You are on page 1of 13

Teoría de Colas

Integrantes:

Jorge Luis Brito

Jessica Abril

Cristian Camas

Jhonny Carchi

11 de junio de 2018

Universidad Nacional de Chimborazo.

Facultad de Ingeniería.

Carrera de Electrónica y Telecomunicaciones.

Ingeniería de Tráfico.
Tema

Teoría de colas

Objetivo General

El objetivo principal de la Teoría de colas es equilibrar los costes de capacidad del servicio y el “coste”
de una espera larga.

Objetivos específicos

Analizar las características, propiedades y aplicaciones de las cadenas de Markov.


Conocer las características de los procesos de nacimiento y muerte.
Introducción
En la vida cotidiana se ve aplicado las colas en diferentes circunstancias o situaciones ya sea para
ingresar algún lugar, cobrar un dinero, etc. Lo importante que se toma en cuenta en cuanto a colas es el tiempo,
debido a que este es el factor más importante al realizar una cola, esto se debe a la demanda del servicio ya
que se excede la capacidad de prestación o atención y se generan las colas, dependiendo de la demanda la cola
sigue incrementando y retardando en cuanto a tiempo, esta misma situación afecta en el tráfico de redes.
Desarrollo
DEFINICION TEORIA DE COLAS
La Teoría de Colas es el estudio matemático de las características de los sistemas de colas. Un sistema de colas
se genera cuando la demanda de un servicio cualquiera por parte de los usuarios excede la capacidad del servicio en
sí.

OBJETIVO
El objetivo principal de la Teoría de colas es equilibrar los costes de capacidad del servicio y el “coste” de una
espera larga.

La Teoría de colas es únicamente un modelo de comportamiento del trafico que se ve todos los días

EJEMPLO DE COLAS
Un ejemplo de una cola es: cuando se va a comprar un boleto para viajar, si existen pocas personas para
ser atendidas, será una cola pequeña; sin embargo, si hay un gran número de personas esperando ser
atendidas será una cola muy grande. Ahora bien, el número de servidores dependerá de cuantas personas
están atendiendo y el cliente será la persona que quiere comprar el boleto, el número de servidores podrá
ser de 1 hasta infinito. A continuación, se muestra el ejemplo de una cola con un único servidor y con
dos servidores.

Fig Modelo de una sola cola con un único servidor

Fig. Modelo de una sola cola con dos servidores

CARACTERISTICAS DE UN SISTEMA DE COLAS


Un sistema de colas se especifica por seis características principales
 El tipo de distribución de entradas o llegadas (tiempo entre llegadas)
 El tipo de distribución de salidas o retiros (tiempo de servicio)
 Los canales de servicio
 La disciplina del servicio
 El número máximo de clientes permitidos en el sistema
 La fuente o población

Tipo de Distribución
Las distribuciones de entrada y salida, también conocidas como distribuciones de llegada y retiro, determinan los
modelos por los cuales los clientes entran y salen. La característica 1 y 2, como puede observarse, se le hace referencia
a lo que es el tiempo entre llegadas y el tiempo de servicio, éstos también son conocidos como patrones.

Canal de servicio
El canal de servicio no es más que el proceso que realiza el servicio para el cliente, de manera complementaria, el canal
de servicio puede ser un canal en serie, paralelo o mixto, es decir una combinación de ambas. La diferencia entre el
canal en serie y el paralelo es el número de clientes que pueden ser atendidos de manera simultánea. Así pues, se
pueden atender varios clientes al mismo tiempo en un canal paralelo, sin embargo, en un canal en serie los clientes
tendrán que pasar por todos los canales hasta obtener el servicio.

Disciplina de servicio
Es una regla para seleccionar clientes de la línea de espera al inicio del servidor

Número máximo de clientes


Es el cupo de clientes permitidos en una cola dependiendo de las características que presenta el sistema; es decir, de
acuerdo a las características del sistema se podrá tener una cola infinita o finita.

Fuente
También conocida como población representa un factor importante en el análisis de teoría de colas ya que el modelo
de llegadas depende de la fuente de donde provienen los clientes.

