208022-Teletrafico 2013

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍAS E INGENIERÍAS

CONTENIDO DIDÁCTICO DEL CURSO: 208022-TELETRAFICO
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS TECNOLOGIAS E INGENIERIAS
INGENIERIA DE TELECOMUNICACIONES
208022–TELETRÁFICO
REMBERTO CARLOS MORENO HERAZO
(Director Nacional)
HAROLD EMILIO CABRERA MEZA

Acreditador
COROZAL
Octubre de 2012
COMITÉ DIRECTIVO
Jaime Alberto Leal Afanador

Rector
Gloria Herrera
Vicerrectora Académica
Roberto Salazar Ramos

Vicerrector de Medios y Mediaciones Pedagógicas
Maribel Córdoba Guerrero

Secretaria General
MÓDULO
CURSO TELETRAFICO
PRIMERA EDICIÓN
© Copyright
Universidad Nacional Abierta y a Distancia
ISBN
2010
COROZAL, Colombia
ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO
El contenido didáctico del curso académico: Teletráfico fue diseñado

en el año 2010 por el Ingeniero Remberto Moreno Herazo, docente de
la UNAD, ubicado en el CEAD COROZAL, Remberto Moreno es
Ingeniero Electrónico y Especialista en Telecomunicaciones, con
estudios de Maestría en Telecomunicaciones, se ha desempeñado
como Coordinador Local del Programa de Ingeniería Electrónica y
Telecomunicaciones y Docente del mismo programa. Se desempeña
actualmente como director del curso a nivel nacional.
Harold Emilio Cabrera Meza, docente del CEAD Pasto, apoyó el

proceso de revisión del contenido didáctico e hizo aportes
disciplinares, didácticos y pedagógicos en el proceso de acreditación
del material didáctico.
INTRODUCCIÓN
Una de las áreas específicas sobre las que se desarrolla el perfil del
Ingeniero en Telecomunicación es el de la Planificación y Gestión de
las Telecomunicaciones.
En el escenario actual de los operadores de redes y servicios, es un

requisito imprescindible la planificación de redes de telecomunicación
que permitan de forma optimizada en costes la introducción de
nuevos servicios con los que captar y mantener a los diferentes
nichos de clientes. Para dicha tarea resulta imprescindible adoptar
técnicas de identificación, clasificación y tratamiento de los diversos
tipos de tráfico que ha de tratar una arquitectura de red heterogénea.
Surge a su vez la necesidad de evolución en las tecnologías de

conmutación y transmisión con las que implantar las redes de
telecomunicación que transportan el tráfico de clientes.
Esta asignatura se fundamenta en el conocimiento de los criterios con

los que se han de diseñar y planificar las redes privadas y públicas
sobre las que se transporta el tráfico multiservicio de los clientes de
un operador de Telecomunicaciones. Utilizando para ello las
principales herramientas matemáticas y de simulación en la
caracterización del tráfico existente. Así, se identifica la necesidad de
evolución en las redes, y la búsqueda de un compromiso sobre el que
amparar los requisitos y expectativas de los clientes en cuanto a la
calidad/coste del servicio, y la necesidad de inversión en red y
rendimiento financiero asociado por parte de los operadores.
En particular, dado que nuestro interés común son las redes de

comunicaciones, la mayoría de aplicaciones que consideraremos
serán respecto al tráfico sobre dichas redes. En efecto, si bien podría
pensarse que los componentes de la red (equipos y protocolos) tienen
un comportamiento determinístico, ellos existen para satisfacer las
demandas de los usuarios, las cuales se presentan en cantidades
aleatorias y en instantes de tiempo aleatorios. El modelamiento
probabilístico de los tiempos entre llegadas y las intensidades de las
demandas de los usuarios de una red, así como sus efectos sobre los
componentes (software y hardware) de la red, es una aplicación de la
teoría abstracta de las probabilidades y los procesos estocásticos que

constituye toda una nueva teoría de tráfico.
El curso TELETRÁFICO correspondiente al componente profesional del

Programa de Ingeniería de Telecomunicaciones y Electrónica tiene
como objetivo inducir al estudiante en el campo de las
telecomunicaciones partiendo de sus bases conceptúales, su
evolución y adaptación a través de la historia.
El curso tiene 2 créditos académicos los cuales comprenden el estudio

independiente y el acompañamiento tutorial, con el propósito de:
Comprender los conceptos fundamentales en el tema de la

teoría de Teletráfico.
Adquirir un concepto claro de la importancia de la teoría del
Teletráfico en el análisis y predicción de tráfico en redes de
telecomunicaciones.
Adquirir un concepto claro de la aplicabilidad de la Ingeniería de
Teletráfico al dimensionamiento de centros de conmutación y la
capacidad de la interconexión entre los mismos.
Conocer con cierta profundidad las diferentes técnicas de
dimensionamiento de tráfico aplicables a las diferentes tipos de
redes de conmutación.
Este curso está compuesto por dos unidades didácticas a saber:
UNIDAD 1. INTRODUCCIÓN A LA INGENIERÍA DE TRAFICO: se

presenta una vista general sobre la definición de: Conceptos y
variaciones y generación de tráfico, Principio de dimensionamiento,
Proceso de los estados de ocupación, Equilibrio estadístico,
Definiciones y unidades: Hora pico, hora cargada u hora referencia,
Erlang, CCS (Centrum Call Second), LLRHC (LLamada reducida en la
hora cargada), Intensidad de tráfico, intensidad de llamada ofrecida,
y demandada, cursadas y rechazadas, Trafico demandado, ofrecido,
cursado y rechazado, Cálculo de tráfico en la hora cargada, Proceso
de nacimiento y muerte: Análisis de Distribución de Poisson.
UNIDAD 2. TRÁFICO Y SU APLICACIÓN AL

DIMENSIONAMIENTO DE REDES E TELECOMUNICACIONES: se
trata de analizar Modelo de Erlang B, Modelo Bernoulli, Modelo
Poisson, Factor de Utilización, Sistemas con accesibilidad completa
con Espera:
Desarrollo del modelo de Erlang C, Tiempo promedio de espera,
Función de distribución de los tiempos de espera, Cola con tiempos de
servicios constantes, Colas finitas y fuentes finitas.
El curso es de carácter teórico y la metodología a seguir será bajo la

estrategia de educación a distancia. Por tal razón, será importante
planificar los procesos de:
Estudio Independiente: este se desarrollará a través del trabajo

personal y del trabajo en pequeños grupos colaborativos de
aprendizaje.
Acompañamiento tutorial: corresponde al acompañamiento que el
tutor realiza al estudiante para potenciar el aprendizaje y la
formación. Este acompañamiento se puede adelantar de forma
individual, en pequeños grupos o a nivel de grupo de curso.
Otro aspecto a considerar dentro del curso es el Sistema de

interactividades, el cual vincula a los actores del proceso mediante
diversas actividades de aprendizaje que orientan el trabajo de los
estudiantes hacia el logro de los objetivos que se pretenden. Se
puede dar de la siguiente manera:
Tutor-estudiante: a través del acompañamiento individual.

Estudiante-estudiante: mediante la participación activa en los
grupos colaborativos de aprendizaje.
Estudiantes-tutor: a través del acompañamiento a los pequeños
grupos colaborativos de aprendizaje.
Tutor-estudiantes: mediante el acompañamiento en grupo de
curso
Estudiantes-estudiantes: en los procesos de socialización que se
realizan en el grupo de curso.
Para el desarrollo del curso es importante el papel que juegan los

recursos didácticos y tecnológicos como medio activo e interactivo,
buscando la interlocución durante todo el proceso de diálogo tutor-
estudiante.
Se tienen diferentes opciones y tecnologías, las cuáles deben ser

empleadas de la mejor forma, de acuerdo al espacio y a los objetivos
propuestos en cada curso. Algunas de las más empleadas, son:
Materiales impresos: se han convertido en el principal soporte para

favorecer los procesos de aprendizaje auto dirigido.
Sitios Web: propician el acercamiento al conocimiento, la
interacción y la producción de nuevas dinámicas educativas.
Sistemas de interactividades sincrónicas: permite la comunicación
a través de encuentros presenciales directos o de encuentros
mediados ( chat, audio conferencias, videoconferencias, tutorías
telefónicas )
Sistemas de interactividades asincrónicas: permite la comunicación

en forma diferida favoreciendo la disposición del tiempo del
estudiante para su proceso de aprendizaje ( correo electrónico,
foros, grupos de discusión, entre otros )
El acceso a documentos complementarios y a los laboratorios del

curso, adquieren una dimensión de suma importancia, en tanto la
información sobre el tema exige conocimientos de actualidad y la
comprobación práctica de los principales conceptos tratados en el
curso.
En la medida que adquiera el rol de estudiante, interiorice y aplique

los puntos abordados anteriormente, podrá obtener los logros
propuestos en este curso, así como un aprestamiento en los enfoques
de la Ingeniería mediante la estrategia de educación a distancia.
El curso consta de dos (2) créditos académicos equivalentes a 96

horas de estudio, distribuidas de la siguiente manera:
Estudio Independiente: 70 horas

Acompañamiento Tutorial: 26 horas
El curso está orientado a la autogestión estudiantil de los

conocimientos teóricos para conocer los modelos prácticos del tráfico
sobre redes modernas de comunicaciones y sus efectos sobre los
mecanismos de control de admisión, control de acceso, conmutación,
y control de congestión (Teoría de Colas).
CONTENIDO DIDÁCTICO DEL CUSO: 208022-TELETRAFICO
CONTENIDO
UNIDAD 1. INTRODUCCIÓN A LA INGENIERÍA DE TRÁFICO.
Capítulo 1. Introducción a la Ingeniería de Teletráfico
Lección 1. Modelado de sistemas de comunicaciones
Lección 2. Redes de Comunicación
Lección 3. Conceptos De Tráfico Y De Grado De Servicio
Lección 4. Variaciones de tráfico y concepto de hora cargada
Lección 5. Concepto de bloqueo
Capítulo 2. Teoría de las probabilidades y estadísticas
Lección 6. Generación de tráfico y reacción de los abonados
Lección 7. Introducción al grado de servicio
Lección 8. Funciones de distribución
Lección 9. Procesos de LLegada
Lección 10. Teorema de Little
Capítulo 3. Distribuciones de los intervalos de tiempo
Lección 11. Distribución exponencial
Lección 12. Distribuciones pronunciadas
Lección 13. Distribuciones planas
Lección 14. Distribuciones de Cox
Lección 15. Otras distribuciones Temporales
Lectura complementaria (Contenidos complementarios profundización de temáticas)
Bibliografía Unidad 1(Referenciación de Contenidos complementarios para profundización

de temáticas)
UNIDAD 2. TRÁFICO Y SU APLICACIÓN AL DIMENSIONAMIENTO DE REDES DE

TELECOMUNICACIONES
Capítulo 4. Sistemas de Pérdidas
Lección 16. El proceso de Poisson
Lección 17. Sistemas de pérdidas de Erlang, fórmula B
Lección 18. Procedimientos normales para diagramas de transición de estado
Lección 19. Sistemas de pérdidas con accesibilidad completa -Distribución binomial
Lección 20. Distribución de Engset
Capítulo 5. Sistemas de espera
Lección 21. Sistema de espera de Erlang M/M/n
Lección 22. Tiempo de espera medio
Lección 23. Principio de MOE en Sistemas de espera
Lección 24. Sistemas terminales
Lección 25. Aplicación de la teoría de colas de espera
Capítulo 6. Dimensionamiento de las redes de telecomunicaciones
Lección 26. Matrices de tráfico
Lección 27. Control de carga y protección de servicio
Lección 28. Mediciones de tráfico
Lección 29. Teoría del muestreo
Lección 30. Ejemplos de mediciones de trafico
Lectura complementaria (Contenidos complementarios profundización de temáticas)
Bibliografía Unidad 2 (Referenciación de Contenidos complementarios para profundización

de temáticas)
UNIDAD 1
INTRODUCCIÓN A LA INGENIERÍA DE TRÁFICO
1
CAPÍTULO 1. INTRODUCCIÓN A LA INGENIERÍA DE TELETRÁFICO
La teoría de teletráfico se define como la aplicación de la teoría de las probabilidades a la solución

de problemas concernientes a la planificación, evaluación de la calidad de funcionamiento,
operación y mantenimiento de sistemas de telecomunicación. En forma más general, la teoría de
teletráfico se puede considerar como una disciplina de planificación en la que los medios
(procesos estocásticos, teoría de puesta en fila y simulación numérica) se toman de la
investigación de las operaciones.
El término teletráfico abarca todo tipo de tráfico de comunicación de datos y de tráfico de

telecomunicaciones. La teoría estará primordialmente ilustrada con ejemplos de sistemas de
comunicación telefónica y datos. Sin embargo, los medios formulados son independientes de la
tecnología y aplicables en otras áreas como tráfico de caminos, tráfico aéreo, cintas de fabricación
y montaje, distribución, gestión de talleres y almacenamiento, y toda clase de sistemas de servicio.
El objetivo de la teoría del teletráfico puede formularse así:

Lograr calcular el tráfico en unidades bien definidas mediante modelos matemáticos y
determinar la relación existente entre calidad de servicio y capacidad del sistema, de
tal manera que la teoría se convierta en una herramienta útil para la planificación de
las inversiones.
El cometido de la ingeniería de teletráfico es diseñar del modo más rentable posible sistemas cuya
calidad de servicio se hayan definido previamente cuando se conoce la demanda de tráfico y la
capacidad de los elementos del sistema. Asimismo, la teoría del teletráfico ha de establecer
métodos específicos para controlar que la calidad de servicio en un momento dado cumple los
requisitos, y determinar qué acciones de emergencia concretas se han de tomar cuando los
sistemas se encuentran sobrecargados o se producen fallos técnicos. Para ello se precisan
métodos de previsión de la demanda (por ejemplo, a partir de mediciones de tráfico) y métodos
para calcular la capacidad de los sistemas, y la especificación de los parámetros cuantitativos para
medir la calidad de servicio.
Cuando se pasa de la teoría a la práctica, surge una serie de problemas respecto a las decisiones
que han de adaptarse a corto y largo plazo.
Las decisiones a corto plazo engloban, por ejemplo, la determinación del número de circuitos en
un grupo de enlace, el número de empleados en consolas de conmutación, la cantidad de sendas
abiertas en un supermercado y la atribución de prioridades a trabajos de un sistema informático.
2
Las decisiones a largo plazo abarcan, por ejemplo, decisiones relativas a la creación y
ampliación de redes de datos y de telecomunicaciones, la adquisición de cables, sistemas de
transmisión, etc.
La aplicación de la teoría en relación con la concepción de nuevos sistemas puede ayudar a

comparar distintas soluciones eliminando así las menos acertadas en una fase inicial sin tener que
elaborar prototipos.
Lección 1: Modelado de sistemas de telecomunicación
Para el análisis de un sistema de telecomunicación, se debe establecer un modelo para describir

la totalidad (o parte) del sistema. Este proceso de modelado es fundamental especialmente para
nuevas aplicaciones de la teoría del teletráfico pues se requiere conocimiento tanto del sistema
técnico como de las herramientas matemáticas y la aplicación del modelo en un medio informático.
Figura 1.1 Los sistemas de telecomunicación son sistemas complejos hombre/máquina.
El cometido de la teoría de teletráfico es el de configurar sistemas óptimos para conocimiento de

las necesidades y hábitos del usuario.
Este modelo contiene tres elementos principales (véase la figura 1.1):
La estructura del sistema.
La estrategia operacional.
Las propiedades estadísticas del tráfico.
1.1 Estructura del sistema

Esta parte se determina técnicamente y, en principio, es posible obtener algún nivel de detalles en
la descripción, por ejemplo en el nivel de componente. Los aspectos de viabilidad son estocásticos
pues los errores se producen al azar y estarán considerados como tráfico de alta prioridad. La
3
estructura del sistema viene dado por el sistema físico o lógico que normalmente se presenta en
manuales. En sistemas de tráfico de caminos, las carreteras, las señales de tránsito, rotondas,
etc., configuran la estructura.
1.2 Estrategia operativa

Un sistema físico determinado (por ejemplo un sistema de tráfico vial que utiliza rotondas de
distribución) se puede utilizar de diferentes maneras para adaptar el sistema de tráfico a la
demanda. En ingeniería vial, se aplica con reglas y estrategias de tránsito que podrían ser distintas
para el tráfico de la mañana y el tráfico de las primeras horas de la noche.
En una computadora, esta adaptación tiene lugar mediante el sistema de operación y por
intervención del operador. En un sistema de telecomunicación las estrategias se aplican a fin de
dar prioridad a las tentativas de llamada con el objeto de encaminar el tráfico a su destino. En
centrales telefónicas con control de programa almacenado (SPC, stored program control), las
tareas asignadas al procesador central se dividen en clases con diferentes prioridades. La
prioridad más elevada se asigna a las llamadas aceptadas seguida de nuevas tentativas de
llamada mientras que el control de rutina del equipo tiene baja prioridad. Los sistemas telefónicos
clásicos utilizaban lógica por conexión alámbrica para introducir estrategias mientras que en los
sistemas modernos éstos se efectúan por soporte lógico, que permiten el empleo de estrategias
más flexibles y adaptativas.
1.3 Propiedades estadísticas del tráfico

Las demandas del usuario están modeladas por las propiedades estadísticas del tráfico. Sólo
efectuando mediciones sobre sistemas reales es posible determinar que el modelado teórico está
de acuerdo con la realidad. Este proceso debe ser necesariamente de naturaleza iterativa (véase
la figura 1.2). El modelo matemático se establece a partir de un profundo conocimiento del tráfico.
Se calculan entonces las propiedades del modelo y se las comparan con los datos medidos. Si no
están en conformidad satisfactoria entre sí, se deberá efectuar una nueva iteración del proceso.
Parece natural dividir la descripción de las propiedades de tráfico en procesos estocásticos para la
llegada de tentativas de llamada y procesos que describen tiempos (de ocupación) del servicio. Se
supone normalmente que estos dos procesos son independientes entre sí, lo cual significa que la
duración de una llamada es independiente del tiempo de llegada de la llamada. Existen modelos
que describen el compartimiento del usuario que experimenta bloqueo, es decir, que se lo rechaza
el servicio y puede efectuar una nueva tentativa de llamada un poco más tarde (intentos de
llamada repetidos). En la figura 1.3 se ilustra la terminología aplicada generalmente en la teoría de
teletráfico.
4
Figura 1.2. La teoría de teletráfico es una disciplina inductiva.
Para observaciones de sistemas reales se establecen modelos teóricos, de los que se derivan
parámetros, que pueden ser comparados con observaciones correspondientes del sistema real. Si
están de acuerdo, el modelo se convalida. En caso contrario, se debe elaborar el modelo en
mayor grado. Este método científico de trabajo se denomina espiral de experimentación
Figura 1.3 Ilustración de la terminología aplicada para un proceso de tráfico.
Nótese la diferencia entre intervalos de tiempo e instantes de tiempo. Los términos llegada y
llamada se utilizan como sinónimos. El tiempo entre llegadas y el tiempo entre salidas, son los
intervalos de tiempo entre llegadas o salidas, respectivamente
1.4 Modelos
Los requisitos generales de un modelo son:
1) Debe ser posible verificar el modelo sin mayor dificultad, como así también determinar los
parámetros del modelo a partir de los datos observados.
2) Debe ser viable presentar el modelo para dimensionamiento práctico.
5
Se está buscando una descripción de, por ejemplo, las variaciones observadas en la cantidad de
llamadas establecidas en curso en una central telefónica, que varían incesantemente debido a
que las llamadas son establecidas y terminadas. Aun cuando por hábitos comunes, las
variaciones diarias siguen un diagrama predecible para el comportamiento del abonado, es
imposible prever las tentativas de llamadas individuales o la duración de las llamadas
establecidas. En la descripción, es por tanto necesario métodos estadísticos. Se dice que los
eventos de tentativas de llamada tienen lugar conforme a un proceso estocástico, y el tiempo de
llegada entre tentativas de llamada se describe a través de las distribuciones de probabilidad que
caracterizan el proceso estocástico.
Una alternativa al modelo matemático es un modelo de simulación o un modelo físico (prototipo).

En un modelo de simulación de computadora es común utilizar directamente los datos recopilados
o bien utilizar distribuciones estadísticas. Sin embargo, hay más demanda de recursos para
trabajar con simulación pues el modelo de simulación no es general. Cada caso individual debe
ser simulado. La elaboración de un prototipo llevará aún más tiempo que un modelo de
simulación.
En general, se prefieren los modelos matemáticos pero a menudo es necesario aplicar simulación
para desarrollar el modelo matemático. A veces se elaboran prototipos para efectuar la prueba
final.
1.5 Sistemas telefónicos convencionales

En esta sección se da una breve descripción sobre qué sucede cuando una central telefónica
tradicional recibe una llamada. La descripción se dividirá en tres partes: Estructura, estrategia y
tráfico. Es muy común distinguir entre centrales de abonados (conmutadores de acceso, centrales
locales, (LEX) y centrales de tránsito (TEX)) debido a la estructura jerárquica conforme a la cual
se diseñan la mayoría de las redes telefónicas nacionales. Los abonados se conectan a centrales
locales o a conmutadores de acceso (concentradores) que se conectan a centrales locales. Por
último, los conmutadores de tránsito se utilizan para interconectar centrales locales o para
aumentar la disponibilidad y fiabilidad.
1.5.1 Estructura del sistema

Se examinará aquí una central telefónica del tipo de barras cruzadas. Si bien este tipo se
encuentra, en la actualidad, fuera de servicio una descripción de su funcionamiento permite una
buena ilustración sobre las tareas que son necesarias efectuar en una central digital. El equipo en
una central telefónica convencional comprende trayectos de señales vocales y trayectos de
control. (Véase la figura 1.4.)
6
Figura 1.4 Estructura fundamental de un sistema de conmutación
Los trayectos de señales vocales están ocupados durante el tiempo total de la llamada (3 minutos
de promedio) mientras que los trayectos de control sólo están ocupados durante la fase de
establecimiento de la llamada (entre 0,1 a 1 s). El número de trayectos de señales vocales es, por
tanto, considerablemente más grande que el número de trayectos de control. El trayecto de una
señal vocal es una conexión de una determinada entrada (abonado) a una determinada salida. En
un sistema con división en el espacio los trayectos de señal vocal están integrados por
componentes pasivos (como relés, diodos o circuitos VLSI). En un sistema con división en el
tiempo los trayectos de señales vocales se componen de uno o varios segmentos de tiempo
específicos dentro de una trama. Los trayectos de control son responsables del establecimiento de
la conexión. Normalmente, esto sucede en una cantidad de etapas en la que cada una de ellas es
llevada a cabo por un dispositivo de control: un microprocesador, o un registrador.
Las tareas del dispositivo de control son las siguientes:

Identificación del abonado originante (quien desea efectuar una conexión (acceso de
entrada)).
Recepción de la información digital (dirección, acceso de salida).
Búsqueda de una conexión en estado de reposo entre los accesos de entrada y de salida.
Establecimiento de la conexión.
Liberación de la conexión (efectuada a veces por el propio trayecto de la señal vocal).
Asimismo, se debe tener en cuenta la tarificación de las llamadas. En centrales convencionales el

trayecto de control se establece sobre relés o dispositivos electrónicos y las operaciones lógicas
vienen dadas por un dispositivo lógico cableado. Las modificaciones en las funciones requieren
cambios físicos que son difíciles y costosos.
7
En centrales digitales los dispositivos de control son procesadores. Las funciones lógicas se llevan
a cabo mediante programas, y las modificaciones se consideran más sencillas de aplicar. Las
restricciones están mucho menos limitadas, así como la complejidad de las operaciones lógicas
comparadas con la lógica cableada. Las centrales controladas por soporte lógico también se
denominan sistemas con control de programa almacenado (SPC, stored program control).
1.5.2 Comportamiento del usuario

