diferencia entre el instante en que sale y aquel
en que entró, este tiempo Ti se corresponde con la separación en
horizontal entre los procesos β(t) y α(t).
Figura 6.6: Ilustración gráfica del

teorema de Little.
Por otro parte, el número de usuarios en el sistema en un ins-

tante de tiempo t es la diferencia (en vertical) entre el proceso de
llegadas y el de salidas, esto es
N ( t ) = α ( t ) − β ( t ).
Como se ha visto anteriormente, el número medio de usuarios

en el sistema se puede calcular como
Z t Z t
1 1
N = lı́m N (τ )dτ = lı́m (α(τ ) − β(τ )) dτ (6.1)
t→∞ t 0 t→∞ t 0
Nótese que la integral de (6.1) se corresponde con el cálculo del

área entre α(t) y β(t). Dado que cada “escalón” de estos procesos
tiene de altura 1, dicha área también se puede calcular como la su-
ma de los “rectángulos” para cada llegada en el sistema, de altura 1
y anchura Ti . Como en el instante t se han producido α(t) llegadas,
se puede aproximar5 5
Esta demostración no pretende ser
rigurosa.
Z t α(t)
0
(α(τ ) − β(τ )) dτ ≈ ∑ Ti
i =1
Sustituyendo esta expresión en (6.1), queda

Z t α(t)
1 1
N = lı́m
t→∞ t 0
N (τ )dτ = lı́m
t→∞ t
∑ Ti
i =1
Multiplicando la parte derecha por α(t)/α(t), reordenando tér-

minos y cálculos de los límites, resulta
α(t) α(t)
α(t) ∑i=1 Ti α(t) ∑ Ti
N = lı́m · = lı́m · lı́m i=1 (6.2)
t→∞ t α(t) t→∞ t t→∞ α (t )
De lo que se obtiene que el número medio de usuarios en el

sistema N es un producto de dos términos:
El primer término es (el límite de) el cociente del número total de

llegadas al sistema entre el tiempo. Por lo tanto, dicho cociente
(si existe el límite) es la tasa media de llegadas al sistema:
α(t)
λ , lı́m
t→∞ t
El segundo término es la suma de todos los tiempos de estancia

en el sistema Ti , dividida por el número total de llegadas al
sistema. Por lo tanto, este cociente es el tiempo medio de estancia
en el sistema:
α(t)
∑i=1 Ti
T = lı́m
t→∞ α (t )
Por lo anterior, el teorema de Little se puede expresar como
N = λ·T
Ejemplo 6.4. Sea el caso de la Figura 6.7 con dos llegadas a un

sistema, en el que la primera permanece dos unidades de tiempo,
y la segunda tres unidades de tiempo. La tasa media de llegadas al
sistema es
2
λ= ,
5
mientras que el tiempo medio de estancia en el sistema es Figura 6.7: Ejemplo de un sistema con
dos llegadas
1
T= (2 + 5) = 5/2.
2
Se puede comprobar se cumple el teorema de Little, dado que el
número medio de usuarios en el sistema es
0·1+1·1+2·1+1·2
N= = 1,
5
que coincide con
2 5
λ·T = · = 1.
5 2
Un detalle importante a la hora de aplicar el teorema de Little

es que λ es la tasa media de usuarios que pasan por el sistema, no
la tasa ofrecida al sistema. Por lo tanto, en los sistemas donde haya
usuarios rechazados6 habrá que tener en cuenta esta distinción al 6
Siguiendo la notación de Kendall,
aplicar el teorema. todos aquellos que sean de tipo -/-/-
/K, con K finito
Ejemplo: Aplicación de Little para un sistema con un recurso

Como se ha dicho anteriormente, la versatilidad del teorema de
Little es que resulta valido en cualquier situación,7 independiente- 7
Para todos los casos que nos ocu-
mente del sistema considerado. Un ejemplo inmediato es el caso de parán, el teorema de Little siempre
será válido, si está aplicado sobre las
la Figura 6.8, donde se tiene un sistema con un único recurso. variables correctas.
Figura 6.8: Little aplicado a un sistema

con un recurso.
Si se aplica el teorema a todo el sistema, se tiene la ya conocida

relación
N = λ · T,
pero, además, también se puede considerar la cola y el recurso co-

mo dos sistemas diferentes, lo que permite establecer dos relaciones
adicionales:
Por un lado, el número de usuarios en la cola Q viene dado por

la tasa de entrada a la cola (la misma que al sistema) y el tiempo
que pasan en la misma, esto es
Q = λ·W
Por otro lado, la ocupación media del recurso ρ viene dada por
la tasa de entrada y el tiempo medio de servicio ts (o su inversa
µ), esto es
λ
ρ = λ · ts =
µ
De hecho, partiendo de la conocida expresión T = W + ts , si se

multiplica por λ, se obtiene
λ · T = λ · W + λ · ts
que resulta en la también conocida relación entre el número medio

de usuarios en el sistema, en la cola y en el recurso:
N = Q + ρ.
Si en vez de un único recurso hubiese m recursos idénticos en

paralelo, se tendría que
λ · ts = m · ρ
y, por lo tanto,
N = Q+m·ρ .
Mediante el teorema de Little se establecen las relaciones funda-

mentales entre las variables de interés en una cola. A continuación
se realiza el análisis de las prestaciones de los sistemas M/M/. . . ,
comenzando por el más sencillo (el M/M/1), que se pueden mode-
lar como cadenas de Markov de tiempo continuo.
El sistema M/M/1
Se trata de un sistema en el que el tiempo entre llegadas es ex-

ponencial, de media 1/λ, el tiempo de servicio también es expo-
nencial, de media 1/µ, hay un único recurso para atender las pe-
ticiones, y la longitud de la cola no está limitada. El M/M/1 es el
sistema más básico y puede servir para modelar sistemas sencillos Figura 6.9: Sistema M/M/1.
con un único recurso atendiendo a una población variada, como,
por ejemplo, un punto de acceso WiFi que transmita los datos de
varios usuarios.
Cálculo de la distribución de estado estacionario

El análisis de este sistema es parecido al caso de la estación de
servicio con un único surtidor visto en el tema anterior, si bien ex-
tendido para cualquier número de usuarios. Se emplea el estado
para indicar el número de usuarios en el sistema: en 0 el sistema se
encuentra vacío, en 1 hay un usuario atendido en el recurso, en 2
además de un usuario atendido en el recurso hay otro esperando
en la cola, etc. Sin embargo, dado que el número máximo de usua-
rios en el sistema no está limitado, la cadena de Markov tiene un
número de estados infinito:
λ λ λ λ λ λ λ λ
% % % % % %
0 1 2 3 . . .a n-1 n n+1 .. .
e e e e e e e
µ µ µ µ µ µ µ µ
Para obtener la distribución de probabilidades de estado esta-

cionaria de este sistema se aplican las expresiones vistas en el tema
anterior (indicadas al margen), si bien con una estrategia diferente
dado que el número de estados es infinito. Ecuaciones para el cálculo de la
Sea la ecuación de balance para el estado 0: distribución de estado estacionaria en
una cadena de Markov:
p0 λ = p1 µ, (6.3) pi · vi = ∑ p j · (v j p ji )
j 6 =i
de la que se puede deducir que ∑ pi = 1

i
λ
p1 = p0 (6.4)
µ
Sea ahora la ecuación de balance para el estado 1:
p1 ( λ + µ ) = p0 λ + p2 µ (6.5)
substituyendo (6.3) en la parte derecha de (6.5), se tiene que
p1 ( λ + µ ) = p1 µ + p2 µ
de la que se puede despejar p2 :

λ
p2 = p ,
µ 1
y, aplicando (6.4), resulta
2
λ
p2 = p0
µ
Se puede proceder de forma similar para el estado 2, de lo que se

obtendría 3
λ λ
p3 = p2 = p0
µ µ
y, en general, se puede deducir que
pn λ = pn+1 µ, (6.6)
lo que puede interpretarse como que la cadena está “balanceada”

entre cada par de estados (Figura 6.10, al margen) dado que la tasa
efectiva con la que se incrementa el número de usuarios (pn λ) es
Figura 6.10: Equilibrio entre las tasas
igual a la tasa con la que disminuye (pn+1 µ). de incremento y disminución de
A partir de esta expresión, se deduce: estados.
n
λ λ
p n +1 = p n = p0 ,
µ µ
que puede expresarse en función del cociente ρ = λ

µ como
p n = ρ n p0 .
Para calcular la distribución de probabilidades en el estado esta-

cionario, se aplica la anterior relación para todo n en la ecuación de
normalización
∞
∑ pn = 1,
n =0
lo que da lugar a la siguiente ecuación en p0 :
∞
∑ ρn p0 = 1,
n =0
con solución ! −1
∞
p0 = ∑ρ n
.
n =0
Dado que se trata de una serie geométrica, para que p0 tenga
solución es preciso que ρ < 1. De esta forma, se tiene que8 8
Expresión para la suma infinita:
∞
( 1
1−ρ Para n = 0 ∑ ρi = 1−ρ
pn = n i =0
ρ (1 − ρ ) Para n ≥ 0
donde se hace explícito que la probabilidad de que el sistema esté

vacío p0 es igual a 1 − ρ, esto es, que la ocupación media del recur-
so ρ coincide con la probabilidad de que haya al menos un usuario
en el sistema.
Ejemplo 6.5. Sea un cajero al que llegan clientes según una tasa
de 10 clientes/hora. El tiempo medio que un cliente pasa en el
cajero se puede modelar como una variable aleatoria exponencial
de media cuatro minutos. Se pide: calcular la probabilidad de que
el cajero esté vacío, y de que haya más de un cliente esperando.
Según los datos, se tiene que:
10 clientes/60 minutos 10
ρ= = = 2/3.
1 cliente/4 minutos 15
La probabilidad de que el cajero esté vacío se puede calcular como
p0 = 1 − ρ = 1/3
mientras que la probabilidad de que haya más de un cliente espe-

rando (esto es, que haya más de dos usuarios en total) se puede
calcular como
Pr(Más de 1 cliente esperando) = 1 − p0 − p1 − p2

8
= 1 − (1 − ρ ) − (1 − ρ ) ρ − (1 − ρ ) ρ2 =
27
Sobre el significado de ρ
El parámetro ρ se define como el cociente entre la tasa de lle-
gadas al sistema y la tasa máxima de salida que proporciona el
servidor
λ tasa llegada
ρ= = ,
µ tasa salida
lo que también puede interpretarse como el tiempo medio de servi-
cio entre el tiempo medio entre llegadas
1/µ tiempo servicio
ρ= = .
1/λ tiempo entre llegadas
Por lo tanto, el hecho de que ρ < 1 para que el sistema tenga
una solución resulta muy coherente: si ρ > 1, se tendría que la tasa
media de llegada al sistema es mayor que la tasa máxima de salida
(o que el tiempo medio para servir un usuario es mayor que el
tiempo medio entre llegadas), por lo que el sistema no sería capaz
de cursar la carga de trabajo que se le presenta. Dado que se trata
de una cola M/M/1/∞, la longitud de la cola crecería de forma
indefinida, por lo que el número de usuarios en el sistema tendería
a infinito.
De esta forma, en un sistema sin rechazo donde el número má-
ximo de usuarios no está ilimitado, si la tasa de llegadas es mayor
que la tasa agregada de salida, el sistema se encontrará conges-
tionado por lo que no tiene sentido realizar un modelado de sus
prestaciones. Cuando el sistema sí rechaza usuarios (por ejemplo,
el caso de la gasolinera del Ejemplo 5.4, página 109, que admitía un
número máximo de coches) la condición ρ < 1 no resulta necesaria,
dado que el número de estados de la cadena de Markov es finito.
Análisis de prestaciones básicas del sistema

Una vez obtenida la distribución de probabilidades del sistema,
se puede obtener cualquiera de las diferentes variables de interés en
una cola. Para el M/M/1 resulta sencillo calcular, por ejemplo, el
número medio de usuarios en el sistema mediante9 9
Expresión para la suma infinita
∞ ∞ ∞
1
N= ∑ npn = ∑ nρn (1 − ρ) =
ρ ∑ nρn−1 = (1 − ρ )2
n =0 n =0
1−ρ n =0
Una vez calculado N, el teorema de Little permite obtener
N 1/µ
T= =
λ 1−ρ
Ejemplo 6.6. Sea el caso del cajero del Ejemplo 6.5, donde se tenía
que ρ = 2/3. El número medio de usuarios en el sistema se puede
calcular como
2/3
N= = 2 usuarios.
1 − 2/3
Mientras que el tiempo medio de estancia en el sistema es
ts 4
T= = = 12 minutos.
1−ρ 1/3
Resulta interesante analizar la sensibilidad de T respecto a cam-

bios en ρ, esto es, cómo varía relativamente el retardo medio en
el sistema respecto a cambios relativos en la carga ofrecida. Si la
tasa de usuarios aumenta un 20 % (esto es, λ pasa de 10 a 12 clien-
tes/hora), se tiene que la nueva carga es
ρ = 12/15 = 4/5,
por lo que el tiempo medio de estancia en el sistema pasa a ser
ts 4
T= = = 20 minutos.
1−ρ 1/5
Por lo tanto, un 20 % de aumento en la carga ha supuesto un incre-

mento del 20/12≈1.66, es decir, del 66 % en el retardo en el sistema.
Esta alta sensibilidad del retardo a variaciones de la carga

se debe a la forma de la expresión para T:
Figura 6.11: Retardo medio T vs. ρ en
ts un sistema M/M/1.
T= ,
1−ρ
que presenta un comportamiento asintótico cuando ρ → 1. De

esta forma, cuando ρ → 0 se tiene que T ≈ ts , dado que el siste-
ma está casi siempre vacío, mientras que conforme aumenta ρ, en
mayor medida aumenta el retardo en el sistema. Esto se debe a la
“realimentación” en el mismo: cuando aumenta la carga, aumenta
la probabilidad de que un usuario tenga que esperar en el sistema,
lo que a su vez aumenta la probabilidad de que otro usuario llegue
mientras aquél se encuentra esperando.
El cálculo del número medio de usuarios en la cola Q puede
hacerse de forma análoga al del número medio de usuarios en
el sistema, basta con tener en cuenta que, por ejemplo, con tres
usuarios en el sistema, son dos los usuarios que están en la cola.
Por lo tanto, Q se puede obtener como
∞ ∞ ∞
ρ ρ2
Q= ∑ ( n − 1) p n = ∑ n · pn − ∑ p n = N − (1 − p0 ) = N − ρ =
1−ρ
−ρ =
1−ρ
n =1 n =1 n =1
A partir de Q, se puede obtener W mediante Little como
Q ρ1/µ
W= =
λ 1−ρ
Otra forma de calcular W (y Q) pasa por resolver primero
ts
W = T − ts = − ts ,
1−ρ
y a partir de este resultado, calcular Q = λ · W.
Ejemplo 6.7. Sea una línea de transmisión a 100 Mbps, a la que lle-
gan tramas de una longitud que puede modelarse con una variable
aleatoria exponencial de media 1500 octetos. El tiempo entre tramas
es otra variable aleatoria exponencial de media 0.18 ms. Bajo estas
suposiciones, se quiere calcular el retardo medio por trama y el
tiempo medio de espera en cola.
Dado que las tramas tienen una longitud exponencial10 y la 10
Suponer que la longitud de una
trama (un número entero) se puede
velocidad de la línea es constante, el tiempo de transmisión de cada
modelar con una variable aleatoria
trama será también una variable aleatoria exponencial, de media continua será menos exacto a medida
de la longitud de las tramas sea menor
y, por tanto, mayor sea el error al
ts = 1500 B · 8/100 Mbps = 120 µs,
redondear al siguiente entero.
y el sistema se puede modelar como un M/M/1. La ocupación del

mismo se puede obtener como
ts 120
ρ= = = 2/3,
1/λ 180
siendo el retardo medio

ts
T= = 360 µs.
1−ρ
Dado que el tiempo de servicio es 120 µs, el tiempo medio de

espera en cola será
W = 360 − 120 = 240 µs.
Dicho tiempo medio de espera en cola también se puede obtener

como:
ρ ts (2/3)120 µs
W= = = 240 µs .
1−ρ 1 − 2/3
Relación entre N, T, W y Q
A continuación se presenta un resumen de las expresiones para

las prestaciones básicas de un sistema M/M/1. Dada una de ellas,
resulta inmediato obtener cualquiera de las otras, bien aplicando el
teorema de Little, bien por las expresiones básicas que relacionan
las variables en una cola.
Usuarios Tiempos
×1/λ
ρ . 1/µ 1
Sustema: N= 1− ρ T= 1− ρ = µ−λ
K
+ρ −1/µ