NOTACION DE KENDALL
Kendall fue un matemático el cual propuso que un sistema podrá ser notado de la siguiente manera,
A/B/X/Y/Z/V, donde:

 A es el modelo de llegadas, valores posibles:


o M=tiempos entre llegadas exponenciales
o D=tiempos entre llegadas deterministas
o G=tiempos entre llegadas generales (cualquier distribución)
 B es el modelo de servicio, puede tomar los mismos valores que A
 X es el número de servidores
 Y es la capacidad del sistema (número máximo de clientes en el sistema), se puede omitir si
es infinita.
 Z es la disciplina, se puede omitir si es FIFO
 V es el número de estados de servicio, se puede omitir si es 1

TIPOS DE COLAS
Existe diferentes tipos de colas, pero veremos principalmente tres casos específicos, ya que estos son
la base del modelo
1) M/M/1
2) M/M/1/K
3) M/M/C

Fig. Tipos de sistemas de colas

1) M/M/1
- Se tiene un sistema de llegadas que se producen según un proceso de Poisson de razón , donde los
tiempos entre llegadas estarán distribuidos exponencialmente.
Donde es el número de llegadas de peticiones de servicio por unidad de tiempo
- Los tiempos entre servicios son distribuidos de manera exponencial µ
Donde  es el número medio de paquetes que el servidor es capaz de atender por unidad de tiempo
- Se posee un único servidor en el sistema
- La capacidad del sistema es infinita, la cual se puede omitir
- Se tiene un estado de servicio igual a uno, es decir una sola cola, el cual se puede omitir

Para este tipo de sistema, se define la intensidad de tráfico, también conocida como factor de utilización, como:

Para que el sistema sea estable, se tiene la siguiente condición de no saturación:

1
Las probabilidades de estado estable existen y están determinadas por:

   n 1 n 
Donde
n = Probabilidad de que haya n paquetes en el sistema.

Esta fórmula indica la probabilidad de que haya n paquetes en el sistema

2) M/M/1/K
- Se tiene un sistema de llegadas que se producen según un proceso de Poisson de razón , donde los
tiempos entre llegadas estarán distribuidos exponencialmente.
Donde es el número de llegadas de peticiones de servicio por unidad de tiempo
- Los tiempos entre servicios son distribuidos de manera exponencial µ
Donde  es el número medio de paquetes que el servidor es capaz de atender por unidad de tiempo
- Se posee un único servidor en el sistema
- La capacidad del sistema es finita, esta expresada por la constante K
- Se tiene un estado de servicio igual a uno, es decir una sola cola, el cual se puede omitir

En este sistema debe de considerarse que se está limitando el número de paquetes que van a poder entrar a la cola, es decir si la
cola estuviera llena los paquetes que llegaran después serían rechazados. La ventaja que tiene este tipo de sistemas es que no se
necesita utilizar una condición de no saturación debido a que la capacidad es limitada y por ello se encuentra siempre en un
estado estable, sin importar cuál sea el valor de .

Donde:

Pn = Probabilidad de que haya n paquetes en el sistema,


= Intensidad de tráfico en el sistema, y
K = Número de paquetes que caben en el sistema.

3) M/M/C
- Se tiene un sistema de llegadas que se producen según un proceso de Poisson de razón , donde los
tiempos entre llegadas estarán distribuidos exponencialmente.
Donde es el número de llegadas de peticiones de servicio por unidad de tiempo
- Los tiempos entre servicios son distribuidos de manera exponencial µ
Donde  es el número medio de paquetes que el servidor es capaz de atender por unidad de tiempo
- El número de servidores en el sistema de denotará con la constante c
- La capacidad del sistema es infinita.
- Se tiene un estado de servicio igual a uno, es decir una sola cola, el cual se puede omitir

Este sistema al igual que el sistema M/M/1 presenta una capacidad del sistema infinita por lo cual se establece una condición de
no saturación para alcanzar el estado estable, ya que de esta manera se cuida que el número de paquetes no crezca
indefinidamente. Para este software sólo se ocuparán colas que no se saturan, por lo que la condición será la siguiente
1
donde se tiene que  se calcula así:

Donde
= Intensidad de tráfico en el sistema,
 = Número medio de llegadas por unidad de tiempo,
c = Número de servidores en el sistema, y
µ= Número medio de paquetes que el servidor es capaz de atender por unidad de tiempo.
Donde
0 = Probabilidad de que no existan paquetes en el sistema,
n = Paquetes en el sistema, y
Pn = Probabilidad de que haya n paquetes en el sistema