Considérese un sistema telefónico convencional. Cuando el abonado A inicia una llamada el
gancho conmutador se levanta y el par de hilos del abonado se pone en cortocircuito. Esta
operación activa un relé en la central. El relé identifica al abonado y un microprocesador en el
circuito de abonado elige un cordón sin conexión. El abonado y el conductor se conectan a través
de un circuito conmutador. Esta terminología se originó en el tiempo en el que un operador manual
por medio de un cordón se conectaba con el abonado. El operador manual corresponde al
registrador. El cordón tiene tres salidas.
El registrador se acopla al cordón a través de otro circuito conmutador. Por tanto, el abonado se
conecta al registrador (selector de registro) a través del cordón. Esta fase tiene efecto en menos
de un segundo.
El registrador envía al abonado el tono de invitación a marcar, quien marca el número de teléfono
deseado del abonado B, el cual es recibido y mantenido por el registrador. La duración de esta
fase depende del abonado.
Un microprocesador analiza la información de cifras y por medio de un selector de grupo establece

una conexión con el abonado deseado, que puede pertenecer a la misma central, a una central
vecina o a una central remota. Por otra parte, es común distinguir entre centrales con las que
existe enlace directo, y aquéllas que no lo tienen. En este último caso debe haber una conexión a
través de una central en un nivel superior de jerarquía. La información de cifras se entrega por
medio de un transmisor codificado a un receptor codificado de la central deseada que transmite
entonces la información a los registradores de la central.
El registrador ha cumplido entonces su cometido y se libera de modo tal que queda en reposo
para otras tentativas de llamada. Los microprocesadores trabajan muy rápido (alrededor de 1 - 10
ms) e independientes de los abonados. El cordón está ocupado durante la totalidad de la llamada
y se hace cargo del control de la llamada cuando el registrador se libera. Se ocupa de, por
ejemplo, diferentes tipos de señales (ocupado, referencia, etc.), impulsos para tarificación, y
liberación de la conexión cuando la llamada se suprime.
Puede suceder que una llamada no pasa como está previsto. El abonado puede efectuar un error,
colgar repentinamente, etc. Asimismo, existen límites de capacidad en el sistema. Las tentativas
de llamada hacia un abonado tienen lugar aproximadamente de la misma manera. Un receptor
8
codificado en la central del abonado B recibe las cifras y se establece una conexión a través del
circuito de conmutación de grupo y al circuito de conmutación local a través del abonado B con
utilización de los registradores de la central receptora.
1.5.3 Estrategia de la operación

El trayecto de las señales vocales funciona normalmente como sistemas de pérdidas mientras que
el trayecto de control funciona como sistemas de espera.
Si no hay cordón disponible ni registrador en reposo el abonado no tendrá tono de marcación sin
importar cuánto tiempo se encuentra a la espera. Si la central no tiene salida disponible para el
abonado B deseado, se emitirá un tono de ocupado al abonado A llamante. Independientemente de
cualquier espera adicional no se establecerá ninguna conexión.
Si un microprocesador (o todos los microprocesadores de un tipo específico cuando haya varios)

está ocupado, la llamada esperará entonces hasta que el microprocesador esté desocupado.
Debido al tiempo de retención muy corto el tiempo de espera es a menudo tan breve que los
abonados no lo notan. Si varios abonados se encuentran esperando el mismo microprocesador,
obtendrán normalmente el servicio en ordenamiento aleatorio independiente del tiempo de llegada.
El modo por el cual los dispositivos de control del mismo tipo y los cordones comparten el trabajo
es a menudo cíclico, tal que presentan aproximadamente el mismo número de tentativas de
llamada. Esto constituye una ventaja pues asegura la misma cantidad de uso y en razón que el
abonado muy raramente tendrá otra vez un trayecto de control o cordón con defectos si la tentativa
de llamada se repite.
Si un trayecto de control está ocupado durante más de un tiempo determinado, se efectuará una
desconexión forzada de la llamada. Esto hace imposible que una simple llamada bloquee partes
vitales de la central, como por ejemplo un registrador. Asimismo, sólo es posible generar durante
un tiempo limitado el tono de llamada al abonado B y con ello bloquear momentáneamente este
teléfono en cada tentativa de llamada. Una central debe funcionar y operar independientemente
del comportamiento del abonado.
La cooperación entre las diferentes partes tiene lugar conforme a reglas estrictas y bien definidas,
denominadas protocolos, que en sistemas convencionales se determina por la lógica de
conexiones y en sistemas de control de soporte lógico por lógicas de programas.
Los sistemas digitales (por ejemplo, la RDSI = Red digital de servicios integrados), en el que el
sistema telefónico completo está digitalizado de abonado a abonado (2 · B + D = 2 × 64 + 16 kbit/s
por abonado), (RDSI-BE = RDSI de banda estrecha) por supuesto funciona diferentemente que los
sistemas convencionales descritos anteriormente. Sin embargo, las herramientas fundamentales de
teletráfico para la evaluación son las mismas en ambos sistemas. Lo mismo también abarca los
9
futuros sistemas de banda ancha (RDSI-BA) que estarán basados en el modo de transferencia
asíncrono (ATM).
Lección 2: Redes de comunicación
Existen diferentes clases de redes de comunicaciones: redes telefónicas, redes de télex, redes de
datos, Internet, etc. Actualmente la red telefónica sigue siendo la más extendida y a menudo otras
redes están integradas físicamente en la red telefónica. En futuras redes digitales se planifica
integrar una numerosa cantidad de servicios en la misma red (RDSI, RDSI-BA).
2.1 Red telefónica

La red telefónica ha sido tradicionalmente construida como un sistema jerárquico. Cada abonado
se conecta a un preselector o a veces a una central local (LEX). Esta parte de la red se denomina
red de acceso. El preselector de abonado se conecta a una central local principal específica que a
su vez se conecta a una central de tránsito (TEX) en la cual hay normalmente una, como mínimo,
para cada código de área. Las centrales de tránsito están normalmente conectadas en una
estructura poligonal (véase la figura 1.5). Las conexiones entre las centrales de tránsito conforman
una red de tránsito jerárquica. Existen otras conexiones entre dos centrales locales (o
preselectores de abonado) que pertenecen a diferentes centrales de tránsito (centrales locales) si
la demanda de tráfico es suficiente para justificarla.
Figura 1.5 Existen tres estructuras de redes básicas: poligonal, en estrella y en anillo.
Las redes poligonales se aplican cuando hay algunas centrales grandes (parte superior de la
jerarquía, también denominadas redes en malla), mientras que las redes en estrella son
adecuadas cuando hay numerosas centrales pequeñas (parte inferior de la jerarquía). Las redes
en anillo se aplican, por ejemplo, en sistemas de fibra óptica.
Una conexión entre dos abonados en diferentes zonas de tránsito pasará normalmente por las
siguientes centrales:
USUARIO → LEX → TEX → TEX → LEX → USUARIO
10
Los grupos de enlace de tránsito individuales se basan en sistemas de transmisiones analógicas o

digitales, y, a menudo, se utilizan equipos de multiplexación.
Doce canales analógicos de 3 kHz cada uno conforman un sistema de frecuencia portadora de
primer orden (múltiplex en frecuencia), mientras que 32 canales digitales de 64 kbit/s cada uno
integran un sistema MIC de primer orden de 2,048 Mbit/s. (Múltiplex por impulsos codificados,
múltiplex en el tiempo.)
La anchura de 64 kbit/s se obtiene de una muestra de la señal analógica a una velocidad de 8 kHz
y una exactitud de amplitud de 8 bits. Dos de los 32 canales en un sistema MIC se utilizan para
señalización y control.
Figura 1.6 En una red de telecomunicación todas las centrales se disponen típicamente en
una jerarquía de tres niveles.
Las centrales locales o centrales de abonado (L), a las que los usuarios se conectan, están
vinculados con centrales principales (T), que a su vez se conectan a centrales interurbanas (I).
Una zona interurbana integra así una red en estrella. Las centrales interurbanas se interconectan
en una red poligonal. En la práctica las dos estructuras de red están mezcladas, pues cuando hay
suficiente tráfico se establecen grupos de enlace directos entre dos centrales cualesquiera. En la
red danesa futura sólo habrá dos niveles, pues las centrales T e I se fusionarán.
Por razones de seguridad y viabilidad se dispondrá casi siempre de dos trayectos no consecutivos
mínimo entre dos centrales cualesquiera y la estrategia será utilizar primero las conexiones más
económicas. La jerarquía en la red digital danesa se reduce a sólo dos niveles. El nivel superior
con centrales de tránsito comprende una red poligonal totalmente conectada mientras que las
centrales locales y los preselectores de abonados se conectan a tres centrales de tránsito
diferentes por razones de seguridad y viabilidad.
11
La red telefónica se caracteriza por el hecho de que antes que dos abonados cualesquiera se
puedan comunicar, se debe crear un vínculo bilateral completo (dúplex completo), y que la
conexión exista durante el tiempo total de la comunicación. Esta propiedad se conoce como red
telefónica con conexión en contraste con, por ejemplo Internet que es sin conexión. Cualquier red
que presenta, por ejemplo, conmutación de líneas o conmutación de circuitos es con conexión. En
la disciplina de planificación de red, el objetivo es optimizar las estructuras de red y el
encaminamiento del tráfico conforme a las demandas del mismo, los requisitos de viabilidad y
servicio, etc.
Ejemplo 2.1: Las redes VSAT (Maral, 1995 [77]): Las redes VSAT (Maral, 1995 [77]) es utilizada
por ejemplo por organizaciones multinacionales para la transmisión de señales vocales y datos
entre diferentes divisiones de noticias de radiodifusión, en situaciones de catástrofe, etc. Estas
pueden ser conexiones punto a punto o conexiones de punto a multipunto (distribución y difusión).
El terminal de muy pequeña abertura (VSAT, very small aperture terminal) (estación terrena) es
una antena con un diámetro de 1,6 a 1,8 metros. El terminal es económico y portátil. Es así
posible prescindir de la red telefónica pública. Debido a condiciones reglamentarias restrictivas,
esta tecnología tiene hasta el momento una difusión muy limitada en toda Europa. Las señales se
transmiten desde un terminal VSAT a otro terminal VSAT a través de un satélite. El satélite está
en una posición fija a 35 786 km sobre el ecuador y, por tanto, las señales experimentan un
retardo de propagación de unos 125 ms por salto. La anchura de banda disponible se divide por lo
general en canales de 64 kbit/s, y las conexiones pueden ser unidireccionales o bidireccionales.
En su versión más simple, todos los terminales transmiten directamente a los otros, y el resultado
es una red global en malla. La anchura de banda disponible se puede asignar de antemano
(asignación fija) o en forma dinámica (asignación por demanda). La asignación dinámica permite
mejor utilización pero requiere mayor control.
Debido a la pequeña parábola (antena) y a la atenuación típica de unos 200 dB en cada sentido,
es prácticamente imposible evitar el error de transmisión, por lo que se utilizan códigos de
corrección de errores y esquemas de retransmisión posibles. Un sistema más fiable se obtiene
mediante la introducción de un terminal principal (concentración de llamadas) con una antena de 4
a 11 metros de diámetro. La comunicación tiene lugar a través del terminal principal. Luego,
ambos saltos (VSAT → terminal principal y terminal principal → VSAT) se tornan más fiables pues
el terminal principal puede recibir las señales débiles y amplificarlas de modo que el VSAT en
recepción obtiene una señal más fuerte. El inconveniente de este procedimiento es que el retardo
de propagación es ahora de 500 ms. La solución del terminal principal permite también centralizar
el control y supervisión del sistema. En razón que toda la comunicación pasa a través del terminal
principal, la estructura de red constituye una topología en estrella.
12
2.2 Redes de datos

La red de datos se diseña conforme al mismo principio excepto que la duración de la fase de
establecimiento de la conexión es más breve. Otra clase de red de datos viene dada en las
denominadas redes de distribución de paquetes, que funcionan conforme al principio de
almacenamiento y retransmisión (véase la figura 1.7). Los datos que han de ser transmitidos no
se enviarán directamente del transmisor al receptor sino que efectuará por pasos de central a
central. Esto puede crear demoras pues las centrales que son computadoras funcionan como
sistemas de retardo (transmisión sin conexión).
Si el paquete tiene una longitud fija máxima, la red tiene la indicación conmutación de paquetes
(por ejemplo, protocolo X.25). En X.25 un mensaje se divide en un número de paquetes que no
necesariamente sigue el mismo trayecto a través de la red. El encabezamiento de protocolo del
paquete contiene un número de secuencias tal que los paquetes se pueden disponer en correcto
orden en el receptor. Asimismo, se utilizan códigos de corrección de errores y se verifica la
corrección de cada paquete en el receptor. Si el paquete es correcto se devuelve un acuse de
recibo al nodo precedente, el cual, en ese momento, puede suprimir su copia del paquete. Si el
nodo precedente no recibe un acuse de recibo en un intervalo de tiempo determinado, se
retransmite una nueva copia del paquete (o de un conjunto completo de paquetes). Por último,
hay un control completo de todo el mensaje de transmisor a receptor. De esta manera se obtiene
una transmisión muy fiable. Si el mensaje completo se envía en un solo paquete, se denomina
conmutación de mensajes.
13
Figura 1.7 Red datagrama: Principio de almacenamiento y retransmisión para una red de
datos con conmutación de paquetes
En razón que las centrales en una red de datos son computadoras, es viable introducir estrategias
avanzadas para el encaminamiento del tráfico.
2.3 Redes de área local

Las redes de área local (LAN, local area network) son un tipo muy especial e importante de redes
de datos en el que todos los usuarios de un sistema informático están vinculados al mismo
sistema de transmisión digital, por ejemplo un cable coaxial. Por lo general, sólo un usuario por
vez puede utilizar el medio de transmisión y obtener algunos datos transmitidos a otro usuario.
Como el sistema de transmisión tiene una capacidad amplia comparada con la demanda de los
usuarios, cada uno de ellos tiene la sensación de ser el único usuario del sistema. Existen
diversas clases de redes de área local. Con la aplicación de estrategias adecuadas para el
principio de control de acceso al medio se tiene en cuenta la asignación de capacidad en el caso
de muchos usuarios que compiten por la transmisión. Existen dos tipos principales de redes de
área local: la red de acceso múltiple en sentido portador/detección de colisión (CSMA/CD, carrier
sense multiple access/collision detection) (Ethernet) y las redes testigo. La red CSMA/CD es una
de las más ampliamente utilizadas. Todos los terminales están haciendo escucha permanente al
medio de transmisión y tienen conocimiento cuando está libre y cuando está ocupado. Al mismo
tiempo, un terminal puede ver qué paquetes están dirigidos a su propio terminal y necesitan, por
tanto, ser almacenados. Un terminal que desea transmitir un paquete lo hará si el medio está
desocupado. Si el medio estuviera ocupado el terminal espera un tiempo aleatorio antes de
14
efectuar un nuevo intento. Debido a la velocidad de propagación finita es posible que dos (o aún
más) terminales inicien la transmisión dentro de un intervalo breve, de modo tal que dos o más
mensajes pueden chocar en el medio de transmisión. Este fenómeno se conoce como colisión.
Teniendo en cuenta que los terminales están haciendo escucha en todo momento, pueden
detectar inmediatamente que la información transmitida es diferente de la recibida y deducir que
se ha producido una colisión. Los terminales que intervienen detienen inmediatamente la
transmisión y efectuarán más tarde un nuevo intento en un intervalo aleatorio.
En una red de área local del tipo testigo, sólo podrá transmitir información el terminal que en ese
momento posea el testigo. El testigo estará rotando entre los terminales conforme a reglas
predefinidas.
Las redes de área local también funcionan con técnicas basadas en ATM (modo de transferencia
asíncrono). Asimismo, las LAN inalámbricas se están convirtiendo en sistemas de uso común. Las
condiciones de propagación en redes de zona local no son importantes debido a las pequeñas
distancias geográficas entre los usuarios. En una red de datos de satélite, por ejemplo, el retardo
de propagación es grande comparado con la longitud de los mensajes y en esas aplicaciones se
utilizan otras estrategias que las empleadas en redes de zona local.
2.4 Sistemas de comunicación móviles

En estos últimos años se ha visto una enorme expansión de los sistemas de comunicación
móviles cuyos medios de transmisión son canales radioeléctricos (inalámbricos) analógicos o
digitales en contraste con los sistemas de cable convencionales. El espectro de frecuencias
electromagnéticas se divide en diversas bandas reservadas para fines específicos. Para
comunicaciones móviles se asigna un subconjunto de esas bandas. Cada banda corresponde a
un número limitado de canales radiotelefónicos, y es aquí donde surge el recurso limitado en los
sistemas de comunicación móviles. La utilización óptima de este recurso es un aspecto esencial
en la tecnología celular. En los puntos siguientes se describe un sistema representativo.
2.4.1 Sistemas celulares

Estructura. Cuando una determinada zona geográfica ha de ser cubierta con telefonía móvil, se
debe instalar en ella una adecuada cantidad de estaciones de base. Una estación de base está
constituida por una antena y un equipo transmisor/receptor o un enlace radioeléctrico con una
central telefónica móvil (MTX), que es parte de la red telefónica tradicional. Una central telefónica
móvil es común a todas las estaciones de base en una determinada zona de tráfico. Las ondas
radioeléctricas se amortiguan cuando se propagan en la atmósfera y, por tanto, una estación de
base sólo puede cubrir una zona geográfica limitada que se denomina célula (no se debe
confundir con las células ATM). Mediante la transmisión de las ondas radioeléctricas con una
15
potencia adecuada es posible adaptar la zona de cobertura de modo tal que todas estaciones de
base cubran exactamente la zona de tráfico planificada sin demasiada superposición entre
estaciones vecinas. No es posible utilizar la misma frecuencia radioeléctrica en dos estaciones de
base vecinas pero si en dos estaciones de base sin una frontera común, permitiendo entonces la
reutilización de canales.
Figura 1.8 Sistema de comunicación móvil celular.
Dividiendo las frecuencias en 3 grupos (A, B y C) se pueden reutilizar los canales como se
muestra en la figura 1.8.
En la figura 1.8 se muestra un ejemplo. Se puede disponer de un determinado número de canales

por célula conforme al volumen de tráfico dado. La dimensión de la célula depende del volumen
de tráfico. En zonas densamente pobladas como grandes ciudades, las células serán pequeñas
mientras que en zonas escasamente pobladas las células serán grandes.
La atribución de canales es un problema muy difícil. Además de las restricciones indicadas

anteriormente existen también otras. Por ejemplo, debe haber cierta distancia entre los canales en
la misma estación de base (restricción de canal vecino) y hay otras limitaciones para evitar
interferencia.
Estrategia. En sistemas de telefonía móvil debe existir una base de datos con información relativa
a todos los abonados. Cualquier abonado puede tener un papel activo o pasivo en el circuito
según esté encendido o apagado su radioteléfono. Cuando el abonado enciende el radioteléfono,
se le asigna automáticamente un canal de control y se produce su identificación. El canal de
control es una canal radioeléctrico utilizado por la estación de base para fines de verificación. El
resto de los canales son canales de tráfico de usuario.
Una petición de llamada a un abonado móvil (abonado B) se produce de la siguiente manera. La

central telefónica móvil recibe la llamada del otro abonado (abonado A, fijo o móvil). Si el abonado
16
B tiene su radioteléfono apagado, se informa al abonado A que el abonado B no está disponible.

Si el abonado B tiene el equipo encendido, el número se presenta entonces en todos los canales
de control en la zona de tráfico. El abonado B reconoce su propio número e informa, a través del
canal de control, en qué célula (estación de base) se encuentra. Si hay un canal de usuario
desocupado se asigna y la MTX pasa la llamada.
Una petición de llamada de un abonado móvil (abonado A) se inicia por la operación de

desplazamiento del abonado del canal de control a un canal de tráfico de usuario cuando se
establece la llamada. La primera fase que comprende la lectura de las cifras y la comprobación de
disponibilidad del abonado B es, en algunos casos, establecida por el canal de control
(señalización de canal común).
Un abonado tiene la facultad de poder trasladarse libremente dentro de su propia zona de tráfico.
Cuando se aleja de la estación de base es detectado por la central telefónica móvil (MTX) que
supervisa constantemente la relación señal/ruido y puede trasladar la llamada a otra estación de
base y a otro canal de usuario cuando se requiere mejor calidad. Esta es una cooperación entre la
MTX y el equipo de abonado que se produce automáticamente sin que sea notado por el
abonado. Esta operación se denomina traspaso a transferencia de llamadas, y, por supuesto,
requiere la existencia de un canal de usuario libre en la nueva célula. En razón que es inadecuado
tener que interrumpir una llamada existente, el traspaso de llamadas tiene mayor prioridad que las
nuevas. Esta estrategia se puede efectuar dejando en reserva uno o dos canales desocupados
para el traspaso de llamadas.
Cuando un abonado sale de su zona de tráfico se produce la denomina de itinerancia. La MTX en

la nueva zona puede conocer la MTX original a partir de la identidad del abonado. Se envía
entonces un mensaje a la MTX de origen con información sobre la nueva posición. Las llamadas
de llegada al abonado entran siempre a la MTX de origen la que encamina la llamada a la nueva
MTX. Las llamadas salientes serán tratadas de la manera usual.
Un sistema inalámbrico digital difundido es el GSM, que se puede utilizar en toda Europa
Occidental. La Unión Internacional de Telecomunicaciones está elaborando un sistema móvil
global sobre comunicaciones personales universales (UPC, universal personal communication),
en el que los abonados se comunican con cualquier parte del mundo (IMT-2000).
Los sistemas de búsqueda de personas son sistemas primitivos unilaterales. El teléfono digital sin
cordón europeo (DECT, digital european cordless telephone), es una norma para teléfonos
inalámbricos. Se pueden conectar localmente en compañías, centros comerciales, etc. En el
futuro, surgirán equipos que pueden ser aplicados a los sistemas DECT y GSM. El sistema DECT
está constituido por células muy pequeñas mientras que el GSM es un sistema con células más
grandes.
17
Se han diseñado también sistemas de comunicación por satélite en el que la estación de satélite
se comunica con una estación de base. El primer sistema de este tipo fue Iridium que estaba
integrado por 66 satélites de tal modo que siempre había más de un satélite disponible en una
determinada ubicación dentro del alcance geográfico del sistema. Los satélites tienen órbitas de
sólo unos pocos centenares de kilómetros por encima de la Tierra. El sistema Iridium no tuvo
éxito, pero surgieron sistemas más modernos como Inmarsat.
Lección 3: Conceptos de tráfico y de grado de servicio
La caracterización de tráfico se efectúa por medio de modelos que se aproximan al

comportamiento estadístico de tráfico de red en una gran población de usuarios. Los modelos de
tráfico adoptan hipótesis simplificadas referentes a los procesos de tráfico complicados. Utilizando
esos modelos la demanda de tráfico se caracteriza por un conjunto de parámetros limitado (valor
medio, varianza, índice de dispersión de cuentas, etc.). El modelado de tráfico consiste
básicamente en identificar qué simplificación de hipótesis se pueden efectuar y qué parámetros
son pertinentes desde el punto de vista de las repercusiones de la demanda de tráfico sobre la
calidad de funcionamiento de la red.
Las mediciones de tráfico se efectúan para confirmar esos modelos, efectuando las
modificaciones que sean necesarias. No obstante, como no es necesario que los modelos sean
modificados frecuentemente, el propósito más usual de mediciones de tráfico es estimar los
valores que toman los parámetros definidos en los modelos de tráfico en cada segmento de red
durante cada periodo de tiempo.
Como complemento a la modelización del tráfico y mediciones de tráfico, se requiere también la

previsión de tráfico dado que, para fines de planificación y dimensionamiento, no es suficiente
caracterizar la demanda presente de tráfico, sino que es necesario también predecir las
demandas de tráfico para el periodo de tiempo previsto en el proceso de planificación.
18
Figura 1.9 Tareas de ingeniería de tráfico
Los costos de un sistema telefónico se pueden dividir en costos que dependen de la cantidad de
abonados y costos que dependen de la cantidad de tráfico en el sistema.
A la hora de planificar un sistema de telecomunicaciones, el objetivo es ajustar el volumen de los

equipos de manera que pueda darse respuesta a las variaciones en el tráfico sin que surjan
problemas importantes, manteniendo los costos de las instalaciones en el nivel más bajo posible.
Los equipos han de utilizarse con la mayor eficacia posible.
La ingeniería de teletráfico se centra en la optimización de la estructura de la red y en el ajuste del

volumen del equipo, que depende del volumen de tráfico.
En las páginas siguientes se introducirán conceptos fundamentales y se ilustrarán algunos

ejemplos que indican cómo se comporta el tráfico en sistemas reales. Todos los ejemplos
proceden del sector de telecomunicaciones.
3.1 Ingeniería de tráfico en la UIT
19
Si bien el Grupo de Trabajo 3/2 tiene la responsabilidad global de la ingeniería de tráfico, algunas
Recomendaciones sobre este tema o relacionados con el mismo fueron elaboradas (o se están
elaborando) por otras Comisiones. La Comisión de Estudio 7 se ocupa de la serie X de
Recomendaciones con ingeniería de tráfico para redes de comunicación de datos, la Comisión de
Estudio 11 ha elaborado algunas Recomendaciones (Serie Q) sobre los aspectos de tráfico
relacionados con el diseño de sistemas de conmutación y señalización digitales, y algunas
Recomendaciones de la Serie I, elaboradas por la Comisión de Estudio 13, tratan sobre aspectos
de tráfico relacionados con la arquitectura de red de la RDSI-BA y RDSI-BE así como de redes
basadas en el protocolo Internet (IP). Dentro de la Comisión de Estudio 2, el Grupo de Trabajo 1
es responsable de las Recomendaciones sobre encaminamiento y el Grupo de Trabajo 2 de las
Recomendaciones sobre gestión de tráfico de red.
Esta sección se centrará en las Recomendaciones producidas por el Grupo de Trabajo 3/2. Están
comprendidas en la Serie E (numeradas entre E.490 y E.799) y constituyen el cuerpo principal de
las Recomendaciones del UIT-T sobre ingeniería de tráfico.
Estas Recomendaciones se pueden clasificar conforme a las cuatro tareas de ingeniería de tráfico
principales:
Caracterización de la demanda de tráfico;
Objetivos de grado de servicio (GoS);
Controles y dimensionamiento de tráfico;
Supervisión de calidad de funcionamiento.
En la figura 1 se ilustro la interrelación entre esas cuatro tareas. La primera tarea en ingeniería de
tráfico es caracterizar la demanda de tráfico y especificar los objetivos de GoS (o calidad de
funcionamiento). El resultado de esas dos tareas son el elemento de partida para dimensionar los
recursos de red y establecer los controles de tráfico apropiados. Por último, se requiere la
supervisión de la calidad de funcionamiento para verificar si los objetivos de GoS que se han
alcanzado son utilizados como realimentación de todo el proceso.
3.2 Concepto de tráfico y unidad [erlang]
En teoría de teletráfico se utiliza normalmente el término tráfico para indicar la intensidad de

tráfico, es decir tráfico por unidad de tiempo. Este término proviene del italiano y significa
comercio. Conforme a la Recomendación UIT-T B.18, 1993 [36] se tiene la siguiente definición:
Definición de intensidad de tráfico: La intensidad de tráfico instantánea en un conjunto de

órganos es el número de órganos ocupados en un instante dado.
El conjunto de órganos puede ser un grupo de servidores, por ejemplo líneas de enlace. Los
20
momentos estadísticos de la intensidad de tráfico se pueden calcular para un periodo de tiempo T

dado. Para la intensidad de tráfico media se tiene:
donde n(t) indica el número de dispositivos ocupados en el tiempo t.