ρ2 1/µ·ρ
Cola: Q= 1− ρ m W= 1− ρ
×λ
Funciones de distribución del retardo FW y FT

Para el caso de un M/M/1 no resulta demasiado complicado
calcular la función de distribución del retardo en cola FW (t), esto
es, la probabilidad de que el tiempo que tenga que esperar una
petición hasta acceder al recurso sea menor o igual que t:
FW (t) , Pr(W ≤ t).
Para realizar este cálculo, se aplica el teorema de la probabilidad

total sobre el número de usuarios que se encontraban en el sistema
al llegar una petición:
∞
FW (t) = ∑ Pr(W ≤ t| N = n) Pr( N = n). (6.7)
n =0
En la expresión (6.7), Pr(W ≤ t| N = n) es la probabilidad

de que el tiempo de espera en cola W sea menor que t cuando
hay n usuarios al llegar. En estas condiciones, W es la suma de los
n tiempos de servicio de los usuarios por delante, por lo que su
función de densidad es la convolución de n variables aleatorias
exponenciales de media 1/µ (una variable aleatoria de Erlang).
Substituyendo el valor de Pr( N = n) y separando el caso n = 0, se
tiene que (6.7) se puede desarrollar como11 11
Cuando hay 0 usuarios al llegar al
sistema, W = 0 por lo que Pr(W ≤ t),
∞
µ(µx )n−1 −µx
Z t
esto es, FW (t), es igual a 1.
FW (t) = (1 − ρ) + (1 − ρ) ∑ ρn 0
e
( n − 1) !
dx,
n =1
que se puede simplificar como

Z t
FW (t) = (1 − ρ) + ρ µ(1 − ρ)e−µ(1−ρ) x dx. (6.8)
0
En esta expresión, el término de la integral se puede identificar con
una variable aleatoria exponencial, de media (µ(1 − ρ))−1 . Por lo
tanto, (6.8) queda como
FW (t) = 1 − ρe−(µ−λ)t .
Siguiendo un razonamiento similar, se puede obtener que la

función de distribución del tiempo total en un sistema M/M/1
viene dada por
FT (t) = 1 − e−(µ−λ)t ,
esto es, una variable aleatoria exponencial de media (µ − λ)−1 .
Ejemplo 6.8. Volviendo al ejemplo 6.5 del cajero, donde los usua-
rios llegan a una tasa de λ = 10 clientes/hora y el tiempo medio de
servicio es ts = 4 minutos. La carga del sistema y el retardo medio
son, respectivamente,
2
ρ= y T=12 minutos ,
3
por lo que el tiempo medio de espera en cola es W=12-4=8 minu-
tos. La probabilidad de que un usuario esté más de t unidades de
tiempo esperando a usar el cajero vendrá dada por
1 − FW (t) = ρe−(µ−λ)t ,
por lo que la probabilidad de estar esperando más de 10 minutos

será
2 −( 1 − 1 )10 2 5
· e 4 6 = · e− 6 ≈ 0, 289 .
3 3
De forma análoga, la probabilidad de estar en el cajero más de 10
minutos se puede calcular como
1 1 5
1 − FT (t) = e−(µ−λ)t = e−( 4 − 6 )10 = e− 6 ≈ 0, 435 .
Proceso de salida de un M/M/1

Sea un sistema M/M/1, con los tiempos entre llegadas y de
servicio distribuidos según variables aleatorias exponenciales, de
medias λ−1 y µ−1 , respectivamente, y –por lo tanto– con una proba-
bilidad de ocupación ρ = λ/µ. A continuación se analiza el proceso
de salida de los usuarios de dicho sistema (una vez que han sido
servidos).
En un instante t al azar el sistema M/M/1 puede estar libre, con
probabilidad p0 = 1 − ρ, u ocupado, con probabilidad ρ. Gracias a
la ley de la probabilidad total, la función de distribución del tiempo
hasta la siguiente salida se puede expresar como
F (t) = (1 − ρ) F1−ρ (t) + ρFρ (t)
donde F1−ρ (t) es la función de distribución del tiempo hasta la

siguiente salida cuando el sistema está vacío, y Fp (t) la función de
distribución del tiempo hasta la siguiente salida cuando el sistema
está ocupado (es decir, hay al menos un usuario en el recurso).
Cuando el sistema está ocupado, el tiempo hasta la siguiente
salida es una variable aleatoria exponencial de media 1/µ, por lo
que la función de distribución es
Fρ (t) = 1 − e−µt .
Cuando el sistema está libre, el tiempo hasta la siguiente salida

es la suma de dos variables aleatorias exponenciales: el tiempo
hasta la siguiente llegada más su tiempo de servicio. La función de

distribución de dicha suma es12 12
La función de densidad de la suma
de dos variables aleatorias indepen-
µ −λt λ −µt dientes f ( x ) Ry g( x ) es su convolución
F1−ρ (t) = 1 − e + e ∞
µ−λ µ−λ ( f ∗ g)(z) = −∞ f (z − y) g(y)dy.
Por lo tanto, la función de distribución del tiempo entre salidas

en el sistema resulta ser

µ −λt λ −µt
+ ρ 1 − e−µt ,

F ( t ) = (1 − ρ ) 1 − e + e
µ−λ µ−λ
que, tras simplificar, queda como
F (t) = 1 − e−λt
Por lo tanto, el tiempo entre salidas en un sistema M/M/1 esta-

ble (ρ < 1) se distribuye según una variable aleatoria exponencial
de media λ−1 , al igual que el tiempo entre llegadas.13 El hecho de 13
Nótese que, por simplificar, no se
que el proceso de salida sea a la misma tasa que el de entrada no ha demostrado que el tiempo entre
una salida y la siguiente sean variables
debe resultar sorprendente, dado que el sistema ni crea ni recha- aleatorias independientes.
za usuarios, sólo los retarda. Sí que resulta destacable que dicho
tiempo sea también una variable aleatoria exponencial, por lo que
el proceso de salida será de nuevo de Poisson.
Ejemplo 6.9. Si el tiempo de servicio no es exponencial el proceso

de salida no será de Poisson. Para ilustrar esto, sea un sistema
como el de la Figura 6.12 al margen, con un tiempo de servicio
constante ts . Dado que las llegadas son de Poisson, el tiempo entre
llegadas será una variable aleatoria exponencial distribuida en
[0, ∞). Sin embargo, tras su paso por el sistema, el tiempo entre
salidas pasará a estar distribuido en [ts , ∞), por lo que es seguro
Figura 6.12: Tiempo entre llegadas y a
que dicho proceso de salida no será de Poisson (aunque sea un la salida de un sistema M/D/1
proceso a la misma tasa que el de entrada).
El sistema M/M/m
Al igual que el M/M/1, se trata de un sistema con llegadas de

Poisson y tiempos de servicio que siguen una variable aleatoria ex-
ponencial, pero en este caso hay m servidores idénticos en paralelo.
Si hay varios servidores disponibles, un usuario que llegue al siste-
ma será atendido por uno de ellos (no importa el que sea), mientras
que si todos están ocupados, el usuario tendrá que esperar en cola
hasta que uno quede libre. Se trata de un sistema que podría em-
plearse para modelar, por ejemplo, centros de atención telefónica
(call centers), una granja de servidores que resuelven peticiones web,
o un supermercado con varias cajas disponibles y una única línea
de espera. Figura 6.13: Sistema M/M/m.
La cadena de Markov que modela el comportamiento será pa-
recida a la del M/M/1, con la tasa de transición desde el estado n
al n + 1 siempre igual a λ. Sin embargo, la tasa de transición cuan-
do se reduce el número de usuarios n en el sistema es diferente y
depende de si n es mayor o menor que m:
Cuando n ≤ m, no hay usuarios en la cola sino que todos están

siendo atendidos. En estas condiciones, la tasa de transición al
estado n − 1 es n · µ.
Cuando n > m, hay usuarios esperando en cola porque todos

los recursos están ocupados, por lo que la tasa de transición será
m · µ.
La cadena queda, por tanto:
λ λ λ λ λ λ λ λ
% % % % % %
0 1 2 3 . . .a m-1 m m+1 .. .
e e e e e e e
µ 2µ 3µ 4µ ( m −1) µ mµ mµ mµ
La forma en la que se calcula la distribución de probabilidades

estacionaria es muy parecida al caso anterior, aunque más laborio-
sa. Por una parte, se tiene que para los estados n ≤ m, las relaciones
son de tipo
λ λ λ λ
p1 = p0 , p2 = p , p3 = p2 , p4 = p3 , . . .
µ 2µ 1 3µ 4µ
por lo que la expresión para dichos estados queda
n
λ 1
pn = · p0 , n < m (6.9)
µ n!
Por otra parte, para los estados n > m, las relaciones son
λ λ
p m +1 = p m , p m +2 = p , ...
mµ mµ m+1
por lo que la expresión en este caso es
λ n−m

pn = pm , n ≥ m
mµ
que, sustituyendo pm por su valor según (6.9), queda como
λ n−m λ m 1 λ n mm

pn = p0 = p0 , n ≥ m (6.10)
mµ µ m! mµ m!
Antes de continuar con el análisis de la Cadena de Markov, con-
viene detenerse en los dos siguientes términos que aparecen en
(6.9) y (6.10):
λ λ
ρ, , I,
mµ µ
que, obviamente, se relacionan mediante la expresión I = mρ.
Los términos ρ e I
Por una parte, el término ρ se define como el cociente entre la
tasa de entrada λ y la tasa máxima de salida con todos los servido-
res ocupados mµ. Por lo tanto, dado que la capacidad de la cola es
infinita, para que se pueda obtener una solución del sistema será
necesario que se cumpla (de forma similar al sistema M/M/1)
λ < mµ → ρ < 1 .
Además, el término ρ admite la misma interpretación que en

el caso del M/M/1, como valor de ocupación de un recurso. Esto
puede verse interpretando los m recursos en paralelo como un
sistema al que acceden usuarios a una tasa λ y pasan un tiempo
ts = 1/µ. Aplicando Little, el número medio de usuarios en el
sistema será
N = λts = λ/µ = mρ ,
por lo que ρ coincide con el porcentaje de tiempo que un servidor

está ocupado.
De hecho, este número medio de servidores ocupados mρ coin-
cide con la expresión para el término I. Por lo tanto, I podría inter-
pretarse como el mínimo número de servidores que serían necesa-
rios para atender a una demanda de tráfico λ, si el tiempo medio
de servicio es 1/µ.
Cálculo de pn y probabilidad de espera en cola

Como se ha visto anteriormente, las probabilidades de cada
estado se pueden expresar en función de p0 :
 n
I

 · p0 Si n ≤ m
pn = n!
m
 ρn m · p

Si n ≥ m
0
m!
Para calcular p0 se aplica la ecuación ∑ pn = 1, de lo que resulta
∞
!
m −1 n m
I nm
p0 ∑
n! n∑
+ ρ =1
n =0 =m m!
lo que lleva al siguiente valor de la probabilidad de que el sistema

se encuentre vacío:
! ! −1
m −1 n
I Im 1
p0 = ∑ n! + m! · 1 − ρ .
n =0
A partir de las anteriores expresiones es se puede calcular la

probabilidad de que un usuario tenga que esperar, esto es, la pro-
babilidad condicionada de que, al llegar al sistema, haya m o más
usuarios: por la propiedad PASTA (página 55), esta probabilidad
coincide con la probabilidad de que el sistema se encuentre en los
correspondientes estados pm , pm+1 , pm+2 , etc.
Por lo tanto, la probabilidad de esperar en cola PQ se puede
expresar como14 14
Para el caso de p.ej. un call center,
∞ dicha probabilidad se trata de una mé-
PQ = ∑ pm trica de “satisfacción” (o su ausencia)
n=m de los usuarios.
y puede obtenerse como

∞ ∞
ρn m mm Im 1
PQ = ∑ m!
m p0 = p0 ∑ ρ n =
m! n=m m! 1 − ρ
p0
n=m
La expresión para calcular PQ recibe el nombre de Erlang-C:

Im 1 Im
m! 1−ρ m!
PQ = Ec (m, I ) = =
−1 In Im −1 I n Im
∑m
n =0 n! + m! · 1
1− ρ (1 − ρ ) ∑ m
n=0 n! + m!
(6.11)
Ejemplo 6.10. Suponga un servicio telefónico de atención al cliente

con dos operarios. Las llamadas tienen una duración que se puede
modelar con una variable aleatoria exponencial de media 5 minutos
y se estima que hay una consulta cada 10 minutos, que se produce
según un proceso de Poisson. En estas condiciones,
λ 1/10 λ 1/10
I= = = 1/2 y ρ= = = 1/4 .
µ 1/5 mµ 2/5
La probabilidad de que un usuario tenga que esperar para ser
atendido viene dada por la expresión (6.11):
(1/2)2 1
2! 1−1/4 1/8 · 4/3 1
Ec (2, 1/2) = = = = 0, 1 .
(1/2)2

1+ 1
+ · 1 5/3 10
2 2! 1−(1/4)
Por lo tanto, el 10 % de las llamadas tendrán que esperar antes

de ser atendida. Si se considera que dicha proporción es muy alta,
será preciso aumentar el número de operarios m.
Con m = 3 se tiene la misma I pero
λ 1/10
ρ= = = 1/6 .
mµ 3/5
La probabilidad de esperar pasa a ser
(1/2)3 1
3! 1−1/6 1
Ec (3, 1/2) = = ≈ 0, 01515 ,
(1/2)2 )3
1+ 1
2 + 2! + (1/2
3! · 1
1−(1/6)
66
esto es, con un operario más la proporción de llamadas que tienen

que esperar baja al 1,5 %.
Nótese que la Erlang-C, como se ilustra en el ejemplo anterior,

es una ecuación de análisis pero no de diseño: fijado un escenario en
términos de λ, µ y m dicha expresión permite calcular pm , pero no
es posible despejar el mínimo valor de m que garantiza unas presta-
ciones. Para ello, es preciso emplear un método de “prueba y error”
o acudir a tablas precalculadas u otras herramientas numéricas.
Análisis de prestaciones básicas del sistema

En el caso del M/M/m, para obtener el rendimiento del sistema
(a través de los parámetros N, T, W y Q) resulta más sencillo calcu-
lar en primer lugar el número medio de usuarios en cola Q.15 Para 15
En el caso del M/M/1, el análisis
comienza con el número medio de
realizar dicho cálculo, hay que tener en cuenta que hasta el estado
usuarios en el sistema:
m + 1 no hay usuarios en cola. Por lo tanto, ∞
∞ ∞ ∞
N= ∑ npn
mm mm
∑ (n − m) pn = ∑ (n − m)ρn m! p0 = ρm m! p0 ∑ (n − m)ρn−m
0
Q=
n=m n=m n=m
lo que lleva a
Im ρ
Q= p0 (6.12)
m! (1 − ρ)2
que puede expresarse como (sustituyendo el término p0 )16 16