Un proceso estocástico es una familia de variables aleatorias X(t) donde t es un parámetro índice
(típicamente temporal). Tres son las características definitorias de un proceso estocástico:
 El espacio de estados, o conjunto de posibles valores (estados) de las variables aleatorias X(t), que
puede ser un conjunto discreto (y en ese caso el proceso estocástico se denomina habitualmente
cadena) o un conjunto continuo.
 El parámetro índice (tiempo), que puede tomar valores en un conjunto discreto (y se tiene entonces
un proceso de parámetro —tiempo— discreto) o continuo (y se tiene entonces un proceso de parámetro
—tiempo— continuo). En el primer caso, es habitual referirse al proceso estocástico como secuencia
aleatoria y representarla usando Xn en lugar de X(t).
 Y, por último, la más importante de todas, que es la relación entre las variables aleatorias de la familia.
En general, para caracterizar un proceso estocástico hay que especificar la función de distribución
conjunta de todas las variables aleatorias de la familia.
Un proceso de Markov es un proceso estocástico en el que el estado siguiente depende única y
exclusivamente del estado actual; y si el espacio de estados del proceso es discreto suele denominarse, como
ya hemos dicho, cadena de Markov. A continuación, definimos una cadena de Markov.
Se dice que una secuencia estocástica {Xi, i = 1, 2, . . .} de espacio de estados discreto X es una cadena de
Markov si para todo valor de n y para cualesquiera x1, . . ., xn+1 ∈ X se cumple que:
𝑃(𝑋𝑛+1 = 𝑥𝑛+1 | 𝑋𝑛 = 𝑥𝑛 , 𝑋𝑛−1 = 𝑥𝑛−1 , . . . , 𝑋1 = 𝑥1 ) =
𝑃(𝑋𝑛+1 = 𝑥𝑛+1 | 𝑋𝑛 = 𝑥𝑛 )
La propiedad anterior, que define a una cadena de Markov, suele denominarse propiedad markoviana.
Y en virtud de esta propiedad tenemos una secuencia aleatoria en la que la dependencia se extiende hacia atrás
en el tiempo una sola unidad.
La expresión P (Xn+1 = j | Xn = i) se denomina probabilidad de transición en un paso y es la probabilidad
condicional de que se produzca una transición del estado i en el instante de tiempo n al estado j en el instante
de tiempo n + 1.
Si ocurre, como vamos a suponer de ahora en adelante, que las probabilidades de transición son independientes
del valor de n, entonces se tiene una cadena de Markov invariante con el tiempo (u homogénea), y en ese caso
se representará por Pij la probabilidad de transición en un solo paso
del estado i al estado j,
P𝑖𝑗 = P(X 𝑛+1 = j | X𝑛 = i)
(𝑛)
De manera análoga, se puede definir la probabilidad de transición en n pasos, que representaremos por 𝑃𝑖𝑗 ,
como la probabilidad de que un proceso que está en el estado i llegue al estado j tras n transiciones, es decir,
n instantes de tiempo más tarde. Esto es,
(𝑛)
𝑃𝑖𝑗 = P(X𝑚+𝑛 = j | X 𝑚 = i), n > 0, i, j ∈ X

Aplicaciones
 Internet: El pagerank de una página web (usado por Google en sus motores de búsqueda) se define a
través de una cadena de Márkov, donde la posición que tendrá una página en el buscador será
determinada por su peso en la distribución estacionaria de la cadena.