Tráfico transportado Y = Ac: Este es el tráfico transportado por el grupo de servidores durante
el intervalo de tiempo T (véase la figura 2.1). En aplicaciones, el término intensidad de tráfico
tiene, por lo general, el significado de intensidad de tráfico media.
Figura 2.1 − (Intensidad del) tráfico transportado (= número de dispositivos ocupados) en

función del tiempo (curva C).
Para fines de dimensionamiento se utiliza la intensidad de tráfico media durante un periodo de
tiempo T (curva D).
La Recomendación del UIT-T también indica que la unidad generalmente utilizada para la
intensidad de tráfico es el erlang (símbolo E). Este nombre fue dado a la unidad de tráfico en 1946
por el CCIF (predecesor del CCITT y del UIT-T), en honor del matemático danés A.K. Erlang
(1878-1929), que fue el fundador de la teoría del tráfico en telefonía. Esta unidad es adimensional.
El total de tráfico transportado en un periodo de tiempo T es el volumen de tráfico, y se mide en
erlang-hora (Eh). Es igual a la suma de todos los tiempos de ocupación dentro del periodo T.
Conforme a las normas ISO la unidad normalizada debe estar expresada en erlang/segundos,
pero por lo general la medición de erlang/hora tiene un orden de dimensión más natural.
El tráfico transportado nunca debe exceder el número de canales (líneas). Un canal puede
transportar como máximo un erlang. Los ingresos son a menudo proporcionales al tráfico
transportado.
21
Tráfico ofrecido A: En modelos teóricos se utiliza el concepto de tráfico ofrecido; es decir el

tráfico que sería transportado si no se rechazaran llamadas debido a la falta de capacidad por
ejemplo, si el número de servidores fuera ilimitado. El tráfico ofrecido es un valor teórico y no
puede ser medido. Sólo es posible estimar el tráfico ofrecido conforme al tráfico transportado.
Teóricamente se trabaja con la intensidad de llamada λ, que es el número de llamadas medio
ofrecido por unidad de tiempo, y tiempo de servicio medio s. El tráfico ofrecido es igual a:
A = λ⋅s (2.2)
Esta ecuación permite comprobar que la unidad de tráfico no tiene dimensión.
Esta definición supone que conforme a la definición anterior hay un número ilimitado de servidores.
Si se utiliza la definición para un sistema con capacidad limitada se obtendrá una definición que
depende de la capacidad del sistema. Esta última definición se ha utilizado durante muchos años
(por ejemplo para el caso Engset), pero no es apropiada pues el tráfico ofrecido debe ser
independiente del sistema.
Tráfico perdido o rechazado Al: La diferencia entre tráfico ofrecido y tráfico transportado es
igual al tráfico rechazado. El valor de este parámetro se puede reducir aumentando la capacidad
del sistema.
Ejemplo 3.1: Definición de tráfico

Si la intensidad de llamada es de 5 llamadas por minuto, y el tiempo de servicio medio es de 3
minutos, el tráfico ofrecido será entonces de 15 Erlang. El volumen de tráfico ofrecido durante un
día laborable de 8 horas es entonces de 120 Erlang/hora.
Ejemplo 3.2: Unidades de tráfico

Anteriormente se utilizaban otras unidades de tráfico. Las más comunes que se emplean aún son:
SM = Minutos de conversación
1 SM = 1/60 Eh.
CCS = Centenar de segundos de llamada:
1 CCS = 1/36 Eh.
Esta unidad se basa en un tiempo de retención medio de 100 segundos y aún se
puede encontrar, por ejemplo, en Estados Unidos.
EBHC = Llamada reducida en las horas más cargadas:
1 EBHC = 1/30 Eh.
Esta unidad se basa en un tiempo de ocupación medio de 120 segundos.
Se puede comprender de inmediato que el erlang es la unidad natural para la intensidad de tráfico
debido a que esta unidad es independiente de la unidad de tiempo escogida.
El tráfico ofrecido es un parámetro teórico utilizado en fórmulas de dimensionamiento teóricas. Sin
22
embargo, el único parámetro mensurable es, en realidad, el tráfico transportado, que a menudo
depende del sistema real.
En sistemas de transmisiones de datos no se habla de tiempo de servicio sino de necesidades de

transmisión. Una tarea puede ser por ejemplo la transferencia de s unidades (por ejemplo, bits o
bytes). La capacidad del sistema ϕ velocidad de señalización de datos, se mide en unidades por
segundos (por ejemplo, bits/segundo). Por tanto, el tiempo de servicio para dicha tarea, es decir el
tiempo de transmisión, es s/ϕ unidades de tiempo (por ejemplo segundos), lo cual significa que
depende de ϕ. Si en promedio las tareas λ llegan por unidad de tiempo, la utilización ρ del sistema
es entonces:
La utilización observada estará siempre dentro del intervalo 0 ≤ ρ ≤ 1.
Tráfico de múltiple: Si se tienen llamadas que ocupan más de un canal, y otras del tipo i que
ocupan di canales, el tráfico ofrecido expresado en cantidad de canales ocupados se calcula con
la siguiente ecuación:
N
A = ∑ λi ⋅ si ⋅ d i (2.4)
i =0
Donde N es el número de tipos de tráfico, y λi y si indican el régimen de llegada y el tiempo de

ocupación medio del tipo i.
Tráfico potencial: En la planificación y demanda de modelos se utiliza el término tráfico potencial

que equivaldría al de tráfico ofrecido si no hubiera limitaciones en la utilización del teléfono por
razones económicas o de disponibilidad (siempre está disponible un teléfono gratuito).
Lección 4: Variaciones de tráfico y concepto de hora cargada
El teletráfico varía conforme a la actividad en la sociedad. El tráfico está generado por una sola
fuente, los abonados, que normalmente efectúan llamadas telefónicas independientes entre sí.
Una investigación de las variaciones del tráfico indica que es parcialmente de naturaleza
estocástica y parcialmente de naturaleza determinística. En la figura 2.2 se muestra la variación
de la cantidad de llamadas en la mañana de un lunes. Mediante la comparación de diversos días
23
se puede distinguir una curva determinística con variaciones estocásticas superpuestas.
Durante un periodo de 24 horas el tráfico presenta una contribución como la que se indica en la
figura 2.3. El primer punto de máxima está producido por abonados de oficinas comerciales al
comenzar las horas laborables de la mañana, posiblemente llamadas diferidas del día anterior.
Alrededor de las 12 es hora de almorzar y por la tarde hay nuevamente cierta actividad.
Alrededor de las 19 horas hay de nuevo un punto de máxima causado por llamadas privadas y
una posible reducción de las tasas a partir de las 19.30 horas. El tamaño recíproco de las crestas
depende entre otras cosas que la central esté ubicada en una zona residencial típica o en una
zona comercial. También depende del tipo de tráfico deseado. Si se considera el tráfico entre
Europa y, por ejemplo, Estados Unidos la mayoría de las llamadas tendrá lugar en horas
avanzadas de la tarde debido a la diferencia horaria.
Figura 2.2 − Cantidad de llamada por minuto a una central de conmutación un lunes por la
mañana. Las variaciones regulares de 24 horas están superpuestas por variaciones
estocásticas.(Iversen, 1973 [37])
24
Figura 2.3 − Número medio de llamadas por minuto para una central de conmutación
tomada como promedio para periodos de 15 minutos durante 10 días laborales
(lunes a viernes). En el tiempo de las mediciones no había tasas
reducidas fuera de las horas de trabajo. (Iversen, 1973 [37])
Las variaciones se pueden dividir en variaciones de intensidad de la llamada y variaciones en el

tiempo de servicio. En la figura 2.4 se muestran las variaciones en el tiempo medio de servicio
para tiempos de ocupación de líneas de enlace durante 24 horas. Durante las horas de trabajo es
constante, un poco menos de 3 minutos. Por la tarde es mayor que 4 minutos y durante la noche
es muy pequeña, alrededor de 1 minuto.
Hora cargada: La mayor cantidad de tráfico no se produce todos los días a la misma hora. Se
define el concepto de hora cargada media repetitiva (TCBH, time consistent busy tour) como los
60 minutos (determinado con una exactitud de 15 minutos) que durante un largo periodo sobre el
promedio tiene el tráfico más elevado.
Algunos días puede suceder que el tráfico durante la hora más cargada sea mayor que la TCBH,
pero en el promedio de varios días el tráfico en la hora cargada será el mayor.
Se ha de distinguir también entre hora cargada para el sistema global de telecomunicación, una
central, y para un solo grupo de servidores, por ejemplo un grupo de enlace. Determinados grupos
de enlace pueden tener una hora de mayor tráfico fuera de la hora cargada para la central (por
ejemplo, grupos de enlace para llamadas a los Estados Unidos).
En la práctica, para mediciones de tráfico, dimensionamiento y otros aspectos es conveniente
tener una hora cargada bien definida y predeterminada.
25
Las variaciones determinísticas en teletráfico se pueden dividir en:

A. Variaciones de 24 horas (véanse las figuras 2.3 y 2.4).
B. Variaciones semanales (véase la figura 2.5). Normalmente el tráfico más denso se produce
los lunes, luego los viernes, martes, miércoles y jueves. Los sábados y en especial los
domingos tienen un nivel de tráfico muy bajo. Una regla empírica indica que el tráfico de 24
horas es igual a 8 veces el tráfico de la hora cargada (véase la figura 2.5), es decir sólo se
utiliza un tercio de la capacidad del sistema telefónico. Ésta es la razón de las tasas reducidas
fuera de las horas cargadas.
C. Variación durante un año. Hay una elevada afluencia de tráfico al comienzo de un mes,
después de una temporada festiva, y luego que comienza un periodo trimestral. Si Pascua
cae cerca del 1 de abril se observa un tráfico muy elevado hasta después de las vacaciones.
D. El tráfico aumenta cada año debido al desarrollo tecnológico y el factor económico de la
sociedad.
Hasta ahora se ha considerado el tráfico telefónico tradicional. Otros servicios y tipos de tráfico
tienen distintos diagramas de variación. En la figura 2.6 se muestra la variación de la cantidad de
llamadas en 15 minutos a un conjunto compartido de módem para establecer las llamadas de
Internet. En la figura 2.7 se ilustra el tiempo medio de ocupación en función de la hora del día.
Figura 2.4 − Tiempo de ocupación medio para líneas de enlace en función de la hora
del día. (Iversen, 1973 [37]). Las mediciones excluyen las llamadas locales
26
Figura 2.5 − Cantidad de llamadas en 24 horas a un centro de conmutación (escala

izquierda).La escala de la derecha indica la cantidad de llamadas durante la hora cargada para
fines de comparación. Se observa que el tráfico de 24 horas es aproximadamente 8 veces el
tráfico de la hora cargada. Este factor se denomina concentración de tráfico. (Iversen, 1973
[37])
27
Figura 2.6 − Número de llamadas durante 15 minutos a un conjunto compartido

de módem de Tele Danmark Internet. Martes 19.01.1999
La telefonía móvil celular tiene un perfil diferente con valores máximos en horas avanzadas de la
tarde, con un tiempo de ocupación medio más breve que para llamadas por líneas alámbricas.
Mediante la integración de las diversas formas de tráfico en la misma red se puede obtener
entonces una mejor utilización de los recursos.
Lección 5: Concepto de bloqueo

El sistema telefónico no está dimensionado para que todos los abonados se puedan conectar al
mismo tiempo. Numerosos abonados comparten los costosos equipos de las centrales. La
concentración tiene lugar del abonado a la central. El equipo que está separado para cada
abonado se debe hacer lo más económico posible.
En general, se espera que del 5 al 8% aproximadamente de los abonados pueda efectuar
llamadas al mismo tiempo en la hora cargada (cada teléfono se utiliza de 10 a 16% del tiempo).
Para llamadas internacionales menos del 1% de los abonados efectúa llamadas simultáneamente.
De esta manera, se aprovechan las ventajas de la multiplexación estadística. Cada abonado debe
sentir que tiene acceso irrestricto a todos los recursos de sistemas de telecomunicaciones aun
cuando lo comparta con muchos otros abonados.
La cantidad de equipos está limitada por razones económicas y, por tanto, es posible que un
abonado no pueda establecer una llamada, sino que tenga que esperar o quedar bloqueado (por
ejemplo, el abonado recibe el tono de ocupado y deba efectuar una nueva tentativa de llamada).
Ambos son inconvenientes para el abonado.
28
Figura 2.7 − Tiempo de ocupación medio en segundos en función de la hora del día
para llamadas que se reciben dentro del periodo considerado. Tele Danmark Internet.
Martes 19.01.1999
De acuerdo con el funcionamiento del sistema se puede distinguir entre sistemas de pérdidas (por
ejemplo, grupos de enlace) y sistemas de tiempo de espera (por ejemplo, unidades de control
común y sistemas de computación) o una mezcla de éstos si el número de posiciones de espera
(memoria intermedia) es limitado.
El inconveniente en sistemas de pérdidas debido a la insuficiencia de equipos se puede expresar
de tres maneras (medidas de calidad de funcionamiento de la red):
Congestión de llamadas (B): Fracción de las tentativas de llamada que observan los
servidores ocupados (molestia que experimenta el abonado).
Congestión temporal (E): Fracción de tiempo cuando todos los servidores están ocupados. La
congestión temporal puede ser medida, por ejemplo, en la central (= congestión virtual).
Congestión de tráfico (C): Fracción del tráfico ofrecido que no es transportado,
posiblemente a pesar de diversos intentos.
Estas medidas cuantitativas pueden ser utilizadas, por ejemplo, para establecer normas de
dimensionamiento para grupos de enlace.
En pequeños valores de congestión es posible tratar la congestión con buena aproximación en las
distintas partes del sistema como independiente recíproca. La congestión para un determinado
encaminamiento es entonces aproximadamente igual a la suma de la congestión de cada enlace
del encaminamiento. Durante la hora cargada se permitirá normalmente una congestión de un
29
pequeño porcentaje entre dos abonados.
Estos sistemas no pueden tratar cada situación sin inconveniente para los abonados. El propósito
de la teoría de teletráfico es encontrar relaciones entre calidad de servicio y costos de los
equipos. El equipo existente debe poder funcionar a plena capacidad durante situaciones de
tráfico anormales (por ejemplo un incremento repentino de llamadas telefónicas), es decir el
equipo debe continuar funcionando y efectuar conexiones útiles.
El inconveniente en sistemas de espera (sistemas de puesta en fila) se miden como un tiempo de

retardo. No sólo el tiempo de espera medio es de interés sino también la distribución del tiempo
de espera. Podría ser que un pequeño retardo no constituya ningún inconveniente, de modo que
puede no haber una relación lineal entre inconveniente y tiempo de espera.
En sistemas telefónicos se define a menudo un límite superior para el tiempo de espera

aceptable. Si este límite se rebasa se interrumpirá la conexión (desconexión forzada).
30
CAPÍTULO 2. TEORÍA DE LAS PROBABILIDADES Y ESTADÍSTICAS
Lección 6: Generación De Tráfico Y Reacción De Los Abonados

Si el abonado A desea hablar con el abonado B se producirá una llamada satisfactoria o bien una
tentativa de llamada fracasada. En el último caso, A puede repetir más tarde la intención de
llamada e iniciar así una serie de tentativas de llamada sin éxito. Las estadísticas de llamada se
presentan generalmente como se muestra en el cuadro 2.1, donde los errores se han agrupado en
varias clases típicas. Se observa que los únicos errores que pueden ser influenciados
directamente por el operador son los errores técnicos y bloqueo. Esta clase usualmente es
pequeña pues representa un escaso porcentaje durante la hora cargada. Asimismo, se observa
que la cantidad de llamadas que experimentan B ocupado dependen del número de errores de A y
errores técnicos y bloqueo. Por consiguiente, las estadísticas que figuran en el cuadro 2.1 no son
apropiadas. Para obtener las probabilidades pertinentes, que se muestran en la figura 2.8, sólo se
considerarán las llamadas que llegan a la etapa considerada cuando se calculan probabilidades.
Aplicando la notación en la figura 2.8 se hallan las siguientes probabilidades para un intento de
llamada (suponiendo independencia):
p{error de A} = pe (2.5)
p{congestión y errores técnicos} = (1 − pe) . ps (2.6)
p{B no contesta} = (1 − pe) . (1 − ps) . pn (2.7)
Cuadro 2.1 − Resultado típico de un gran número de tentativas de llamada durante la hora
cargada para países industrializados o países en desarrollo.
Resultado País I País D
Error de A: 15 20%
Errores técnicos y bloqueo: 5% 35%
B no contesta antes de que A cuelgue: 10% 5%
B ocupado: 10% 20%
B contesta = conversación 60% 20%
Sin conversación 40% 80%
Figura 2.8 − Probabilidades condicionales de eventos.
31
Cuadro 2.2 – Las probabilidades de las tentativas de llamada calculadas para el cuadro 2.1.
p{B ocupado} = (1 − pe) . (1 − ps) . pb (2.8)

p{B contesta} = (1 − pe) . (1 − ps) . pa (2.9)
Utilizando los valores del cuadro 2.1 se hallan las cifras que se muestran en el cuadro 2.2.
Conforme a esta información se puede observar que aun si el abonado A se comporta
correctamente y el sistema telefónico es perfecto, sólo el 75% de los intentos de llamada en los
países I, y el 45% en los países D, respectivamente, dan por resultado una conversación.
Se puede distinguir entre el tiempo de servicio, que incluye el tiempo desde el instante en que se
ocupa un servidor hasta que éste se desocupa nuevamente (por ejemplo, establecimiento de la
llamada, duración de la conversación y terminación de la llamada), y duración de la conversación,
que es el periodo de tiempo en el que A conversa con B. En razón de las tentativas de llamada
fracasadas el tiempo de servicio medio es a menudo menor que la duración media de la llamada si
se incluyen todas las tentativas de llamada. En la figura 29 se muestra un ejemplo con tiempos de
ocupación observados.
Ejemplo 2.4.1: Tiempo medio de ocupación: Se supone que el tiempo medio de ocupación de
las llamadas que son interrumpidas antes que B conteste (error de A, congestión, errores técnicos)
es de 20 segundos y que el tiempo medio de ocupación de llamadas que llegan al abonado B (no
contesta, ocupado, contesta) es de 180 segundos. El tiempo medio de ocupación del abonado A
se calcula utilizando los valores que figuran en el cuadro 2.1:
32
Se puede observar que el tiempo medio de ocupación aumenta de 148 s (92 s, respectivamente)
en el abonado A a 180 s en el abonado B. Si una tentativa de llamada implica más intenciones de
llamada repetidos (véase también el ejemplo 2.4), el tráfico transportado puede ser mayor que el
tráfico ofrecido.
Si se conoce el tiempo medio de servicio de las fases individuales de una tentativa de llamada, se
puede calcular la proporción de las intenciones de llamada que se pierden durante las fases
individuales. Esto se puede aprovechar para analizar sistemas electromecánicos utilizando
sistemas SPC para recopilar datos.
Cada tentativa de llamada carga los grupos de control en la central (por ejemplo, una computadora
o una unidad de control) con una carga casi constante mientras que la carga de la red es
proporcional a la duración de la llamada. Por esta razón muchas tentativas de llamada fracasados
pueden sobrecargar los dispositivos de control mientras que la red aún dispone de capacidad libre.
Las tentativas de llamada repetidas no son necesariamente motivadas por errores en el sistema
telefónico, sino que también pueden ser causadas, por ejemplo, por un abonado B ocupado. Este
problema fue tratado por primera vez por Fr. Johannsen en su libro "Busy" (ocupado) publicado en
1908 (Johannsen, 1908 [52]. En las figuras 2.10 y 2.11 se muestran algunos ejemplos de
mediciones del comportamiento del abonado.
Los estudios de la respuesta de los abonados con relación, por ejemplo, al tono de ocupado, es de
vital importancia para el dimensionamiento del sistema telefónico. En realidad, los factores
humanos ( = comportamiento del abonado) constituyen una parte de la teoría de teletráfico que es
de gran interés.
Durante la hora cargada α = 10 a 16% de los abonados están ocupados utilizando las líneas para
llamadas entrantes o salientes. Por consiguiente, se supondría que el α% de las tentativas de
llamada indicarían que el abonado B está ocupado. Sin embargo, esto es erróneo pues los
abonados tienen diferentes niveles de tráfico. Algunos abonados no reciben tentativas de llamada
entrantes, mientras que otros reciben mayor cantidad de tentativas de llamadas que la media. Los
abonados A tienen inclinación en elegir los abonados B más ocupados, y en la práctica se observa
que la probabilidad que el abonado B esté ocupado es de unos 4 · α, si no se toman medidas.
Para abonados residenciales es difícil mejorar la situación, pero para grandes abonados
comerciales que tienen una central automática privada (PABX) con un grupo de números, la
cantidad suficiente de líneas eliminará la condición de ocupado de B. Por consiguiente, en países
industrializados la probabilidad total de abonado B ocupado toma el mismo orden de magnitud de
α (véase el cuadro 2.1). Para países en desarrollo el tráfico se centra más sobre números
individuales y a menudo los abonados comerciales no disponen de numeración de grupo y, por
tanto, se observa una alta probabilidad de abonado B ocupado (40 a 50%).
33
Conforme a las mediciones de Ordrup el 4% aproximadamente de las llamadas eran tentativas de

llamadas repetidas. Si un abonado presenta una indicación bloqueo u ocupado, hay un 70% de
probabilidad que la llamada se repita dentro de una hora. Véase el cuadro 2.3.
Un clásico ejemplo de la importancia de la reacción de los abonados se observó cuando la fábrica

de gas industrial de Valby (en Copenhague) explotó a mediados de la década de los 60. Los
abonados en Copenhague generaron una gran cantidad de tentativas de llamada y ocuparon los
dispositivos de control en las centrales de la zona de Copenhague. Los abonados de Esbjerg
(parte occidental de Dinamarca) que llamaban a Copenhague tenían que esperar debido a que los
números no podían ser transferidos inmediatamente a Copenhague. Por tanto, el equipo en
Esbjerg se mantuvo ocupado en espera, y los abonados que efectuaban llamadas locales en
Esbjerg no pudieron completar las tentativas de llamada.
Esto es un ejemplo de cómo se propaga una situación de sobrecarga con una reacción en cadena
por toda la red. Cuando más ajustada se ha dimensionado una red, habrá más posibilidad que se
produzca una reacción en cadena. Una central siempre ha de ser construida de modo que
mantenga su capacidad total de funcionamiento durante situaciones de sobrecarga.
Figura 2.9 − Función de frecuencia para tiempos de ocupación de enlaces

en un centro de conmutación local
34
Cuadro 2.3 − Secuencia observada de tentativas de llamada repetidas (llamadas

nacionales, "mediciones de Ordrup").
Número de observaciones
Tentativa N° Satisfactorio Continua Desiste p{éxito} Persistencia
75,389
1 56,935 7,512 10,942 0,76 0,41
2 3,252 2,378 1,882 0,43 0,56
3 925 951 502 0,39 0,66
4 293 476 182 0,31 0,72
5 139 248 89 0,29 0,74
>5
Total 134
61,678 114
13,711
La probabilidad de éxito disminuye con la cantidad de tentativas de llamada, mientras que la
persistencia aumenta. Aquí un intento de llamada repetido es una llamada repetida al mismo
abonado B dentro de una hora
En una central moderna se tiene la posibilidad de dar prioridad a un grupo de abonados en una
situación de emergencia, por ejemplo, médicos y policía (tráfico preferencial).
En sistemas informáticos similares condiciones influenciarán la calidad de funcionamiento. Por

ejemplo, si es difícil obtener libre ingreso a un sistema terminal, el usuario dispone no
desconectarse sino mantener conectado el terminal, es decir aumentar el tiempo de servicio. Si un
sistema funciona como sistema de tiempo de espera, el tiempo de espera medio aumentará
entonces con el tercer orden del tiempo de medio servicio (véase el Capítulo 13). En esas
condiciones el sistema se saturará muy rápido, es decir estará sobrecargado. En países con redes
de telecomunicación sobrecargadas (por ejemplo, países en desarrollo) un gran porcentaje de
intentos de llamadas serán tentativas de llamadas repetidas.
Ejemplo 2.4.2: Tentativa de llamada repetida: Este es un ejemplo de un modelo simple de
tentativa de llamada repetida. Sea la siguiente notación:
b = persistencia (2.10)
B = p {no completada} (2.11)
La persistencia b es la probabilidad que se repita una tentativa de llamada infructuosa, y
p{completada} = {1 − B} es la probabilidad que el abonado (parte llamada) responda. Para una
tentativa de llamada se obtiene la siguiente reseña:
Las siguientes probabilidades se obtienen para una tentativa de llamada:
(2.12)
35
Figura 2.10 − Histograma para el intervalo de tiempo desde la ocupación del registro
(tono de marcar) a la respuesta de B para llamadas completadas.El valor medio es
13,60 s
Cuadro 2.4 − Distribución de la cantidad de tentativas de llamadas.
Tentativa Nº p{B responde} p{continúa} p{desiste}