El valor de p0 viene dado por:
! ! −1
m −1 n
Im I Im 1
∑
ρ
m! (1−ρ)2 p0 = + · .
n=0 n! m! 1 − ρ
Q=
−1 In Im
∑m
n =0 n! + m! · 1
1− ρ
Una vez obtenido Q, el tiempo medio de espera en cola se calcu-

la mediante Little
Q
W= ,
λ
mientras que el tiempo medio de estancia en el sistema y número
medio de usuarios en el sistema se obtiene de
1
T=W+ , N = λ · T = Q + mρ
µ
Ejemplo 6.11. Sea un sistema M/M/2 con
λ = 2 usuarios/segundo
µ = 2 usuarios/segundo
Con estos valores,
λ ρ 1
I= = 1, ρ= =
µ m 2
Para calcular Q con la expresión (6.12), primero se calcula p0

como
! ! −1 −1
m −1 n
Im

I 1 1 1
p0 = ∑ n!
+ ·
m! 1 − ρ
= 1+1+ ·
2 1 − 1/2
= 1/3
n =0
El número medio de usuarios en cola se obtiene como
Im · ρ 1 · 1/2 1
Q= 2
p0 = 2
· = 1/3 ,
m!(1 − ρ) 2!(1 − 1/2) 3
y, a partir de este valor,
Q 1 1 2
W= = segundos, yT=W+ = segundos .
λ 6 µ 3
Por último, la probabilidad de que un usuario no tenga que

esperar (1-PQ ) coincide con la probabilidad de que al menos haya
un recurso disponible al llegar, esto es:
m −1
1 1 2
Pr(No esperar) = ∑ = p0 + p1 = + =
3 3 3
.
n =0
Relación entre PQ y Q
Resulta destacable que las expresiones para PQ y Q, dadas por
(6.11) y (6.12), guardan la siguiente relación17 17
Por comodidad, se repiten las
expresiones aquí:
ρ
Q= P Im 1
1−ρ Q PQ =
m! 1 − ρ
p0
Im ρ
Dicha relación puede deducirse aplicando la esperanza condi- Q= p0
m! (1 − ρ)2
cionada para el cálculo de Q, según se tenga que esperar o no al
sistema:
Q = E[ Q] = E[ Q | Esperar] PQ + E[ Q | No esperar](1 − PQ )
donde, por definición, E[ Q | No esperar] = 0 por lo que queda
E[ Q] = E[ Q | Esperar] PQ
El cálculo de E[ Q | Esperar] se corresponde con el número medio

de usuarios en cola que “ve” un usuario que llega al sistema y tiene
que esperar, esto es, que llega al estado m o superior. Considerando
únicamente estos estados, la cadena de Markov resultante es
λ λ λ λ
& & &
m m+1 m+2 m+3 .. .
f f f g
mµ mµ mµ mµ
lo que se correspondería con un sistema M/M/1 (donde los estados

empiezan a contar en m), con tasa de llegada λ y tasa de servicio
mµ. El número medio de usuarios en cola para el M/M/m, por
lo tanto, se corresponde con el número medio de usuarios en el
sistema M/M/1
ρ
E[ Q | Esperar] = NM/M/1 =
1−ρ
de lo que se deduce la relación entre Q y PQ .
Prestaciones de un M/M/m vs. un M/M/1 con la misma capacidad

Resulta interesante comparar las prestaciones de un sistema
M/M/m donde cada servidor tiene una capacidad µ con las de un
sistema M/M/1 con un servidor con capacidad m · µ, dado que en
ambos casos la capacidad máxima de procesado es la misma, pero
en el primero ésta se encuentra dividida entre varios servidores
mientras que en el segundo se encuentra agregada en un único
servidor.
Ejemplo 6.12. Sea ahora un sistema M/M/1 con λ = 2 usua-

rios/segundo y 1/µ = 1/4 segundo, esto es, con la misma tasa de
entrada que en el ejemplo 6.11 (un sistema sistema M/M/2) pero la
mitad del tiempo de servicio. Puede interpretarse que ambos siste-
Figura 6.14: Comparación M/M/1 con
mas tienen la misma “capacidad” dado que la µ del M/M/1 es el M/M/m de la misma capacidad.
doble que la µ de cada uno de los servidores del M/M/2.
La ocupación del M/M/1 viene dada por
λ 1
ρ= = ,
µ 2
por lo que el retardo total en el sistema resulta
1/µ
T= = 1/2 segundo,
1−ρ
y, a partir de este retardo

Sistema
1 Parámetro M/M/1 M/M/2
W = T − ts = segundo. W (s) 1/4 1/6
4 ts (s) 1/4 1/2
T (s) 1/2 2/3
Se resumen los resultados de retardo para este sistema y el an-
Tabla 6.8: Retardos medios en cola,
terior en la Tabla 6.8, donde se aprecia que si bien en el M/M/2 el de servicio y total para un M/M/1 y
tiempo medio de espera en cola es menor que en el M/M/1, tanto M/M/2 con λ = 2 y ρ = 1/2.
el tiempo medio de servicio como el tiempo medio total de estancia

en el sistema son mayores.
A la vista de estos resultados se tiene que, al comparar las

prestaciones de un sistema M/M/1 con otro M/M/m, ambos con
la misma capacidad agregada:
Considerando las prestaciones globales del sistema (el retardo

medio total T), resulta mejor agrupar recursos en un único servi-
dor que distribuirlos en dos servidores menos potentes.
A cambio, el tiempo medio de espera en cola W para el M/M/1

resulta ligeramente mayor (además de otras consideraciones,
como p.ej. que un servidor muy potente pueda ser más caro que
varios servidores con la misma potencia agregada).
Agregar la capacidad de procesado en un único servidor mejora

las prestaciones globales del sistema, siendo éste uno de los resul-
tados fundamentales del la teoría de colas. La explicación para este
comportamiento se puede deducir analizando el comportamiento
en situaciones de alta y baja carga:
Cuando la carga sea elevada, ambos sistemas tienen todos sus

recursos ocupados, por lo que la salida de usuarios se produce a
la máxima capacidad µ.
Sin embargo, en situaciones de baja carga, en un sistema M/M/1

siempre se aprovechará toda la capacidad µ a partir del primer Figura 6.15: Comparación M/M/1 con
usuario (Fig. 6.15), mientras que en un sistema M/M/m esto M/M/m de la misma capacidad en
baja carga.
sólo ocurre si hay m o más usuarios en el mismo, por lo que se
desaprovecharán recursos.
No obstante, para elegir el mejor sistema a igualdad de capaci-

dad, en un caso general habrá que tener en consideración otros
parámetros, como p.ej. el coste o la necesidad de tener cierta fia-
bilidad frente a fallos (en un sistema M/M/1, el fallo del servidor
resulta catastrófico).
Sistemas con capacidad finita: sistemas con rechazo
Los sistemas con rechazo son aquellos en los que el tamaño de la

cola tiene un valor finito, por lo que una llegada que se encuentre el
sistema a su capacidad máxima no será admitida (será rechazada).
Únicamente se tendrán en cuenta los sistemas en los que la petición
rechazada es la que intenta acceder al sistema y no otros sistemas
como, por ejemplo, cuando hay un mecanismo de prioridad en el
que la llegada de un nuevo usuario provoca la expulsión de otro
usuario de menor prioridad.
En estos sistemas la tasa efectiva λ que cursa el sistema no es
Figura 6.16: (Repetida) Tasa cursada en
igual que la tasa ofrecida λ al mismo, sino que están relacionadas un sistema con bloqueo.
por la probabilidad de bloqueo PB (Figura 6.16):
λ = λ · (1 − PB )
En el modelado de los sistemas M/M/1 y M/M/m, dado que el
número de estados de la cadena de Markov es infinito, para poder
obtener la distribución de probabilidades de estado estacionaria era
preciso que
λ
< 1, es decir, λ < m · µ,
m·µ
para que la tasa media de entrada fuese inferior a la tasa máxima
de salida. En los sistemas con una capacidad finita K esta condición
no es necesaria, dado que el número de estados es finito. Por lo
tanto, independientemente del valor de λ y µ será posible obtener
las prestaciones del sistema, incluyendo los casos en que λ > nµ.
En el caso límite pK → 1 la probabilidad de rechazo será muy
alta y el número medio de usuarios tenderá a K, pero siempre será
posible analizar el sistema.
Recordatorio: la propiedad PASTA

En un sistema con capacidad finita K, la probabilidad PB de
rechazar un usuario es una probabilidad condicionada: se define
como la probabilidad de que llegue un usuario al sistema y vea que
el sistema está completo, por lo que se produce un bloqueo y no es
admitido.
Por otra parte, se puede definir la probabilidad de que haya K
usuarios en el sistema, esto es, que esté lleno: PK . A diferencia de
la anterior, se trata de una definición temporal: es la probabilidad
de que en un instante de tiempo al azar el sistema esté completo,
Figura 6.17: Rechazo de una llegada
independientemente de la llegada o no de usuarios. (arriba) vs. sistema lleno (abajo).
Las probabilidades PB y PK son probabilidades diferentes, por
lo que sus valores no tendrían por qué coincidir. Sin embargo,
por la propiedad PASTA de los procesos de Poisson (página 55),
en un sistema donde el tiempo entre llegadas siga una variable
aleatoria exponencial, se tiene que ambas coinciden. Por lo tanto,
para calcular la probabilidad de rechazo bastará con calcular la
probabilidad de que haya K usuarios en el sistema:
PB = PK .
Utilización de recursos
En un sistema M/M/m (incluyendo m=1) el término ρ es el
cociente entre la tasa de llegadas y la tasa máxima de salidas
λ
ρ= ,
mµ
y coincide, como se vio en Ejemplo: Aplicación de Little para un
sistema con un recurso (página 133), con la utilización media de un
recurso. Sin embargo, en un sistema con rechazo es preciso tener en
cuenta la tasa efectiva de llegadas:
λ = λ(1 − PB ) .
Sea un sistema con rechazo y m recursos en paralelo, del que se

pretende calcular ρ, esto es, la utilización media de los recursos. Por
definición de ρ, la tasa media de salidas es
ρ · m · µ.
Dado que el sistema no crea peticiones, debe cumplirse que la tasa

media de entrada sea igual a la tasa de salida, por lo tanto:18 18
Nótese que no se realiza ninguna
suposición sobre el proceso de llegadas
λ = ρ · m · µ. o los tiempos de servicio.
A partir de esta expresión, ρ se puede calcular como

λ(1 − PB ) λ
ρ= = .
mµ mµ
Teorema de Little y tiempos de estancia

Al igual que para el caso de la utilización de los recursos, el
teorema de Little relaciona los retardos medios en el sistema con
el número medio de usuarios que lo atraviesan. Por lo tanto, la
expresión a emplear dada una probabilidad de rechazo PB será
N = λ · T = λ(1 − PB ) · T.
De hecho, cuando se habla de tiempos medios de estancia, ya

sea en la cola, en el recurso o en el sistema, se deberá entender
que son los tiempos medios de estancia de aquellas peticiones que
son atendidas por el sistema, dado que no tiene sentido calcular el
tiempo medio para una petición que es rechazada.
Ejemplo 6.13. Sea una gasolinera similar a la del Ejemplo 5.4, con
un surtidor y una capacidad máxima para dos coches (incluyendo
al que está repostando). La gasolinera siempre está llena y el tiem-
po medio de estancia es de 5 minutos. En estas condiciones, la tasa
de coches que entran a la gasolinera será Figura 6.18: Gasolinera con un surtidor
y sitio para dos coches.
N 2
λ= = = 24 coches/hora.
T 5
Si se estima que la tasa de coches que quieren entrar a la gasoli-
nera es de 30 coches/hora, la probabilidad de rechazo es del 20 %.
El sistema M/M/1/K
El sistema M/M/1/K es muy similar al M/M/1, pero el núme-

ro máximo de usuarios en el sistema está limitado por K. Por lo
tanto, la longitud máxima de la cola es K − 1, dado que el recurso
puede albergar a un usuario. Este sistema resulta apropiado para
modelar situaciones de capacidad finita, como por ejemplo una
línea de transmission con un buffer de un tamaño limitado, o una
sala de espera que no puede albergar a más de un número dado de
usuarios. Figura 6.19: Sistema M/M/1/K.
La cadena de Markov para modelar el sistema tiene una estruc-

tura muy parecida a la empleada al modelar el M/M/1, si bien
acaba en el estado K (por lo que hay K + 1 estados):
λ λ λ λ λ λ
% % % % %
0 1 2 3 . . .a K-1 e K
e e e e
µ µ µ µ µ µ
Las relaciones entre estados son las mismas que para el caso del
M/M/1, es decir
n
λ
pn = p0 , ∀1 ≤ n ≤ K,
µ
Empleando el parámetro I = λ/µ (que no coincide con el pa-
rámetro ρ, según se verá más adelante), las relaciones se pueden
expresar como
pn = I n p0 , ∀1 ≤ n ≤ K,
A diferencia del M/M/1, calcular el valor de p0 hay que hacer
una suma finita
K K
∑ pn = ∑ I n p0 = 1
n =0 n =0
quedando la expresión para p0 como
! −1
K
p0 = ∑ In (6.13)
n =0
cuya solución dependerá, como se verá a continuación, del valor de

I = λ/µ
Caso I 6= 1 (es decir, λ 6= µ)

En este caso, el cálculo del valor de p0 según la expresión (6.13)
resulta19 19
La suma finita de la serie geométrica,
1−I para cualquier r 6= 1, es:
p0 =
1 − I K +1 N
1 − r N +1
Por lo que la distribución de probabilidades en estado estaciona- ∑ rn = 1−r
n =0
rio es
1−I n
pn = I , N = 0, 1, . . . , K
1 − I K +1
La tasa efectiva de entrada al sistema viene dada por
1 − IK
λ = λ (1 − p K ) = λ
1 − I K +1
mientras que la ocupación media del recurso viene dada por la

expresión habitual
λ
ρ=
µ
A partir de la expresión para pn , se puede obtener el número
medio de usuario en el sistema, calculando
K
N= ∑ n · pn ,
n =0
que queda
I ( K + 1 ) I K +1
N= − ,
1−I 1 − I K +1
A partir de N se puede obtener T aplicando el teorema de Little
N
T= ,
λ (1 − p K )
mientras que el valor de Q se puede obtener, bien restando del

número medio de usuarios en el sistema la ocupación media del
recurso
Q = N − (1 − p0 ),
o bien a partir del tiempo medio de espera en cola
W = T − ts ,
y aplicando Little (con la tasa efectiva de entrada)
W
Q=
λ (1 − p K )
Ejemplo 6.14. Sea una empresa donde se comparte una impresora

en red con una capacidad máxima de 4 trabajos de impresión,
donde el tiempo para imprimir se puede modelar con una variable
aleatoria exponencial de media 24 segundos. La tasa de generación
de trabajos es de 5 peticiones/minuto, y se pretende conocer la
probabilidad de que un trabajo se pierda y el tiempo medio para
imprimirlo
Se puede modelar como un sistema M/M/1/4, donde el tiempo
de servicio tiene por media
1/µ = 24 segundos ≡ 0.4 minutos,
por lo que I = λ/µ = 2. La probabilidad de que el sistema esté

lleno es
k
1 − λµ λ
µ (1 − 2)24 16
pk = k +1 = 5
= ,
1 − 2 31
1 − λµ
que coincide con la probabilidad de un trabajo se pierda (por la

propiedad PASTA).
El número medio de trabajos en la impresora viene dado por
I ( K + 1 ) I K +1 2 (4 + 1)24+1 98
N= − = − =
1−I 1 − I K +1 1−2 1 − 24 + 1 31
por lo que el tiempo medio para imprimir es
N 98/31 98
T= = = minutos (78.4 s)
λ (1 − p K ) 5(1 − 16/31) 75
Caso I = 1 (es decir, λ = µ)

En este caso, el incremento de usuarios en la cadena de Markov
tiene la misma tasa que su decremento. Se puede ver20 que, dado 20
La cadena de Markov se puede
que λ = µ, la cadena se encuentra “equilibrada” sin existir una representar como:
tendencia hacia el estado 0 o el estado K. Las relaciones entre las λ λ λ

%
λ
% %
probabilidades de estado pasan a ser
. . .a
0 1 K-1 K
e e e
p n = p0 , ∀ n λ λ λ λ
por lo que la ecuación ∑ pn = 1 se convierte en
( K + 1) p0 = 1
de donde se obtiene que:

