Teoría e Ingeniería de Teletráfico
|
|
- María del Pilar Vega Gutiérrez
- hace 6 años
- Vistas:
Transcripción
1 Dr. Ig. José Joskowcz, 2017 Teoría e Igeería de Teletráfco Dr. Ig. José Joskowcz josej@fg.edu.uy
2 Dr. Ig. José Joskowcz, 2017 Itroduccó Teoría e Igeería de Teletráfco
3 Qué es la Teoría de Teletráfco? Es la alcacó de las teorías de robabldades a la solucó de roblemas de lafcacó, evaluacó de desemeño, oeracó y matemeto de sstemas de telecomucacoes Parte de esta resetacó se basa e ITU D Study Grou 2 Questo 16/2 Hadbook TELETRFFIC ENGINEERING Jue 2006 Dr. Ig. José Joskowcz,
4 Prcales fucoes de la Igeería de Teletráfco Caracterzacó de la demada de tráfco Objetvos del grado de servco GoS Cotroles y dmesoameto del tráfco Vglaca de la caldad de fucoameto Segú Recomedacó ITU-T E /2003 Dr. Ig. José Joskowcz,
5 Dr. Ig. José Joskowcz, Prcales fucoes de la Igeería de Teletráfco Segú Recomedacó ITU-T E /2003
6 Itesdad Istatáea de Tráfco Traffc Itesty La tesdad statáea de tráfco e u cojuto de recursos es la catdad de recursos ocuados e u determado state de temo Los recursos uede ser líeas urbaas, servdores, o cualquer to de elemeto que uede ser comartdo or varos usuaros Istatáea recurso ocuado recurso lbre Cojuto de recursos recursos ocuados Dr. Ig. José Joskowcz,
7 Itesdad Promedo de Tráfco Traffc Itesty La ocuacó de cada recurso uede varar co el temo. E cada state t, hay recursos ocuados t recursos ocuados Cojuto de recursos Evolucó e el temo Dr. Ig. José Joskowcz,
8 Dr. Ig. José Joskowcz, Itesdad Promedo de Tráfco Traffc Itesty
9 Dr. Ig. José Joskowcz, Itesdad Promedo de Tráfco Y T 1 T T 0 t dt Dode t es la catdad de recursos ocuados e cada state t y T es u temo fjo YT es admesoada temo / temo
10 Erlag Udad de medda de tráfco defcó de la CCIF* del 28 de octubre de 1946: * Le Comté Cosultatf Iteratoal des Comucatos Telehoques a grade dstace Dr. Ig. José Joskowcz,
11 Dr. Ig. José Joskowcz, Udades de Tráfco Erlag E: U Erlag corresode a ua tesdad romedo de tráfco de ua hora or hora Equvalete a u recurso ocuado e forma ermaete Cetos de segudos or hora o Hudred call secods er hour CCS: U CCS corresode a ua tesdad romedo de tráfco de 100 segudos or hora uede ser asocado a la duracó de ua llamada tíca 36 CCS = 1 E
12 Volume de tráfco Traffc Volume Es el tráfco total cursado e u erodo de temo T Itegral e el temo de la tesdad de tráfco Se mde e Eh Erlag-horas o Es Erlagsegudos Es la suma de todos los temos de ocuacó e el erodo meddo Dr. Ig. José Joskowcz,
13 Dr. Ig. José Joskowcz, Itesdad de llamadas Call Itesty Promedo de llamadas or udad de temo llamadas udad de temo
14 Itesdad de llamadas Call Itesty Promedo de llamadas or muto, tomadas cada 15 mutos, durate 10 días, de lues a veres Dr. Ig. José Joskowcz,
15 Itesdad de llamadas Call Itesty Promedo de llamadas or muto, tomadas cada 15 mutos, cada día Dr. Ig. José Joskowcz,
16 Itesdad de llamadas Call Itesty Llamadas or muto, etre las 8:00 y las 13:00 de u día artcular Dr. Ig. José Joskowcz,
17 Itesdad de llamadas Call Itesty Llamadas or muto Catdad Muto 10:xx Llamadas or muto, e ua hora etre las 10 y las 11, e u día artcular Dr. Ig. José Joskowcz,
18 Temo medo de ocuacó Mea Holdg Tme Duracó meda del temo de ocuacó Por ejemlo: Duracó meda de las llamadas Dr. Ig. José Joskowcz,
19 Dr. Ig. José Joskowcz, Tráfco e fucó de tesdad de llamadas y ocuacó meda llamadas segudo 1 s d duracó meda 1 d s 1 tasa de s o segudos or servco servco d
20 Tráfco e fucó de tesdad de llamadas y ocuacó meda 1/ llamadas 1 segudo s 1 duracó meda s 1 s Dr. Ig. José Joskowcz,
21 Dr. Ig. José Joskowcz, Tráfco e fucó de tesdad de llamadas y ocuacó meda El tráfco se uede calcular como d
22 Hora co Busy Hour Período de 60 mutos que tee el máxmo de tráfco, tomado e tervalos de 15 mutos Por ejemlo: La hora co uede ser de 9:15 a 10:15 Dr. Ig. José Joskowcz,