0
1 (1 − B) B.b B . (1 − b)
2 (1 − B) . (B . b) (B . b)
2
B . (1 − b) . (B . b)
3
B . (1 − b) . (B . b)
2 2
3 (1 − B) . (B . b) (B . b)
B . (1 − b) . (B . b)
3 4 3
4 (1 − B) . (B . b) (B . b)
... … … …
(1− B) 1 B ⋅(1− b)
Total
(1− B ⋅b) (1− B ⋅b) (1− B ⋅b)
36
B ⋅(1− b)
p{no completada}= (2.13)
(1− B ⋅b)
1
Número de tentativas de llamada por intención de llamada = (2.14)
(1− B ⋅b)
Sean los tiempos medios de ocupación siguientes:
sc = tiempo medio de ocupación de llamadas completadas
sn = 0 = tiempo medio de ocupación de llamadas no completadas
Se obtienen entonces las siguientes relaciones entre el tráfico transportado Y y el tráfico ofrecido A:
Y = A⋅ 1− B (2.15)
1− B ⋅b
1− B ⋅b
A=Y ⋅ (2.16)
1− B
Esto es similar al resultado que figura en la Recomendación UIT-T E.502.
En la práctica, la persistencia b y la probabilidad de compleción 1 – B dependerá del número de
veces que la llamada ha sido repetida (consúltese el cuadro 2.3). Si las llamadas infructuosas
tienen un tiempo medio de ocupación positivo, el tráfico transportado puede ser mayor que el
tráfico ofrecido.
Lección 7: Introducción al grado de servicio

La siguiente sección tiene como base la publicación: Proposed grade of service chapter for
handbook. ITU-T Study Group, Veirø, B. (2001) [100]. El operador de la red debe decidir qué
servicios ha de prestar ésta al usuario final y el nivel de calidad de servicio que el usuario debe
experimentar. Esto es así para toda red de telecomunicaciones sea con conmutación de circuitos
o con conmutación de paquetes, alámbrica o inalámbrica, óptica o de alambre de cobre, y es
independiente de la tecnología de transmisión aplicada. Otras decisiones que se han de efectuar
pueden incluir el tipo e instalación de la infraestructura de la red para soportar los servicios, y la
elección de las técnicas que se han de utilizar para tratar el transporte de la información. Estas
decisiones ulteriores pueden ser diferentes, según si el operador ya está presente en el mercado
o si comienza a prestar servicios en una situación de nuevo concurrente (es decir, una situación
donde no hay una red heredada para considerar).
37
Figura 2.11 − Histograma para todas las tentativas de llamada repetidas

en el término de 5 minutos, cuando la parte llamada está ocupada.
En la Recomendación UIT-T E.800 se define el concepto de calidad de servicio (QoS) como: el

efecto colectivo de calidad de funcionamiento del servicio que determina el grado de satisfacción
de un usuario del servicio. La QoS comprende un conjunto de parámetros que pertenece a la
calidad de funcionamiento del tráfico de la red, pero además de esto, la QoS también incluye una
serie de otros conceptos, que se resumen como sigue:
logística del servicio;
facilidad de utilización del servicio;
servibilidad del servicio; y
seguridad del servicio.
Las definiciones detalladas de esos términos figuran en la Recomendación E.800. Cuanto mejor
calidad de servicio ofrece un operador al usuario final, mayor será la posibilidad de obtener
nuevos clientes y mantener los clientes actuales. Pero una mejor calidad de servicio significa
también que la instalación de la red sea más costosa y esto, normalmente, tendrá relación con el
precio del servicio. La selección de una determinada calidad de servicio dependerá, por tanto, de
las decisiones políticas tomadas por el operador y esto no será tratado en el presente estudio.
Cuando se establece la decisión de calidad se puede iniciar la planificación de la red pertinente.
Esto incluye la decisión de una tecnología de red de transporte y su topología, así como los
38
aspectos de fiabilidad en el caso en que uno o más elementos de red tengan mal funcionamiento.
Es también en ese momento que se determina la estrategia de encaminamiento.
Éste es el instante en que es necesario considerar el grado de servicio (GoS). Esto se define en la
Recomendación UIT-T E.600 como: un conjunto de variables de ingeniería de tráfico utilizadas
para tener una medida de aptitud de un grupo de órganos en condiciones especificadas. Estas
variables del grado de servicio pueden expresarse como la probabilidad de pérdida, la demora del
tono de invitación a marcar, etc. A esta definición la Recomendación proporciona además las
siguientes notas:
Los valores de parámetro asignados como objetivos para el grado de servicio se denominan
normas de grado de servicio.
Los valores de los parámetros de grado de servicio obtenidos en condiciones reales se

denominan resultados del grado de servicio.
El punto básico para resolver en la determinación de las normas de GoS es aplicar los valores a
cada elemento de red de modo tal que se obtenga el objetivo de QoS de extremo a extremo.
7.1 Comparación de GoS y QoS

No es tarea sencilla encontrar las normas de GoS necesarias para soportar una determinada
QoS. Esto se debe al hecho de que los conceptos de GoS y QoS tienen distintos puntos de vista.
Mientras que la QoS considera la situación desde el punto de vista del cliente, el GoS tiene en
consideración la red. Esto se ilustra con los siguientes ejemplos:
Ejemplo 2.5.1:Supóngase que se desea fijar la probabilidad de bloqueo de llamada de extremo a

extremo al 1% en una red telefónica. Un cliente puede interpretar que esta cantidad significa que
podrá alcanzar el destino deseado en un promedio de 99 sobre 100 casos. Al fijar este objetivo de
diseño, el operador aplicó una determinada probabilidad de bloqueo a cada uno de los elementos
de red que una llamada de referencia podría satisfacer. Para asegurar que este objetivo se cumpla
se debe supervisar la red. Pero esta supervisión normalmente tiene lugar en toda la red y sólo se
puede asegurar que la red puede satisfacer, en promedio, los valores objetivo. Si se considera una
determinada línea de acceso, su GoS objetivo puede bien ser superado, pero el promedio para
todas las líneas de acceso debe por cierto satisfacer el objetivo.
El GoS está referido a parámetros que se pueden verificar mediante la calidad de funcionamiento
de la red (aptitud de una red o parte de la red para ofrecer las funciones correspondientes a las
comunicaciones entre usuarios) y los parámetros sólo se aplican en promedio para la red. Aún si
sólo se limita a considerar la parte de la QoS que está relacionada con el tráfico, el ejemplo ilustra
que si bien el objetivo de GoS se satisface esto no es el caso para la QoS.
7.2 Características especiales de la QoS

Como consecuencia de todas las dificultades mencionadas anteriormente en la comparación de
39
GoS y QoS, y en la definición de lo que realmente es la percepción del usuario, se ha formado un

grupo para tratar estos problemas. Se denomina Grupo de Desarrollo sobre Calidad de Servicio y
trabaja conjuntamente con el Grupo de Estudio 2 del UIT-T. Sus temas de estudio incluyen nuevas
definiciones y mejoramiento de la Recomendación UIT-T E.800.
Debido a los diferentes criterios para definir el GoS y la QoS, el Grupo de Desarrollo sobre Calidad
de Servicio propuso una solución para resolver el problema. Esta solución se denomina acuerdo a
nivel de servicio (SLA, service level agreement). Esto es en realidad un contrato entre el usuario y
el operador de la red. En el mismo se define el significado real de los parámetros en cuestión. Se
supone que las definiciones están dadas de modo tal que sean interpretadas de la misma manera
por el cliente y por el operador de la red. Asimismo, el SLA define qué sucede en el caso de la
violación de los términos del contrato. Algunos operadores han decidido emitir un SLA para todas
las relaciones que tienen (al menos en principio) con el cliente, mientras que otros sólo lo hacen
con grandes clientes que conocen lo que realmente significan los términos del SLA.
7.3 Calidad de funcionamiento de la red

Como se mencionó anteriormente la calidad de funcionamiento de la red se refiere a la aptitud de
una red o parte de la misma para ofrecer las funciones correspondientes a las comunicaciones
entre usuarios. Para establecer cómo funciona una determinada red, es necesario realizar
mediciones que abarquen todos los aspectos de los parámetros de comportamiento funcional (es
decir capacidad de tráfico, seguridad de funcionamiento, transmisión y tarificación).
Asimismo, los aspectos de calidad de funcionamiento de la red en el concepto de GoS sólo
corresponden a los factores relacionados con el rendimiento funcional de la capacidad de tráfico
en la terminología de QoS. Asimismo, en el marco de la calidad de servicio el término "Calidad de
funcionamiento de la red" también incluye los siguientes conceptos:
seguridad de funcionamiento,
calidad de transmisión, y
precisión de la tasación.
No es suficiente efectuar sólo mediciones, sino que es también necesario tener una organización
que pueda proporcionar la supervisión adecuada y tomar las medidas que correspondan cuando
surjan los problemas. A medida que aumenta la complejidad de la red el número de parámetros
que será necesario tener en cuenta será mayor. Esto significa que se requerirán medios
automáticos para que el panorama general de los parámetros más importantes que se deben
examinar sea más sencillo.
7.4 Configuraciones de referencia

Para obtener una visión general de la red en estudio es a menudo conveniente presentar un
40
diagrama denominado configuración de referencia. Este diagrama comprende uno o más

esquemas simplificados del trayecto que una llamada (o conexión) puede tomar en la red incluido
los puntos de referencia apropiados, donde se definen las interfaces entre las entidades. En
algunos casos los puntos de referencia definen una interfaz entre dos operadores y es, por tanto,
importante observar cuidadosamente qué sucede en ese punto. En lo que se refiere al grado de
servicio la importancia de la configuración de referencia es la segmentación del GoS como se
describe a continuación. Considérese una red telefónica con terminales, conmutadores de
abonado y conmutadores de tránsito. En el ejemplo se ignora la red de señalización. Supóngase
que las llamadas se pueden encaminar por unas de las tres disposiciones siguientes:
1) terminal → conmutador de abonado → terminal. Esto se puede representar como la
configuración de referencia que se muestra en la figura 2.12.
2) terminal → conmutador de abonado → conmutador de tránsito → conmutador

de abonado → terminal. Esto se puede representar como la configuración de referencia que
se muestra en la figura 2.13
3) terminal → conmutador de abonado → conmutador de tránsito → conmutador de tránsito →

conmutador de abonado → terminal. Esto se puede representar como la configuración de
referencia que se muestra en la figura 2.14.
Figura 2.12 − Configuración de referencia para el caso 1
Basado en un determinado conjunto de requisitos de QoS, se selecciona y define un conjunto de

parámetros de GoS de una base de extremo a extremo dentro de la frontera de red, para cada
categoría de servicio principal proporcionadas por la red. Los parámetros de GoS seleccionados
41
se especifican de modo tal que el GoS se puede obtener en puntos de referencia bien definidos,
es decir puntos de tráfico importantes. Este procedimiento se utiliza para permitir la segmentación
de los objetivos de GoS de extremo a extremo para que sea posible obtenerlos en cada etapa o
componente de red, sobre la base de algunas conexiones de referencia bien definidas.
Como se define la Recomendación E.600, referente a los términos de ingeniería de tráfico, una
conexión es una asociación de órganos que proporciona los medios para una comunicación entre
dos o más dispositivos pertenecientes a una red de telecomunicaciones, o acoplados a ella.
Puede haber diferentes tipos de conexiones pues el número y los tipos de recursos en las mismas
pueden variar. Por tanto, el concepto de conexión de referencia se utiliza para identificar casos
representativos de distintos tipos de conexiones sin incluir los detalles de sus realizaciones reales
por diferentes medios físicos.
En el trayecto de una conexión intervienen, por lo general, diversos segmentos de red. Por
ejemplo, una conexión puede ser local, nacional o internacional. Las conexiones de referencia se
utilizan para aclarar y especificar asuntos de calidad de funcionamiento del tráfico en diversas
interfaces entre distintos dominios de red. Cada dominio puede estar constituido por una o más
redes del proveedor del servicio. La Recomendación I.380/Y.1540 define los parámetros de
calidad de funcionamiento para la transferencia de paquetes de protocolo de Internet; el proyecto
de Recomendación Y.1541 especifica las atribuciones y objetivos de calidad de funcionamiento
correspondientes. La Recomendación E.651 especifica las conexiones de referencia para redes
de acceso con protocolo Internet. Se van a elaborar otras conexiones de referencia.
De los objetivos de QoS, se obtiene un conjunto de parámetros GoS de extremo a extremo y sus
objetivos para distintas conexiones de referencia. Por ejemplo, la probabilidad de bloqueo de la
conexión de extremo a extremo y el retardo de transferencia de paquete de extremo a extremo
pueden ser parámetros de GoS pertinentes. Los objetivos de GoS se deben especificar con
referencia a las condiciones de carga del tráfico, tal como en condiciones de carga normal y
elevada. Los objetivos de GoS de extremo a extremo se asignan entonces a componentes de
recursos de las conexiones de referencia para fines de dimensionamiento. En una red
operacional, se requieren mediciones y supervisión de la calidad de funcionamiento para asegurar
que los objetivos de GoS se hayan cumplido.
En redes basadas en el protocolo Internet, la asignación de calidad de funcionamiento se efectúa
generalmente en una nube, es decir el conjunto de encaminadores y enlaces bajo una
responsabilidad jurisdiccional única (o en colaboración), tal como una ISP. Una nube se conecta a
otra nube mediante un enlace, es decir un encaminador de pasarela en una nube se conecta a
través de un enlace a un encaminador de pasarela en otra nube. La comunicación de extremo a
extremo entre sistemas centrales se conduce por un trayecto que comprende una secuencia de
nubes y enlaces de interconexión. Esta secuencia se conoce como trayecto ficticio de referencia
para fines de asignación de calidad de funcionamiento.
42
Lección 8: Funciones de distribución
Todos los intervalos de tiempo que se consideran en este Modulo no son negativos y, por tanto,
pueden ser expresados por variables estocásticas no negativas.
Los intervalos de tiempo de interés son, por ejemplo, tiempos de servicio, duración de la
congestión (periodos de bloqueo, periodos de ocupado), tiempos de espera, tiempos de
ocupación, tiempos de CPU ocupado, periodos entre las llegadas a destino de las llamadas, etc.
En este Capítulo se examinan la teoría básica de las probabilidades y las estadísticas en lo que
respecta a la teoría del teletráfico.
Un intervalo de tiempo puede ser descrito por una variable estocástica T, que se caracteriza por
una función de distribución F(t):
En la ecuación (3. 1) se integra desde 0 – para mantener el registro de una posible discontinuidad
en t = 0. Cuando se consideran los sistemas de tiempo de espera, hay siempre una probabilidad
positiva de tener tiempos de espera iguales a cero, es decir F(0) ≠ 0. Por otra p arte cuando se
observan los periodos entre las llegadas a destino de las llamadas, se supone generalmente que
F(0) = 0.
La probabilidad que la duración de un intervalo de tiempo sea menor o igual a t resulta:

p(T ≤ t) = F(t).
A veces es más sencillo considerar la función de distribución complementaria.
Fc(t) = 1 – F(t).
Esto también se denomina función de distribución de supervivencia.
Se supone a menudo que F(t) es diferenciable y que existe la siguiente función de densidad f(t):
dF(t) = f(t) . dt = p{t < T ≤ t + dt}, t ≥ 0. (3.2)
Normalmente, se supone que el tiempo de servicio es independiente del proceso de llegada, y
que un tiempo de servicio es independiente de otros tiempos de servicio. En forma analítica, se
pueden efectuar muchos cálculos para cualquier distribución de tiempo. En general, siempre se
supone que existe el valor medio.
8.1 Caracterización de las distribuciones
Las distribuciones temporales que sólo suponen argumentos positivos poseen algunas
propiedades ventajosas. Para el i-ésimo momento no central, que generalmente indica i-ésimo
momento, se puede indicar que la identidad de Palm es válida:
43
La identidad de Palm (Ec. 3.3), que es válida para las distribuciones de tiempo de vida (sólo
definidas para argumentos no negativos), se aprobó por primera vez en (Palm, 1943,[81]) como
sigue:
El orden de integración se puede invertir pues el integrando no es negativo. Así, se puede

comprobar (Ec. 3.3) lo siguiente:
La siguiente prueba simplificada es correcta pues se supone que los momentos existen:
Ejemplo 3.1.1: Distribución exponencial: Para la distribución exponencial se tiene:
44
Sería muy sorprendente que las dos integrales sean idénticas. Los dos integrandos pueden,
aparte de ser constantes, ser transformados en una función de densidad Erlang-3 o Erlang-2,
respectivamente, que tiene la masa de probabilidad total:
En especial, se tienen los primeros dos momentos bajo la hipótesis que existen:
El valor medio (expectativa) es el primer momento:
El i-ésimo momento central se define como:
La varianza es idéntica al segundo momento central:
Por lo general una distribución viene definida unívocamente por todos sus momentos. Una medida
normalizada para la (dispersión de) irregularidad de una distribución es el coeficiente de variación.
Se define como la relación entre la desviación normalizada y el valor medio:
CV = coeficiente de variación = σ (3.9)

m
Esta cantidad no tiene dimensión y luego se aplicará para caracterizar las distribuciones discretas
(probabilidades de estado). Otra medición de irregularidad es el factor de forma de Palm ε, que
se expresa como sigue:
(3.10)
45
El factor de forma ε así como σ/m son independientes de la elección de la escala de tiempo, y
aparecerá en muchas fórmulas en los textos siguientes.
Cuando mayor sea el factor de forma, más irregular es la distribución temporal, y mayor será, por
ejemplo, el tiempo de espera medio en un sistema de tiempo de espera. El factor de forma toma el
valor mínimo igual a uno para intervalos de tiempo constantes (σ = 0).
Para estimar una distribución a partir de las observaciones, se está a menudo satisfecho al
conocer los primeros dos momentos (m y σ o ε) pues los momentos de orden superior requieren
gran cantidad de observaciones para obtener estimaciones fiables. Las distribuciones temporales
también se pueden caracterizar de otras maneras, cuyas más importantes se analizarán más
adelante.
8.2 Tiempo de vida residual
Se desea hallar la distribución del tiempo de vida residual, dado que ya ha sido obtenida una
determinada edad x ≥ 0.
La distribución condicional F(t+xIx) se define como sigue (suponiendo que p{T > x} > 0 y t ≥ 0:
y así
La figura 3.1 ilustra los cálculos gráficamente.

El valor medio m1,r del tiempo de vida residual se puede expresar como (3.4):
46
El índice de mortalidad en el tiempo x, es decir la probabilidad de que la vida útil considerada

termina dentro de un intervalo (x,x + dx), bajo la condición que la edad x haya sido alcanzada, se
obtiene con la expresión (3.11) en la condición t = dx:
La función de densidad condicional μ(x) también se denomina función obstáculo. Si se da esta

función, se puede obtener entonces F(x) como solución a la siguiente ecuación diferencial:
Figura 3.1 − Función densidad del tiempo de vida residual condicionada para
una edad x dada (3.11). El ejemplo se basa en una distribución de
Weibull We(2,5) donde x = 3 y F(3) = 0,3023.
47
que tiene la siguiente solución (suponiendo F(0) = 0):
El índice de mortalidad μ(t) es constante si, y solo sí, la vida útil se distribuye en forma
exponencial. Esto es una característica fundamental de la distribución exponencial que se
denomina propiedad de Markovian (falta de memoria (edad)): La probabilidad de terminación es
independiente de la edad real (historia).
Cabría esperar que la vida útil residual media m1,r(x) disminuya cuando aumenta x, así como la
vida útil residual esperada disminuya cuando la edad x aumenta. Esto no siempre es el caso. Para
una distribución exponencial con factor de forma ε = 2, se tiene m1,r = m. Para distribuciones
pronunciadas (1 ≤ ε ≤ 2) se tiene m1,r < m, mientras que para distribuciones planas (2 < ε < ∞), se
tiene m1,r ≥ m.
Ejemplo 3.1.2: Distribución del tiempo de espera
La distribución del tiempo de espera Ws(t) para un cliente aleatorio tiene usualmente una masa
(atómica) de probabilidad positiva en t = 0, en razón que algunos de los clientes toman el servicio
inmediatamente sin espera. Se tiene así Ws(0) > 0. Aplicando la ecuación (3.11) la distribución del
tiempo de espera W+(t) para clientes que tienen tiempos de espera positivos será:
o si se indica la probabilidad de un tiempo de espera positivo {1 – Ws(0)} por D (probabilidad de

demora):
Para la función de densidad, aplicando la ecuación (3.11), se tiene: Para valores medios se
obtiene:
donde el valor medio para todos los clientes viene indicado por W y el valor medio para los
clientes demorados se indica con w.
Ejemplo 3.2.1: Distribución binomial y ensayo de Bernoulli. Supóngase que la probabilidad de

éxito en una prueba (por ejemplo tirar un dado) sea igual a p y la probabilidad de fracaso sea igual
1 − p. El número de éxitos en una sola prueba estará entonces dada por la distribución de
48
Bernoulli:
Si se efectúa un total de S pruebas, la distribución de la cantidad de éxitos tiene distribución

binomial:
la que se obtiene, por tanto, mediante la convolución de S distribuciones de Bernoulli. Si se

ejecuta una prueba adicional, la distribución del número total de éxitos se obtiene mediante la
convolución de la distribución binomial (3.35) y la distribución de Bernoulli (3.34):
Lección 9: Procesos de llegada
Los procesos de llegada, tal como llamadas telefónicas que llegan a una central, se describen
matemáticamente como procesos estocásticos puntuales. Para un proceso puntual, se pueden
distinguir dos llegadas entre sí. Las informaciones concernientes a una llegada (tiempo de
servicio, número de cliente) se ignoran. De modo que la información sólo se puede utilizar para
determinar si una llegada pertenece al proceso o no.
La teoría matemática para el proceso puntual fue presentada y desarrollada por el sueco Conny
Palm en el decenio de 1940. Esta teoría ha sido ampliamente aplicada en diversos temas. Fue
matemáticamente perfeccionada por Khintchine (1968, [63]), y se ha aplicado considerablemente
en muchos libros de textos.
9.1 Descripción de procesos puntuales

En el texto siguiente sólo se considerarán procesos puntuales regulares, es decir se excluyen las
llegadas dobles. Para llamadas telefónicas esto se puede realizar utilizando una escala temporal
suficientemente detallada.
49
Considérense tiempos de llegada en los que la i-ésima llamada llega en el tiempo Ti:
0 = T0 < T1 < T2 < . . . < Ti < Ti+1 < . . . . (5.1)
La primera observación tiene lugar en el tiempo T0 = 0.
El número de llamadas en el semiintervalo abierto [0, t] se indica como Nt. El valor Nt es una
variable aleatoria con parámetros de tiempo continuo y espacio discreto. Cuando t aumenta, Nt
nunca disminuye.
Figura 4.1 − Proceso de llegada de la llamada en las líneas de entrada de una central de
tránsito
La distancia temporal entre dos llegadas es:
Xi = Ti – Ti–1, i = 1, 2; . . . . (5.2)
Esto se denomina tiempo entre llegadas y la distribución de este proceso es la distribución del
tiempo entre llegadas.
Correspondiente a las dos variables aleatorias Nt y Xi, los dos procesos se pueden caracterizar de
dos maneras:
1) Representación del número Nt: el intervalo de tiempo t se mantiene constante y se
observa la variable aleatoria Nt para el número de llamadas en t.
2) Representación del intervalo Ti: el número de llamadas entrantes se mantiene
constante y se observa la variable aleatoria Ti para el intervalo de tiempo hasta que se
hayan producido n llegadas (en especial T1 = X1).
50
La reacción fundamental entre las dos representaciones viene dada por la siguiente relación
simple:
si y sólo si
Esto se expresa por la identidad de Feller-Jensen:
El análisis del proceso puntual se puede basar en ambas representaciones. En principio estas
representaciones son equivalentes. La representación de intervalos corresponde a los análisis
usuales en serie del tiempo (si, por ejemplo i = 1), se obtienen promedios de llamada, es decir
estadísticas basadas en las llamadas entrantes.
La representación del número de llamadas no tiene comparación en el análisis en serie del

tiempo. Las estadísticas están calculadas por unidad de tiempo y se obtienen promedios de
tiempo. (Confróntese la diferencia entre congestión de llamadas y congestión temporal.)
Las estadísticas de interés cuando se estudian procesos puntuales, se pueden dividir conforme a
las dos representaciones.
9.1.1 Propiedades básicas de la representación del número
Hay dos propiedades que son de interés teórico:

1) El número de llamadas entrantes total en el intervalo [t1, t2] es igual a Nt2 - Nt1.
El número de llamadas promedio en el mismo intervalo se denomina función de renovación H:
H (t1, t2) = E{Nt2 – Nt1} (5.5)
2) La densidad de las llamadas entrantes en el tiempo t (valor medio del tiempo) es:
Se supone que λt existe y es un valor finito. Se puede interpretar que λt es la intensidad, con la
que se producen las llegadas en el tiempo t.
51
Para procesos puntuales regulares, se tiene:
p {Nt+Δt – Nt ≥ 2} = o(Δt), (5.7)
p {Nt+Δt – Nt = 1} = λtΔt + o(Δt), (5.8)
p {Nt+Δt – Nt = 0} = 1 – λtΔt + o(Δt), (5.9)
donde, por definición:
3) Índice de dispersión para conteo
Para describir propiedades de segundo orden de la representación del número de llamadas se

utiliza el índice de dispersión para conteo (IDC, index of dispersion for counts). Este índice
describe las variaciones de los procesos de llegada durante un intervalo de tiempo t y se define
como:
Mediante la división del intervalo de tiempo t en x intervalos de duración t/x y observando el

número de eventos durante esos intervalos se obtiene una estimación del IDC(t). Para el proceso
de Poisson IDC se pone igual a uno. IDC es igual al "grado de curto sis", que se tratará más
adelante para caracterizar el número de canales ocupados en un proceso de tráfico.
9.1.2 Propiedades básicas de la representación del intervalo

4) La distribución f(t) de intervalos de tiempo Xi (5.2) (y por convolución la distribución en sí i–1
veces la distribución del tiempo hasta la i-ésima llegada).
Fi(t) = p {Xi ≤ t}, (5.12)
E {Xi} = m1,i. (5.13)
El valor medio es el promedio de llamadas entrantes que se obtiene para cada llamada. Un
proceso de renovación es un proceso puntual en el que los tiempos entre llamadas son
estocásticos independientes entre sí y tienen la misma distribución (excepto para X1), es decir mi
= m. (IID = Idéntica e independientemente distribuidas).
5) La distribución V(t) del intervalo de tiempo desde un periodo aleatorio hasta que se produzca la
primera llegada. El valor medio de V(t) es un promedio de tiempos que se calcula por unidad de
tiempo.
6) Índice de dispersión por intervalos.