1
pn = , ∀n = 0, 1, . . . , K
K+1
Se puede deducir fácilmente que
K
N=
2
mientras que el resto de parámetros del sistema se calculan de una
forma similar al caso anterior.
Ejemplo 6.15. Sea el caso de la impresora compartida como en el

Ejemplo 6.14, pero con la mitad de tasa la tasa, esto es,
λ = 2,5 peticiones/minuto.
Sigue siendo un sistema M/M/1/4 con µ = 0,4 minutos, pero

ahora I = 1, por lo el número medio de usuarios en una impresora
es
N = K/2 = 2 trabajos de impresión.
La probabilidad de rechazo viene dada por
1 1
pk = = ,
k+1 5
mientras que el tiempo medio para imprimir pasa a ser
N 2
T= = = 1 minuto.
λ (1 − p k ) 2,5(1 − (1/5))
El sistema M/M/m/m
Se trata de un sistema donde el número de recursos en paralelo

m es igual al número máximo de usuarios en el sistema m. Por
lo tanto, no hay cola en la que los usuarios aguarden a esperar: o
son atendidos al entrar al sistema, o son directamente rechazados.
Se trata de un sistema que serviría para modelar, por ejemplo,
una central de conmutación de circuitos con m líneas, o una trama
TDMA de m ranuras.
Dado que no hay cola, el número medio de usuarios en cola así
como el tiempo medio de espera es cero:
W=0
Q=0 Figura 6.20: Sistema M/M/m/m.
Por lo tanto, el tiempo medio de estancia en el sistema (para los

usuarios que no son rechazados) es el tiempo medio de servicio:
T = 1/µ = ts .
Para obtener N a partir de T mediante el teorema de Little es
preciso calcular la probabilidad de bloqueo PB , para lo que es preci-
so modelar el sistema con una cadena de Markov. Esta cadena tiene
un número de estados finito, como en el caso anterior, si bien las
tasas de transiciones del estado n al n − 1 se producen a tasa nµ,
dado que hay n usuarios siendo servidos:
λ λ λ λ λ λ
% % % % %
0 1 2 3 . . .a m-1 m
e e e e e
µ 2µ 3µ 4µ ( m −1) µ mµ
Las relaciones entre las probabilidades de estados son similares a

las del sistema M/M/m cuando n < m, esto es
λ λ λ λ
p1 = p0 , p2 = p1 , p3 = p2 , p4 = p3 , . . .
µ 2µ 3µ 4µ
A partir de estas relaciones, de ∑ pn = 1 se obtiene que
! −1
m
In
p0 = ∑
n =0
n!
mientras que para el resto de estados
In
pn =
p0 , n = 0, 1, . . . , m
n!
En general, en un sistema M/M/m/m la variable de mayor
interés es la probabilidad de bloqueo PB , que coincide con la proba-
bilidad de que haya m usuarios en el sistema (pm ).Particularizando
la expresión de pn para el caso de m usuarios se obtiene otra de
las expresiones más importantes de la teoría de colas, la ecuación
conocida como Erlang-B:
Im
B(m, I ) , pm = m! (6.14)
m In
∑
n=0 n!
y que, por lo tanto, permite calcular la probabilidad de que un

usuario no sea admitido al sistema, dados un número de recursos
m y el cociente I.
Ejemplo 6.16. Para una población que genera llamadas a una tasa
de 4 llamadas/minuto (de Poisson) se instala una centralita con
dos circuitos. La duración de una llamada se puede modelar con
una variable aleatoria exponencial de media 30 segundos. En estas
condiciones, se tiene que
4
λ = 4 llamadas/minuto, µ = 2 llamadas/minuto, I = =2.
2
La probabilidad de que un intento de llamada sea rechazado se

calcula como
Im 22
m! 2! 2
pm = m = = ,
22 5
∑ In 1+2+ 2!
n!
n =0
esto es, del 40 %, por lo que se cursan λ = 2.4 llamadas/minuto.

Si se instalase un circuito adicional para aumentar la facturación
(m = 3), la probabilidad de rechazo sería
23
3! 4
pm = 2 = ,
23 19
1 + 2 + 22! + 3!
esto es, aproximadamente del 20 %, por lo que en estas circunstan-

cias se cursarían unas 3.2 llamadas/minuto.
Con otro circuito adicional (m = 4), la probabilidad pasa a ser
2/21, esto es, aproximadamente un 10 % de rechazo de las llama-
das, mientras que con m = 5 dicha probabilidad pasaría a ser 4/109
(esto es, menos del 4 %). En la siguiente tabla se representa la re-
ducción de la probabilidad de bloqueo en función del número de
circuitos empleados.
m (∆m) pm (∇ pm ) p m − p m −1
2 0.400
3 (50 %) 0.211 (52 %) -0.189
4 (33 %) 0.095 (45 %) -0.116
5 (25 %) 0.037 (39 %) -0.061
Resulta interesante comprobar que, en términos relativos, el in-

cremento en el número de circuitos conlleva una reducción similar
de la probabilidad de bloqueo; sin embargo, en términos absolutos
la reducción de pm resulta cada vez menor, lo cual es lógico dado
que su valor tiende a 0 conforme m aumente: por lo tanto, en va-
lores de m relativamente elevados cada vez resultará más costoso
disminuir la probabilidad de bloqueo.
Resumen del tema
El tiempo de estancia en el sistema es la suma de tiempo de

espera en cola y el tiempo de servicio
T = W + ts
El teorema de Little establece la relación entre la tasa de llegadas,

el tiempo de estancia y el número medio de usuarios
N = λ·T
Agregar recursos en un único servidor mejora las prestaciones

del sistema.
Para una tasa de llegadas λ, un tiempo medio de servicio 1/µ y

m servidores en paralelo (incluyendo m = 1) se define
λ λ
I= , ρ=
µ µ
En un sistema M/M/1:
1/µ 1
p n = ρ n (1 − ρ ), T= =
1−ρ µ−λ
FT (t) = 1 − e−(µ−λ)t .
En un sistema M/M/m:
! ! −1
m −1 n
I Im 1 Im · ρ
p0 = ∑ n! + m! · 1 − ρ , Q=
m!(1 − ρ)2
p0 .
n =0
 n
I

 · p0 Si n ≤ m
pn = n!
m
 ρn m · p

Si n ≥ m
0
m!
Im
m!
PQ = Ec (m, I ) =
−1 I n Im
(1 − ρ ) ∑m
n=0 n! + m!
En un sistema M/M/1/K:
n
1− λµ λ
( K +1 ) I K +1
µ I
Si λ 6= µ pn = K +1 N= 1− I − 1 − I K +1
1− λµ
1 K
Si λ = µ pn = K +1 N= 2
En un sistema M/M/m/m:
! −1
m
In In
p0 = ∑ n!
pn =
n!
p0
n =0
Problemas
Problema 6.1. Sea un recinto con dos cabinas de teléfono. Cuando

nadie está hablando, acuden a llamar según un proceso de Poisson
de media 6 usuarios/hora, pero si alguien se encuentra ocupando
una cabina, el ritmo de llegadas se duplica. Además, nunca hay
alguien esperando para hablar: los usuarios prefieren buscar otra
cabina. Sabiendo que la duración de una llamada se puede mode-
lar mediante una distribución exponencial de media un minuto,
compruebe que se cumple el teorema de Little, calculando el núme-
ro medio de usuarios en el sistema, la tasa media de llegadas y el
tiempo medio de estancia en el sistema.
Solución. 12/111 = 720/111 · 1/60.
Problema 6.2. Se desea comparar un sistema M/M/1 con un

sistema M/M/2 donde la capacidad de cada recurso es la mitad
que para el sistema M/M/1. Suponga λ = 1, µ1 = 2 y µ2 = µ1 /2.
Realice la comparación en términos de tiempo medio total en el
sistema y tiempo medio de espera en cola.
Solución. M/M/1: T=1, W=1/2; M/M/2: T=4/3, W=1/3.
Problema 6.3. (Ej. 14/15) Compare el tiempo medio total de es-

tancia en un sistema de un M/M/1 con el de un M/M/3 pero
en el que cada recurso tiene un tercio de la capacidad. Realice la
comparación para λ = 10 llegadas/ms, µ1 = 30 salidas/ms y
µ3 = 10 salidas/ms.
Solución. El M/M/3 es 23/11 veces más lento que el M/M/1.
Problema 6.4. (Ext. 12/13) El tiempo que se tarda en atender a un

cliente en una hamburguesería se puede modelar con una variable
aleatoria exponencial de media 3 minutos. Los clientes llegan según
un proceso de Poisson de tasa 30 clientes/hora y forman una única
fila hasta ser atendidos. El encargado tiene que decidir si poner
dos, tres o cuatro empleados atendiendo en paralelo, queriendo
minimizar el coste bajo la condición de que el tiempo medio total
que tarda un cliente desde que llega hasta que ha sido atendido sea
menor de 5 minutos. Calcule la mejor solución.
Solución. Tres empleados.
Problema 6.5. (Ord. 13/14) Sea un pequeño aparcamiento público

con cuatro plazas, al que los usuarios intentan acceder a una tasa
de 24 coches por día, según un proceso de Poisson. El tiempo que
permanece un coche se puede modelar con una variable aleato-
ria exponencial, de media dos horas, y los coches no esperan para
entrar al aparcamiento: si se encuentra ocupado, se van. Si un co-

che paga en media 3 e, calcule los ingresos medios por hora del
aparcamiento.
Solución. 19/7 e/h.
Problema 6.6. (Ord. 12/13) Sea una empresa con 5 trabajadores

y 1 jefe, que comparten una impresora en red con una capacidad
máxima de 4 trabajos de impresión (es decir: mientras un trabajo
se está imprimiendo, pueden esperar hasta 3 trabajos). El tiempo
para imprimir se puede modelar con una variable aleatoria expo-
nencial de media 24 segundos. La tasa de generación de trabajos de
impresión del jefe se puede modelar con un proceso de Poisson de
media 150 trabajos por hora. El tiempo entre peticiones de impre-
sión de cada empleado se puede modelar con una variable aleatoria
exponencial de media 2 minutos.
1. Calcule la probabilidad de que un trabajo del jefe no se imprima.
2. Si el jefe se compra una impresora idéntica para su despacho,

calcule el tiempo medio de impresión en cada impresora.
Solución. 1. 16/31; 2. 1’
Problema 6.7. (*) Sea un sistema donde se producen llegadas a

una tasa λ según un proceso de Poisson con un único servidor, cu-
ya tasa de servicio depende del número de usuarios en el sistema:
cuando hay menos de K usuarios se sirven a una tasa µ1 , con K o
más usuarios se sirven a una tasa µ2 . Calcule, en función de los co-
cientes ρ1 = λ/µ1 y ρ2 = λ/µ2 , la probabilidad de que el sistema
esté vacío para cualquier valor de K. Compruebe el resultado para
K = 1 y K → ∞.
Solución. La probabilidad de que el sistema esté vacío es:

! −1
1 − ρ1K ρ
p0 = + ρ1K−1 2
1 − ρ1 1 − ρ2
Problema 6.8. Sean dos centrales unidas por 4 circuitos. La pri-

mera recibe llamadas hacia la segunda a una tasa λ = 3 llama-
das/minuto. La segunda recibe llamadas hacia la primera a una
tasa tres veces inferior (también de Poisson). La duración de las
llamadas es exponencial, de media 30 segundos. Si se intenta una
llamada pero están todos los circuitos ocupados, se pierde. Se pide
1. Llamadas atendidas por unidad de tiempo.
2. Número medio de circuitos ocupados.

Solución. 1. 76/21; 2. 38/21.
Problema 6.9. (Ej. 10/11) Un servidor emplea dos máquinas

idénticas para servir páginas web, con una única cola de espera de
tamaño infinito desde la que se dirige cada petición a la primera
máquina que quede disponible. Suponga que las peticiones llegan
según un proceso de Poisson de tasa 40 peticiones por minuto, y
que cada petición demanda un tiempo exponencial de media 2
segundos.
1. Calcule en segundos el tiempo total (en media) que pasa una
petición en el sistema.
Suponga ahora que se emplea una única máquina, más rápida,
para atender las peticiones.
2. Si el tiempo demandado sigue siendo exponencial, ¿cómo de
rápido debe ser dicha máquina (en comparación con una de
las dos máquinas del apartado anterior) para obtener el mismo
tiempo medio?
Solución. 1. 18/5 s; 2. 17/9 más rápida.
Problema 6.10. (Ej. 11/12) Un servidor emplea tres máquinas

idénticas para servir peticiones web, con una única cola de espe-
ra. Dicha cola tiene tamaño infinito, y las peticiones se dirigen a
la primera máquina que quede disponible. Las peticiones llegan
según un proceso de Poisson de tasa 4 peticiones/segundo, y el
tiempo que tarda en ser servida una petición se distribuye según
una variable aleatoria exponencial de media 500 ms.
1. Calcule, en segundos, el tiempo medio total que se tarda en
atender una petición.
Suponga ahora que en vez de tres máquinas se emplea una única
máquina, pero tres veces más rápida.
2. ¿Cuál sería en estas condiciones el valor del tiempo medio total?
3. Compare los resultados anteriores.
Solución. 1. 13/18; 2. 1/2.
Problema 6.11. (Ext. 13/14) Suponga una barra de comida rápida

en la que los clientes se sientan en uno de los dos taburetes dispo-
nibles a comer. Los clientes llegan según un proceso de Poisson de
tasa 10 clientes/hora, si no hay taburete disponible se marchan, y
el tiempo que pasan en la barra se puede modelar con una variable
aleatoria exponencial de media 12 minutos. En estas condiciones,
cada cliente paga en media 30 e. El dueño del local se plantea am-
pliar la barra con otro taburete, pero cree que los clientes pagarían
5 e menos cada uno. Calcule: a) la probabilidad de que la barra es-
té vacía en las dos situaciones y b) si ganaría más dinero ampliando
la barra.
Solución. a) 1/5 vs. 3/19; sí

Teoría de colas: sistemas avanzados
En todos los sistemas vistos en el tema anterior, indepen-

dientemente de su capacidad o número de recursos en paralelo, se
cumplía que: (i) las llegadas siguen un proceso de Poisson, (ii) el
tiempo de servicio se puede modelar con una única variable aleato-
ria exponencial, (iii) todas las peticiones y usuarios son del mismo
tipo, sin prioridades, y (iv) únicamente se analiza un sistema. En
este tema se aborda el estudio de sistemas donde no se cumpla al-
guna de las tres últimas características, esto es, sistemas donde las
llegadas sigan siendo de Poisson, pero ocurra que:
Los tiempos de servicio no siguen una variable aleatoria expo-

nencial, sino que pueden ser fijos, estar distribuidos uniforme-
mente, ser mezclas de diferentes variables aleatorias, etc. Relajar
esta suposición puede servir, p. ej., para modelar flujos donde
se mezclan tramas de datos y de asentimientos, o para el ca-
so de agregados de tramas de voz de longitud constante. Estas
situaciones se analizarán con el sistema M/G/1.
Hay usuarios con mayor prioridad que otros, por lo que cuando
distintos tipos de usuarios coinciden en la cola, el de mayor
prioridad tendrá preferencia para ser atendido. Esto puede servir
para modelar un router que proporcione “diferenciación de
servicio” entre tipos de trama, p.ej., si las tramas de un usuario
premium tienen prioridad sobre las de un usuario normal. Este
caso se analizará con el sistema M/G/1 con prioridades.
Dos o más sistemas se encuentran conectados, de modo tal que

tras ser servidos por un sistema, los usuarios pueden ser servi-
dos por otro diferente (o más de uno). Esto servirá, bajo ciertas
suposiciones, para modelar el caso de una red de comunicacio-
nes, tratándose de redes de colas.
El sistema M/G/1
Como su notación indica, en este sistema las llegadas son de

Poisson, únicamente hay un recurso, y el número máximo de usua-
rios en el sistema no está acotado. La diferencia respecto al M/M/1
es que el tiempo de servicio no se distribuye necesariamente como
una variable aleatoria exponencial, por lo que no se puede partir de
161
la propiedad “sin memoria” que facilitaba el análisis (p.ej., en un