 Simulación: Las cadenas de Márkov son utilizadas para proveer una solución analítica a ciertos
problemas de simulación, por ejemplo, en teoría de colas el Modelo M/M/14 es de hecho un modelo
de cadenas de Márkov.
 Juegos de azar: El modelo de la ruina del jugador, (Gambler's ruin), que establece la probabilidad de
que una persona que apuesta en un juego de azar finalmente termine sin dinero, es una de las
aplicaciones de las cadenas de Márkov en este rubro.
 Economía y finanzas: Las cadenas de Márkov se pueden utilizar en modelos simples de valuación de
opciones para determinar cuándo existe oportunidad de arbitraje, así como en el modelo de colapsos
de una bolsa de valores o para determinar la volatilidad de los precios.
2. CALCULOS, RESULTADOS O COMPROBACION
Consideremos una Fuente de Markov de segundo orden con un alfabeto binario S= {0,1}, Supongamos
que las probabilidades condicionales son:
P (0/00) = P (1/11) = 0.8
P (1/00) = P (0/11) = 0.2
P (0/01) = P (0/10) = P (1/01) = P (1/10) =0.5
Por ser q igual a 2 y haber supuesto la fuente de Markov de segundo orden, tendremos cuatro estados
diferentes, 00, 01, 10, 11.
Los cuatro estados vienen representados por cuatro puntos. Las transiciones posibles, mediante flecha entre
estado y estado, indicándose sobre cada una de ellas la probabilidad asociada.
Procesos de Nacimiento y Muerte
La suposición de que las entradas y las salidas del sistema ocurran según un proceso de nacimiento y muerte es
común en la mayor parte de los modelos elementales de colas. Este proceso explica cómo varía el estado del sistema,
N(t), al aumentar t. En este contexto se entiende nacimiento como la llegada de un nuevo cliente al sistema y muerte
como la salida de un cliente después de recibir el servicio.
Supuestos:
Dado N(t) = n, la distribución de probabilidad actual del tiempo que falta para el próximo nacimiento es exponencial
con parámetro λn.
Dado N(t) = n, la distribución de probabilidad actual del tiempo que falta para la próxima muerte es exponencial con
parámetro µn.
Las variables aleatorias del supuesto 1 y del supuesto 2 son independientes. La siguiente transacción del estado será:

𝑛 =𝑛+1 (𝑢𝑛 𝑛𝑎𝑐𝑖𝑚𝑖𝑛𝑒𝑡𝑜)

𝑛=𝑛−1 (𝑢𝑛𝑎 𝑚𝑢𝑒𝑟𝑡𝑒)

Tomamos estos supuestos, el proceso es un tipo especial de cadena de Markov de tiempo continuo.
Los parámetros λn y µn son tasas medias en la distribución exponencial, en ocasiones estos valores serán
constantes para toda n pero en otros casos variaran con en la ilustración 1, que se expone el diagrama de tasas, en este
las flechas se representan las únicas transiciones posibles en el estado del sistema.

Ilustración 1. Secuencia de variación.

Considerando cualquier estado n, se cuenta el número de veces que el sistema entra en ese estado y el número de veces
que se sale de él. Así

𝐸𝑛 (𝑡) = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑒𝑠𝑡𝑎𝑑𝑜 𝑛 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡.

𝐿𝑛 (𝑡) = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑠𝑎𝑙𝑒 𝑑𝑒𝑙 𝑒𝑠𝑡𝑎𝑑𝑜 𝑛 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡
Puesto que estos eventos deben ser alternativos, estos dos números será iguales o se diferenciaran en una unidad.
|𝐸𝑛 (𝑡) − 𝐿𝑛 (𝑡)| ≤ 1
Dividiendo estos valores entre t se obtiene la tasa real (número de entrada o salida por unidad de tiempo), y si t
tiende a infinito se obtiene la tasa media (número esperado de eventos por unidad de tiempo). Se llega de este modo a:
𝐸𝑛 (𝑡) 𝐿𝑛 (𝑡)
lim | − |=0
𝑡→∞ 𝑡 𝑡

Este resultado lleva a la conclusión de que las tasas medias de entrada son iguales a las tasas medias de salida.
Las ecuaciones que se expresan este principio son llamadas ecuaciones de balance y se ven recogidas en la ilustración
2.

Ilustración 2. Ecuaciones de balance.

El procedimiento para resolver las ecuaciones no es otro que despejar todas las variables en términos de una de
ellas, siendo la más conveniente 𝑃0 . El requisito de que la suma de las probabilidades debe ser igual a 1 se puede usar
para evaluar 𝑃0 , obteniéndose la ilustración 3.

Ilustración 3. Probabilidades

Para simplificar la notación llamaremos 𝐶𝑛 al multiplicador de 𝑃0 .