52
Para describir propiedades de segundo orden para la representación de intervalos se utiliza el

índice de dispersión para intervalos (IDI, index of dispersion for intervals). Esto se define:
donde Xi es el tiempo entre llegadas. Para el proceso de Poisson que tiene tiempos de servicio
distribuidos exponencialmente, el IDI se pone igual a uno. El IDI es igual al factor de forma de
Palm menos uno (3.10). En general, el IDI es más difícil de obtener por observación que el IDC, y
es más sensible a la exactitud de medición y regularización del proceso de tráfico. La tecnología
digital es más adecuada para la observación del IDC, mientras que complica la observación del
IDI.
Cuál de las dos representaciones se debe utilizar en la práctica depende realmente del caso
particular. Esto se puede ilustrar con los siguientes ejemplos.
Ejemplo 5.1.1: Principios de medición. Las medidas del comportamiento del teletráfico se llevan
a cabo por uno de los dos principios básicos siguientes:
1) Medidas pasivas. El equipo de medición registra en intervalos de tiempo regulares el número
de llegadas desde la última registrada. Equivale al método de exploración, que es apropiado
para computadoras. Y corresponde a la representación del número cuando el intervalo de
tiempo es fijo.
2) Medidas activas. El equipo de medición registra un evento en el instante que se produce. Se
mantiene el número de evento fijo y se observa el intervalo de medición. Un ejemplo de esto
está dado por los instrumentos de registro. Esto corresponde a la representación del intervalo
donde se obtienen estadísticas para cada llamada simple.
Ejemplo 5.1.2: Llamadas de prueba. Investigación de la calidad de tráfico. En la práctica esto se

efectúa de dos maneras:
1) La calidad de tráfico se estima recopilando estadísticas de los resultados de las llamadas de
prueba efectuadas a abonados específicos o ficticios. Las llamadas se generan durante la hora
cargada independientemente del tráfico real. El equipo de prueba registra el número de las
llamadas bloqueadas, etc. Las estadísticas obtenidas corresponden a los promedios de tiempo
de la medida de rendimiento. Lamentablemente, este método aumenta la carga ofrecida en el
sistema. Teóricamente, las medidas de rendimiento obtenidas deferirán de los valores
correctos.
2) Los datos recopilados de los equipos de prueba a partir del número de llamada N, 2N, 3N, . . . ,
por ejemplo N = 1 000. El proceso de tráfico no cambia y la estadística de rendimiento es un
promedio de llamada.
53
Ejemplo 5.1.3: Estadísticas de llamadas. Un abonado evalúa la calidad por una fracción de
llamadas que están bloqueadas, por ejemplo promedio de llamadas.
El operador evalúa la calidad mediante la proporción de tiempo cuando todas las líneas de enlace
están ocupadas, es decir promedio de tiempo.
Los dos tipos de valores promedio (tiempo/llamada) están a menudo mezclados, causando
aparentes estados contrarios.
Ejemplo 5.1.4: Parte llamada ocupada (B ocupado). En una central telefónica el 10% de los
abonados está ocupado, pero el 20% de las tentativas de llamada están bloqueadas debido a que
B está ocupado (parte llamada ocupada). Este fenómeno se puede explicar por el hecho que la
mitad de los abonados están en estado pasivo (es decir no efectúan ni reciben llamadas), mientras
que el 20% de los abonados
restantes están ocupados. G. Lind (1976 [74]) analizó el problema bajo la hipótesis de que cada
abonado en promedio tiene el mismo número de llamadas entrantes y salientes. Si el valor medio y
el factor de forma de la distribución de tráfico por abonado es b y ε, respectivamente, la
probabilidad que una tentativa de llamada encuentre al abonado B ocupado es b . ε.
9.2 Características del proceso puntual

Se ha tratado anteriormente una estructura muy general para procesos puntuales. Para
aplicaciones específicas habrá que examinar otras propiedades. Sólo se considerará la
representación del número pero se podría hacer lo mismo basado en la representación del
intervalo.
9.2.1 Condición de estacionario (Homogeneidad del tiempo)

Esta propiedad se puede describir sin considerar la posición en el eje del tiempo. Las
distribuciones de probabilidad que describen el proceso puntual son entonces independientes del
instante de tiempo. La siguiente definición es útil en la práctica:
Definición: Para una relación t2 > 0 arbitraria y toda κ ≥ 0, la probabilidad que haya κ llegadas en
[t1, t1 + t2] es independiente de t1, es decir para todos los t, κ se tiene:
Hay muchas otras definiciones de la condición de estacionario, algunas más estrictas y otras más
amplias.
La condición de estacionario también se puede definir por representación de intervalos requiriendo

que todas las Xi sean independientes e idénticamente distribuidas. Una definición amplia es
aquella que todos los momentos de primero y segundo orden (por ejemplo el valor medio y la
54
varianza) de un proceso puntual deben ser constantes con respecto a desplazamientos en el

tiempo.
Erlang introdujo el concepto de equilibrio estadístico, que requiere que las derivadas del proceso
con respecto al tiempo sean cero.
9.2.2 Independencia
Esta propiedad se puede expresar como la necesidad que la evolución futura del proceso sólo
dependa del estado presente.
Definición: La probabilidad que los eventos k (k es entero y ≥ 0) se produzcan en [t1, t1 + t2] es

independiente de los eventos antes del tiempo t1:
Si esto es válido para todos los tiempos t, se tendrá un proceso Markov en el que la evolución
futura sólo depende del estado presente pero es independiente de cómo ha sido obtenida. Esta es
la propiedad denominada falta de memoria. Si esta propiedad sólo es válida para determinados
puntos en el tiempo (por ejemplo, tiempos de llegada), estos puntos se denominan puntos de
equilibrio o puntos de regeneración. El proceso entonces tiene una memoria limitada y sólo es
necesario mantener el registro de los últimos puntos de regeneración.
Ejemplo 5.2.1: Puntos de equilibrio = puntos de regeneración
Ejemplos de procesos puntuales con puntos de equilibrio.

a) El proceso de Poisson (como se verá en el Capítulo siguiente) no tiene memoria, y todos los
puntos de los ejes de tiempo son puntos de equilibrio.
b) Un proceso de exploración, en el que las exploraciones se producen en un ciclo regular, tiene
memoria limitada. El último instante de exploración tiene plena información sobre el proceso
explorador y, por tanto, todos los puntos de exploración son puntos de equilibrio.
c) Si se superponen el proceso de Poisson y el proceso de exploración (por ejemplo, mediante la
investigación de los procesos de llegada en un sistema informático), los únicos puntos de
equilibrio en el proceso compuesto son los instantes de exploración.
d) Considérese un sistema de puesta en fila con procesos de llegada de Poisson, tiempo de
servicio constante y servidor único. El número de posiciones en la fila puede ser finito o infinito.
Defínase un proceso puntual por los instantes de tiempo cuando comienza el servicio. Todos los
intervalos de tiempo cuando el sistema está en reposo, serán puntos de equilibrio. Durante los
periodos en que el sistema está ocupado los puntos en el tiempo para aceptar nuevas llamadas
de servicio dependen del instante en que la primera llamada del periodo ocupado inicia el
servicio.
55
9.2.3 Regularidad
Se ha indicado ya que se excluyen los procesos con múltiples llegadas.
Definición: Se dice que un proceso puntual es regular, si la probabilidad que haya más de un
evento en un punto dado es cero:
Con la representación del intervalo, la distribución del tiempo entre llegadas a destino de las
llamadas no debe tener una probabilidad de masa (atómica) en cero, es decir, la distribución es
continua en cero (3.1):
F (0+) = 0 (5.18)
Ejemplo 5.2.2: Eventos múltiples. Los puntos temporales de accidentes de tráfico formarán un
proceso regular. La cantidad de vehículos dañados o personas fallecidas será un proceso puntual
y regular con eventos múltiples.
Lección 10: Teorema de Little
Este es el único resultado general que es válido para todos los sistemas de puesta en fila y fue
publicado por primera vez por Little (1961 [76]). La prueba se muestra por aplicación de la teoría
del proceso estocástico en (Eilon, 1969 [25]).Se considera un sistema de puesta en fila donde los
clientes llegan conforme a un proceso estocástico. Los clientes ingresan al sistema en un tiempo
aleatorio y esperan hasta obtener el servicio; una vez servidos dejan el sistema.
En la figura 5.3 los procesos de llegada y salida se consideran como procesos estocásticos con el
número de clientes acumulado en ordenadas.
Considérese un tiempo T y supóngase que el sistema está en equilibrio estadístico en el tiempo
inicial t = 0. Se tienen las siguientes notaciones (véase la figura 5.3):
N(T) = número de llegadas en el periodo T.

A(T) = tiempo de servicio total de todos los clientes en el periodo T.
A(T)= zona sombreada entre curvas.
A(T)= volumen de tráfico transportado.
λ(T) = N(T) = intensidad promedio de la llamada en el periodo T.
T
56
W(T) = A(T) = tiempo de ocupación medio en sistemas por llamada en el periodo T.

N(T)
L(T) = A(T) = número de llamadas promedio en el sistema en el periodo T.
T
Se tiene la relación importante entre esas variables:
Si los límites de λ = limT→∞ λ(T) y W = limTT→∞ W(T) existen, existirá también el valor limitado de
L(T) y
L = λ . W (Teorema de Little) (5.20)
Esta fórmula simple es válida para todos los sistemas generales de puesta en fila. La prueba ha
sido perfeccionada durante varios años. La fórmula, que se ha probado aquí por una consideración
muy simple del proceso estocástico, es más útil de lo que parece.
Ejemplo 5.3.1: Fórmula de Little. Sólo se considerarán las posiciones de espera, la fórmula
muestra "la longitud media de la fila es igual a la intensidad de la llamada multiplicado por el
tiempo de espera medio." Considérense ahora los lugares del servicio, la fórmula muestra "el
tráfico transportado es igual a la intensidad de llegada multiplicado por el tiempo del servicio medio
(A = y . s = λ/μ.)".
Figura 4.2 − Sistema de puesta en fila con llegada y salida de clientes.

La distancia vertical entre las dos curvas es igual al número real de clientes que están servidos.
Los clientes en general no salen en el mismo orden en que llegan, de modo tal que la distancia
horizontal entre las curvas no describe el tiempo real en el sistema de un cliente.
57
CAPITULO 3: DISTRIBUCIONES DE LOS INTERVALOS DE TIEMPO
La distribución exponencial es la distribución temporal más importante de la teoría del teletráfico.

Al combinar en serie intervalos temporales distribuidos exponencialmente, se obtiene una clase de
distribuciones denominadas distribuciones de Erlang. Al combinarlos en paralelo, se obtiene una
distribución hiperexponencial. Al combinar las distribuciones exponenciales en serie y en paralelo,
posiblemente con retroalimentación, se obtienen distribuciones de tipo fase, lo que constituye una
clase muy general de distribuciones. Las distribuciones de Cox son una sub categoría importante
de las distribuciones de tipo fase. Se observa que una distribución arbitraria se puede expresar
mediante una distribución Cox, lo que puede utilizarse en modelos analíticos en forma
relativamente sencilla. Por último, también se estudian otras distribuciones temporales que se
emplean en la teoría del teletráfico. Se ofrecen algunos ejemplos de observaciones de tiempos de
vida.
Lección 11: Distribución exponencial

En la teoría de teletráfico esta distribución también se denomina distribución exponencial negativa.
En principio, se puede utilizar cualquier función de distribución con valores no negativos para
modelar un tiempo de vida. Sin embargo, la distribución exponencial tiene algunas características
propias que hacen que esta distribución se califique para utilización analítica y práctica. La
distribución exponencial desempeña un papel fundamental entre todas las distribuciones de tiempo
de vida.
Esta distribución se caracteriza por un parámetro único, la intensidad o régimen λ:
La función gamma viene defina por:
Si se reemplaza t por λt y se obtiene el ν-ésimo momento, se tiene:
58
Figura 5.1 − En diagramas de fase todo intervalo de tiempo distribuido exponencialmente se

ilustra como una casilla con la intensidad. La casilla significa así que uncliente que llega a
la misma sufre el retardo de un intervalo de tiempo distribuido exponencialmente antes de
dejar la casilla
La distribución exponencial es muy apropiada para describir intervalos de tiempo físicos (véase la
figura 6.2). La característica más importante de la distribución exponencial es su falta de memoria.
La distribución del tiempo residual de una conversación telefónica es independiente de la duración
real de la conversación, y es igual a la distribución del tiempo de vida total (3.11):
Si se quita la masa de probabilidad del intervalo (0, x) a partir de la función densidad y se

normaliza la masa residual en (x, ∞) a la unidad, la nueva función de densidad se hace congruente
con la función de densidad original. La única función de distribución continua que tiene esta
propiedad es la distribución exponencial, mientras que la distribución geométrica es la única
distribución discreta que tiene esta propiedad. En la figura 3.1 se muestra un ejemplo con la
distribución de Weibull en la que esta propiedad no es válida. Para k = 1 la distribución de Weibull
se hace idéntica a que la distribución exponencial. Por tanto, el valor medio del tiempo de vida
residual es m1,r = m y la probabilidad de observar un tiempo de vida en el intervalo (t,t + dt),
teniendo en cuenta que se produzca después de t, viene dado por:
es decir es independiente del tiempo real t.
11.1 Mínimo de k variables aleatorias distribuidas exponencialmente

Se supone que dos variables aleatorias X1 y X2 son mutuamente independientes y están
distribuidas exponencialmente con intensidades λ1 y λ2, respectivamente. Una nueva variable
aleatoria X se define como:
59
La función de distribución de X es:
Esta función de distribución propiamente dicha es también una distribución exponencial con
intensidad (λ1 y λ2).
Con la hipótesis que el primer evento (más pequeño) sucede en el tiempo t, la probabilidad que
la variable aleatoria X1 se realice primero viene dada por:
es decir independiente de t. (No es necesario integrar todos los valores de t.)
Esos resultados pueden ser generalizados a k variables e integrar el principio básico de la

simulación técnica denominada método de la ruleta, una metodología de simulación de Monte
Carlo.
11.1.2 Combinación de distribuciones exponenciales

Si una distribución exponencial (es decir, un parámetro) no puede describir los intervalos de
tiempo con detalle suficiente, se ha de tener que utilizar entonces una combinación de dos o más
distribuciones exponenciales. Conny Palm introdujo dos clases de distribuciones: pronunciada y
plana. Una distribución pronunciada corresponde a un conjunto de distribuciones estocásticas con
exponencial independiente dispuestos en serie (véase la figura 5.2), y una distribución plana
corresponde a distribuciones exponenciales dispuestas en paralelo (véase la figura 5.4). Esta
estructura corresponde naturalmente a la configuración de procesos de tráfico en redes de
telecomunicación y datos.
Mediante la combinación de distribuciones pronunciada y planas se obtiene una aproximación

arbitrariamente buena para cualquier función de distribución (véase la figura 5.7). Los diagramas
de las figuras 5.2 y 5.4 se denominan diagramas de fase.
Figura 5.2 - Mediante la combinación de k distribuciones exponenciales en serie se obtiene

una distribución pronunciada (ε ≤ 2). Si todas las distribuciones k son idénticas (λ1 = λ), se
obtiene entonces una distribución Erlang-k
60
Figura 5.3 − Distribuciones Erlang-k con valor medio igual a uno. El caso k = 1 corresponde
a una distribución exponencial (funciones de densidad)
Lección 12: Distribuciones pronunciadas
Las distribuciones pronunciadas también se denominan distribuciones hiperexponenciales o

distribuciones Erlang generalizadas con un factor de forma en el intervalo 1 < ε ≤ 2. Esta función de
distribución generalizada se obtiene convolucionando distribuciones exponenciales k (véase la
figura 5.2). Aquí sólo se considera el caso en el que todas las distribuciones exponenciales k son
idénticas. Se obtiene entonces la siguiente función de densidad que se denomina distribución
Erlang-k.
61
(4.10)
Mediante las ecuaciones (3.31) y (3.32) se pueden obtener los momentos siguientes;
El i-ésimo momento no central es:
La función de densidad se calcula en el § 6.2.2. El tiempo de vida residual medio m1,r(x) para x ≥ 0
será menor que el valor medio:
Con esta distribución se tiene dos parámetros (λ , k) disponibles para ser estimados por
observación. El valor medio se mantiene a menudo fijo. Para estudiar la influencia del parámetro k
en la función de distribución, se normalizan todas las distribuciones Erlang-k al mismo valor medio
como la distribución Erlang-1, es decir la distribución exponencial con 1/λ medio, reemplazando t
por kt o λ por kλ:
62
Se observa que el factor de forma es independiente de la escala de tiempos. La función de

densidad (4.15) se ilustra en la figura 5.3 para diferentes valores de k con λ = 1. El caso k = 1
corresponde a la distribución exponencial. Cuando k → ∞ se obtiene en un intervalo de tiempo
constante (ε = 1).
Resolviendo la ecuación f' (t) se halla el valor máximo con la siguiente expresión:
Las distribuciones pronunciadas se denominan así debido a que las funciones de distribución
aumenta de 0 a 1 más rápidamente que la distribución exponencial. En teoría de teletráfico se
utiliza a veces el nombre distribución de Erlang para la distribución de Poisson truncada.
Lección 13: Distribuciones planas

La función de distribución general es en este caso una suma ponderada de distribuciones
exponenciales (distribución compuesta) con un factor de forma ε ≥ 2:
donde la función de ponderación puede ser discreta o continua (integral de Stieltjes). Esta clase de
distribución corresponde a una combinación en paralelo de las distribuciones exponenciales
(véase la figura 5.4). La función de densidad se denomina función monótona completa debido a los
signos alternados (Palm, 1957 [84]).
63
Figura 5.4 − Mediante la combinación de distribuciones exponenciales k en paralelo y

seleccionando la derivación número i con la probabilidad pi, se obtendrá una distribución
hiperexponencial, que es una distribución plana (ε ≥ 2)
El tiempo de vida residual medio m1,r(x) para toda x ≥ 0 es mayor que el valor medio:
13.1 Distribución hiperexponencial

En este caso, W(λ) es un valor discreto. Supóngase que se tengan los siguientes valores dados:
λ1, λ2, ... , λk,
y que W(λ) tenga incrementos positivos:

p1, p2, ... , pk
donde
Para cualquier otro valor, W(λ) es constante. En este caso (4.20) resulta:
Los valores medio y el factor de forma se pueden hallar con las ecuaciones (3.36) y (3.37) (σi =
m1,i = 1/λi):
64
Si n = 1 o todas las λi son iguales, se tendrá una distribución exponencial.

Esta clase de distribución se denomina distribución hiperexponencial y se puede obtener
combinando n distribuciones exponenciales en paralelo, donde la probabilidad de elegir la i-ésima
distribución viene dada por pi. La distribución se denomina plana pues su función de distribución
de 0 a 1 aumenta más lentamente que la distribución exponencial.
En la práctica, es difícil estimar más que uno o dos parámetros.