M/M/1 ocupado, la probabilidad de que un usuario sea servido
antes de t unidades de tiempo es siempre la misma).1 1
Cuando el tiempo de servicio sea
Algunos escenarios que se pueden modelar mediante un M/G/1 una variable aleatoria exponencial
será un caso particular del sistema
son: un router de salida que recibe el agregado de varios flujos con M/G/1, por lo que los resultados de
tramas de longitud no exponencial (p. ej., constante), o un punto ese análisis también serán válidos para
un M/M/1.
de acceso de una red inalámbrica, donde los usuarios descargan
archivos de longitud uniformemente distribuida.
Planteamiento básico
Dado que los tiempos de servicio no siguen una variable alea-
toria exponencial, el sistema no puede modelarse con una cadena
de Markov, como los sistemas básicos. Dado que las llegadas son
de Poisson, para analizar el sistema se aplicará la propiedad PAS-
TA (página 55): la esperanza de lo que “ve” un usuario al llegar al
sistema coincide con la media temporal de la variable considerada
(Poisson Arrivals See Time Averages).
Sea una llegada cualquiera al sistema. Lo dicha llegada “ve” que
tiene que esperar antes de llegar al recurso (ver Figura 7.1) se puede Figura 7.1: Estado visto por una
dividir en dos componentes: llegada al sistema
El tiempo para dar servicio a las Q peticiones que ya se encon-

trasen en la cola cuando llegó, cada una reclamando un tiempo
medio de servicio ts .
El tiempo que todavía falta para terminar de servir la petición

que se pudiese encontrar en el recurso, esto es, el tiempo residual
de servicio R (que se analizará en el siguiente apartado).
Por lo tanto, la esperanza del tiempo de espera en cola de la
petición que llega al sistema es la suma de estas dos componentes:
W = Q · ts + R
Dado que, por el teorema de Little, se cumple que Q = λ · W, de

lo anterior se tiene que
W = λ · W · ts + R .
Además, si se llama a la ocupación ρ = λ · ts , se deduce la siguiente

expresión para el tiempo medio de espera en cola:
R
W= . (7.1)
1−ρ
Por lo tanto, una vez calculado R, con la expresión (7.1) se puede
obtener el tiempo medio de espera en el sistema, y a partir de éste
el tiempo total de estancia en el sistema T (sumando el tiempo
medio de servicio) y resto de variables.
Cálculo del tiempo medio residual de servicio

La variable R es la esperanza de lo que quede por servir a un
usuario que pudiese estar en el recurso cuando llega un nuevo usua-
teoría de colas: sistemas avanzados 163
rio al sistema (es una esperanza condicionada). Dado que la condi-

ción es que llegue un usuario, hay que tener en cuenta que cuanto
mayor sea el tiempo que falta por servir al usuario en el recurso,
más probable será que se produzca una llegada (y viceversa).
Ejemplo 7.1. Sea una peluquería unisex con un único peluquero

que sólo atiende un cliente a la vez y que siempre está llena. Hom-
bres y mujeres acuden en igual proporción, y el tiempo de servicio
es de 10’ para los hombres y de 50’ para las mujeres. En estas con-
diciones, el tiempo medio de servicio por cliente (hombre o mujer)
es:
1 1
t = Pr(hombre)thombre + Pr(mujer)tmujer = 10 + 50 = 30 minutos.
2 2
Suponiendo que los clientes llegan según un proceso de Poisson,
dado que la peluquería siempre está llena, el tiempo residual es
el tiempo que pasa desde que un nuevo cliente llega hasta que el
peluquero termina de atender al cliente que está siendo atendido.
La media de dicho tiempo no es el tiempo medio de servicio por
cliente (es decir, t/2 = 15 minutos), dado que es más probable que
un cliente llegue cuando está atendiendo a una mujer que a un
hombre:
Figura 7.2: Llegadas de Poisson a

una peluquería con dos tiempos de
servicio. Es cinco veces más probable
que un allegada de Poisson suceda
cuando atiende a una mujer que
cuando atiende a un hombre.
Dado que una llegada de Poisson puede suceder en cualquier

momento, es cinco veces más probable que un cliente llegue cuando
el peluquero está atendiendo a una mujer que a un hombre. En el
primer caso, el tiempo medio hasta que termine será 50’/2 = 25
minutos, mientras que en el segundo caso dicho tiempo será 10’/2
= 5 minutos. Por lo tanto, el tiempo residual de servicio será en este
caso
tmujer t
R = Pr(llegada con mujer) + Pr(llegada con hombre) hombre
2 2
5 1 65
= 25 + 5 = minutos ≡ 21’ 40 s,
6 6 3
que resulta notablemente mayor que la mitad del tiempo medio de
servicio por cliente (que era 15 minutos).
En un caso general, donde el sistema no siempre esté ocupa-

do, un usuario que llegue a un sistema puede encontrarlo de dos
formas:
Libre, por lo que el tiempo residual de servicio es cero.
Ocupado, siendo el tiempo residual de servicio el tiempo que

aún le queda al usuario en el recurso.
A continuación se presenta un cálculo gráfico del tiempo resi-

dual medio de servicio R. Para ello, se define R(τ ) como el tiempo
residual instantáneo de servicio que “ve” un usuario que llegue al
sistema en un instante de tiempo τ. Se supone que, dado un valor
de R(τ ) > 0, el usuario en el recurso recibe servicio a una tasa
constante, por lo que R(τ ) decrece de forma lineal con el tiempo,
con pendiente -1.
Figura 7.3: Cálculo del tiempo residual

de servicio.
En la Figura 7.3 se representa R(τ ) para un caso general con

M (t) llegadas de usuarios, donde el usuario i requiere un tiem-
po de servicio ti .2 Nótese que hay periodos donde el sistema está 2
De esta forma, la primera llegada
completamente vacío (por ejemplo, entre la segunda y la tercera require un tiempo de servicio t1 ,
mientras que la última llegada (la
llegada). llegada M (t)) requiere un tiempo de
La media del tiempo residual de servicio se puede calcular como servicio t M(t) .
Z t
1
R = lı́m R(τ )dτ,
t→∞ t 0
y supone calcular la integral de R(τ ) a lo largo del tiempo. Dicha

integral se puede expresar como la suma de las áreas de los trián-
gulos correspondientes a cada usuario
Z t M(t) 2
ti
0
R(τ )dτ ≈ ∑ 2
,
i =1
por lo que el tiempo residual de servicio queda como

M(t) 2
1 ti
R = lı́m
t→∞ t
∑ 2
.
i =1
Multiplicando y dividiendo esta expresión por M (t) y re-ordenando

términos y límites, se tiene que
M(t)
!
M(t)

1 1
R= lı́m
2 t→∞ t
lı́m
t→∞ M (t )
∑ ti ,
2
i =1
expresión que resulta similar a la del número medio de usuarios N

en el Teorema de Little (página 131).3 3
En el teorema de Little, dicha expre-
sión era
α(t)
α(t) ∑ Ti
N = lı́m · lı́m i=1
t→∞ t t→∞ α (t )
Analizando la expresión para el cálculo de R, aparecen por tanto

dos límites:
El primer límite es el cociente del número total de usuarios ser-

vidos sobre el tiempo total. Por lo tanto, dicho cociente es, de
nuevo, la tasa media de llegadas al sistema:
M(t)
lı́m ,λ
t→∞ t
El segundo término es la suma de todos los tiempos de estancia

en el sistema al cuadrado t2i dividida por el número total de
llegadas al sistema. A partir de un número de llegadas elevado,
este término se podrá aproximar por el momento de segundo
orden de los tiempos de servicio
M(t)
1
lı́m
t→∞ M(t) ∑ t2i ≈ E[t2i ].
i =1
A partir del cálculo de estos dos límites, se tiene que el tiempo

medio residual de servicio se puede expresar como
1
R= · λ · E[t2s ] (7.2)
2
Fórmula de Pollaczek-Khintchine (P-K)

Una vez obtenida la expresión para el tiempo medio residual R
(7.2), su sustitución en la expresión para el tiempo medio de espera
en cola W (7.1) resulta en la fórmula de Pollaczek-Khintchine4 4
Fórmula publicada por primera
vez por el matemático e ingeniero
R λE[t2s ] austriaco Felix Pollaczek en 1930 y
W= = , (7.3) redefinida en términos probabilísticos
1−ρ 2(1 − ρ )
por el matemático soviético Aleksandr
que permite calcular el tiempo medio de espera en cola en un siste- Khintchine dos años más tarde.
ma M/G/1 a partir de la tasa media de llegadas y los momentos de

primer y segundo orden del tiempo de servicio.
Al igual que en el caso de los anteriores sistemas, a partir de W
se puede calcular los otros parámetros de rendimiento del sistema,
como el tiempo medio de estancia (T = W + ts ) o el número medio
de usuarios en el sistema (N = λT).
Ejemplo 7.2. A un enlace de 100 Mbps llega un flujo de 80 Mbps,

donde las tramas tienen un tamaño fijo de 1500 B y el proceso de
llegada se puede considerar de Poisson.
Para calcular el retardo total T al atravesar el enlace, es preciso
primero obtener los términos de la expresión (7.3). Por una parte
80 Mbps
ρ= = 0.8,
100 Mbps
mientras que la tasa de llegadas y el tiempo (constante) de servicio
se obtienen como
80 Mbps 1500 · 8
λ= ≈ 6.66 tramas/ms, ts = = 0.12 ms.
1500 · 8 bits/trama 100 Mbps
A partir de estos valores, se obtiene5 5

Dado que el tiempo de servicio es
constante, E[t2s ] coincide con t2s .
6,66 · (0, 12)2
W= = 0.24 ms.
2(1 − 0,8)
Por lo tanto, el retardo total al atravesar el sistema es
T = W + ts = 0.36 ms.
Al aplicar la fórmula de P-K es preciso obtener el momento

de segundo orden del tiempo de servicio. Para ello, resulta útil
recordar la expresión que lo relaciona con el momento de primer
orden (esto es, la media) y la desviación típica
E[t2s ] = t2s + σt2s
De hecho, la fórmula de P-K se puede escribir como
λE[t2s ] λ(t2s + σt2s )

W= = ,
2(1 − ρ ) 2(1 − ρ )
que, reordenando términos, se puede expresar como

2 !
ρ · ts σts
W= 1+ (7.4)
2(1 − ρ ) ts
donde σts /ts es el coeficiente de variación de la variable aleatoria ts

(para la variable aleatoria exponencial, por ejemplo, su valor es
1).6 Esta expresión pone de manifiesto que, dada una carga en el 6
Estrictamente, el coeficiente de
sistema ρ y un tiempo de servicio medio ts , el tiempo medio de variación se define como el cociente
entre la desviación típica y el valor
espera aumenta conforme aumenta la varianza de ts . De esta forma, absoluto de la media.
cuando el tiempo de servicio sea un valor constante (esto es, en un
sistema M/D/1) el tiempo medio será mínimo.
Ejemplo 7.3. En un sistema M/M/1 el tiempo de servicio es una

variable aleatoria exponencial, que cumple que σts = ts . Por lo
tanto, la expresión (7.4) se convierte en
ρ · ts
W= ,
(1 − ρ )
que es la expresión ya conocida para dicho sistema, según lo visto

en el capítulo anterior.
En el caso de un sistema M/D/1 se tiene que σts = 0, por lo que
el tiempo medio de espera en cola es
1 ρ · ts
W= · ,
2 (1 − ρ )
esto es, la mitad que para el caso del M/M/1. Estos resultados
confirman que cuanto mayor es la variabilidad en el tiempo de
servicio, peores serán las prestaciones que recibirán los usuarios.
Usuarios con diferentes tipos de tiempos de servicio

El sistema M/G/1 también sirve para modelar escenarios donde
diferentes peticiones sigan diferentes variables aleatorias, como p.ej.
el agregado de varios flujos de comunicaciones de diferentes tipos.
Para ello, hay que suponer que dicho agregado se ha realizado de
forma tal que, desde el punto de vista del recurso, la probabilidad
de que una determinada petición sea de un tipo es constante e
independiente a cada petición.
Sea un escenario con N flujos diferentes, donde el tipo i aparece
con probabilidad αi y tiene un tiempo medio de servicio ti , con
i = {1, . . . , N }. En estas condiciones, el tiempo medio de servicio
puede obtenerse como
N
ts = ∑ αi · ti ,
i =1
Dada una tasa total de llegadas λ, la tasa de llegadas del tipo de

flujo i viene dada por
λi = αi λ ,
por lo que, dadas las tasas de llegadas de todos los tipos de flujo
{λk }, la probabilidad del tipo i se puede calcular como la propor-
ción de dicho flujo sobre el total
λi
αi =
∑1N λi
A partir de estas variables, para aplicar la fórmula de P-K es

preciso obtener el momento de segundo orden del agregado, lo que
se consigue mediante la ley de la probabilidad total
N
E[t2s ] = ∑ αi · E[t2i ] ,
i =1
lo que permite calcular el tiempo medio de espera, que es el mismo

para todos los usuarios
λE[t2s ]
Wi = ∀i
2(1 − ρ )
A partir del tiempo medio de espera, se puede calcular el tiempo

medio de estancia total para los usuarios de tipo i
Ti = W + ti ,
que, en general, no coincidirá con el tiempo medio de estancia para

una petición genérica
T = W + ts
Ejemplo 7.4. (Ej. 13/14) Sea un control de seguridad de un aero-

puerto, con una única cola de espera. Los viajeros llegan según un
proceso de Poisson de tasa 24 viajeros / hora, y el tiempo que tar-
dan en pasar el control se puede modelar con una variable aleatoria
exponencial. Hay dos tipos de viajeros: frecuentes (el 40 %), que

tardan en media 30 segundos en pasar el control, y no frecuentes (el
60 %), que tardan en media 3 minutos en pasar el control.
Se trata de un sistema M/G/1, dado que el tiempo de servicio
es a veces exponencial de media 30 s, con probabilidad α f = 0,4,
y otras veces exponencial pero de media 3 min, con probabilidad
αn = 0,6, por lo que en ningún caso es exponencial. El tiempo
medio de servicio es
f req no f req
E[ts ] = E[ts ]α f + E[ts ]αn = 2 min.,
mientras que el momento de segundo orden de dicho tiempo es

(teniendo en cuenta que para la variable aleatoria exponencial la
media y la desviación típica coinciden)
f req 2 no f req 2
E[t2s ] = E[(ts ) ]α f + E[(ts ) ]αn = 11 min.2 ,
Con esto, la fórmula del tiempo medio de espera en cola (para

todo tipo de viajero) resulta
λE[t2s ]
W= = 11 min.,
2(1 − ρ )
por lo que el tiempo medio para pasar el control un viajero frecuen-
te es
f req
T f req = W + ts = 11,5 min.,
mientras que para un viajero no frecuente es
no f req
T no f req = W + ts = 14 min.
El sistema M/G/1 con prioridades
Sea ahora un sistema con distintas clases de tráfico y que, en

vez de una única cola, tiene N colas diferentes, una para cada clase
de tráfico (Figura 7.4). Cada clase tiene una diferente prioridad y
existe un orden estricto: si hay un usuario de la primera clase, será
el siguiente en acceder al recurso una vez que éste quede libre; si
el recurso queda libre y no hay ningún usuario de la primera clase,
será atendido el primer usuario de la segunda clase, etc.
Se trata un sistema sin apropiación: una petición siempre espera a
que termine de ser servida la petición que estuviese en el recurso,
aunque fuese de menor prioridad (en un sistema con apropiación,
una petición de baja prioridad es expulsada del recurso cuando
llega una petición de mayor prioridad).
Figura 7.4: Sistema con N diferentes
Siguiendo el mismo razonamiento que en el análisis del M/G/1, clases.
el tiempo medio de espera en cola para los usuarios de la primera
clase (W1 ), que llegan a una tasa λ1 , viene dado por:
El tiempo medio residual de servicio del usuario que pudie-

ra estar en el recurso R (que puede ser de cualquier clase y se
calculará más adelante)
El tiempo medio de servicio que precisan los Q1 usuarios por

delante en la cola, cada uno t1 .
Por lo tanto, el tiempo medio de espera en cola se puede expre-
sar como
W1 = R + Q1 · t1 . (7.5)
A partir de esta expresión, aplicando el teorema de Little sobre la
cola de máxima prioridad se tiene
Q1 = λ1 W1 ,
por lo que definiendo ρ1 = λ1 t1 , que se puede interpretar como la