23 Dr. Ig. José Joskowcz, Hora co Busy Hour La relacó etre el tráfco e la hora co y el tráfco daro total es del orde del 12%
24 Dr. Ig. José Joskowcz, % tráfco resecto al total daro
25 Tráfco Ofrecdo Offered Traffc Es el tráfco que se cursaría s o exstera rechazo detro de la red Se odría cursar co ftos recursos Usuaros Tráfco Ofrecdo Red Usuaros Dr. Ig. José Joskowcz,
26 Tráfco Cursado Carred Traffc Es el tráfco que efectvamete cursado or la red Tícamete se uede medr Usuaros Tráfco Ofrecdo Red Tráfco Cursado Usuaros Dr. Ig. José Joskowcz,
27 Dr. Ig. José Joskowcz, Tráfco Perddo o Rechazado Lost or Rejected Traffc Es el tráfco que NO udo ser cursado or la red Usuaros Tráfco Ofrecdo Red Tráfco Cursado Usuaros Perddo
28 Dr. Ig. José Joskowcz, Tráfco de Desborde Overflow Traffc Es el tráfco que o udo ser cursado or ua red y es dervado a otra red Usuaros Tráfco Ofrecdo Red 1 Tráfco Cursado Usuaros Desborde Red 2
29 Dr. Ig. José Joskowcz, Geeracó de tráfco Retetos Probabldad de error del usuaro Probabldad de errores téccos y bloqueo Probabldad de cada resultado osble
30 Dr. Ig. José Joskowcz, Retetos cuado el desto está ocuado Hstograma de los retetos e fucó del temo de reteto luego del teto cal, cuado el desto está ocuado
31 Dr. Ig. José Joskowcz, 2017 Modelos Matemátcos Teoría e Igeería de Teletráfco
32 Dr. Ig. José Joskowcz, Proceso de rrbos Los rocesos de arrbo se uede descrbr matemátcamete como rocesos estocástcos utuales temo arrbos Temo etre arrbos: - Varable aleatora - No se roduce arrbos múltles - E romedo, λ arrbos or udad de temo
33 Dr. Ig. José Joskowcz, Proceso de rrbos l asumr que cada temo etre arrbos se modela co la msma varable aleatora, queda mlícto que la dstrbucó de arrbos es deedete del temo Puede ser certo durate eríodos cortos de temo Llamaremos a la varable aleatora que modela el temo etre arrbos T P T T 0 a t dt
34 Proceso de rrbos El temo medo etre arrbos el valor eserado se uede calcular como 1 ta t dt 0 Cómo defr? El temo etre arrbos se uede modelar co ua dstrbucó exoecal de arámetro λ t a t 1 e t e t Dr. Ig. José Joskowcz,
35 Dr. Ig. José Joskowcz, Ejemlo: 360 llamadas or hora 1 10 llamadas llamadas hora segudo segudos llamada temo romedo etre llamadas t 1 e t a t t e ta t t te t t t
36 Dr. Ig. José Joskowcz, Proedades de la dstrbucó Exoecal de arámetro λ Valor eserado E 1 Varaza var = E 2 E 2 var 1 2
37 37 Dr. Ig. José Joskowcz, 2017 Proedades de la dstrbucó exoecal No tee memora : h P T h T P h t h T h T T t h T t T T t h P dt e e e e dt e dt e T h T P dt e dt t a T P
38 Dr. Ig. José Joskowcz, Proedades de la dstrbucó exoecal La dstrbucó de robabldad del arrbo de ua ueva llamada o deede de cuato temo haya asado desde el arrbo de la últma llamada
39 Dr. Ig. José Joskowcz, Relacó etre la dstrbucó Exoecal y la de Posso S los temos etre arrbos so exoecales de arámetro λ, el úmero de arrbos N que ocurre e u laso de temo T tee u dstrbucó de Posso de arámetro λt P N T e N! N T llamadas 0.1 segudo N= catdad de llamadas ara T=60 seg
40 Dr. Ig. José Joskowcz, Duracó de las llamadas Duracó de llamadas: - Varable aleatora - E romedo, de duracó d=1/µ
41 Dr. Ig. José Joskowcz, Duracó de las llamadas l asumr que la duracó de las llamadas se modela co la msma varable aleatora, queda mlícto que la dstrbucó de la duracó es deedete del temo Puede ser certo durate eríodos cortos de temo y ara u msmo to de llamadas Llamaremos S a la varable aleatora que modela la duracó de llamadas S T P S T T 0 s t dt
42 Dr. Ig. José Joskowcz, Duracó de las llamadas La duracó meda de las llamadas el valor eserado se uede calcular como 1 d ts t dt 0 La duracó de las llamadas se uede modelar co ua dstrbucó Exoecal de arámetro µ=1/d S t s t 1 e t e t
43 Dr. Ig. José Joskowcz, Ejemlo: duracó meda de 3 mutos d 180 segudos 1/180 segudos s t d t 1 t d e ts t 1 te d t t d