El caso más importante es para n = 2 (p1 = p, p2 = 1 – p):
Los problemas estadísticos surgen aun cuando se tratan tres parámetros. Por consiguiente, para
aplicaciones prácticas se escoge usualmente λi= 2λpi y se reduce así la cantidad de parámetros a
sólo dos:
El valor medio y el factor de forma resultan:
Para esta elección de parámetros las dos derivaciones tiene la misma contribución para el valor
medio. En la figura 5.5 se ilustra un ejemplo.
Lección 14: Distribuciones de Cox
Mediante la combinación de distribuciones planas y pronunciadas se obtiene una clase de

distribución general (distribuciones de tipo de fase) que se pueden describir con fase exponencial
tanto en serie como en paralelo (por ejemplo una matriz k × l). Para analizar un modelo con esta
clase de distribuciones, se puede aplicar la teoría de los procesos de Markov, de la que se tienen
herramientas eficaces como el método de fase. En el caso más general se puede permitir la
realimentación entre las fases.
65
Sólo se considerarán distribuciones de Cox como las que se muestran en la figura 5.6 (Cox, 1955
[18]). Estas distribuciones también aparecen con el nombre de distribución de Erlang con
derivaciones.
Figura 5.5 − Función de la (frecuencia de) densidad para tiempos de ocupación

observándose líneas en una central local durante las horas cargadas. (Central 0163, 27/5-6/6
1975.)
66
Figura 5.6 − Distribución de Cox en una distribución Erlang generaliza que tiene
distribuciones exponenciales tanto en serie como en paralelo.
El diagrama de fase es equivalente a la figura 5.7
Figura 5.7 − Diagrama de fase de una distribución de Cox (véase la figura 5.6)
El valor medio y la varianza de esta distribución de Cox (véase la figura 5.7) se encuentran en las
fórmulas:
donde:
El término qi(1 – ai) es la probabilidad de salir después de alcanzar la i-ésima fase. El valor medio
se puede calcular con la simple expresión siguiente:
donde m1,i = qi/λi, es el i-ésimo valor medio relacionado con la fase. La varianza es:
67
que se puede expresar así:
La adición de dos variables aleatorias con distribución Cox produce otra variable con distribución
Cox, es decir esta clase es cerrada de acuerdo con la operación de adición.
La función de una distribución de Cox se puede expresar como la suma de funciones

exponenciales:
donde
14.1 Prueba polinomial

Las siguientes propiedades tienen importancia para aplicaciones posteriores. Si se considera un
punto en el tiempo escogido al azar dentro de un intervalo de tiempo con distribución de Cox, la
probabilidad que este punto esté dentro de la fase i viene dada por:
Si este experimento se repite y veces (independientemente), la probabilidad que la fase i se

observa yi veces está dada por la distribución multinomial ( = distribución polinomial):
donde
68
Estas expresiones (4.38) se denominan coeficientes multinomiales. Por la propiedad de "falta de

memoria" de las distribuciones (fases) exponenciales se tiene plena información acerca del tiempo
de vida residual, cuando se conoce el número de la fase real.
14.2 Principios de descomposición
Figura 5.8 − Una distribución exponencial con intensidad λ es equivalente a la distribución

de Cox mostrada (Teorema 4.1)
Los diagramas de fase constituyen una herramienta útil para analizar las distribuciones de Cox. La
siguiente es una característica fundamental de la distribución exponencial (Iversen y Nielsen, 1985
[43]):
Teorema 4.1 Una distribución exponencial con intensidad λ se puede descomponer en una
distribución Cox de dos fases, donde la primera tiene una intensidad m > λ y la segunda una
intensidad λ (véase la figura 5.8).
El Teorema 4.1 muestra que una distribución exponencial es equivalente a una distribución de
Cox homogénea (homogénea significa que tiene iguales intensidades en todas las fases) con
intensidad m y un número infinito de fases (véase la figura 5.8). Se observa que las probabilidades
de derivaciones son constantes. La figura 5.9 corresponde a una suma ponderada de
distribuciones Erlang-k donde los factores de ponderación están geométricamente distribuidos.
69
Figura 5.9 − Una distribución exponencial con régimen λ se transforma por descomposición
sucesiva en una distribución compuesta de distribuciones Erlang-k homogéneas con los
parámetros μ > λ, donde los factores de ponderación siguen una distribución geométrica
(cociente p = λ/m).
Figura 5.10 − Con una distribución hiperexponencial con dos fases λ1 > λ2 puede ser
transformada a una distribución de Cox-2.
Conforme al Teorema 4.1 una distribución hiperexponencial con l fases es equivalente a una
distribución de Cox con el mismo número de fases. El caso l = 2 se muestra en la figura 5.10.
Se tiene otra propiedad de las distribuciones de Cox (Iversen y Nielsen, 1985 [43]):
Teorema 4.2 En cualquier distribución de Cox se pueden ordenar las fases, tal como λi ≥ λi+1.
Mediante el empleo de los diagramas de fase es sencillo ver que cualquier intervalo de tiempo
exponencial (λ) se puede descomponer en distribuciones de tipo de fase (λi), donde λi ≥ λ.
Referente a la figura 5.11 se observa que el régimen fuera de los estados macro (rectángulo en
línea de trazos) es independiente de λ del estado micro. Cuando el número de fase k es finito y no
hay realimentación la fase final debe tener régimen λ.
70
Figura 4.11 − Esta distribución de tipo de fase es equivalente a un exponente único cuando
pi . λi = λ. Así λi ≥ λ como 0 < pi ≤ 1
14.3 Importancia de la distribución de Cox
Las distribuciones de Cox han atraído la atención durante los últimos años pues son de gran
importancia debido a las siguientes propiedades:
a. La distribución de Cox se puede analizar utilizando el método de fases.
b. Se puede tener una distribución arbitraria aproximadamente bien con una distribución de Cox.
Si una propiedad es válida para una distribución de Cox será también válida para cualquier
distribución de interés práctico.
Con las distribuciones de Cox se pueden obtener resultados con métodos elementales que
previamente requerían matemáticas muy avanzadas.
En la conexión con aplicaciones prácticas de la teoría, se han utilizado los métodos para estimar
los parámetros de la distribución de Cox. En general, hay 2k parámetros en un problema
estadístico sin resolver. Normalmente, se puede elegir una distribución de Cox especial (por
ejemplo, distribución Erlang-k o hiperexponencial) y aproximarse al primer momento.
Por simulación numérica en computadoras utilizando el método de la ruleta, se obtienen

automáticamente las observaciones de los intervalos de tiempo como distribución de Cox con las
mismas intensidades en todas las fases.
Lección 15: Otras distribuciones temporales

En principio, cada distribución que tiene valores no negativos, se puede utilizar como distribución
temporal para describir los intervalos de tiempo. Pero en la práctica, se trabaja principalmente con
las distribuciones mencionadas anteriormente.
Se supone que el parámetro k en la distribución de Erlang-k (Ec. 4.8) toma valores reales no
71
negativos y obtiene la distribución gamma:
El valor medio y la varianza vienen dados por las ecuaciones (4.11) y (4.12).
Otro ejemplo de una distribución también conocida en la teoría de teletráfico es la distribución de
Weibull:
Con esta distribución se puede, por ejemplo, obtener la intensidad de fin de vida dependiente del
tiempo (3.14):
Esta distribución tiene su origen en la teoría de la fiabilidad. Para k = 1 se tiene la distribución

exponencial.
Más adelante, se tratará un conjunto de distribuciones discretas que también describe el tiempo de
vida, tal como la distribución geométrica, distribución de Pascal, distribución binomial, distribución
de Westerberg, etc. En la práctica, los parámetros de distribuciones no son siempre constantes.
Los tiempos (de ocupación) del servicio se pueden relacionar físicamente con el estado del
sistema. En sistemas hombre-máquina el tiempo del servicio cambia en razón de la actividad
(disminuye) o inactividad (aumenta). De la misma manera, los sistemas electromecánicos
funcionan más lentamente durante periodos de carga elevada en razón que la tensión diminuye.
Para algunas distribuciones que se aplican ampliamente en la teoría de puesta en fila, se utilizan
las siguientes notaciones abreviadas:
M ~ Distribución exponencial (Markov),

Ek Distribución de Erlang-k,
Hn
~ Distribución hiperexponencial de orden
D
~ n,
Constante (Determinística),
Cox
~ Distribución de Cox,
G
~ General = atribución arbitraria.
~
15.1 Observaciones de la distribución de tiempo de vida
En la figura 5.5 se muestra un ejemplo de los tiempos de ocupación observados desde una central
telefónica local. El tiempo de ocupación comprende el tiempo de señalización y, si la llamada se
72
responde, el tiempo de conversación. En la figura 6.2 se muestra la observación y los periodos

entre llegadas de llamadas a una central telefónica de tránsito durante una hora.
Desde sus comienzos, la teoría de teletráfico ha sido caracterizada por una fuerte interacción entre
teoría y práctica, y han habido excelentes posibilidades para efectuar mediciones.
Erlang [12] presentó en 1920 un informe sobre los resultados de una medición en las que se
registraron 2 461 tiempos de conversación en una central telefónica de Copenhague (1916). Palm
(1943 [81]) analizó el campo de mediciones de tráfico, de manera teórica y práctica, y efectuó
amplias mediciones en Suecia.
Se han llevado a cabo numerosas mediciones en sistemas de computación. Mientras que en

sistemas telefónicos rara vez se tiene un factor de forma mayor que 6, en tráfico de datos se
observan factores de forma mayores que 100. Este es el caso, por ejemplo para transmisión de
datos, donde se envían algunos caracteres o bien una gran cantidad de datos. Las mediciones
extensas más recientes han sido efectuadas y modeladas utilizando modelos de tráfico similares
(Jerkins y otros, 1999 [51]).
73
UNIDAD 2
TRÁFICO Y SU APLICACIÓN AL DIMENSIONAMIENTO

DE REDES DE TELECOMUNICACIONES
74
CAPÍTULO 4. SISTEMAS DE PÉRDIDAS
Lección 16: El Proceso de Poisson
El proceso de Poisson es el proceso puntual más importante. Más adelante se podrá ver que su
función en los procesos puntuales es tan vital como la función de la distribución Normal en las
distribuciones estadísticas. Según el teorema del límite central, al añadir variables estocásticas se
obtiene la distribución Normal. De manera similar al multiplicar variables estocásticas se obtiene la
distribución exponencial.
Todos los demás procesos puntuales aplicados son generalizaciones o modificaciones del proceso
de Poisson. Este proceso ofrece una descripción sorprendentemente acertada de numerosos
procesos de la vida real debido a que se trata del proceso más aleatorio. Cuanto más complejo
sea un proceso mejor, en general, será su modelado mediante un proceso de Poisson.
Dado que se trata de un proceso de gran importancia en la práctica, en este Capítulo se estudia
en forma pormenorizada. En primer lugar este estudio se basa en un modelo físico, haciendo
especial en las distribuciones asociadas al proceso, y a continuación se consideran algunas
propiedades destacadas del proceso de Poisson. El proceso de Poisson puede generalizarse de
diversas formas.
16.1 Características del proceso de Poisson

Las propiedades fundamentales del proceso de Poisson se definen en el:
a) condición de estacionario,
b) independencia en todos los puntos temporales (épocas), y
c) regularidad.
b) y c) son propiedades fundamentales, mientras que a) es innecesario. Así, se puede permitir un
proceso de Poisson que tenga una intensidad dependiente del tiempo. A partir de las propiedades
precedentes se pueden deducir otras propiedades que son suficientes para definir el proceso de
Poisson. Las dos más importantes son:
Representación del número: El número de eventos dentro de un intervalo de tiempo de
longitud fija tiene distribución de Poisson. Por consiguiente, el proceso se denomina
proceso de Poisson.
Representación del intervalo: La distancia temporal Ti entre eventos consecutivos tiene
distribución exponencial.
En este caso, la fórmula (5.4) muestra la relación fundamental entre la distribución de Poisson
75
acumulada y la distribución de Erlang (identidad de Feller-Jensen's):
Esta fórmula se puede obtener también por integración parcial repetida.
16.2 Distribuciones del proceso de Poisson

En esta sección se examinará el proceso de Poisson en un aspecto dinámico y físico (Fry, 1928
[32]) y (Arne Jensen, 1954 [12]). Las derivaciones se basan en un modelo físico simple y hacen
hincapié a las distribuciones de probabilidad asociadas con el proceso de Poisson.
El modelo físico es el siguiente: los eventos (llegadas) se ubican al azar sobre el eje real de modo
tal que cada evento se coloca independientemente de todos los otros eventos.
La densidad media se forma como λ eventos (llegadas) por unidad de tiempo. Si se considera el
eje como un eje de tiempo se tendrá como promedio λ llegadas por unidad de tiempo. La
probabilidad que un determinado diagrama de llegada se produzca dentro de un intervalo de
tiempo es independiente de la ubicación del intervalo en el eje de tiempo.
Figura 6.1 − Cuando se aplica el proceso de Poisson, se consideran llegadas dentro de

intervalos de tiempo no superpuestos de duración t1 y t2, respectivamente
La notación p(ʋ, t) representa la probabilidad que se produzcan ʋ eventos dentro de un intervalo

de tiempo de duración t. La formulación matemática del modelo anterior es la siguiente:
1) Independencia: Si t1 y t2 son dos intervalos no superpuestos (véase la figura 6.1), se tiene en
razón de la hipótesis de independencia:
p (0; t1) . p (0, t2) = p (0, t1 + t2) (6.2)
2) El valor medio del intervalo de tiempo entre dos llegadas sucesivas es 1/ λ (Ec. 3.4):
donde p(0, t) es la probabilidad que haya llegadas dentro del intervalo de tiempo (0;t), que es
también idéntico a la probabilidad que el tiempo hasta el primer evento sea mayor que t (la
distribución complementaria). El valor medio (6.3) se obtiene directamente de la ecuación (3.4). La
fórmula (6.3) también se puede interpretar como la superficie debajo de la curva p(0,t), que es una
función que nunca aumenta, disminuyendo a 1 a 0.
3) Se observa que la ecuación (6.2) implica que seguramente se producirá el evento "sin
llegadas dentro del intervalo de longitud 0":
76
p(0, 0) = 1 (6.4)
4) Se observa también que la ecuación (6.3) implica que la probabilidad que "no haya llegadas
dentro de un intervalo de tiempo de longitud ∞" es cero y nunca tendrá lugar:
p(0, ∞) = 0 (6.5)
16.2.1 Distribución exponencial
El paso fundamental para el siguiente cálculo de la distribución de Poisson es derivar p(0, t) que
es la probabilidad que en un intervalo de tiempo de longitud t no se producen llegadas, es decir la
probabilidad que la primera llegada aparezca después del tiempo t. Se demostrará que {1 – p(0,
t)} es una distribución exponencial.
Conforme a la ecuación (6.2) se tiene:
ln p(01, t1) + ln p (0, t2) = ln p (0, t1 + t2) (6.6)
Si ln p(0, t) = f(t), la ecuación (6.6) se puede expresar como sigue:
f (t1) + f (t2) = f (t1 + t2) (6.7)
Por diferenciación con respecto a, por ejemplo, t2 se tiene:
F'(t2) = f't2 (t1 + t2)
De esto se observa que f'(t) debe ser una constante y por tanto:
f(t) = a + b . t (6.8)
Intercalando la ecuación (6.8) en la (6.7), se obtiene a = 0. Por tanto p(0, t) tiene la forma:
p(0, t) = ebt
De la ecuación (6.3) se obtiene b:
o:
b=–λ
Se demuestra así, en base a los puntos 1) y 2) anteriores que:

p(0, t) = e— λ t (6.9)
Si se considera que p(0, t) como a la probabilidad que el evento siguiente llegue después del
tiempo t, el tiempo que transcurre hasta la próxima llegada está distribuido exponencialmente:
77
Se obtienen así el valor medio y la varianza siguientes (4.4):
(6.12)
La probabilidad que la siguiente llegada aparezca dentro del intervalo (t, t + dt) se puede expresar
como:
f(t) . dt = λe–λt . dt = p(0, t) . λdt (6.13)
Es decir la probabilidad que una llegada aparezca dentro del intervalo (t, t + dt) es igual a λ dt,
independiente de t y proporcional a dt (véase la ecuación (3.17)).
En razón que λ es independiente del tiempo real t, la distribución exponencial no tiene memoria. El
proceso no depende del tiempo.
El parámetro λ se denomina intensidad o régimen de la distribución exponencial y del proceso de

Poisson relacionado y corresponde a la intensidad en la ecuación (5.6). La distribución
exponencial es, en general, un modelo muy satisfactorio de tiempos entre llegadas cuando el
tráfico es generado por elementos humanos (véase la figura 6.2).
78
Figura 6.2 − Distribución del tiempo entre llegadas de las llamadas en una
central de tránsito.
Los valores teóricos se basan en la hipótesis de tiempos entre llegadas distribuidos
exponencialmente. Debido al principio de medición (métodos de exploración) la distribución
exponencial continua se transforma en una distribución de Westerberg discreta (Ec. 15.14)
(prueba X2 = 18,86 con 19 grados de libertad, percentil = 53)
16.2.2 Distribución de Erlang-k

De lo anterior se deduce que el tiempo hasta que hayan aparecido k llegadas exactamente es una
suma de k variables estocásticas IID distribuidas exponencialmente.
La distribución de esta suma se denomina distribución Erlang-k y la densidad viene dada por la
ecuación (4.8):
Para k = 1 se obtendrá por supuesto la distribución exponencial. La distribución gk+1(t) , k > 0; se

obtiene por convolución de gk (t) y g1(t). Si se supone que la expresión (6.14) es válida para gk (t),
se tiene entonces:
79
Como la expresión es válida para k = 1, se ha demostrado por inducción que es válida para
cualquier k. La distribución de Erlang-k es, desde el punto de vista estadístico, una distribución
gamma especial.
El valor medio y la varianza se obtienen con la ecuación (6.12)
(6.15)
Ejemplo 6.2.1: Estadísticas de llamadas para un sistema SPC (véase el ejemplo 5.1.2).Sea
una serie de llamadas que llegan a una central telefónica con programa de control almacenado
(sistema SPC) conforme a un proceso de Poisson. La central recopila automáticamente toda la
información al respecto cada 1 000 llamadas. Los tiempos entre llamadas entre dos registros
tendrá entonces distribución Erlang-1000 y el factor de forma ɛ = 1.001, es decir los registros se
efectuarán muy regularmente.
16.2.3 Distribución de Poisson

Se indicará ahora que el número de llegadas en un intervalo de longitud fija t presenta una
distribución de Poisson con un valor medio λt. Cuando se conoce la distribución exponencial
mencionada anteriormente y la distribución de Erlang, la derivación de la distribución de Poisson
se obtiene con sólo aplicar combinaciones simples. La prueba se puede llevar a cabo por
inducción.
80
Se desea extraer p(i, t) = probabilidad de i llegadas dentro del un intervalo de tiempo t. Supóngase
que:
Esto es correcto para i = 0 (6.9). El intervalo (0, t) se divide en tres intervalos no superpuestos (0,
t1); (t1, t1 + dt1) y (t1 + dt1, t). Desde la primera hipótesis de independencia se sabe que los
eventos dentro de un intervalo son independientes de eventos en los otros intervalos en razón que
éstos no están superpuestos. Mediante el ajuste de t1 de modo tal que la última llegada dentro de
(0, t) se produzca en el intervalo (t1, t1 + dt1), se obtiene la probabilidad p(i, t) mediante la
integración de todos los valores posibles de t1 como producto de las tres probabilidades
siguientes:
a) La probabilidad que (i – 1) llegadas se produzcan dentro del intervalo de tiempo (0; t1):
b) La probabilidad que haya una sola llegada dentro del intervalo de tiempo de t1 a t1+dt1:
λ . dt1
c) La probabilidad que no se produzcan llegadas en el intervalo de t1 + dt1 a t:
–λ(t-t1)
e
El producto de las primeras dos probabilidades es la probabilidad que la i-ésima llegada aparezca
en el intervalo (t1, t1 + dt1), es decir la distribución de Erlang de la sección anterior:
Por integración se tiene:
Ésta es la distribución de Poisson que se obtiene por inducción a partir de la ecuación (6.9). El
valor medio y la varianza son:
81
La distribución de Poisson es, en general, un modelo muy conveniente para el número de llamadas
en un sistema de telecomunicación (véase la figura 6.3) o tareas en un sistema informático.
Ejemplo 6.2.2: Sistema de satélite Aloha con segmentos de tiempo. Considérese el sistema
digital de comunicación por satélite Aloha segmentado con longitud de paquete constante h. El
satélite está en una órbita geoestacionaria a unos 36 000 km por encima del ecuador de modo que
la demora circular es de unos 280 ms. Los ejes de tiempo se dividen en segmentos de duración
fija que corresponden a la longitud del paquete h. El terminal individual (estación terrena) transmite
los paquetes de forma tal que estén sincronizados con los segmentos de tiempo. Todos los
paquetes generados durante un segmento de tiempo se transmiten en el segmento de tiempo
siguiente. La transmisión de un paquete sólo es correcta si es el único paquete que ha de ser
transmitido en el segmento de tiempo. Si en un segmento de tiempo se transmiten
simultáneamente más paquetes, se tendrá una colisión y todos los paquetes se pierden y han de
ser retransmitidos. Las estaciones terrenas reciben todos los paquetes y pueden entonces decidir
si un paquete está transmitido correctamente. Debido al retardo de tiempo, las estaciones terrenas
transmiten paquetes independientemente. Si el proceso de llegada total es un proceso de Poisson
(régimen λ), se obtiene entonces un número de paquetes distribuidos de Poisson en cada
segmento de tiempo.
La probabilidad de una transmisión correcta es:

P(1) = λh . e—λh. (6.20)
Esto corresponde a la proporción de los ejes de tiempo que se utilizan eficazmente. Esta función,
que se muestra en la figura 6.4 tiene un valor óptimo para λh = 1, pues la derivada con respecto a
λh es cero para este valor:
82
Figura 6.3 − Número de llamadas por segundo en Internet por conexión

telefónica.
Los valores teóricos se basan en la hipótesis de una distribución de Poisson. Una prueba
estadística acepta la hipótesis de una distribución de Poisson. Se tiene así una utilización máxima
del canal en 0,3679, cuando en promedio se transmite un paquete por segmento de tiempo. Un
resultado similar se tiene cuando hay un número limitado de terminales y la cantidad de paquetes
por segmento de tiempo tiene distribución binomial.
83
Figura 6.4 − El tráfico transportado en un sistema Aloha segmentado tiene un máximo

(véase el ejemplo 6.2.2).
16.2.4 Derivación estática de las distribuciones del proceso de Poisson

Como se conoce en estadística, estas distribuciones también se pueden obtener del proceso
binomial permitiendo que el número de intentos n (por ejemplo tiradas de un dado) se incremente
al infinito y, al mismo tiempo permitir que la probabilidad de éxito en una tentativa simple p
converja a cero de modo tal que el número promedio de probabilidades de éxito n . p es
constante.
Este enfoque es estático y no pone de relieve las propiedades fundamentales del proceso de
Poisson, que tiene una existencia independiente dinámica, sino que muestra la relación entre los
dos procesos como se ilustra en el cuadro 6.1.
La distribución exponencial es la única distribución de probabilidad continua con falta de

memoria, así como la distribución geométrica es la única distribución de probabilidad discreta
con falta de memoria. Por ejemplo, el resultado siguiente de la tirada de un dado es
independiente del resultado anterior. Las distribuciones de los dos procesos se muestran en el
cuadro 6.1.
84
Cuadro 6.1 - Correspondencia entre las distribuciones del proceso binomial y el proceso de
Poisson.
Un resultado satisfactorio corresponde al evento de una llegada en un proceso puntual m1 = valor

medio, σ2 = varianza. Para la distribución geométrica se puede comenzar con una clase cero. El
valor medio se reduce entonces en uno mientras que la varianza no se modifica.
85
16.3 Propiedades del proceso de Poisson

En este punto se tratarán algunas propiedades fundamentales del proceso de Poisson. Del modelo
físico tratado anteriormente se puede ver que el proceso de Poisson es el proceso puntual más
aleatorio que se puede encontrar ("Proceso de irregularidad máxima"). Permite una buena
descripción de los procesos físicos cuando numerosos factores están detrás del proceso total.
16.3.1 Distribución uniforme – una propiedad condicional

En la distribución de poisson se ha visto que "una distribución uniforme en un intervalo muy
amplio corresponde a un proceso de Poisson. Se podrá ver que la propiedad inversa es también
válida:
Teorema 6.1 Si para un proceso de Poisson se tiene n llegadas dentro de un intervalo
de duración t, esas llegadas están distribuidas uniformemente dentro de ese intervalo.
Puede en sí mismo ser una variable estocástica si es independiente del proceso de Poisson. Éste
es, por ejemplo, el caso en mediciones de tráfico con intervalos de medida variables. Esto se
puede demostrar con la distribución de Poisson (representación del número) o bien con la
distribución exponencial (representación del intervalo).
16.3.2 Teorema de Palm (Teorema de la superposición)
Las propiedades fundamentales del proceso de Poisson entre todos los otros procesos puntuales
fue tratado por primera vez por el sueco Conny Palm. Palm demostró que la distribución
exponencial desempeña el mismo papel para procesos puntuales estocásticos (por ejemplo,
distribuciones de tiempo entre llegadas), donde la superposición se efectúa por multiplicación,
como lo hace la distribución normal cuando se efectúa superposición por adición (teorema del
límite central).
Figura 6.5 − Por superposición de n procesos puntuales se obtiene bajo ciertas premisas
un proceso que localmente es un proceso de Poisson.
86
Teorema 6.2 Teorema de Palm: Por superposición de numerosos procesos puntuales

independientes el proceso total resultante será localmente un proceso de Poisson.
El término "localmente" significa que se consideran intervalos de tiempo que son tan breves que
cada proceso contribuye a lo sumo con un evento durante este intervalo. Este es un requisito
natural pues ningún proceso puede dominar el proceso total (se suponen condiciones similares
para el teorema de límite central). El teorema sólo es válido para procesos puntuales regulares.
Si se considera un punto aleatorio en el tiempo en un determinado proceso, el tiempo hasta la

llegada siguiente viene dado por la ecuación (3.23).
Se superponen n procesos en un proceso total. Mediante la elección apropiada de la unidad de

tiempo, la distancia media entre llegadas en el proceso total se mantiene constante, independiente
de n. El tiempo desde un punto aleatorio al evento siguiente en el proceso total viene dado
entonces por la ecuación Si todos los subprocesos son idénticos (suponiendo µ = 1), suponiendo
que el número de subprocesos aumenta al infinito:
que es la distribución exponencial. Se ha demostrado que por superposición de procesos idénticos

se obtendrá localmente un proceso de Poisson. De manera similar, se pueden superponer
procesos no idénticos y obtener localmente un proceso de Poisson.
16.3.3 Teorema de Raikov (Teorema de la descomposición)