“carga relativa” de la primera clase, se puede expresar W1 como
R
W1 = . (7.6)
1 − ρ1
Sea ahora el caso de la segunda clase. De forma similar al cálculo
de W1 , dos de los componentes del tiempo de espera en cola de W2
serán:
El tiempo residual del usuario en el recurso R
El tiempo demandado por los usuarios que estén esperando,

que son los Q1 usuarios de la primera clase (que tienen más
prioridad) y los Q2 usuarios que se encuentren por delante de
este usuario.
Además de estos factores, para toda clase que no sea la de máxi-
ma prioridad aparece otro componente: los usuarios mayor priori-
dad que llegan mientras se está esperando (y que pasarán al recur-
so en cuanto quede libre). Para el caso de W2 , este tiempo es:
El tiempo demandado por los usuarios de la primera clase que
lleguen (a tasa λ1 ) mientras dicho usuario está esperando (W2 ), y
que cada uno requerirá un tiempo t1 .
Por lo tanto, la expresión para W2 queda como:
W2 = R + Q1 · t1 + Q2 · t2 + λ1 · W2 · t1 ,
que puede expresarse, gracias a la ecuación (7.5), como
W2 = W1 + Q2 · t2 + λ1 · W2 · t1 .
Sustituyendo Q2 = λ2 W2 (teorema de Little) y re-ordenando

términos se llega a
W1
W2 = ,
(1 − ρ1 − ρ2 )
y sustituyendo W1 por el valor dado por (7.6) queda
R
W2 = .
(1 − ρ1 )(1 − ρ1 − ρ2 )
Realizando un análisis similar al anterior, se puede comprobar
que el retardo en cola para los usuarios de la tercera clase es:
R
W3 = ,
(1 − ρ1 − ρ2 )(1 − ρ1 − ρ2 − ρ3 )
siendo la expresión del tiempo medio en cola para una clase k

cualquiera:
R
Wk = .
(1 − ρ1 − ρ2 − . . . − ρk−1 )(1 − ρ1 − ρ2 − . . . − ρk )
De forma similar al M/G/1 con distintos tipos de usuarios
(Usuarios con diferentes tipos de tiempos de servicio, página 167),
el retardo total de la clase k se puede obtener como
Tk = Wk + tk .
Por último, falta obtener el tiempo medio residual de servicio

R, que resulta ser la misma que en el sistema M/G/1, ya que en el
cálculo presentado no se hizo ninguna suposición sobre la discipli-
na de la cola:
1
R = λE[t2s ] , (7.7)
2
Para calcular E[t2s ] suele ser preciso aplicar la ley de la probabi-
lidad total, para lo que se tiene en cuenta la proporción relativa del
flujo i sobre el total, esto es, αi = λi /λ, por lo que (7.7) se convierte
en
1 N 1 N
R = λ ∑ αi E[t2i ] = ∑ λi E[t2i ] ,
2 i =1 2 i =1
donde E[t2i ] el momento de segundo orden del tiempo de servicio
de la clase i. Por lo tanto, el tiempo medio de espera en cola de un
usuario de la prioridad k puede expresarse como
1
2 ∑iN=1 λi E[t2i ]
Wk = .
(1 − ρ1 − . . . − ρk−1 )(1 − ρ1 − . . . − ρk )
Ejemplo 7.5. Sea un control de seguridad similar al del Ejem-

plo 7.4, si bien en este caso llegan viajeros frecuentes a una tasa
de 8 viajeros/hora y viajeros no frecuentes a una tasa de 16 viaje-
ros/hora, y se forma una cola para cada tipo de viajero (Figura 7.5).
Siempre que hay un viajero frecuente esperando, se le da prioridad
sobre el viajero no frecuente. Como en el caso anterior, los viaje-
ros frecuentes tardan en media 30 segundos en pasar el control,
mientras que los no frecuentes tardan en media 3 minutos.
Con estos datos, se tiene que

1 8 16 73
R= · 1/2 + · 18 = min.
2 60 60 30
por lo que si ρ1 = 2/30, el tiempo de espera para los viajeros
Figura 7.5: Control de seguridad con
frecuentes será dos tipos de viajeros y prioridad.
R 73
W= = ≈ 2,6 minutos,
1 − ρ1 28
por lo que su tiempo total en atravesar el control será de T ≈ 3,1 mi-
nutos. Para los viajeros no frecuentes, dado que ρ2 = 24/30, su
tiempo de espera será
R 73 · 30
W2 = = ≈ 19,55 minutos,
(1 − ρ1 )(1 − ρ1 − ρ2 ) 4 · 28
por lo que el tiempo total para atravesar el control será de T ≈ 22,55

minutos.
Redes de colas
Una red de colas es un sistema donde los usuarios atraviesan

una o más colas, cada una de ellas una o más veces. Se distinguen
dos tipos de redes de colas:
Redes cerradas (Figura 7.6), donde los usuarios siempre perma-

necen en el sistema, por lo que su número permanece constante
a lo largo del tiempo. Este tipo de redes no se consideran en este Figura 7.6: Red cerrada.
texto.
Redes abiertas (Figura 7.7), donde un usuario entra al sistema en

un momento dado y con total certeza lo abandonará pasado un
tiempo. A su vez, se puede diferenciar entre
• Redes acíclicas, si es imposible que una petición pase más

de una vez por un mismo recurso (esto es, no hay “bucles”
alrededor de uno o más recursos)
• Redes cíclicas, si es posible que una petición sea atendida
varias veces por un recurso (no necesariamente de forma Figura 7.7: Red abierta acíclica (supe-
rior) y cíclica (inferior).
consecutiva).
En general, se supondrá que los tiempos de servicio que deman-

da un usuario en diferentes sistemas son variables independientes,
lo que podrá ser más o menos acertado según el tipo de red con-
siderada. A continuación, se inicia el análisis de las redes de colas
con el caso acíclico más sencillo: dos sistemas en tándem.
Dos sistemas en tándem

Sea el caso de dos sistemas en tándem, como el ilustrado en la
Figura 7.8, donde el proceso de llegada es de Poisson a tasa λ y el
tiempo de servicio se distribuye según una variable aleatoria expo-
nencial, de media 1/µ1 en el primer sistema y 1/µ2 en el segundo
sistema.
Considerando el primer sistema, se trata de un M/M/1, por lo
que la probabilidad de que haya n usuarios en el mismo (según lo Figura 7.8: Sistemas M/M/1 en tán-
dem.
visto en el tema anterior) viene dada por
n
λ λ
p1 ( n ) = 1− = ρ1n (1 − ρ1 )
µ1 µ1
Además, dado que la salida del primer sistema también es un

proceso de Poisson (Proceso de salida de un M/M/1, página 141),
el segundo sistema es otro M/M/1, por lo que la probabilidad de
que haya m usuarios en el segundo sistema tiene una expresión
similar n
λ λ
p2 ( m ) = 1− = ρ2n (1 − ρ2 )
µ2 µ2
Para que la probabilidad de tener n usuarios en el primer siste-

ma y m en el segundo se pueda calcular como el producto de las
mismas, es necesario que p1 (n) y p2 (m) sean independientes, lo
cual no es del todo intuitivo: se podría pensar que una alta ocupa-
ción del primer sistema conlleva una alta ocupación del segundo.
Sin embargo, se puede demostrar que son probabilidades inde-
pendientes gracias al teorema de Burke,7 que amplía y generaliza la 7
Publicado por primera vez por Paul J.
caracterización del proceso de salida de un M/M/1. Burke en 1959 cuando trabajaba en los
laboratorios Bell.
Teorema de Burke En un sistema M/M/1 o M/M/m en condiciones

estacionarias y con un proceso de llegadas de Poisson a tasa λ se
cumple que:
El proceso de salida es de Poisson a la misma tasa λ.

En cualquier instante de tiempo t, el número de usuarios en
el sistema es independiente de la secuencia de instantes de
salida de usuarios hasta t.
Nótese que el segundo resultado no resulta demasiado intuitivo,

dado que una ráfaga de salidas en t1 , t2 , . . . , t5 con poco tiempo
entre ellas podría indicar que la cola se encontrase muy ocupada
en t5 , pero –según el teorema– esta ocupación es independiente del
proceso de salidas.8 8
Lo que el teorema no garantiza es la
Dado que el teorema de Burke garantiza que el estado del pri- independencia del estado de la cola
en t1 (es decir, al principio) respecto al
mer sistema no depende de la secuencia de las salidas desde dicho proceso de salidas: en general, varias
sistema, se tiene que p1 (n) es independiente de p2 (m), por que la salidas de forma consecutiva vendrá
causado por una alta ocupación
probabilidad de tener n usuarios en el primer sistema y m en el anterior.
segundo se puede calcular como:
Pr(n, m) = ρ1n (1 − ρ1 ) · ρ2n (1 − ρ2 )
El número medio de usuarios en el sistema se puede calcular

como
ρ1 ρ2
N = ∑ (n + m) Pr(n, m) = +
n,m 1 − ρ1 1 − ρ2
y, aplicando el teorema de Little, el tiempo medio de estancia en el
sistema se puede obtener como
N 1/µ1 1/µ2
T= = + ,
λ 1 − ρ1 1 − ρ2
lo que equivaldría a obtener las prestaciones de cada sistema por
separado, esto es,
1/µ1 ρ1 1/µ2 ρ2
T1 = , N1 = , T2 = , N2 = ,
1 − ρ1 1 − ρ1 1 − ρ2 1 − ρ2
y a partir de estos valores, obtener las prestaciones globales como
N = N1 + N2 ,
T = T1 + T2 ,
expresiones que no siempre se podrán aplicar para analizar una red

de colas (en concreto, el cálculo del retardo total en el sistema T).
Ejemplo 7.6. Sea la red indicada a continuación, a la que se pro-

ducen llegadas según un proceso de Poisson a tasa λ = 2 llega-
das/segundo, y los tiempos de servicio en cada sistema se pueden
modelar con variables aleatorias exponenciales independientes, de
media t a = 0.1 segundos y tb = 0.2 segundos.
λ / A(t a ) / B(tb ) /
En estas condiciones, la carga de cada sistema puede calcularse

como
λ 1 λ 2
ρa = = , ρb = = ,
1/t a 5 1/tb 5
por lo que el número medio de usuarios en cada sistema es
ρa 1 ρb 2
Na = = , Nb = = ,
1 − ρa 4 1 − ρb 3
lo que lleva a que el retardo total para atravesar la red es de
Na + Nb 11
T= = ≈ 0.458 segundos.
λ 24
Redes abiertas acíclicas

El anterior resultado de dos sistemas M/M/1 en tándem se
puede generalizar para el caso en que las colas tengan más de un
recurso en paralelo (es decir, sistemas M/M/m) y que haya más
de dos colas conectadas en cascada sin bucles. Como se ha men-
cionado anteriormente, este tipo de red se denomina red acíclica,
ilustrándose un ejemplo en la Figura 7.9.
La ausencia de bucles en una red se define a través del concepto
de camino de bajada: se dice que un nodo k está en un camino de Figura 7.9: Ejemplo de red acíclica
bajada desde un nodo i si la probabilidad de que una petición que
salga del nodo i llegue al nodo k no es cero (pudiendo pasar por
cualquier otro nodo).9 9
En la Figura 7.9, los nodos 4, 5 y
6 están en el camino de bajada del
Definición: Una red abierta acíclica es aquella red en la que se cum- nodo 1, pero el nodo 4 no está en el
camino de bajada del nodo 3.
plen las siguientes propiedades:
La salida del nodo i va hacia un nodo j directamente conecta-

do con una probabilidad pij > 0, que es independiente a cada
petición.
Si k está en el camino de bajada de i, entonces i no está en el
camino de bajada de k (esto es, no hay bucles).
Si una red es acíclica y el proceso de entrada es de Poisson, en-

tonces el proceso de entrada a todos los sistemas también es de
Poisson: por el teorema de Burke, la salida λi del nodo i es también
un proceso de Poisson. Dado que, desde dicho nodo, la probabili-
dad de ir al nodo j es pij y es independiente a cada petición, por la
Descomposición de procesos de Poisson (página 59) el proceso de
entrada al nodo j será también de Poisson a tasa λi · pij (y si varios
nodos llevasen al nodo j, sería el agregado de procesos de Poisson).
Ejemplo 7.7. Sea la siguiente red acíclica de cuatro nodos, con

una proceso de entrada de Poisson a tasa λ, tiempos de servicio
exponenciales, y donde pij indica la probabilidad de ir al nodo j
desde el nodo i:
λ /A /B /D λD
/
p ab ?
1− p ab pcd

C /
1− pcd
Según lo visto anteriormente, el proceso de salida desde A hacia

B será de Poisson, a tasa λp ab , al igual que el proceso de salida des-
de B hacia D. El proceso desde A hacia C también será de Poisson,
a tasa λ(1 − p ab ), mientras que el de C hacia D será de poisson a
tasa λ(1 − p ab ) pcd . Por lo tanto, el proceso de salida del nodo D
será un proceso de Poisson a tasa:
λ D = λp ab + λ(1 − p ab ) pcd
Además de garantizar que el proceso de entrada a cada sistema

sea de Poisson, el teorema de Burke también garantiza la indepen-
dencia entre el estado de un sistema y las salidas que de él se hayan
producido. Por lo tanto, de forma análoga al sistema en tándem, en
una red de colas acíclica de sistemas de tipo M/M/1 o M/M/1, la
probabilidad conjunta de tener n1 usuarios en el primer sistema,
n2 usuarios en el segundo sistema, etc., se puede calcular como el
producto de dichas probabilidades considerando cada sistema de
forma independiente.
Ejemplo 7.8. En el caso del anterior Ejemplo 7.7, si los tiempos

medios de servicio en los sistemas A, B, C y D fuesen, respectiva-
mente, t a , tb , tc y td (todos ellos exponenciales), se pueden definir
las siguientes ocupaciones
ρa = λa ta , ρb = λb tb , ρc = λc tc , ρd = λd td
donde
λ a = λ, λb = λ a p ab , λc = λ a (1 − p ab ), λd = λp ab + λ(1 − p ab ) pcd
La probabilidad de tener n1 usuarios en el sistema A, n2 usuarios

en el sistema B, etc., se puede calcular como
n n n
Pr(n A = n1 , n B = n2 , nC = n3 , n D = n4 ) = ρ a 1 (1 − ρ a )ρnb 2 (1 − ρb )ρc 3 (1 − ρc )ρd 4 (1 − ρd )
mientras que la probabilidad de que todos los sistemas se encontra-

sen ocupados es
Pr(n a > 0, nb > 0, nc > 0, nd > 0) = ρ a ρb ρc ρd

En un caso general de una red abierta acíclica con N sistemas

M/M/1, donde λi sea la tasa de entrada al sistema i y µi su tasa
máxima de salida, la probabilidad de n1 usuarios en el primer
sistema, n2 en el segundo, etc., sería (definiendo ρi = λi /µi ):
N
Pr(n1 , n2 , . . . , n N ) = ∏ ρ ni (1 − ρ i )
i =1
Si se trata de una red donde no todos los sistemas son M/M/1,

será preciso acudir a las fórmulas correspondientes para el caso
M/M/m.
Ejemplo 7.9. Sea la red de la de la figura, donde p ab = 3/4 y

pde = 1/2. Todos los tiempos de servicios son exponenciales de
media 20 ms, y todos los sistemas disponen de un único recurso
salvo D, que dispone de dos recursos idénticos en paralelo. Las
llegadas son de Poisson a tasa λ = 40 usuarios/segundo.
p ab
λ /A /B / /
?C