44 Dr. Ig. José Joskowcz, 2017 Modelo co ftos recursos Teoría e Igeería de Teletráfco
45 Cosderacoes Cosderamos u sstema co recursos détcos, trabajado e aralelo Gruo homogéeo homogeeous grou Hay fuetes que uede geerar tráfco Ua llamada es acetada e el sstema s exste or lo meos u recurso dsoble, y cada llamada ocua u úco recurso ccesbldad comleta full accessblty Dado que hay recursos, las llamadas so semre acetadas Dr. Ig. José Joskowcz,
46 Cosderacoes El arrbo de llamadas se uede modelar como u roceso de Posso de arámetro λ llamadas or segudo Tráfco de Chace Pura La duracó de las llamadas tee ua dstrbucó exoecal de arámetro µ=1/d segudos -1 El tráfco se uede modelar como u roceso de acmeto y muerte Proceso smle de Markov Dr. Ig. José Joskowcz,
47 Dagrama de trascó de estados Defmos el estado del sstema [] como la catdad de recursos ocuados. E u state determado, el sstema se ecuetra e el estado [] Dr. Ig. José Joskowcz,
48 Dagrama de trascó de estados Co el temo uede exstr trascoes etre estados Etre u temo t y t +dt, solo exste trascoes smles La robabldad de arrbo o f de más de 2 llamadas e dt es desrecable Dr. Ig. José Joskowcz,
49 49 Dr. Ig. José Joskowcz, 2017 Dagrama de trascó de estados Demostracó ara el caso de arrbos: Probabldad de N arrbos e u temo T: ! 2 2 P T e T P T Te P T N e T N P T T T N
50 Dagrama de trascó de estados E ua stuacó de equlbro estadístco, el sstema se ecotrará e el estado [] ua roorcó de temo es la robabldad de ecotrar al sstema e el estado [] = robabldad del estado Dr. Ig. José Joskowcz,
51 Dagrama de trascó de estados La robabldad de asar del estado [] al [+1] e u tervalo de temo T, es la robabldad de que exsta u arrbo e ese tervalo de temo. S T es muy equeño, esa robabldad es T P 1 Te T T Dr. Ig. José Joskowcz,
52 Dr. Ig. José Joskowcz, Dagrama de trascó de estados La robabldad de asar del estado [] al [+1] durate u temo corto T Es leal co T Solo deede de la tasa de arrbos λ, ero o del estado [] e el que se ecuetre el sstema Hay ftas fuetes geeradoras de tráfco T T T T T T
53 Dr. Ig. José Joskowcz, Dagrama de trascó de estados La robabldad de asar del estado [] al [-1] e u tervalo de temo T, es la robabldad de que terme ua llamada e t < T La robabldad de que terme 1 de las llamadas del estado [] es S T 1 e T S T 1 1 T T 2 ara T Como hay llamadas [] [-1] =µt 2... T 0
54 Dagrama de trascó de estados S T es muy equeño, la robabldad de asar del estado [] al [-1] e u tervalo de temo T Es leal co T Es versamete roorcoal a la duracó meda d Es roorcoal a µ=1/d Es roorcoal a la catdad de llamadas recursos ocuados e el sstema Es roorcoal a Dr. Ig. José Joskowcz,
55 Dr. Ig. José Joskowcz, Dagrama de trascó de estados T T T T T T T 2T 1 T T 1 T Váldo ara T muy equeño
56 Ecuacoes de odo es la robabldad de ecotrar al sstema e el estado [] La catdad meda de saltos del estado [0] al estado [1] e el tervalo T es λt0 La catdad de saltos del estado [0] al estado [1] or udad de temo es λt0/t=λ0 La catdad meda de saltos del estado [1] al estado [0] e el tervalo T es µt1 La catdad de saltos del estado [1] al estado [0] or udad de temo es µt1/t= µ+1 Dr. Ig. José Joskowcz,
57 Dr. Ig. José Joskowcz, Ecuacoes de odo Trascoes or udad de temo
58 58 Dr. Ig. José Joskowcz, 2017 Ecuacoes de odo Trascoes or udad de temo
59 Ecuacoes de corte E equlbro estadístco, la catdad de trascoes del estado [-1] al [] debe ser guales a las trascoes del estado [] al [-1] Trascoes or udad de temo Dr. Ig. José Joskowcz,
60 Normalzacó El sstema semre estará e uo de los osbles estados La suma de todas las robabldades de los estados debe ser Dr. Ig. José Joskowcz,
61 Deduccó de las robabldades de estados lcamos las ecuacoes de corte d Dr. Ig. José Joskowcz,
62 62 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados... 0! 1 0 1! x e 0 0 0! ! 1 e!