Un teorema similar, el teorema de la descomposición, es válido cuando se divide un proceso
puntual en subprocesos y que esto se efectúa en forma aleatoria. Si en un proceso hay n veces
menos eventos, es natural entonces disminuir los ejes de tiempo en un factor n.
Teorema 6.3 Teorema de Raikov: Mediante la descomposición aleatoria de un proceso puntual

en subprocesos, cada uno de ellos converge a un proceso de Poisson cuando la probabilidad que
un evento pertenezca a un subproceso tienda a cero.
Además de superposición y descomposición (fusión y división, o unión y bifurcación), se puede

efectuar otra operación en un proceso puntual, denominada translación (desplazamiento) de los
eventos particulares. Cuando esta translación para cada evento es una variable estocástica,
independiente de otros eventos, un proceso puntual arbitrario convergerá nuevamente a un
proceso de Poisson.
Con referencia a los procesos puntuales que se producen en la vida real, se puede esperar
conforme a lo indicado anteriormente, que hay procesos de Poisson cuando se satisface una serie
87
de condiciones independientes suficientemente amplias para que se produzca un evento. Ésta es

la razón que muestra que el proceso de Poisson es una buena descripción de, por ejemplo, los
procesos de llegada de todos los abonados a una central telefónica.
Como ejemplo de las limitaciones en el teorema de Palm se puede indicar que la superposición de
dos procesos independientes produce un proceso de Poisson exacto sólo si ambos subprocesos
son procesos de Poisson.
Lección 17: Sistemas de pérdidas de Erlang, fórmula B
En esta lección y en las siguientes se examina la teoría de teletráfico clásica formulada por
Erlang, Engset y Fry y Molina, que ha sido aplicada satisfactoriamente durante más de 80 años.
En este lección sólo se examina la fórmula de Erlang B fundamental.
17.1 Introducción
La fórmula de Erlang B está basada en el modelo siguiente, descrito por los elementos estructura,
estrategia y tráfico.
a) Estructura: se considera un sistema de n canales idénticos (servidores, líneas de enlace,
segmentos de tiempo) que funcionan en paralelo. Esto se denomina grupo homogéneo.
b) Estrategia: una llamada que llega al sistema se acepta para servicio si algún canal está
desocupado. (Cada llamada necesita sólo un canal.) Se dice que el grupo tiene plena
accesibilidad. A menudo se utiliza el término plena disponibilidad, pero esta terminología se
utilizará sólo en relación con aspectos de fiabilidad. Si todos los canales están ocupados se
pierde la tentativa de llamada y ésta desaparece sin ningún efecto secundario (la tentativa de
llamada rechazada puede ser aceptada por un trayecto alternativo). Esta estrategia es la más
importante y ha sido aplicada con éxito durante muchos años. Se denomina modelo de
pérdidas de Erlang o modelo de llamada perdida eliminada (LCC, lost call cleared).
c) Tráfico: Se supone que los tiempos de servicio están distribuidos exponencialmente
(intensidad µ) y que el proceso de llegada es un proceso de Poisson con régimen µ. Este tipo
de tráfico se denomina puramente tráfico aleatorio tipo uno, PCT-I. El proceso de tráfico se
transforma entonces en un proceso teórico de renovación, un proceso de Markov simple que es
sencillo de formular matemáticamente.
Definición de tráfico ofrecido: Es el tráfico transportado cuando el número de canales (la

88
capacidad) es infinito (2.2). En el modelo de pérdidas de Erlang con proceso de llegada de

Poisson esta definición de tráfico ofrecido es equivalente al número promedio de tentativas de
llamada por tiempo de ocupación medio:
Se consideran dos casos:
1. n = ∞: Distribución de Poisson.
2. n < ∞: Distribución de Poisson truncada.
Más adelante se verá que el modelo es indiferente a la distribución del tiempo de ocupación, es
decir sólo el tiempo medio de ocupación es importante para las probabilidades de estados. El tipo
de distribución no tiene importancia para las probabilidades de estado.
Mediciones de calidad de funcionamiento: Las mediciones más importantes de grado de
servicio para sistemas de pérdidas son la congestión temporal E, la congestión de llamadas B y la
congestión de (carga de) tráfico C. Son todas idénticas para el modelo de pérdidas de Erlang
debido al proceso de llegada de Poisson.
17.2 Distribución de Poisson

Se supone que el proceso de llegada es un proceso de Poisson y que los tiempos de ocupación
están distribuidos exponencialmente, es decir se considera el tráfico PCT-I. Se supone que el
número de canales es infinito, en el que nunca se observará congestión (bloqueo).
17.2.1 Diagrama de transición de estado

El estado del sistema, [i], se define como el número de canales ocupados i (i = 0, 1, 2, ...). En la
figura 7.1 todos los estados del sistema se indican con círculos, y las variaciones por las cuales el
proceso de tráfico cambia de un estado a otro se ilustran con arcos de flechas entre los estados.
Como el proceso es irregular, sólo se tienen transiciones a estados vecinos. Si se supone que el
sistema está en equilibrio estadístico, durante la proporción p(i) del tiempo estará en el estado [i],
donde p(i) es la probabilidad de observación del sistema en estado [i] en un punto aleatorio del
tiempo, es decir un promedio del tiempo. Cuando el proceso está en el estado [i] pasará al estado
[i + 1] λ veces por unidad de tiempo y al estado [i — 1] i µ veces por unidad de tiempo (por
supuesto, el proceso dejará el estado [i] en el momento que hay una transición de estado.
89
Figura 7.1 − Distribución de Poisson. Diagrama de transición de estado para un sistema

con infinitos canales, proceso de llegada de Poisson ( λ), y tiempos de ocupación con
distribución exponencial (µ)
Las ecuaciones que describen el estado de los sistemas bajo la hipótesis de equilibrio estadístico
se pueden establecer de dos maneras, ambas basadas en el principio de compensación global:
a) Ecuaciones de nodo. En equilibrio estadístico el número de transiciones por unidad de
tiempo en el estado [i] es igual al número de transiciones fuera del estado [i]. La
probabilidad de estado de equilibrio p(i) indica la proporción de tiempo (tiempo total por
unidad de tiempo) que el proceso está en el estado [i]. El número medio de saltos del
estado [0] al estado [1] es λ p(0) por unidad de tiempo, y el número de saltos del estado [1]
al estado [0] es µ p(1) por unidad de tiempo. Para el estado [1] se obtiene la ecuación de
equilibrio o compensación siguientes:
Las ecuaciones de nodo son siempre aplicables aun para diagramas de transición de estado de
diversas dimensiones. Este tema será tratado más adelante.
b) Ecuaciones de corte En muchos casos se puede explotar una estructura simple del
diagrama de transición de estado. Si se efectúa un corte ficticio, por ejemplo entre los
estados [i—1 e [i] (que corresponde a un corte global entre los estados [0], [1], ... [i—1]),
en equilibrio estadístico el proceso de tráfico cambia entonces del estado [i—1] a [i] la
misma cantidad de veces que cambia del estado [i] a [i—1]. En equilibrio estadístico se
tiene entonces, por unidad de tiempo:
Las ecuaciones de corte se utilizan principalmente para diagramas de transición de estado

unidimensionales, mientras que las ecuaciones de nodo se aplican a cualquier tipo de diagrama.
Como el sistema siempre estará en algún estado, se tiene la restricción de normalización:
90
Se observa que las ecuaciones de nodo (7.3) conllevan tres probabilidades de estado, mientras
que las ecuaciones de corte (7.4) sólo implican dos. Por consiguiente, es más sencillo resolver
ecuaciones de corte. Los sistemas de pérdidas siempre podrán presentar equilibrio estadístico si
el proceso de llegada es independiente del estado del sistema. En este capítulo no se
considerarán las condiciones matemáticas para el equilibrio estadístico.
17.2.2 Obtención de las probabilidades de estado

Para diagramas de transición de estado de una dimensión la aplicación de las ecuaciones de
corte es el método más apropiado. De la figura 7.1 se obtienen las siguientes ecuaciones de
equilibrio:
Expresando todas las probabilidades de estado por p(0), se obtiene, conforme al tráfico ofrecido
La restricción de normalización (7.5) implica que la distribución de Poisson:
La cantidad de canales ocupados en un punto aleatorio en el tiempo tiene, por tanto, distribución
de Poisson con el valor medio (6.17) y la varianza (6.18) iguales a A. Se ha visto anteriormente
que el número de llamadas en un intervalo de tiempo fijo tiene también distribución de Poisson
(6.16). Así, la distribución de Poisson es válida tanto en el tiempo como en el espacio. Por
supuesto, se obtendría la misma solución utilizando ecuaciones de nodo.
17.2.3 Características de tráfico de la distribución de Poisson
Desde un punto de vista dimensional, el sistema con capacidad ilimitada no es muy interesante.
Se resumen las características de tráfico importantes del sistema de pérdidas:
Congestión temporal:
91
El tráfico transportado por la i-ésima línea de enlace que supone búsqueda secuencial se indicará
más adelante con la ecuación (7.13).
El grado de curtosis se define como la relación entre la varianza y el valor medio de la distribución
de las propiedades de estado (véase el índice de dispersión para conteo, ecuación 5.11). Para la
distribución de Poisson se tiene, conforme a las ecuaciones (6.17) y (6.18):
El grado de curtosis (o factor de irregularidad) tiene dimensión [número de canales] y es diferente

del coeficiente de variación que no tiene dimensión (3.9).
Duración del estado [i]: En el estado [i] el proceso tiene la intensidad total (λ + i µ) fuera del
estado. Por consiguiente, el tiempo hasta la primera transición (transición de estado i+1 ó i –1)
está distribuido exponencialmente:
17.2.4 Características de tráfico de la fórmula de Erlang B
Al conocer las probabilidades de estados se pueden hallar las medidas de calidad de

funcionamiento definidas por probabilidades de estado.
Congestión temporal: La probabilidad que todos los canales n están ocupados en un punto
aleatorio del tiempo es igual a la proporción de tiempo en que todos los canales están ocupados
(promedio temporal). Esto se obtiene con la ecuación (7.8) para i = n.
Ésta es la famosa fórmula de Erlang B (1917 [12]). Se simboliza por En(A) = E1,n(A), donde el
índice "uno" se refiere al nombre alternativo de la primera fórmula de Erlang.
92
Congestión de llamadas: La probabilidad que una llamada aleatoria se pierda es igual a la

proporción de tentativas de llamadas bloqueadas. Si se considera una unidad de tiempo, se
encuentra que B = Bn(A):
Tráfico transportado: Si se utiliza la ecuación de corte para el corte entre los estados [i–1] e [i] se
tiene:
donde A es el tráfico ofrecido. El tráfico transportado será menor que A y n.
Tráfico perdido:
Congestión de tráfico:
Es decir, se tiene que E = B = C, porque la intensidad de la llamada es independiente del estado.

Esta es la propiedad PASTA (poisson arrivals see time average) que es válida para todos los
sistemas con procesos de llegada conforme a la distribución de Poisson. En todos los otros casos
al menos dos de las tres mediciones de congestión son diferentes. La fórmula B de Erlang se
muestra gráficamente en la figura 7.3 para algunos valores seleccionados de los parámetros.
Tráfico transportado por la i-ésima línea de enlace (utilización de ai):

1) Búsqueda aleatoria: En este caso todos los canales transportan el mismo promedio de tráfico.
El tráfico total transportado es independiente de la estrategia de búsqueda y la utilización
resulta:
Esta función se muestra en la figura 7.4, y se observa que para una congestión E se obtiene la
mayor utilización para grandes grupos de canales (economía de escala).
2) Búsqueda ordenada = búsqueda secuencial: El tráfico transportado por el canal i es la
diferencia entre el tráfico perdido de i –1 canales y el tráfico perdido de i canales:
Se debe observar que el tráfico transportado por el canal i es independiente del número total de
93
canales. Así los canales después del canal i no tienen influencia en el tráfico transportado por el
canal i . No hay realimentación.
Función mejora: Esta función indica el incremento del tráfico transportado cuando se aumenta en
uno el número de canales de n a n + 1.
Los valores límites son los siguientes:
La función mejora Fn(A) está tabulada en el "Principio de Moe" (Arne Jensen, 1950 [50]) y se
muestra en la figura 7.5. La aplicación de este principio es para dimensionamiento económico
óptimo.
Grado de curtosis: Se define como la relación entre la varianza y el valor medio de la distribución
del número de canales ocupados, véase el IDC (5.11). La distribución de Poisson truncada se
obtendrá utilizando la ecuación (7.13):
La dimensión es [número de canales]. En un grupo con búsqueda ordenada se puede así estimar
el grado de curtosis del tráfico transportado por el último canal.
Duración del estado [i]: La intensidad total para dejar el estado [i] es constante e igual a (λ + i µ)
y, por tanto, el intervalo del tiempo en el estado [i] está distribuido exponencialmente con la función
de densidad:
94
Lección 18: Procedimientos normales para diagramas de transición de estado
La herramienta más importante en teoría de teletráfico es la formulación y solución de modelos por

medio de diagramas de transición de estado. Conforme a las secciones se identificó al
procedimiento normal para diagramas de transición de estado que se describe a continuación.
Este procedimiento comprende de una serie de pasos y está formulado en términos generales.
Asimismo, es aplicable para diagramas de transición de estado multidimensionales, que se
examinarán más adelante. Se efectúan siempre los siguientes pasos:
a) Construcción del diagrama de transición de estado.
− definir los estados del sistema en un modo unívoco;
− representar gráficamente los estados como círculos;
− considerar los estados uno por vez y trazar todas las flechas posibles para transiciones
fuera del estado debido al:
* proceso de llegada (nueva llegada o desplazamiento de fase en el proceso de
llegada),
* proceso de partida (el tiempo de servicio termina o se desplaza la fase). De esta
manera se obtiene el diagrama de transición de estado completo.
b) Formular las ecuaciones que describen el sistema.

− Si se satisfacen las condiciones para el equilibrio estadísticos, las ecuaciones de
estado permanente se pueden obtener de:
* Las ecuaciones de nodo.
* Las ecuaciones de corte.
− Las ecuaciones diferenciales se pueden obtener directamente del diagrama.
c) Resolver las ecuaciones de equilibrio suponiendo un equilibrio estático.
− Expresar todas las probabilidades de estado, por ejemplo la probabilidad de estado
[0], p(0).
− Hallar p(0) por normalización.
d) Calcular las mediciones de calidad de funcionamiento expresadas por las probabilidades de
estado.
En la práctica, el valor no normalizado de la probabilidad de estado q(0) se pone a uno, y se
calculan los valores relativos q(i), (i = 1, 2, ...). Por normalización se tiene:
donde
95
La congestión temporal resulta:
18.1 Evaluación de la fórmula de Erlang B
Para cálculos numéricos, la fórmula (7.9) no es muy apropiada puesto que n! y An aumentan
rápidamente de modo tal que se producirá el rebasamiento del ordenador. Si se aplica la ecuación
(7.25), se obtendrá entonces la fórmula de recursión:
Desde el punto de vista numérico, la forma lineal (7.26) es la más estable:
donde In(A) = 1/En(A). Esta fórmula de recursión es exacta, y aun para grandes valores de (n, A)
no hay errores de redondeo. Esta es la fórmula básica para numerosas tablas de la fórmula B de
Erlang, es decir la tabla clásica (Palm, 1947 [83]).
Ejemplo 7.4.2: Sistemas de pérdidas de Erlang. Considérese un sistema de pérdidas Erlang-B

con n = 6 canales, régimen de llegada λ= 2 llamadas por unidad de tiempo, y régimen de salida µ =
1 salida por unidad de tiempo, de modo que el tráfico ofrecido es A = 2 erlang. Si las
probabilidades de estado relativas no normalizadas se representan por q(i), se obtendrán, al
establecer el diagrama de transición de estado, los valores mostrados en el siguiente cuadro:
Se obtiene las siguientes probabilidades de bloqueo:
96
Congestión de llamadas:
Se observa que E = B = C debido a la propiedad PASTA.

Aplicando la fórmula de recursión (7.27) se obtendrán, por supuesto, los mismos resultados:
18.2 Principios de dimensionamiento
Cuando se dimensionan los sistemas de servicio se deben compensar las necesidades de grado
de servicio frente a las restricciones económicas. En este Capítulo ser verá cómo se puede llevar
esto a cabo sobre una base racional. En sistema de telecomunicaciones hay diversas medidas que
caracterizan el servicio ofrecido. La medida más importante es la calidad de servicio (QoS, quality
of service), que comprende todos los aspectos de una conexión tales como calidad vocal, retardo,
pérdida, fiabilidad, etc. Se considerará un subconjunto de estos aspectos, es decir el grado de
servicio (GoS, grade of service) o rendimiento funcional de la red, que sólo incluye aspectos
relacionados con la capacidad de la red.
97
Por la publicación de las fórmulas de Erlang había ya antes de 1920 una relación funcional entre la
cantidad de servidores, tráfico ofrecido y grado de servicio (probabilidad de bloqueo) y así una
medida para la calidad del tráfico. Al mismo tiempo, había conexiones directas entre todas las
centrales en la zona de Copenhague que produjeron numerosos grupos pequeños de línea de
enlace. Si la fórmula B de Erlang se aplica con una probabilidad de bloqueo fija para
dimensionamiento, la utilización resulta deficiente.
Kai Moe (1893-1949), que fue ingeniero en jefe en la Compañía Telefónica de Copenhague,
efectuó algunas evaluaciones económicas cuantitativas y publicó diversos documentos donde
presentó consideraciones marginales, como se conocen actualmente en economía matemática. P.
A Samuelson, en su famoso libro publicado en 1947, efectuó consideraciones similares. Sobre la
base de los trabajos de Moe se formularon los principios fundamentales para sistemas de
telecomunicación. Principio de Moe (Jensen, 1950 [50]).
18.2.1 Dimensionamiento con probabilidad de bloqueo fija

Para el funcionamiento correcto, un sistema de pérdidas debe ser dimensionado para una
probabilidad de bloqueo baja. En la práctica, se debe elegir el número de canales n de modo tal
que E1,n (A) sea de 1% para evitar la sobrecarga debida a numerosas tentativas de llamada
repetidas y no completadas que además causan incomodidades a los abonados.
El cuadro 7.1 indica el tráfico ofrecido para una probabilidad de bloqueo fija E = 1% para algunos
valores de n.
Cuadro 7.1 − Parte superior: Para un valor fijo de la probabilidad de bloqueo E = 1% se
puede ofrecer el tráfico A a través de n líneas de enlace.
El promedio de utilización de las líneas de enlace es a y la función mejora es F1,n(A) (7.15). Parte
inferior: Se obtienen los valores de E, a y F1,n(A) para una sobrecarga de 20%. El cuadro también
indica la utilización de canales media, que es más elevada para grandes grupos. Si se aumenta el
tráfico ofrecido un 20% a A1 = 1,2 . A, se observa que la probabilidad de bloqueo aumenta para
98
todos los valores de n, pero más aún para grandes valores.

En el cuadro 7.1 se observan dos características:
La utilización a por canal es, para una determinada probabilidad de bloqueo, las más elevada en
grandes grupos (véase la figura 7.4). Un canal puede, con una probabilidad de bloqueo E = 1%,
ser utilizado en promedio 36 segundos por hora.
Los grandes grupos de canales son más sensibles a un determinado porcentaje de sobrecarga
que los pequeños grupos de canales. Esto se explica por la reducida utilización de pequeños
grupos, los cuales, en consecuencia, tienen una mayor capacidad de reserva (elasticidad).
Así, cuando se dimensiona un grupo de canales, surgen dos factores de importancia contrarios
entre sí: se debe elegir entre alta sensibilidad a la sobrecarga o una baja utilización de canales.
18.3 Principios de mejora (principio de Moe)
Como se indicó una probabilidad de bloqueo fija produce baja utilización (mala economía) de
pequeños grupos de canales. Si se reemplaza la necesidad de una probabilidad de bloqueo fija
por una necesidad económica, la función mejora F1,n(A) (7.15) debe tomar un valor fijo de modo
tal que la extensión de un grupo con un canal adicional aumenta el tráfico transportado en la
misma cantidad para todos los grupos.
En el cuadro 7.2 se muestran los valores para F = 0,05. Del mismo se observa que la utilización de
pequeños grupos resulta mejor cuando corresponde a un elevado aumento de la probabilidad de
bloqueo. Por otra parte la congestión en grandes grupos disminuye a un valor pequeño. (Véase
también la figura 7.7.) Si se tiene un sistema telefónico con grupos de enlace como en el cuadro,
no se podrá aumentar el tráfico transportado reordenando los canales entre los grupos.
Cuadro 7.2 − Para un valor fijo de la función mejora se han calculado los mismos valores
que en el cuadro 7.1
99
Con este criterio de servicio se atribuirá, en comparación con la probabilidad de bloqueo fija, más
canales a grupos grandes y menos canales a grupos pequeños, que es la tendencia que se estaba
buscando.
La función mejora es igual al cociente diferencia del tráfico transportado con respecto al número de
canales n. Cuando el dimensionamiento se efectúa conforme al principio de mejora se debe
establecer un punto de operación en la curva del tráfico transportado en función del número de
canales cuya pendiente sea la misma para todos los grupos (ΔA / Δn = constante). Un incremento
marginal del número de canales aumenta el tráfico transportado en la misma cantidad para todos
los grupos.
Es sencillo establecer un modelo económico simple para la determinación de F1,n (A).

Considérese un determinado intervalo de tiempo (por ejemplo una unidad de tiempo). Sea g el
ingreso por erlang transportado por unidad de tiempo. Se supone que el costo de un cable con n
canales es una función lineal:
Los costos totales para un determinado número de canales es entonces a) a costo del cable y b)
costo debido al tráfico perdido (ingreso perdido):
siendo A el tráfico ofrecido, es decir la demanda posible de tráfico en el grupo considerado. Los
costos debido al tráfico perdido disminuirán con el incremento de n, mientras que los gastos
debidos al cable aumentan con n. Los costos totales pueden tener un mínimo para un determinado
valor de n. En la práctica n es un entero y se busca un valor de n para el cual se tiene (véase la
figura 7.6):
100
Figure 7.6 − Los costos totales se componen de costos para cable e ingresos perdidos
debido al tráfico bloqueado (7.30).
El valor mínimo de los costos totales se obtiene cuando se satisface la expresión (7.31), es decir
cuando las dos funciones de costos tienen la misma pendiente con signos opuestos (cociente de
diferencias). (FB = 0,35, A = 25 erlang) El mínimo se obtiene para n = 30 líneas de enlace.
FB se denomina valor mejora. Se observa que c0 no aparece en la condición para mínimo.

