LÍNEA DE COLA:

 cada uno de los procesos en los que el cliente espera hasta que existe algún servidor vacío dentro del sistema. Puede existir una única línea de cola o varias.

DISCIPLINA DE COLA:

es la norma o modo por el cual se rigen las salidas de una cola por parte de los clientes. Existen diversas disciplinas de cola:
FIFO [First-In First-Out]: Sale de la cola el primero que entró.>LIFO [Last-In First-Out]: Sale de la cola el último que entró>SPTF [Shorted Processing Time First]: Si se puede estimar el tiempo de servicio de cada cliente sale primero el que menos vaya a tardar en realizar el servicio completo>RSS [Random Selection of Service]: Selecciona los clientes de manera aleatoria, de acuerdo a algún procedimiento de prioridad o a algún otro orden.>Con prioridades: Las colas se ordenan por prioridad.

COND POISSON:

El nº de ocurrencias en un intervalo de medida Δt, es independiente de los demás intervalos. Proceso sin memoria.> La prob de que un resultado ocurra en un intervalo pequeño de ancho Δt es la misma para todos los demás intervalos de igual tamaño; además dicha prob es proporcional a Δt.>La prob de que se den 2 ocurrencias en un mismo intervalo Δt es prácticamente nula>Prob de que ocurran estos sucessos en el intervalo Δt es 1succeso=λ; 2 o mas=0; 0sucesos=1-λ    Ejemplos:
Nº VH que llegan a una gasolinera>Nº accidentes en un tramo de carretera>Nº buques que llegan a una terminal portuaria.

D POISON O SUC RAROS:

función de distribución discreta (no cont), que expresa la probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo, a partir de la frecuencia de ocurrencia media LIMIT Teoría Colas
Los modelos d colas se basan en aproximarse a la realidad, siendo una simplific de esta> Existen pocos casos totalmente resueltos, se fuerza que los modelos se parezcan a estos>Se obtiene sol medias para un problema de naturaleza dinámica>Los resultados permiten apreciar el orden de importancia de una medida, valorar el efecto de los cambios organizativos con relación a un pto de referencia y las tendencias + probables.

SOL PROB Sist Esperas

Sol completa exacta, con su expresión algebráica (M/M/1)> Sol parciales exactas> Sol resueltos mediante tablas y gráficos> Sol basado en métodos aprox> Sol mediante métodos numéricos y técnicas de montecarlo.

NOT KENDALL represent sist de esperas A/B/N A func de distrib de llegadas>B func distrib de tiempo en servicio>N Nº de servidores donde A y B se basan en M distrib exponencial>Ek distrib Erlang-k>D distrib degenerada>N distrib normal>U distrib uniforme>G distrib general. A/B/N: DG/C/D siendo DG disciplina de colas>C capacidad> D
Nº de potenciales clientes.

ESTIMADORES

Tasa d Ocupación (Rendimiento) relaciona la frec d llegada con la de servicio ρ=λ/N *μ Esper Relativ:
Estimar el tiempo de espera en relación con el tiempo que se emplea en recibir el servicio &épsilon;=Tq/Ts Prob de esperar:
prob de que haya N o + clientes en el sist Pq=Pn>=N Prop de tener N clientes en el sist
Pn Tmed de est en el sist T=Tq+Ts=Tq+1/μ

FUNC ALEA

En los puntos que no conocemos usamos la información estadística que tenemos para hacer una aproximación probabilística, haciendo uso del modelo de función aleatoria. A partir de la muestra, se realiza una valoración estadística y se reemplaza lo no lineal por una correlación de posibles realidades. Se generan valores intermedios que comparten las carácterísticas estadísticas de mis datos, siendo representaciones plausibles de mi función aleatoria. Se estiman todos los valores posibles de la distribución de probabilidades o, como mínimo, la media y/o la varianza. A partir de múltiples soluciones de la función aleatoria podemos determinar una distribución probabilística para determinar el valor del atributo en el punto Z (u).Las condiciones que debe cumplir un modelo de función aleatoria para poder derivar las ecuaciones del krigeado son: Condición de estimador insesgado.>Condición de varianza mínima.

KRIGEADO

Técnica de estimación cuyo objetivo es estimar el valor desconocido de un atributo Z en el pto de coordenadas U, apartir de N valores cnocidos de Z, cuyas coordenadas son Uα (se debe garantizar que el estimador sea insesgado y que la varianza sea min)

PROP

Exacto

Si estimo el valor variable en un punto donde tengo un dato, el resultado del sistema de ecuaciones es igual al dato (devolución del dato)> Estimador no convexo:
Propiedad de los estimadores que quedan fuera del rango que estamos estimando. Para ello &épsilon; · λ = 1 → Que algún peso sea mayor o menor que 1>No pueden existir 2 datos en el mismo punto, ya que entonces habría redundancia infinita>La varianza del error no depende de los datos entre sí, tan solo de la covarianza.
ESTIMACIÓN estima un valor desconocido de un atributo> Una IMAGEN estimada hace honor a datos experimentales pero NO a histogramas experimentales o caract experiment de cont espacial>Cada valor estimado es el mejor estimador posible> Tiende a suavizar la variación espacial, pero este no es uniforme.
SIMULAC generación de múltiples campos de una variable> Las Imágenes hacen honor a Datos experimentales, Histograma experi y caract experiment de cont espacial>El conjunto de múltiples imágenes de la realidad generadas por simulación estocástica provee una medida visual y cuantitativa de la incertidumbre espacial del atributo modelizado.