63 Dr. Ig. José Joskowcz, Ejemlo Usuaros que geera 600 llamadas or hora, de 1 muto de duracó romedo Sstema co Iftos recursos de comutacó Cuátos recursos de comutacó será utlzados?
64 Ejemlo 600 llamadas or hora = 600/3600 llamadas or segudo λ=1/6 seg segudos de duracó d=60 seg µ=1/60 seg -1 = λ/µ= 10 Erlag! e ara = catdad de recursos ocuados Dr. Ig. José Joskowcz,
65 Dr. Ig. José Joskowcz, Característcas del tráfco co ftos recursos No hay cogestó : Hay ftos recursos y todos so accesbles El tráfco cursado Y es gual al tráfco ofrecdo Y 1 e e 1 1! 1! 1 e e El tráfco erddo es 0
66 Dr. Ig. José Joskowcz, 2017 Recursos ftos: Modelos de érdda Teoría e Igeería de Teletráfco
67 Cosderacoes Cosderamos u sstema co recursos détcos, trabajado e aralelo Gruo homogéeo homogeeous grou Ua llamada es acetada e el sstema s exste or lo meos u recurso dsoble, y cada llamada ocua u úco recurso ccesbldad comleta full accessblty Dr. Ig. José Joskowcz,
68 Cosderacoes S todos los recursos está ocuados el sstema está cogestoado y el teto de llamada es bloqueado El teto de llamada e este caso desaarece, o hay esera retetos Modelo de érdda Lost Calls Cleared Dr. Ig. José Joskowcz,
69 Dr. Ig. José Joskowcz, Dagrama de trascó de estados Trascoes or udad de temo
70 70 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados 0! ! x 0 0 0! ! 1 j j j 0! 1!
71 Cogestó Hay cogestó cuado todos los recursos está ocuados, o sea cuado el sstema está e el estado [] La robabldad de que al llegar u arrbo ecuetre al sstema e el estado [] es gual a la robabldad estacoara de que el sstema se ecuetra e el estado [] Esto es coocdo como roedad Posso rrvals See Tme verage o PST, demostrada or Roald W. Wolff e 1982 Dr. Ig. José Joskowcz,
72 Dr. Ig. José Joskowcz, Cogestó Hay cogestó cuado todos los recursos está ocuados, o sea cuado el sstema está e el estado [] Por tato, la robabldad de que exsta cogestó es j0! j j! E B, Coocda como Fórmula de Erlag-B ublcada e 1917
73 Dr. Ig. José Joskowcz, Ejemlo Usuaros que geera 600 llamadas or hora, de 1 muto de duracó romedo Sstema co 10 recursos de comutacó Qué robabldad hay de que exsta cogestó?