D /E /
pde
Las tasas de entrada a cada sistema son
λ a = λ = 40 u/s, λb = 30 u/s, λd = 10 u/s, λc = 35 u/s, λe = 5 u/s,
mientras que la tasa máxima de salida para todos los sistemas es
µ = 1/ts = 50 u/s.
Para los sistemas A, B, C y E el número medio de usuarios se

puede obtener mediante la expresión del M/M/1, lo que lleva a10 Número medio de usuarios en un
10
M/M/1:
Na = 4, Nb = 3/2, Nc = 7/3, Ne = 1/9 . ρ
N= , con ρ = λ/µ .
1−ρ
El sistema D se trata de un M/M/m, con una probabilidad de
estar vacío y número medio de usuarios en cola igual a11 En un sistema M/M/m, el número
11
medio de usuarios en cola es

40 1
p0 = , Q= , Im · ρ
49 392 Q= p0 ,
m!(1 − ρ)2
de lo que se obtiene con
! −1
Q 1 794
!
m −1
In Im 1
W=
λ
=
3920
, T = W + ts =
39200
, p0 = ∑ n!
+ ·
m! 1 − ρ
n =0
lo que lleva a que el número medio de usuarios en el sistema D es donde I = λ/µ y ρ = I/m.
197 1
Nd = λ · T = ≈
1960 10
Por lo tanto, el número medio total de usuarios en la red es
1448 362
N= ∑ Ni = 180
=
45
≈ 8 usuarios,
y el tiempo medio para atravesarla es, aplicando el teorema de

Little
N
T= = 0,2 segundos
λ
Redes abiertas cíclicas

A diferencia del caso anterior, en una red cíclica sí que aparecen
bucles en la topología de la red, lo que posibilita que un usuario
pase más de una vez por un mismo sistema. Esto complica el análi-
sis, ya que una consecuencia es que el proceso de entrada a la cola
deja de ser necesariamente de Poisson. Para ilustrar esto, sea el caso
de la Figura 7.10 a continuación, donde se producen llegadas nue-
vas al sistema una tasa λ según un proceso de Poisson, el tiempo de
servicio es exponencial, de media ts , y existe la probabilidad p de
que un usuario vuelva al sistema tras ser servido (por lo que, con
probabilidad 1 − p, lo abandona).
Figura 7.10: Sistema compuesto por

una cola con realimentación.
Para analizar lo que sucede a la entrada de la cola, supóngase

que la probabilidad de volver a entrar en el sistema es relativamen-
te alta
p0,
y que la tasa de entrada es mucho menor que la tasa máxima de

salida,
λ µ = 1/ts .
por lo que el tiempo medio entre llegadas nuevas al sistema es

mucho mayor que el tiempo medio de servicio
λ −1 t s .
En estas condiciones, la probabilidad de que el sistema esté

vacío es muy alta (por ser µ mucho mayor que λ), por lo que una
nueva llegada atravesará el sistema sin esperar en cola y, con alta
probabilidad, lo volverá a atravesar varias veces (por ser p alta),
según lo ilustrado en la Figura 7.11:
Figura 7.11: Procesos de entrada al

sistema y a la cola para un sistema con
re-alimentación como el de la Fig. 7.10,
con p 0 y ts λ−1 .
Por cada por cada petición que llegue al sistema se genera una
ráfaga de llegadas a la cola, separadas entre sí el tiempo de servicio
de la llegada original. Este patrón a ráfagas incumple claramente
las propiedades de incrementos estacionarios e independientes, por
lo que el proceso de llegadas a la cola no será de Poisson, así que el
sistema no puede analizarse partiendo del M/M/1.
A diferencia del caso de las redes acíclicas, en una red cíclica, en
general, no se podrá suponer que los procesos de llegada sean de
Poisson. Sólo cuando se puedan hacer algunas suposiciones, orien-
tadas a que la naturaleza “a ráfagas” de las llegadas se debilite,
se podrá analizar el comportamiento de una red de colas partien-
do del análisis de cada cola por separado –consideraciones que se
verán a continuación.
Definición de red abierta. Teorema de Jackson

Sea una red de N colas, en la que una petición, tras ser servida
por una cola i, pasa a la cola j con una probabilidad constante
e independiente pij . El tráfico de entrada a un nodo j se puede
expresar como la suma del tráfico desde los otros nodos y el tráfico
que llegue desde fuera de la red al nodo j (denotado como r j ):
N
λi = ∑ λ j p ji + r j (7.8)
j=1,j6=i
Ejemplo 7.10. Sea el caso de la siguiente red
Figura 7.12: Ejemplo de red abierta

cíclica compuesta por tres colas.
El tráfico de entrada al nodo 1 viene dado por el tráfico que pasa

por el nodo 3 más el tráfico que llega desde fuera de la red, por lo
que (7.8) quedaría en este caso como:
λ1 = λ3 + λ
donde el tráfico que pasa por el nodo 3 viene dado por
λ3 = λ2 p23 .
mientras que el tráfico que pasa por el nodo 2 es el mismo que el

que pasa por el nodo 1 (en tasa)
λ2 = λ1 .
Dadas las anteriores expresiones, λ1 se puede expresar como
λ
λ1 = λ1 p23 + λ → λ1 =
1 − p23
Una red es abierta si las peticiones “pasan” a través de dicha red,

lo que sucede si (i) entran a través de (al menos) un nodo, y (ii) salen
de la red a través de (al menos) otro nodo. Esto se puede expresar
como:
Existe alguna cola i donde se cumple que ri > 0
Existe alguna cola j donde no todas las peticiones vuelven al

sistema, esto es, la probabilidad de salir desde dicho nodo (deno-
tada como psj ) no es cero:
N
psj = 1 − ∑ p jk > 0 ,
k =1,k 6= j
Desde cualquier cola k existe la posibilidad de alcanzar una cola

j donde psj no es cero.12 12
De manera algo más formal: existe
al menos un camino posible desde
k hasta j, esto es, una secuencia de
nodos
Ejemplo 7.11. Sea la red ilustrada en la siguiente figura
k, k1 , k2 , . . . , k n , j
tal que
p21 pk,k1 > 0, pk1 ,k2 > 0, . . . , pkn ,j > 0.

p12
λ /+ /1 /+ /2 /. /
O 1− p21
1− p12 p42

3 /4 /
1− p42
Resulta sencillo comprobar que se trata de una red abierta, dado

que hay una fuente externa de tráfico en el nodo 1 (a tasa λ) y,
suponiendo p21 < 1 y p42 < 1, desde cualquier nodo existe la
posibilidad de alcanzar los nodos 2 o 4, que llevan a la salida de
dicha red.
La tasa de entrada al nodo 1 es la tasa de entrada al sistema λ
más la tasa de salida del nodo 2 que vuelva al sistema, con probabi-
lidad p21 :
λ1 = λ + λ2 p21
La tasa de entrada al nodo B viene dada por dos componentes:

la tasa de entrada al nodo A que pasa a B con probabilidad p12 , y la
tasa de entrada al nodo 4 que pasa al nodo 2 con probabilidad p42
λ2 = λ1 p12 + λ4 p42 ,
donde la tasa de entrada al nodo 4 es la proporción de tráfico que

sale desde 1 hacia 3
λ4 = λ3 = λ1 (1 − p12 )
Una vez obtenidas las tasas de entrada a cada nodo, si el pro-

ceso de llegadas al sistema es de Poisson y los tiempos de servicio
son variables aleatorias exponenciales, el teorema de Jackson permi-
te aplicar la misma metodología que en el caso de las redes abiertas
acíclicas para analizar el sistema, a pesar de que los procesos de
entrada puedan dejar de ser de Poisson.
Teorema de Jackson Sea una red abierta cíclica de N servidores, cada

uno con una cola infinita, por la que pasa un tráfico de Poisson.
Si los tiempos de servicio son exponenciales y la disciplina de la
cola es FCFS, la probabilidad conjunta de que haya n1 usuarios
en la cola 1, n2 usuarios en la cola 2, etc., se puede obtener como
el producto de las probabilidades de que haya ni usuarios en el
sistema i, analizado cada uno de forma independiente:
Pr(n1 , n2 , . . . , n N ) = P1 (n1 ) · P2 (n2 ) · · · PN (n N ) ,
donde Pi (n) representa la probabilidad de que haya n usuarios

en el sistema i. Además, para calcular esta probabilidad se puede
emplear la expresión correspondiente a un sistema M/M/1
n
λi λi
Pi (n) = 1−
µi µi
donde λi es la tasa de entrada al servidor i y 1/µi su tiempo

medio de servicio.
Ejemplo 7.12. Sea el caso de la red de la Figura 7.13, a la que lle-

gan usuarios a una tasa λ = 8 tramas/ms según un proceso de
Poisson. El tiempo de servicio en cada sistema se puede modelar
con una variable aleatoria exponencial, de media t A = (1/20) ms y
t B = (1/15) ms, respectivamente, mientras que p = 0, 2.
Analizando la topología de la red, la tasa de entrada al sistema A
Figura 7.13: Red abierta cíclica.
es la suma de la tasa global de entrada más la parte que sale de B y
vuelve a entrar:
λ A = λ + p · λB .
Además, si ningún sistema está congestionado (lo que se puede

comprobar a posteriori), la tasa de entrada del sistema A es igual a
su tasa de salida, que es la tasa de entrada y salida del sistema B,
por lo que
λA = λ + p · λA,
de lo que se obtiene que
λ 8
λA = = = 10 tramas/ms.
1− p 1 − 0,2
A partir de este resultado se puede obtener la ocupación media

de cada recurso
10 10
ρA = = 1/2, ρB = = 2/3 ,
20 15
el número medio de usuarios en cada sistema

ρA ρB
NA = = 1, NB = =2
1 − ρA 1 − ρB
y el número medio total de usuarios en toda la red:
N = NA + NB = 3.
Una vez obtenido N, por el teorema de Little se puede obtener el

tiempo medio en atravesar todo el sistema
3
T = N/λ = ms,
8
que no coincide con la suma de los tiempos medios necesarios para
atravesar cada sistema TA y TB ,
tA tB 1/20 ms 1/15 ms 3
TA + TB = + = + = ms,
1 − ρA 1 − ρB 1 − 1/2 1 − 2/3 10
dado que, por efecto de la re-alimentación, en media un usuario
visita los sistemas más de una vez. De hecho, para el caso de la
Figura 7.13, el número de veces que un usuario pasa por los dos
sistemas es una variable aleatoria geométrica, de media 1/(1 − p),
por lo que para este caso se puede ver que
1
T= ( T + TB )
1− p A
Modelado de redes de comunicaciones
En el caso de las redes de comunicaciones, donde en general

los “usuarios” son tramas de datos y los “recursos” son canales de
transmisión (por ejemplo, una red de routers), hay algunas hipóte-
sis de los análisis anteriores que hay que reconsiderar:
1. Las llegadas de peticiones siguen un proceso de Poisson.
Esta hipótesis resulta relativamente razonable, sobre todo si se

tiene el agregado de muchos flujos de datos independientes, dado
que, en este caso, el agregado tenderá a ser un proceso de Poisson
por el teorema de Palm-Khintchine
2. Cada petición pasa de un nodo i a un nodo j con una probabili-

dad independiente (esto es, hay un enrutamiento probabilístico).
Esta hipótesis puede resultar algo más discutible, ya que las tra-
mas pertenecientes a un mismo flujo siguen el mismo camino desde
el origen al destino.13 Si se trata de un agregado de varios flujos, 13
Salvo que aparezca algún tipo de
cada uno con un destino diferente, cuanto mayor sea la variedad mecanismo de balanceo de carga o las
rutas cambien durante un flujo.
de destinos y más mezcladas estén las tramas, más razonable será
realizar esta suposición.
3. El tiempo demandado por un usuario en un recurso es una va-

riable aleatoria exponencial.
Modelar un tiempo de transmisión con una variable aleatoria

continua, teniendo en cuenta que la longitud de una trama es una
variable discreta, será más o menos acertado en función de la dis-
tribución de tamaños de las tramas (a mayor tamaño, menor error
relativo de redondeo). Además, hay algunos flujos de tráfico don-
de el tamaño de las tramas dista mucho de seguir dicha variable
(p.ej., una descarga TCP, donde básicamente sólo hay segmentos de
1500 B y asentimientos de 40 B). Por último, para poder suponer
que dicha variable continua es una variable aleatoria exponencial,
habrá que considerar el impacto mecanismos como el protocolo de
control de acceso al medio, retardos de procesamiento, etc.
4. El tiempo demandado por cada petición en cada recurso es una

variable aleatoria independiente.
En una red de comunicaciones, una trama larga siempre necesita

más tiempo para ser transmitida que una trama corta, independien-
temente de que el enlace vaya a 1 Gbps o 10 Mbps. Sin embargo,
esta hipótesis (la más discutible de todas) supone que los tiem-
pos de servicio no van asociados nunca al usuario (esto es, a las
tramas), sino únicamente al recurso, y son variables aleatorias inde-
pendientes a cada petición. De hecho, en una red cíclica un mismo
usuario puede atravesar el mismo servidor dos veces y necesitará
dos tiempos de servicio diferentes. A continuación se presentan las
dificultades que supone no hacer esta hipótesis.
Tiempos de servicio asociados a usuarios

En todos los sistemas considerados hasta ahora siempre se ha su-
puesto que la variable tiempo de servicio, aleatoria o no, siempre iba
asociada a un recurso, y no a un usuario. Para ilustrar las dificul-
tades de no realizar esta suposición, que resulta algo discutible en
redes de comunicaciones, sea el ejemplo de dos sistemas en tándem
ilustrado en la Figura 7.14 a continuación:
Figura 7.14: Sistema en tándem con

tiempos de servicio no independientes.
Según se ilustra en la figura, al primer sistema llega una trama

corta (tres unidades de longitud, como se indica) seguida de una
trama larga (ocho unidades) y posteriormente otra trama corta (dos
unidades), siendo los tiempos entre tramas de dos y cuatro unida-

des de tiempo, respectivamente. Una vez que pasan dicho sistema,
las tramas atraviesan otro sistema idéntico.
Considerando el primer sistema, la segunda y tercera trama
tienen que esperar en cola antes de ser transmitidas –sobre todo
la tercera trama, dado el tiempo de transmisión de la segunda.
Sin embargo, en el segundo sistema la situación cambia para la
segunda trama (la trama larga), que ya no tiene que esperar en cola
antes de ser transmitida, dado que en el primer sistema su tiempo
de transmisión dejó “margen” para que la primera trama fuese
enviada. Por otro lado, la tercera trama está “condenada” a tener
que esperar en cola a cada sistema que pase, ya que llega mientras
la segunda trama está siendo transmitida.14 14
La situación guarda cierta analogía
Como ilustra este ejemplo, cuando los tiempos de servicio están con una carretera de un carril, donde
un vehículo largo (típicamente, lento)
asociados a los usuarios (y no a los recursos) aparecen relaciones no tiene vehículos por delante, pero sí
entre dichos tiempos y los tiempos de estancia en el sistema, lo que una cola que le sigue.
dificulta el modelado de redes de comunicaciones –en contrapo-
sición con, por ejemplo, dos sistemas M/M/1 en tándem, que se
pueden analizar de forma independiente. Para poder analizar ca-
da sistema por separado, es preciso realizar una aproximación de
independencia.
Aproximación de independencia de Kleinrock