𝜆𝑛−1 𝜆𝑛−2 … 𝜆0
𝐶𝑛 =
𝜇𝑛 𝜇𝑛−1 … 𝜇1
Se define 𝐶𝑛 = 1 para n=0 y la expresión de la probabilidad de estado estable es:

𝑃𝑛 = 𝐶𝑛 × 𝑃0
El requisito ∑ 𝑃𝑛 = 1 implica que (∑ 𝐶𝑛 )𝑃0 = 1 o lo que es lo mismo 𝑃0 = (∑∞
𝑛=0 𝐶𝑛 )
−1

Estos resultados son de estado estable pues al aplicar el limite cuanto t tiende a infinito no alejamos todo lo
posible del momento inicial y se desarrolla bajo el supuesto de los parámetros 𝜆𝑛 y 𝜇𝑛 tiene valores con los cuales el
proceso puede alcanzar la condición de estado.
Modelo de nacimiento puro
En el modelo de nacimiento puro los clientes llegan y nunca parten. Los procesos de llegada ocurren de
manera aleatoria. P0(t) = Probabilidad de que no hayan llegadas en un espacio de tiempo t.
Ejemplo
Suponga que los nacimientos en un país están separados en el tiempo, de acuerdo con una distribución
exponencial, presentándose un nacimiento cada 7 minutos. a) Calcule la cantidad de nacimientos que se registraran en
un año. b) Calcule la probabilidad de emitir 50 actas de nacimiento en 3 horas cuando ya se emitieron 40 en las dos
anteriores del periodo.
Calculamos la tasa
24 ∗ 60 𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠
𝜆= = 205.7
7 𝑑𝑖𝑎
𝑛𝑎𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠
𝜆 = 205.7 ∗ 365 = 77080
𝑎ñ𝑜
Hallamos la probabilidad
24 ∗ 60
𝜆= =8
3 ∗ 60
(𝜆𝑡)𝑛 𝑥𝑒 −𝜆𝑡
𝑃0 =
𝑛!
(8𝑥1)10 𝑥𝑒 −8𝑥1
𝑃0 = = 0.0992
10!

Modelo de muerte pura


En el modelo de muerte pura, el sistema se inicia con N clientes en el instante 0, sin llegadas nuevas permitidas.
Las salidas ocurren a razón de m clientes por unidad de tiempo.
Los clientes se retiran de un abasto inicial, ocurren de manera aleatoria.

Asignación de prioridades al tráfico de red.


Se asignan prioridades al tráfico de red en varias conexiones para una sesión con enrutadores
compatibles con calidad de servicio (QoS).
Calidad del Servicio, es una colección de conceptos y técnicas que se unen para proveer las formas de
salvaguardar la óptima calidad de un servicio dentro de las restricciones del limitado ancho de banda
disponible. (Auben)
Distintos métodos de gestión de tráfico:
FIFO. - (first in-first out): es un concepto utilizado para estructuras de datos, contabilidad de costes y teoría
de colas. Guarda analogía con las personas que esperan en una cola y van siendo atendidas en el orden en que
llegaron, es decir, que "la primera persona que entra es la primera persona que sale".
También es conocido como un método para organizar y manipular un búfer de datos, donde primero
se procesa la entrada más antigua (la primera) o "cabecera" de la cola. Es análogo al procesamiento de una
cola con comportamiento de primer llegado, primer servido (FCFS): donde los datos abandonan la cola en el
orden en que llegan. (Drake, 2018)

FIFO vacío: Cuando el registro de la dirección de lectura alcanza el registro de la dirección de