74 Dr. Ig. José Joskowcz, Ejemlo λ=1/6 seg -1 µ=1/60 seg -1 = λ/µ= 10 Erlag E B , ! j j! j %
75 bloqueo Dr. Ig. José Joskowcz, Ejemlo E Cómo varía la robabldad de bloqueo segú la catdad de recursos dsobles? B,! 1 j j0 j! E B, catdad de recursos dsobles
76 catda de recursos Ejemlo S queremos que la robabldad de bloqueo sea meor al 1%, cuátos recursos ecestamos? E B, Zoom robabldad de bloqueo Dr. Ig. José Joskowcz,
77 catda de recursos Ejemlo S queremos que la robabldad de bloqueo sea meor al 1%, cuátos recursos ecestamos? = E B, robabldad de bloqueo Dr. Ig. José Joskowcz,
78 Dr. Ig. José Joskowcz, Tablas de Erlag-B Probabldad de bloqueo= E
79 79 Dr. Ig. José Joskowcz, 2017 Característcas del tráfco co modelo de érdda Hay cogestó cuado todos los recursos está ocuados El tráfco cursado Y es meor al tráfco ofrecdo usado las ecuacoes de corte El tráfco erddo es, E Y Y B,, 1 E E Y B B lost
80 Resume de las Hótess utlzadas ara Erlag-B Chace ura El arrbo de llamadas se modela segú u roceso de Posso El temo etre arrbos de llamadas tee ua dstrbucó exoecal Exste ftas fuetes geeradoras de tráfco Duracó de las llamadas La duracó de las llamadas tee ua dstrbucó exoecal Dr. Ig. José Joskowcz,
81 Resume de las Hótess utlzadas ara Erlag-B Gruo homogéeo de recursos Los recursos so détcos, trabajado e aralelo ccesbldad comleta Ua llamada es acetada e el sstema s exste or lo meos u recurso dsoble, y cada llamada ocua u úco recurso Sstema de érdda S u teto de llamada o ecuetra u recurso lbre, se erde No hay retetos Dr. Ig. José Joskowcz,
82 Dr. Ig. José Joskowcz, Geeralzacó Duracó de las llamadas La fórmula es valda ara cualquer dstrbucó de duracó de llamadas, y solo deede de la duracó meda d De hecho, solo deede del tráfco d
83 Fuetes ftas Qué sucede s hay u úmero fto de fuetes geeradoras de tráfco? medda que las fuetes obtee u recurso, queda meos fuetes ara geerar tráfco Por lo tato, la robabldad de trascó del estado [] al [+1] deederá del estado [] Dr. Ig. José Joskowcz,
84 Fuetes ftas Iteresa e este caso la tasas de arrbos or cada fuete E romedo γ arrbos or udad de temo or cada fuete S hay S fuetes, la tasa total de arrbos es S Para el caso de fuetes alca lm 0 S S, Dr. Ig. José Joskowcz,
85 Dr. Ig. José Joskowcz, Fuetes ftas El tráfco or cada fuete se uede defr como a
86 Dagrama de trascó de estados S 1 S S 1 S S 2 S 1 S Trascoes or udad de temo Dr. Ig. José Joskowcz,
87 Deduccó de las robabldades de estados lcamos las ecuacoes de corte S0 1 S S a d S S 1 1 S Dr. Ig. José Joskowcz,
88 88 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados... 0! ! a S S S S a S a S S S S a S x a S S S a S a S S a S Sa
89 89 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados 0!!! 0!!! 0! a C C S S S a S a S S S S s s Combacoes de S tomadas de
90 90 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados Normalzacó s s s a C a C a C
91 Dr. Ig. José Joskowcz, Cogestó Hay cogestó cuado todos los recursos está ocuados, o sea cuado el sstema está e el estado [] Por tato, la robabldad de que exsta cogestó es C 0 S C a S a E Egset a,, S Tore Olaus Egset Coocda como Fórmula de Egset ublcada e 1918
92 92 Dr. Ig. José Joskowcz, 2017 Característcas del tráfco de érdda y fuetes ftas Hay cogestó cuado todos los recursos está ocuados El tráfco cursado Y es E S S a a Y E S a ay as Y E S a a S a S a S a Y S a S a Y
93 Resume de las Hótess utlzadas ara Egset Chace ura El arrbo de llamadas se modela segú u roceso de Posso El temo etre arrbos de llamadas tee ua dstrbucó exoecal Exste u úmero fto S de fuetes geeradoras de tráfco, que es mayor a la catdad de recursos S> Duracó de las llamadas La duracó de las llamadas tee ua dstrbucó exoecal Dr. Ig. José Joskowcz,
94 Resume de las Hótess utlzadas ara Egset Gruo homogéeo de recursos Los recursos so détcos, trabajado e aralelo ccesbldad comleta Ua llamada es acetada e el sstema s exste or lo meos u recurso dsoble, y cada llamada ocua u úco recurso Sstema de érdda S u teto de llamada o ecuetra u recurso lbre, se erde No hay retetos Dr. Ig. José Joskowcz,
95 Dr. Ig. José Joskowcz, 2017 Recursos ftos: Modelos de demora Teoría e Igeería de Teletráfco
96 Cosderacoes Cosderamos u sstema co recursos détcos, trabajado e aralelo Gruo homogéeo homogeeous grou Ua llamada es acetada e el sstema s exste or lo meos u recurso dsoble, y cada llamada ocua u úco recurso ccesbldad comleta full accessblty Dr. Ig. José Joskowcz,
97 Cosderacoes S todos los recursos está ocuados el sstema está cogestoado y la llamada se oe e cola de esera La cola de esera o tee límtes Puede exstr llamadas e esera Cuado ua llamada gresa a la cola de esera, se matee hasta que llega su turo NO hay abadoos Modelo de demora Delay Systems Dr. Ig. José Joskowcz,
98 Dr. Ig. José Joskowcz, Dagrama de trascó de estados Recursos Cola de esera Trascoes or udad de temo
99 Deduccó de las robabldades de estados lcamos las ecuacoes de corte j 1 j 1 d Dr. Ig. José Joskowcz,
100 100 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados... 0! 1 0 1! ! 0! 1
101 101 Dr. Ig. José Joskowcz, 2017 Deduccó de las robabldades de estados j j j j j j, 1 1 1!! 0 1 0! 0! ,!!