Según visto en el ejemplo anterior, en una red de comunicaciones
aparece correlación entre tiempos de servicio y los tiempos de
espera en cola: en general, los paquetes largos tienden a no esperar
en cola, mientras que los paquetes cortos sí que esperan. Una forma
en la que esta correlación puede disminuir es que se produzcan
agregados de flujos de diferentes fuentes, de modo tal que las tramas
de dichos flujos se intercalen salto a salto y así se “rompa” esta
dependencia. Esta disminución en la correlación será mayor cuanto
mayor sea el volumen de tráfico “nuevo” frente al tráfico que ha
pasado por un sistema.
Ejemplo 7.13. Sea el caso de la Figura 7.15 con dos enlaces. Al

primer enlace llega un flujo a tasa 50 tramas/ms, y a continuación
el 40 % de dicho tráfico se agrega con otro flujo a tasa 80 tramas/ms
antes de atravesar el segundo enlace.
En este caso, el 40 % de salida del primer enlace supone un flujo
a 20 tramas/ms, que se agrega a un flujo “nuevo” a 80 tramas/ms. Figura 7.15: Agregado y diezmado de
flujos en una red de comunicaciones.
Dada esta gran proporción del flujo nuevo sobre el anterior, será
razonable suponer que no existirá mucha dependencia entre los
tiempos de servicio y de espera.
Fue Leonard Kleinrock15 quien sugirió que el agregado de 15

Ingeniero neoyorquino (n. 1934), pio-
flujos en una red de conmutación de paquetes puede debilitar la nero en el análisis matemático de las
prestaciones de redes de conmutación
correlación entre longitudes de tramas y tiempos de espera, esto es, de paquetes: se considera que su tesis
“restaurar” la suposición de independencia en los tiempos de servi- doctoral (MIT, mayo 1961) estableció
los fundamentos matemáticos de dicho
campo.
cio de cada usuario. De ahí el nombre de dicha aproximación (que

no es un teorema que establezca de forma rigurosa las condicio-
nes cuando se puede aplicar), que se puede definir de la siguiente
forma
Aproximación de Kleinrock En una red de comunicaciones con varias

líneas de transmisión conectadas, en la que los tiempos de ser-
vicio no son independientes en cada enlace, el agregado de una
cantidad suficiente de flujos de datos de diferentes fuentes tiene
un efecto similar a restaurar la independencia entre los tiempos
de llegada y la longitud de tramas.
Por lo tanto, si cada enlace se considera como un recurso, las

llegadas son de Poisson y los tiempos de servicio se pueden apro-
ximar con una variable aleatoria exponencial, esta aproximación
permite analizar las prestaciones de la red como si cada enlace se
pudiese modelar como un sistema M/M/1 independiente. Cuanto
más densamente conectada esté la red y, por tanto, más flujos dife-
rentes sean agregados en cada enlace, mejor será la aproximación
(y, por motivos similares, la aproximación será mejor para cargas de
tráfico medias-altas).
Ejemplo 7.14. Sea la siguiente red de comunicaciones
λ1
/+ / 40 Mbps /. /
O
p=1/4 p=1/4

λ2
/ 40 Mbps /. /+ / 40 Mbps /
en la que λ1 = 3 tramas/ms, λ2 = 4 tramas/ms, y la longitud

de todas las tramas se puede modelar con una variable aleatoria
exponencial de media 1000 bytes.
La tasa máxima de salida de cada enlaces es
40 Mbps
µ= = 5 tramas/ms
1500 · 8
El primer enlace inferior se puede analizar sin mayor considera-
ción, dado que el proceso de llegadas λ2 es externo a la red.
Al enlace superior llega el agregado de un flujo externo (λ1 ), y
el 25 % de un flujo que ya ha pasado por el enlace inferior izquier-
da (λ2 ), y que supone un 25 % del flujo total (por lo que su peso
relativo es bajo). Además, el flujo total por el enlace es de
1
λ1 + · λ2 = 4 tramas/ms,
4
lo que supone una ocupación relativamente alta, ρ = λ/µ = 4/5,
por lo que, por la aproximación de Kleinrock, también podría anali-
zarse como un sistema tradicional.
Por último, el segundo enlace inferior recibe el 75 % del flujo λ2
tras pasar por un enlace anterior, y el 25 % del flujo del anterior
enlace. Aún suponiendo que el routing fuese aleatorio, en valores
absolutos supone el agregado de dos flujos a 3 tramas/ms y 1 tra-

ma/ms, respectivamente, no siendo ninguno de ellos externo a la
red: sería preciso ser cuidadosos a la hora de aplicar la aproxima-
ción de Kleinrock en este enlace.
Resumen del tema
En un sistema M/G/1 el tiempo medio de espera en cola viene

dado por
λE[t2s ]
W= ,
2(1 − ρ )
En un sistema con prioridades, el tiempo de espera en cola de la

clase k viene dado por
∑iK=1 λi E[t2i ]
1
2
Wk =
(1 − ρ1 − . . . − ρk−1 )(1 − ρ1 − . . . − ρk )
En una red de colas abierta acíclica, la probabilidad conjunta

de (n1 , n2 , . . .) usuarios en el sistema 1, 2, . . . viene dada por el
producto de las probabilidades de n1 , n2 , . . . usuarios en cada
uno de los sistemas, analizados estos de forma independiente
Pr(n1 , n2 , . . . , n N ) = P1 (n1 ) P2 (n2 ) · · · PN (n N )
En una red de colas abierta cíclica también se puede calcular la

probabilidad conjunta mediante el análisis de cada sistema por
separado, empleando las expresiones vistas en el tema anterior.
En una red de comunicaciones hay que ser cautos a la hora de

modelar el sistema. Si el proceso de llegadas es de Poisson y la
carga y conectividad de la red son relativamente altas, la aproxi-
mación de Kleinrock permite emplear los resultados anteriores.
Problemas
Problema 7.1. Analice si es mejor tener una línea de capacidad

C, o k líneas de capacidad C/k (cada una) sirviendo cada línea a
la k-ésima parte del tráfico. Haga las suposiciones necesarias para
resolver el problema, pero intente que sean las menos posibles.
Problema 7.2. Sea una línea de transmisión a 80 Mbps. A dicha

línea llega un flujo de 15 tramas/ms, con dos tipos de trama, unas
de longitud fija e igual a 40 bytes, y otras de una longitud que se
puede modelar según una variable aleatoria exponencial de media
960 bytes. Hay el mismo número de tramas de un flujo que de otro
y se puede suponer que el agregado se ha realizado al azar. Calcule
el retardo medio total que sufre cada tipo de tráfico.
Solución. 281.32 µs, 373.32 µs
Problema 7.3. (Ej. 14/15) A un enlace de 80 Mbps llegan el agre-

gado de varios flujos, compuesto por tramas de 1400 B (el 20 % de
las tramas) y asentimientos de 100 B (el 80 % restante), pudiéndose
suponer que el proceso de llegadas de tramas es de Poisson. Si di-
cho agregado supone un tráfico a 64 Mbps, calcule el retardo medio
de transmisión en µs para los asentimientos.
Solución. 2090/9 µs
Problema 7.4. (Ord. 14/15) A un enlace de 400 Mbps llegan tra-

mas según un proceso de Poisson a tasa 2 tramas/segundo. La
longitud de las tramas se distribuye uniformemente entre 0 y 30
bytes.
1. Calcule el retardo medio en ms para atravesar el enlace.
Suponga que se instala un discriminador de tráfico, que clasifica

las tramas según su longitud: las tramas menores de 10 bytes van a
una cola de alta prioridad, y las mayores a una cola de baja priori-
dad.
2. Calcule el retardo medio en ms que sufre las tramas mayores y

menores de 10 bytes, y el retardo medio general.
Solución. 1. 600 ms; 2. 557.1 ms
Problema 7.5. (Ej. 14/15) Sea la siguiente red de comunicaciones,

donde las cajas representas switches, cada uno con la velocidad
de procesado de tramas indicada (suponga que un switch sólo
tiene una CPU) y la p asociada a cada enlace indica la probabilidad
de que una trama sea re-dirigida en una determinada dirección.
Desprecie los tiempos de transmisión entre switches.
p=1/2
λ1
/ 40 Mbps /
8
p=1/2
p=1/4 &
λ2
/ 80 Mbps / 80 Mbps /
p=3/4
Si λ1 = 3 tramas/ms, λ2 = 4 tramas/ms, y la longitud de todas las

tramas se puede modelar con una variable aleatoria exponencial de
media 1000 bytes, calcule el retardo medio (en ms) para cada uno
de los dos flujos, λ1 y λ2 .
Solución. 11/10 ms, 71/120 ms
Problema 7.6. (Ord. 13/14) Sea la red de colas de la Figura 7.16,

donde λ = 12 usuarios/s. Los tiempos de servicio de cada cola son
1/µ1 = 0.1 s, 1/µ2 = 0.05 s y 1/µ3 = 0.2 s, y las probabilidades son
p1 = 1/3 y p2 = 1/4.
Calcule el tiempo total que pasa en media una trama en el siste-

ma (indique las suposiciones que tiene que hacer para resolver el
problema).
Calcule el valor de p2 a partir del cual el sistema se congestiona-

ría.
1-p1 Figura 7.16: Red de colas del Proble-

ma 7.6
1-p2
p1
+ µ1 + µ2
p2
µ3
Solución. 1. 1 s; 2. 5/17
Problema 7.7. (Ord. 10/11) Se dispone de un sistema con un úni-

co recurso y cola infinita al que las peticiones llegan según un pro-
ceso de Poisson. Compare el retardo total en el sistema si el tiempo
que pasa una petición en el recurso es (a) un tiempo determinista
o (b) un tiempo aleatorio con la misma media que el anterior, pero
uniformemente distribuido entre 0 y un determinado valor. Para
realizar la comparación, obtenga el cociente de los retardos medios
Solución. (1 − ρ/2)/(1 − ρ/3)
Problema 7.8. (Ext. 10/11) A un nodo llegan tramas TCP según

un proceso de Poisson de tasa 15 tramas por milisegundo. Una
proporción p de dichas tramas la constituye segmentos de datos
TCP, de longitud constante e igual a 960 bytes, mientras que el resto

son asentimientos, de tamaño fijo 40 bytes. El enlace de salida es de
80 Mbps.
1. Si p = 2/3, calcule la ocupación media del enlace.
2. Si la ocupación media es del 75 % (o sea, 3/4), calcule p.
3. Suponga ahora que hay tantos segmentos como asentimientos (o

sea, p = 1/2). Calcule el tiempo medio de espera en cola.
Solución. 1. 98 %; 2. 1/2; 3. 138.48 µs.
Problema 7.9. (Ord. 15/16) Sea una red de tres colas en paralelo.
Cuando llega una trama, con probabilidad 1/3 va a un sistema
M/M/1 con una tasa de servicio de 8 paquetes/s y abandona la
red; con probabilidad 1/6 va a un sistema M/M/2 donde cada
servidor opera a una tasa 3 paquetes/s y abandona la red; en el
resto de casos va a un sistema M/M/1/1 donde el servidor opera a
una tasa 24 paquetes/s. En el tercer subsistema, los paquetes que se
encuentran el sistema lleno se tiran. Si el proceso de llegadas es de
Poisson a tasa 18 paquetes/s, calcule:
Proporción de paquetes que van a cada subsistema. Proporción

de paquetes rechazados por el sistema M/M/1/1.
Número medio de paquetes en la red.
Tiempo medio para atravesar cada sistema y la red.
Solución. 0.296 s
Problema 7.10. (Ej. 12/13) Un control de seguridad se divide en

tres partes (A, B y C) que hay que atravesar en orden. Tras cada
parte se pueden producir tres resultados:
Positivo: Se puede continuar al siguiente control.
Negativo 1: Hay que repetir dicha parte (desde la última posición

de la cola).
Negativo 2: Hay que volver al inicio del control (desde la última

posición de la cola).
Suponga que los viajeros llegan al sistema según un proceso de

Poisson de media 7 pasajeros por minuto y que el tiempo en atra-
vesar cada parte se puede modelar según una variable aleatoria
exponencial de media 3 segundos. Si la probabilidad de un “negati-
vo 1” es de 0.2, la de un “negativo 2” es de 0.1 y la de un “positivo”
es 0.7, calcule el retardo medio (en minutos) para pasar todo el
control de seguridad.
Problema 7.11. (Ord. 11/12) Sea la red de colas representada en

la figura, donde en cada sistema hay un único recurso, el proceso
de llegadas es de Poisson y los tiempos de servicio son exponencia-

les.
Figura 7.17: Red de colas
Se tiene que:
p1 = 1/5, p2 = 1/2, p3 = 1/2
λ = 4 tramas/s, µ1 = 8 tramas/s, µ2 = 4 tramas/s, µ3 = 2

tramas/s
Se pide:
1. Calcule el tiempo medio para atravesar cada sistema.
2. Calcule el tiempo medio total en atravesar la red.
Solución. 1. 1/4 s, 1 s, 1 s; 2. 5/4 s.

Colas

Cargado por

Información del documentohacer clic para expandir la información del documentocolas

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Colas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Colas

Cargado por

Copyright:

Formatos disponibles

Pablo Serrano Yáñez-Mingot, José Alberto Hernández Gutiérrez

Una introducción amable a la teoría de colas

Repaso de estadística y probabilidad 5

La variable aleatoria exponencial 33

Cadenas de Markov de tiempo discreto 73

Cadenas de Markov de tiempo continuo 105

Teoría de colas: sistemas básicos 127

Teoría de colas: sistemas avanzados 161

Repaso de estadística y probabilidad

Se dice que el tratamiento moderno de la probabilidad nace

Predecir cómo de “esperable” es un determinado resultado,

Por lo tanto, se podría decir que la estadística descriptiva parte

Sea una serie de n observaciones O = {oi }in=1 numéricas de un

Ejemplo 1.1. Veinte tiradas consecutivas de un dado (de seis caras) 5

Un histograma correspondiente a dicho conjunto X es el repre- 2

tipo de información sobre su orden: or ejemplo, los conjuntos de

Moda, mediana y percentiles

La moda, que es el valor que más se repite. 20

La mediana, que es el valor tal que la mitad del conjunto de datos 15

Para el conjunto de datos X del Ejemplo 1.1, se puede deducir 5

Si el conjunto de datos dado representa una serie de valo-

observaciones, etc. A estos percentiles también se les conoce como

El valor de Q2 , como se ha visto, corresponde con la mediana, 5

De forma parecida al caso del histograma, aunque más se-

tienen el mismo valor de mediana y moda.

Si una determinada observación oi se repite ni veces, el cálculo se

Ejemplo 1.3. Sea un equipo de fútbol que, durante 10 jornadas,

En estas 10 jornadas, la media del número de goles marcados es: 4

La media de un subconjunto de las observaciones, que

Gg>0 = {3, 3, 4, 2, 2, 4, 3, 4},

cuya media viene dada por

A diferencia de la mediana y la moda, que sólo se basan en

Varianza y desviación típica

por lo que tiene como unidad el cuadrado de la unidad del conjun-

dicho conjunto, dado que se calcula como la raíz cuadrada de la

Para el caso del Ejemplo 1.3, la desviación típica es σ ≈ 1,51 go-

Cuando se está tratando con un suceso aleatorio, la estadística

Dado que la interpretación clásica de la probabilidad

Variables aleatorias discretas

Ejemplo 1.6. Tirar un dado es un suceso aleatorio, y el número que

Si el dado está debidamente equilibrado, se puede suponer que

La memoria en una variable aleatoria

cara,5 se puede representar como 5

lo que se cumplirá para cualquier lanzamiento m y conjunto de

Pr( X5 = 1 | X1 = 0, X2 = 0, X3 = 0, X4 = 0) > Pr( X1 = 1)

por lo que dicha variable aleatoria sí que posee memoria.

Cuando se consideran varios eventos, para averiguar si existe

que sucede en 43+42+40+40+57+42=264 casos. Por lo tanto,

Pr( G, RMA) 1/200

que es mucho menor que Pr( G ), la probabilidad de ganar sin dis-

lo que no ocurre en el caso del fútbol (Ejemplo 1.8), pero sí en el de

de lo que se deduce que la probabilidad condicionada es

Ejemplo 1.10. Los eventos “cara” y “cruz” de una moneda son

Dados dos sucesos A y B, la probabilidad de que alguno de los

Pr( A ∪ B) = Pr( A) + Pr( B) − Pr( A, B).

Si A y B son excluyentes, se ha visto que entonces

Pr( A, B) = Pr( A | B) Pr( B) = 0 ,

Pr( A ∪ B) = Pr( A) + Pr( B) − Pr( A, B) = Pr( A) + Pr( B).