escritura, el FIFO activa la señal vacía.
FIFO completo: Cuando el registro de la dirección de escritura alcanza el registro de la dirección de
lectura, el FIFO activa la señal completa.
Prioridades. - Existen cuatro secuencias TCP/IP (en tiempo real, interactivo, de fondo y en masa) y una
secuencia UDP/RTP (para voz) que están disponibles para transportar el tráfico entre el dispositivo de usuario
y el servidor. Cada canal virtual se asocia con una prioridad específica y se transporta en la conexión
correspondiente. Según el número de puerto TCP usado para la conexión, se pueden definir canales de forma
independiente.
Cada canal virtual es asociado con una prioridad específica y se transporta en la conexión TCP
correspondiente. Según el número de puerto TCP usado para la conexión, se pueden definir canales de forma
independiente. Las cuatro prioridades son:
 Muy alta: Para las actividades en tiempo real, como las conferencias con cámaras Web.
 Alta: Para los elementos interactivos, como la pantalla, el teclado y el puntero.
 Media: Para los procesos por lote, como la asignación de unidades del cliente.
 Baja: Para las actividades en segundo plano, como la impresión.
Leaky bucket (balde con fugas). - es un algoritmo basado en una analogía de cómo un balde con una fuga se
desbordará si la tasa promedio a la que se vierte el agua excede la velocidad a la que el balde gotea o si se
vierte más agua que la capacidad del balde de una sola vez, y cómo el agua se filtra desde la cubeta a una
velocidad casi constante. Se puede usar para determinar si alguna secuencia de eventos discretos cumple a
límites definidos en sus tasas o frecuencias promedio y máximas, o para limitar directamente las acciones
asociadas a estos eventos a estas tasas, y puede usarse para limitar estas acciones a una tasa promedio sola, es
decir, eliminar cualquier variación del promedio. (PÁEZ & AMAYA, 2011)
Se utiliza en la conmutación de paquetes de redes informáticas y redes de telecomunicaciones tanto en la
políticas de tráfico y conformación de tráfico de las transmisiones de datos , en forma de paquetes ,a límites
definidos en ancho de banda y explosividad (una medida de la irregularidad o variaciones en el flujo de tráfico
). (PÁEZ & AMAYA, 2011)
En la gestión del tráfico, la cubeta con goteo se aplica normalmente al equivalente de ISO - OSI modelo de
capa 2 de enlace de datos de capa PDU. Se puede argumentar entonces que la descripción de este algoritmo
debe darse en términos de tramas, no de paquetes. (PÁEZ & AMAYA, 2011)
Token bucket. - El cubo de tokens es un algoritmo utilizado en redes de computadoras conmutadas por
paquetes y redes de telecomunicaciones. Se puede usar para verificar que las transmisiones de datos, en forma
de paquetes, se ajusten a los límites definidos de ancho de banda y ráfaga
El algoritmo de depósito de fichas se basa en una analogía de un depósito de capacidad fija en el que los
tokens, que normalmente representan una unidad de bytes o un único paquete de tamaño predeterminado, se
agregan a una tasa fija. Cuando se debe verificar que un paquete cumple con los límites definidos, se
inspecciona el mismo para ver si contiene suficiente información o datos en ese momento. Si es así este
paquete pasa a la transmisión.
El paquete no se ajusta si no hay suficientes datos en el depósito y el contenido del depósito no se modifica.
Los paquetes no completos se pueden tratar de varias maneras: (PÁEZ & AMAYA, 2011)
 Pueden ser considerados como paquetes caídos.
 Se pueden poner en cola para su posterior transmisión cuando se haya completado el paquete.
 Se pueden transmitir, pero se marcan como no conformes, y posiblemente se descarten posteriormente
si la red está sobrecargada.

CONCLUSIONES
Para un administrador de un sistema o consencionario que preste servicios es de suma importancia lograr
establecer los patrones que gobiernan un sistema de colas, con la finalidad de poder tomar decisiones
anticipadas, para de esta manera poder brindar un óptimo servicio a sus clientes o usuarios.
La finalidad de la teoría de colas no es la optimización, más bien su ayuda es importante al momento de
analizar el comportamiento de los usuarios que realizan peticiones generando un sistema de colas en busca de
un servicio.
Mediante esta consulta se llegó a la conclusión que una cadena de Markov es un proceso estocástico que nos
sirve para predecir la evolución y el comportamiento de un sistema, un proceso estocástico debe cumplir la
propiedad markoviana para que este sea considerado una cadena de Markov, este proceso es muy utilizado en
juegos de azar, en economía, finanzas incluso en internet por el pagerank de Google el cual es el motor de
búsqueda y gracias a este proceso el pagerank da un rango a cada página web existente dependiendo de las
palabras de búsqueda.

BIBLIOGRAFIA
 Abramson, N., & Miguel Menoyo, J. (1986). Teoría de la Información y Codificacion (pp. 35-37). Madrid:
Paraninfo.
 Auben. (n.d.). Auben. networking for people. Retrieved Junio 11, 2018, from
http://www.auben.net/index.php/tecnologias/calidad-de-servicio-qos
 Drake, J. (2018). Diseño y Evaluación de Configuraciones. 23.
 PÁEZ, G. K., & AMAYA, J. C. (2011, Mayo 29). Algoritmos de gestión de tráfico:. Retrieved from:
http://www.scielo.org.co/pdf/tecn/v15n29/v15n29a08.pdf

You might also like