102 Dr. Ig. José Joskowcz, Probabldad de que exsta demora La robabldad de que ua llamada grese a la cola de esera es decr, que o ueda ser atedda medatamete es la robabldad de que el sstema se ecuetra e cualquera de los estados [] mayores o guales a [] Wat 0
103 103 Dr. Ig. José Joskowcz, 2017 Probabldad de que exsta demora 0! 0! 0! Wat Wat j j j E Wat C,,!!! Coocda como Fórmula de Erlag-C
104 Dr. Ig. José Joskowcz, Probabldad de que exsta llamadas e esera La robabldad de que exsta llamadas e esera es la robabldad de que el sstema se ecuetra e cualquera de los estados [] mayores estrctos a [] L 0 1 E C,
105 105 Dr. Ig. José Joskowcz, 2017 Número romedo de llamadas e esera, 1 1! 0 0! E L L L k k k k L k k L C k k k k k k k k k k k k k k
106 106 Dr. Ig. José Joskowcz, 2017 Número romedo de llamadas e esera cuado hay cola Cuátas llamadas e romedo habrá e esera, s sabemos que exste cola de esera? L k k k L L k k L
107 Temo romedo de esera Cuáto temo e romedo deberá eserar ua llamada hasta ser atedda? Teorema de Lttle Joh Lttle, 1961: La catdad romedo de llamadas e esera L es gual a la tasa de arrbos λ multlcada or la demora meda W L W Joh Dutto Lttle Es váldo ara cualquer sstema de ecolameto, s mortar la dstrbucó de arrbos la dstrbucó de la duracó del servcos o llamadas Dr. Ig. José Joskowcz,
108 108 Dr. Ig. José Joskowcz, 2017 Temo romedo de esera,, 1 E d W d E L W C C Esta es la demora romedo ara TODS las llamadas lguas tuvero demora, otras fuero ateddas s demora
109 Dr. Ig. José Joskowcz, Temo romedo de esera ara las llamadas e cola S ua llamada es ecolada, cuáto temo e romedo deberá eserar ara ser atedda? W Wat W W 0 0 d
110 Dr. Ig. José Joskowcz, 2017 Geeralzacoes Teoría e Igeería de Teletráfco
111 Notacó de Kedall Davd George Kedall fue u matemátco esecalzado e estadístca E 1953 Prouso ua otacó ara descrbr modelos de ecolameto geerales, segú La dstrbucó del roceso de arrbos La dstrbucó de la duracó del servco El úmero de recursos Davd George Kedall Dr. Ig. José Joskowcz,
112 Dr. Ig. José Joskowcz, Notacó de Kedall Notacó: /B/ = Proceso de rrbos B = Dstrbucó del temo de servco = úmero de recursos Los valores de y B uede ser: M = Proceso Markovao Posso, dstrbucó exoecal D = Determístca G = Geeral Dstrbucó arbtrara Otros
113 Dr. Ig. José Joskowcz, Notacó de Kedall - Ejemlo M/M/ Sstema de chace ura co roceso de arrbo de Posso, temos de servcos co dstrbucó exoecal y u úmero fto de recursos M/M/ Sstema de chace ura co roceso de arrbo de Posso, temos de servcos co dstrbucó exoecal y u úmero fto de recursos
114 Notacó de Kedall Extesó /B//K/S/X K = Caacdad total del sstema K = úmero de oscoes ara la cola de esera S = Número de fuetes geeradoras de tráfco X = Comortameto de la cola FIFO,LIFO, Dr. Ig. José Joskowcz,
115 Dr. Ig. José Joskowcz, Tráfco de desborde Es el tráfco que o udo ser cursado or ua red y es dervado a otra red Usuaros Tráfco Ofrecdo Red 1 Tráfco Cursado Usuaros Se uede alcar Erlag-B al tráfco sobre la Red 2? Desborde Red 2
116 Dr. Ig. José Joskowcz, Ejemlo Red 1, =16 Tráfco Ofrecdo =10E Perddo 2.2% Tráfco ofrecdo: = 10 Erlag Red 1: =16 recursos E B,=0.022 = 2.2% de robabldad de bloqueo Tráfco total erddo=10 E x = 0.22 E = 2.2% del tráfco total ofrecdo
117 Dr. Ig. José Joskowcz, Ejemlo Desborde =3.4E Red 1, =8 Red 2, =8 Tráfco Ofrecdo =10E Perddo Tráfco ofrecdo Red 1: = 10 E Red 1: =8 recursos E B,= 0.34 = 34% robabldad de bloqueo Tráfco erddo Red 1=10 x 0.34 = 3.4 E = Trafco ofrecdo a Red 2
118 Dr. Ig. José Joskowcz, Ejemlo Desborde =3.4E Red 1, =8 Red 2, =8 Tráfco Ofrecdo =10E Pero el valor real es 2.2%!! Perddo 0.49% Tráfco ofrecdo Red 2: = 3.4 E Red 2: =8 recursos E B,= = 1.45% de robabldad de bloqueo El tráfco erddo e la red 2 es lost =3.4 x = E = 0.49% del tráfco total ofrecdo
119 Tráfco de desborde El tráfco de desborde o cumle las hótess de Erlag-B Es u tráfco que reseta característcas de ráfagas, e los mometos e que la Red ateror está comleta. Fue estudado or Roger I. Wlkso e 1956 y or G. Bretscheder e el msmo año Dr. Ig. José Joskowcz,
120 Dr. Ig. José Joskowcz, 2017 Ejemlos Teoría e Igeería de Teletráfco
121 Ejemlo 1 Ua Emresa desea cororar u sstema de correo de voz e su red, ara todos sus usuaros Se sabe que Hay 1000 usuaros que utlzará el correo de voz Cada comucacó co el correo de voz tee ua duracó meda de 2 mutos Por cada usuaro, se esera que el correo de voz ateda e romedo 1 llamada e la hora co Se aceta que de 100 tetos, 1 o cosga coectarse Cuátos caales se requere e el correo de voz? Dr. Ig. José Joskowcz,
122 Ejemlo 1 Habrá llamadas or hora, de 2 mutos de duracó =λd = /3600 = 33.3 E Qué modelo alcamos? Erlag-B Egset Erlag-C Dr. Ig. José Joskowcz,
123 catda de recursos Ejemlo 1 = N=45 utlzado Erlag B N=44 utlzado Egset Erlag B Egset 1000 usuaros robabldad de bloqueo Dr. Ig. José Joskowcz,
124 Dr. Ig. José Joskowcz, Ejemlo 1 Utlzado las tablas de Erlag-B
125 catda de recursos Egset vs Erlag-B = Erlag-B Egset 1000 usuaros Egset 500 usuaros Egset 200 usuaros Egset 100 usuaros Egset 50 usuaros robabldad de bloqueo Dr. Ig. José Joskowcz,
126 Dr. Ig. José Joskowcz, Ejemlo 2 Ua Emresa desea cororar u sstema de correo de voz e su red, ara todos sus usuaros Se sabe que Hay 1000 usuaros que utlzará el correo de voz Cada comucacó co el correo de voz tee ua duracó meda de 2 mutos Por cada usuaro, se esera que el correo de voz ateda e romedo 1 llamada e la hora co Se aceta que de 100 tetos, 1 se vea demorada hasta ser atedda Cuátos caales se requere e el correo de voz?
127 Ejemlo 2 Habrá llamadas or hora, de 2 mutos de duracó =λd = /3600 = 33.3 E Qué modelo alcamos? Erlag-B Egset Erlag-C Dr. Ig. José Joskowcz,
128 catda de recursos Dr. Ig. José Joskowcz, Ejemlo 2 = N=48 utlzado Erlag C Erlag C =33.3 mlca N > robabldad de que la llamada sea demorada
129 Dr. Ig. José Joskowcz, Ejemlo 2 Utlzado las tablas de Erlag-C
130 Dr. Ig. José Joskowcz, Ejemlo 2 Cuál será la demora romedo? d 120s W EC, s S ua llamada es demorada, Cuál será su demora eserada? W d 120 W W 8. 2s 0 Wat
131 Dr. Ig. José Joskowcz, 2017 Muchas Gracas! Teoría e Igeería de Teletráfco Dr. Ig. José Joskowcz josej@fg.edu.uy
6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Más detallesSIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33
SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesTema 2: Semiconductores intrínsecos y extrínsecos
lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2008
Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesCENTRO DE MASA centro de masas centro de masas
CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesREDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN
.4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesde los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u
FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesCÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS
CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar
Más detallesDivisión de Evaluación Social de Inversiones
MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detallesESTADÍSTICA DESCRIPTIVA E INFERENCIAL I
COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesProbabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Más detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detallesADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica
2 ADMINISTRACIÓN FINANCIERA - Cálculo Facero Teoría y Práctca Año 2007 Profesor ttular: Profesor Adjuto: Eduardo Melsky Herá Rouby 3 Idce: CALCULO FINANCIERO 3 REGIMEN DE CAPITALIZACION SIMPLE 6 REGIMEN
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesl 0 + l La energía potencial elástica de un resorte vale:
ASOCIACIÓN DE RESORTES..- La fuerza y eergía elátca de u reorte o muelle. U reorte o muelle e u dotvo mecáco que uede comrmre o dlatare y que vuelve a u ocó orgal o atural, emre que el delazameto o ea
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detallesLínea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V
Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesBolilla 4: Rotación de los cuerpos rígidos. Movimiento circular
Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula 4. Vaables Agulaes Las vaables agulaes sve aa eeseta e foma mas smle e dóea al movmeto de otacó. La
Más detallesLa teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos.
.- INTRODUCCIÓN La teoría de colas es objeto de ua apla bblografía que aborda desde el estudo de ssteas forado por ua cola co u servdor hasta coplejas redes de colas de espera. Los ssteas de colas fora
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detalles5. Estimación puntual. Curso Estadística
5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesTEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA
UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-
Más detallesESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES
Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para
Más detallesSistema binario. Disoluciones de dos componentes.
. Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detallesMATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información
MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los
Más detallesESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
Más detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesSOFTWARE LIBRE QUE CALCULA EL TAMAÑO DE MUESTRA MEDIANTE MÉTODOS DE MUESTREO PROBABILÍSTICO RESUMEN
SOFTWARE IBRE QUE CACUA E TAMAÑO DE MUESTRA MEDIATE MÉTODOS DE MUESTREO PROBABIÍSTICO Jua Ruz Ramírez Gabrela E. Herádez Rodríguez Chrsta Pérez Salazar 3 RESUME U roblema recurrete e los estudos observacoales
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones
UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo
Más detallesCAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se
CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda
Más detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detallesMATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS
MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de
Más detallesINTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1
63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las
Más detallesAnálisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears
Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.
Más detallesTopología General Capítulo 0-2 -
Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada
Más detallesR-C CARGA Y DESCARGA DE UN CONDENSADOR
RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Más detallesCURSO REDES ELECTRICAS II 1 CAPITULO 4
CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto
Más detallesANALES DE MECÁNICA DE LA FRACTURA Vol. 22 (2005)
AALES DE MECÁICA DE LA FRACTURA Vol. (5) 7 DAÑ PRBABILISTA SBRE EL CEMET E PRÓTESIS DE CADERA. IFLUECIA DEL GRAD DE UI CEMET-PRTESIS J. Grasa, Mª A. Pérez, J. M. García-Azar, J. A. Bea y M. Doblaré Gruo
Más detallesRectificador de media onda
Electróica y microelectróica ara cietíficos ectificador de media oda Como u diodo ideal uede mateer el flujo de corriete e ua sola direcció, se uede utilizar ara cambiar ua señal de ca a ua de cd. E la
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesFORMULARIO TEORIA DE FILAS
FORMULARIO TEORIA DE FILAS Proceso geeral de acimieto y muerte. Tasas de etrada: λ 0,λ 1,..., λ 1 clietes or uidad de tiemo. Tasas de salida: µ 1,µ 2,..., µ clietes or uidad de tiemo. =1, 2,... Razó etrada/salida:
Más detallesMETODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
Más detallesTEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)
Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca
Más detallesCapitalización, actualización y equivalencia financiera en capitalización compuesta
Captalzacó, actualzacó y equvaleca facera e captalzacó compueta 5 E eta Udad aprederá a: 2 3 4 5 Decrbr lo efecto eecale de la captalzacó compueta. Reolver problema facero e captalzacó compueta. Dferecar
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detalles