Determina si es conveniente transportar el tráfico en su totalidad. Se debe requerir que para algún
101
valor positivo de n se tenga:
La figura 7.7 muestra probabilidades de bloqueo para algunos valores de F B. Se observa que la
demanda económica precedente para obtener beneficios produce un determinado valor de la
función mejora. En la práctica, se toma un valor de FB independientemente de la función costo. se
han utilizado los siguientes valores:
FB = 0,35 para grupos de enlace primarios.
FB = 0,20 para grupos primarios que protegen el servicio. (7.35)
FB = 0,05 para grupos sin ruta alternativa.
Figura 7.7 − Cuando se efectúa el dimensionamiento con un valor fijo del valor mejora FB
las probabilidades de bloqueo para valores pequeños del tráfico ofrecido se hace grande
(véase el cuadro 7.2)
102
Lección 19: Sistemas de pérdidas con accesibilidad completa

En este Capítulo se generaliza el sistema clásico de pérdidas de Erlang a los procesos Poisson de
llegadas dependientes del estado, entre ellos los denominados modelos de tráfico BPP:
• Caso binomial: modelo de Engset,
• Caso Poisson: modelo de Erlang, y
• Caso Pascal (Binomial negativo): modelo de Palm-Wallström.
Se tiene entonces la posibilidad de bloqueo y se obtiene la distribución binomial truncada que se
denomina distribución de Engset. La probabilidad de congestión temporal E viene dada por la
fórmula de Engset, con un número de fuentes, la congestión temporal, la congestión de llamadas y
la congestión de tráfico se vuelven diferentes, y la denominada propiedad PASTA es sustituida por
el teorema general de llegada, según el cual el estado del sistema observado por un cliente
(promedio de llamada), es igual a la probabilidad del estado del sistema sin este cliente (promedio
temporal). La fórmula de Engest se calcula numéricamente mediante una fórmula recursiva en el
número de canales n obtenida del mismo modo que la fórmula B de Erlang. Asimismo, se
establecen fórmulas recursivas en el número de fuentes s, así como en n y s.
Figure 8.1 − Sistema de pérdidas de accesibilidad completo con S fuentes, que genera
tráfico a n canales. El sistema se muestra a través del denominado chicko-gram.
El pequeño apéndice que se ilustra en la fuente simboliza un selector que apunta hacia los canales
(servidores) entre los cuales se puede escoger la fuente
19.1 Introducción
Considérese un sistema con la misma estructura (grupo de accesibilidad completa) y estrategia
(llamadas perdidas eliminadas) como en la lección 18 pero con más procesos generales de tráfico.
En el texto siguiente se supone que los tiempos de servicios están distribuidos exponencialmente
(intensidad µ), el proceso de tráfico resulta entonces un proceso de renovación, es decir un
proceso de marco especial, que es sencillo de tratar matemáticamente. Generalmente se define el
estado del sistema como el número de canales ocupados. Como se verá más adelante todos los
procesos considerados no son sensibles, es decir sólo el tiempo de servicio medio es de
importancia para las probabilidades de estado, la distribución de tiempo de servicio propiamente
dicha no tiene influencia.
103
Definición de tráfico ofrecido: el tráfico ofrecido A se ha definido como el tráfico transportado

cuando el número de servidores es ilimitado. Sólo para procesos de renovación estacionarios
como el proceso de llegada de Poisson en el caso Erlang esta definición es equivalente al
promedio de la cantidad de tentativas de llamada por tiempo medio de servicio. En los casos de
Engset y Pascal no hay proceso de renovación de llegada y esta definición se utiliza para el caso
Engset y para el caso Pascal.
El grado de Curtosis se define como la relación entre la varianza y el valor medio de las
probabilidades de estado. Para el tráfico ofrecido el grado de curtosis se considera un número
infinito de canales.
Considérense los procesos de llegadas siguientes, donde el primer caso ya ha sido tratado en el
En la lección 18:
1) Caso Erlang (P − Caso de Poisson):
El proceso de llegada es un proceso de Poisson con intensidad λ. Este tipo de tráfico se
denomina aleatorio o tráfico puramente aleatorio tipo uno, PCT−I. Se consideran dos casos:
a) n = ∞: Distribución de Poisson.
El grado de curtosis es en este caso igual a uno (Z = 1).
b) n < ∞: Distribución de Poisson truncada.
2) Caso Engset (B − caso binomial):
Hay un número limitado de fuentes S. La fuente individual tiene cuando está en reposo una
intensidad (de llegada) de llamada constante γ. Cuando está ocupado la intensidad de llamada
es cero. El proceso de llegada es así dependiente del estado. Si en un punto del tiempo dado, i
fuentes están ocupadas, la intensidad de llegada es igual a (S − i) γ.
Este tipo de tráfico se denomina tráfico aleatorio o tráfico puramente aleatorio tipo dos, PCT-II.
Se consideran los dos casos siguientes:
a) n ≥ S: Distribución binomial.
El grado de curtosis es en este caso menor que uno: (Z < 1).
b) n < S: Distribución binomial truncada.
3) Caso Palm - Wallstön (P- Caso Pascal):
Hay un número de fuentes (clientes) S limitado. Si en un instante dado se tiene i fuentes
ocupadas, la intensidad de llegada es igual a (S + i)γ. Aquí nuevamente surgen dos casos:
a) n = ∞: Distribución de Pascal = distribución binomial negativa.
En este caso el grado de curtosis es mayor que uno (Z > 1).
b) n < ∞: Distribución de Pascal truncada (distribución binomial negativa).
104
Como el proceso de Poisson se puede obtener por un número infinito de fuentes con una
intensidad de llegada total λ, el caso Erlang se puede considerar como un caso especial de los
otros dos casos:
Para cualquier estado finito i hay entonces una intensidad de llegada constante:
Los tres tipos de tráfico están referidos como tráfico BPP conformes a las abreviaturas que
corresponden a (Binomial, Poisson y Pascal). Como esos modelos incluyen todos los valores de
curtosis Z > 0, puede ser utilizados para modelar tráfico con dos parámetros: Valor medio A y
curtosis Z. Para valores arbitrarios de Z el número de fuentes S resulta, en general, no entero.
Mediciones de rendimiento funcional: Las características de tráfico más importantes para
sistemas de pérdidas son: congestión temporal E, congestión de llamadas B, congestión de tráfico
C, y la utilización de los canales. Esas mediciones se obtienen para cada uno de los modelos
mencionados.
19.2 Distribución binomial

Se examinará ahora un sistema con un número limitado de fuentes S (abonados). La fuente
individual se conmuta entre estados en reposo y ocupado. Una fuente está en reposo durante un
intervalo de tiempo que está distribuido exponencialmente con intensidad γ, y la fuente está
ocupada durante un intervalo de tiempo distribuido exponencialmente (tiempo de servicio, tiempo
de ocupación) con intensidad µ (véase la figura 8.2). Este tipo de fuente se denomina fuente
esporádica o fuente activada/desactivada. Este tipo de tráfico se denomina tráfico puramente
aleatorio tipo dos (PCT-II) o tráfico seudoaleatorio.
Se supone que en esta sección el número total de canales/líneas de enlace n será mayor o igual al
número de fuentes (n ≥ S), de modo tal que no habrá llamadas perdidas. Se supone que n y S son
valores enteros, pero es posible tratar con valores no enteros (Iversen y Sanders, 2001 [4]).
Figura 8.2 − Cada fuente está ocupada o en reposo y se comporta en forma independiente
de todas las otras fuentes
105
19.2.1 Ecuaciones de equilibrio
Figura 8.3 − Diagrama de transición de estado para el caso binomial.
El número de fuentes S es menor que el número de circuitos n (n ≥ S). Sólo hay interés en
las probabilidades de estado estacionario p(i), que es la proporción de tiempo en que el proceso se
encuentra en el estado [i]. Los cálculos estarán basados en el diagrama de transición de están de
la figura 8.3.
Todas las probabilidades de estado se expresan por p(0) El valor total de todas las probabilidades
debe ser igual a uno:
donde se ha utilizado la expansión binomial.

Si β= γ/μ, se obtiene:
El parámetro β es el tráfico ofrecido por fuente en reposo (número de tentativas de llamada por
unidad de tiempo para una fuente en reposo) (el tráfico ofrecido desde una fuente ocupada es
cero), y resulta:
donde
106
En este caso, cuando una tentativa de llamada procedente de una fuente en reposo nunca se
bloquea, α es igual al tráfico transportado a por fuente (a = α), que es equivalente a la probabilidad
que una fuente esté ocupada en un instante aleatorio (la proporción del tiempo en que la fuente
está ocupada). Esto también se observa en la figura 8.2, pues todos los puntos de llegada y de
salida en el eje del tiempo son puntos de regeneración (puntos de equilibrio). Un ciclo que va
desde el comienzo de un estado ocupado (llegada) hasta el comienzo del estado ocupado
siguiente es representativo de la totalidad de los ejes de tiempo, y los tiempos medios se obtienen
promediando un ciclo completo. Se debe señalar que para sistemas con bloqueo se tiene a ≠ α.
La fórmula (8.4) representa la distribución binomial. En la teoría de teletráfico también se denomina
distribución de Bernoulli, pero esto se debe evitar pues en estadística este nombre se utiliza para
una distribución de dos puntos.
La fórmula (8.4) se puede obtener por consideraciones elementales. Todos los abonados se
pueden dividir en dos grupos: abonados ocupados y abonados desocupados. La probabilidad que
un abonado pertenezca a la clase "ocupado" es a = α, que es independiente del estado de todos
los otros abonados pues el sistema no tiene bloqueo y siempre se aceptan tentativas de llamada.
Hay en total S abonados (fuentes) y la probabilidad p(i) que i fuentes estén ocupadas en un
instante arbitrario viene dado por la distribución binomial (8.4) y por el cuadro 6.1.
19.2.2 Características del tráfico binomial

Se han visto las siguientes definiciones de los parámetros:
El tráfico ofrecido por fuente desocupada es un concepto complejo pues la porción de tiempo que
una fuente está desocupada depende de la congestión. El número de llamadas ofrecido por una
fuente resulta dependiente del número de canales: una elevada congestión ocasiones más tiempo
libre para una fuente y, por tanto, más tentativas de llamada. Por definición, el tráfico ofrecido de
una fuente es igual al tráfico transportado en un sistema sin congestión, donde la fuente varía
libremente entre los estados ocupado y desocupado. Por tanto, se tiene la siguiente definición de
tráfico ofrecido.
107
Tráfico transportado:
que es el valor medio de la distribución binomial (8.4). En este caso sin bloqueo se tiene entonces
α = a.
Número de tentativas de llamada por unidad de tiempo:
La expresión (S a μ) es el número de llamadas transportadas por unidad de tiempo, y se obtiene

así:
Congestión de llamadas: B=0 (8.16)
Tráfico transportado por canal ʋ:

Búsqueda aleatoria:
108
Búsqueda secuencial: expresión compleja deducida por L.A. Joys (1971 [56]).
Función mejora:
Grado de curtosis: (Cuadro 6.1)
Se observa que el grado de curtosis Z es independiente del número de fuentes de tráfico y es

siempre menor que uno, de modo tal que corresponde al tráfico regularizado. Como A = αS, se
obtiene entonces la siguiente relación simple entre A, S y Z:
Duración del estado i: Está distribuido exponencialmente con el régimen:
Lección 20: Distribución de Engset
La única diferencia en comparación con la distribución binomial es que el número de fuentes S es

ahora mayor que el número de líneas de enlace (canales) (n < S). Por tanto, las tentativas de
llamada pueden sufrir congestión.
Figura 8.4 − Diagrama de transición de estado para el caso Engset con S > n, donde S es el
número de fuente de tráfico y n es el número de canales
109
20.1 Probabilidades de estado

Las ecuaciones de corte son idénticas a la ecuación (8.1), pero sólo existen para 0 ≤ i ≤ n (véase
la figura 8.4). La ecuación de normalización (8.2) resulta:
y suponiendo que β = γ/µ, las probabilidades de estado son:
Del mismo modo, utilizando la ecuación (8.8), se puede volver a formular esta expresión en una
forma que es análoga a la ecuación (8.4):
De la que se puede observar directamente porque se denomina distribución binomial truncada. Las
distribuciones (8.25) y (8.26) se denominan distribución de Engset. T. Engset (1865-1943) de
nacionalidad noruega publicó por primera vez el modelo con un número de fuentes finito (1918
[27]).
20.1 Características del tráfico del sistema Engset
La distribución de Engset da por resultado cálculos más complicados que el sistema de pérdidas
de Erlang. La cuestión esencial es conocer cómo encontrar las medidas de rendimiento funcional
de las probabilidades de estado utilizando las definiciones. El sistema Engset está caracterizado
por los parámetros β = γ/µ = tráfico ofrecido por fuente desocupada, S = número de fuentes y n
= número de canales.
Congestión temporal E: es por definición igual a la porción de tiempo en que el sistema está
bloqueado para nuevas tentativas de llamada, es decir p(n) (8.25):
Congestión de llamadas B: por definición es igual a la proporción de tentativas de llamada que

se pierden. Sólo las tentativas de llamada que llegan al sistema en estado n se bloquean. Durante
110
una unidad de tiempo se obtiene la relación siguiente entre el número de tentativas de llamadas
bloqueadas y el número total de tentativas de llamadas:
Este resultado se puede interpretar de la siguiente manera: La probabilidad que una tentativa de
llamada procedente de una fuente aleatoria (abonado) se rechace, es igual a la probabilidad que
las fuentes de tráfico S−1 restantes ocupen la totalidad de los n canales. Este es el teorema de
llegada y se puede probar que es válido para sistemas de pérdidas y de espera) con un número
limitado de fuentes de tráfico. El resultado se basa en el producto entre fuentes y la convolución de
fuentes. Como E aumenta cuando se incrementa S, se tiene:
Teorema 8.1 Teorema de llegada: Para todos los sistemas con un número de fuentes limitado,
una fuente de tráfico aleatorio observará según llegada el estado del sistema como si la propia
fuente no fuera parte del sistema.
Tráfico transportado: Aplicando la ecuación de corte entre el estado i−1 y el estado i se obtiene:
pues E = En,S(β) = p(n). Esto se resuelve con respecto a Y:
El tráfico ofrecido viene dado por la ecuación (8.9), y así se obtiene:

Congestión de tráfico C = Cn;S (A). Esta es la medición de congestión más importante.
111
Esto permite una relación simple entre C y E. También se puede hallar el tráfico transportado si se
conoce la congestión de llamadas B. La cantidad de tentativas de llamada aceptadas por fuente
.
desocupada por tiempo medio de servicio es γ (1-B), y el tráfico transportado por fuente resulta
El tráfico transportado total viene dado por:
De las ecuaciones (8.33) y (8.35) se obtiene una relación simple entre E y B que es idéntica a las
ecuaciones (8.54) y (8.55). Números de tentativas de llamadas por unidad de tiempo:
donde Y es el tráfico transportado. Así (S−Y) es el número medio de fuentes desocupadas.

Históricamente, el tráfico ofrecido había sido definido como la relación Δ/µ. Sin embargo, esto no
es correcto debido a que a cada tentativa de llamada repetida no se le puede asignar un tiempo de
ocupación medio 1/μ. Además, esto ha causado mucha confusión pues el tráfico ofrecido por esta
definición depende del sistema (número de canales).
Tráfico perdido:
Duración del estado i: Está distribuido exponencialmente con la intensidad:
112
Función mejora:
Ejemplo 8.3.1: Promedio de llamadas y tiempo medio. Se han definido anteriormente las
probabilidades de estado p(i) bajo la hipótesis de equilibrio estadístico como la porción de tiempo
que el sistema permanece en el estado i, es decir como promedio de tiempo. Se debe también
estudiar cómo se muestra el estado del sistema cuando es observado por una fuente (usuario) de
llegada o salida (promedio de llamadas). Si se considera una unidad de tiempo, las fuentes (S − i)
.
γ p(i) medias observarán el sistema en el estado i, justo antes del momento de llegada y si son
aceptados llevarán el sistema al estado [i + 1]. Las fuentes que observan el sistema en el estado n
están bloqueadas y permanecen en estado desocupado. Por tanto, las fuentes de llegada
observan el sistema en estado i con la probabilidad siguiente:
De modo análogo la derivación de la ecuación (8.28) se puede demostrar que de conformidad con
el teorema de llegada (Teorema 8.1) se tiene lo siguiente:
Cuando las fuentes que dejan el sistema miran hacia atrás observarán el sistema en estado :
Mediante la aplicación de ecuaciones de corte se determina inmediatamente que ésta es idéntica a

la ecuación (8.40), si se incluyen los clientes bloqueados. En términos medios, los clientes salen
del sistema en el mismo estado en que llegan. El proceso reversible es diferente a la distribución
temporal del servicio. Si el sistema se filmara, no se podría determinar si funciona hacia adelante o
hacia atrás.
113
20.2 Relaciones entre E, B, y C

De la ecuación (8.50) se obtiene la siguiente relación entre E = En,S(β) y B = Bn,S(β) = En,S-1(β)
utilizando la ecuación (8.28):
Las expresiones de la derecha son lineales en las probabilidades de bloqueo recíprocas. En la

ecuación (8.34) se obtiene la siguiente relación:
Si en la ecuación (8.56) se expresa E por B (8.54), se obtendrá entonces C expresado por B:
De las ecuaciones (8.58) y (8.28) se obtiene:
Ejemplo 8.5.1: Sistema de pérdidas de Engset. Se considerará un sistema de pérdida de Engset

que posee n = 3 canales y S = 4 fuentes. El coeficiente de llamadas por fuente desocupada es γ =
1/3 llamadas por unidad de tiempo y el tiempo medio de servicio (1/μ) es una unidad de tiempo. Se
calculan entonces los siguientes parámetros:
114
Del diagrama de transición de estado se obtiene el siguiente cuadro:
Se calculan las siguientes probabilidades de bloqueo:

Congestión de llamadas:
Se observa que E >B>C, que es un resultado general para el caso Engset ((8.60) y figura 8.5). Por
aplicación de la fórmula de recursión (8.45) se obtendrán, por supuesto, los mismos resultados.
Ejemplo 8.5.2: Número limitados de fuentes. La influencia a partir de la limitación del número de
fuentes se puede estimar considerando la congestión temporal, la congestión de llamadas o la
congestión de tráfico. Los valores de congestión se muestran en la figura 8.5 para un número de
canales n fijo, tráfico ofrecido A fijo, y un valor creciente del grado de curtosis Z correspondiente a
un número de fuentes S que viene dado por S = A/1 – Z) (8.23). El tráfico ofrecido se define como
el tráfico transportado en un sistema sin bloqueo (n = ∞). Aquí Z = 1 corresponde a un proceso de
llegada de Poisson (fórmula B de Erlang, E = B = C). Para Z < 1 se obtiene el caso Engset, y para
este caso la congestión temporal E es mayor que la congestión de llamadas B que a su vez es
mayor que la congestión de tráfico C. Para Z > 1 se obtiene el caso.
115
20.3 Teoría de desbordamiento

En esta sección se examinan sistemas con accesibilidad restringida, es decir, sistemas en los que
un abonado o un flujo de tráfico sólo tienen acceso a k canales específicos de un total de n (k ≤ n)
canales. Si todos los canales k están ocupados, una tentativa de llamada se puede bloquear
incluso si hay canales en estado de reposo entre los canales (n–k) restantes. En la figura 9.1 se
muestra un ejemplo donde se considera una red jerárquica con tráfico de A a B y de A a C. Para el
tráfico de A a B hay una ruta directa (primaria) con n1 canales. Si están todos ocupados, la
llamada se dirige al encaminamiento alternativo (secundario) de T a B. De modo similar, el tráfico
de A a C tiene como primera elección la ruta AC y una ruta alternativa ATC. Si se supone que la
ruta TB y TC no están bloqueadas, se obtiene entonces el esquema de accesibilidad mostrado a la
derecha de la figura 9.1. A partir de esto se observa que el número total de canales es (n1 + n2 +
n12) y que el tráfico AB sólo tiene acceso a (n1 + n12) de ellos. En este caso, se debe aplicar
búsqueda secuencial entre las rutas de modo tal que se encamine sólo una llamada a través del
grupo n12, cuando todos los canales primarios n1 están ocupados.
Figura 9.1 − Red de telecomunicación con encaminamiento alternado y el correspondiente

esquema de accesibilidad, que se denomina gradación de O'Dell.
Se supone que los enlaces entre la central de tránsito T y las centrales B y C no están bloqueados.
Los canales n12 son comunes para ambos flujos de tráfico.
Generalmente las redes con accesibilidad limitada tienen protección de servicio intrínseca.
Independiente de la dimensión del tráfico de A a C nunca tendrá acceso a los canales n1. Por otra
parte, es posible que las conexiones se bloqueen incluso si hay canales en reposo, por lo que la
utilización siempre será más baja que en los sistemas con accesibilidad total. Sin embargo, la
utilización será mayor que para sistemas separados con la misma cantidad total de canales. Los
canales comunes permiten una determinada compensación de tráfico entre los dos grupos.
Históricamente, era necesario considerar accesibilidad restringida pues los sistemas
electromecánicos tenían inteligencia muy reducida y capacidad de selector limitada (accesibilidad).
En sistemas digitales no se tienen estas restricciones, pero aún la teoría de accesibilidad
restringida es importante para las redes y para garantizar el grado de servicio.
116
20.3.1 Teoría de desbordamiento

Los modelos de tráficos clásicos suponen que el tráfico ofrecido a un sistema es un tráfico
puramente aleatorio puro tipo uno o dos, PCT-I o PCT-II. En redes de comunicaciones con
encaminamiento de tráfico alternativo, el tráfico que se pierde del grupo primario se presenta a un
grupo de desbordamiento, que tiene propiedades diferentes del tráfico PCT. Por consiguiente, para
evaluar probabilidades de bloqueo de tráfico de desbordamiento no se pueden utilizar los modelos
clásicos.
Ejemplo 9.1.1: Grupo dividido en dos. Sea un grupo con 16 canales donde se presenta tráfico
PCT-I de 10 erlang. Empleando la fórmula B de Erlang se obtiene la probabilidad de bloqueo E =
2,23% y el tráfico perdido 0,2230 erlang. Se aplica ahora la búsqueda secuencial y los 16 canales
se dividen en un grupo primario y un grupo de desbordamiento, con un total de 8 canales cada
uno. Mediante la fórmula B de Erlang se encuentra que el tráfico de desbordamiento del grupo
primario es igual a 3,3832 Erlang. Este tráfico se presenta al grupo de desbordamiento.
Nuevamente, mediante la fórmula B de erlang se obtiene el tráfico perdido que se encuentra en el
grupo de desbordamiento: Al = 3,3832. Es(3,3832) = 0,0493 [erlang]. De esta manera, la
probabilidad de bloqueo total es de 0,493%, que es un valor mucho menor que el resultado
correcto de 2,23%. Se ha efectuado un error al aplicar la fórmula B al tráfico de desbordamiento,
que no es tráfico PCT-I, sino que se desencadena repentinamente (en forma de ráfagas).
En el texto siguiente se describirán dos clases de modelos para tráfico de desbordamiento. En

principio, se puede estudiar el proceso de tráfico vertical u horizontalmente. Por estudios verticales
se calculan las probabilidades de estado. Por estudios horizontales se analiza la distancia entre las
llegadas de las llamadas, es decir la distribución temporal entre llamadas.
20.3.2 Probabilidad de estado de sistemas de desbordamiento. Considérese un grupo

totalmente accesible con búsqueda (secuencial) ordenada. El grupo se divide en un grupo primario
limitado con n canales y un grupo de desbordamiento con capacidad infinita.
Figura 9.2 − Sistemas de desbordamiento que figuran en la literatura.

117
Se supone que el tráfico ofrecido A es el tipo PCT-I. Este sistema de desbordamiento se denomina
sistema de Kosten (véase la figura 9.2). El estado del sistema se describe por medio de un vector
bidimensional:
que es la probabilidad que en un punto aleatorio del tiempo i canales estén ocupados en el grupo
primario y j canales en el grupo de desbordamiento. Es diagrama de transición de estado se
muestra en la figura 9.3. Kosten (1937 [68]) analizó este modelo y calculó las siguientes
probabilidades de estado marginales:
Riordan (1956 [89]) estableció los momentos de las distribuciones marginales. El valor medio y el
grado de curtosis (relación varianza/valor medio) de las distribuciones marginales, es decir el
tráfico transportado por los dos grupos resultan:
Grupo primario:
donde Fn–1(A) es la función mejora de la fórmula B de Erlang.

Grupo de desbordamiento:
118
Figura 9.3 − Diagrama de transición de estado para el sistema Kosten que tiene un grupo
primario con n canales y un grupo de desbordamiento ilimitado.
Los estados se simbolizan por (i, j), donde i es el número de canales ocupados en el grupo
primario, y j es el número de canales ocupados en el grupo de desbordamiento. La experiencia
demuestra que el grado de curtosis Z es una buena medida de la probabilidad de bloqueo relativa
que está sujeto un flujo de tráfico con un valor medio determinado. En la figura 9.4 se observa que
el grado de curtosis del tráfico de desbordamiento tiene un máximo para un tráfico fijo y un número
de canales en aumento. El coeficiente de curtosis o factor de irregularidad se obtiene en función
del número de canales y se aplica para cálculos teóricos pero su valor es difícil de estimar con
precisión mediante observaciones prácticas.
Para el tráfico PCT-I el grado de curtosis es igual a uno, y el bloqueo se calcula utilizando la
fórmula Erlang B si el grado de curtosis es menor que uno (9.5), el tráfico se denomina
regularizado y experimenta menos bloqueo que el tráfico PCT-I. Si el grado de curtosis es mayor
que uno, el tráfico presenta características de incremento repentino y experimenta un bloqueo
mayor que el tráfico PCT-I. El tráfico de desbordamiento viene generalmente en ráfagas (9.7).
Brockmeyer (1954 [11]) calculó los momentos y probabilidades de estado de un sistema con un
grupo de desbordamiento limitado (véase la figura 9.2), el cual se denomina sistema Brockmeyer.
Bech (1954 [6]) hizo lo mismo utilizando ecuaciones matriciales, y obtuvo expresiones más
generales y complicadas. El sistema Brockmeyer fue generalizado ulteriormente por Schehrer que
también calculó los momentos de orden superior para grupos de desbordamiento finitos.
Wallström (1966 [103]) calculó los momentos y probabilidades de estado para el tráfico de
119
desbordamiento de un sistema Kosten generalizado, donde la intensidad de llegada depende del

número total de llamadas en el sistema o del número de llamadas en el grupo primario.
Figura 9.4 − Grado de curtosis Z del tráfico de desbordamiento en función del número de
canales para un valor fijo del tráfico ofrecido.
Obsérvese que Z tiene un valor máximo. Cuando n llega a tener un valor grande, las tentativas de
llamadas rara vez están bloqueadas y los intentos bloqueados serán mutuamente independientes.
Por consiguiente, el proceso de desbordamiento de llamadas converge a un proceso de Poisson.
20.4 Método equivalente de Wilkinson-Bretschneider

El método equivalente usualmente se denomina método de Wilkinson (Wilkinson, 1955 [104]). Al
mismo tiempo, Bretschneider (1956 [9]) publicó independientemente estos estudios en Alemania.
También se denomina método de tráfico aleatorio equivalente (ERT, equivalent random traffic) y
desempeña un papel fundamental cuando se dimensionan redes de telecomunicaciones.
20.4.1 Análisis preliminar

Considérese un grupo con l canales donde se presentan g flujos de tráfico (véase la figura 9.5).
Los flujos de tráfico pueden ser, por ejemplo, tráfico perdido de grupos de canal directos y, por
tanto, no pueden ser descritos por modelos de tráficos clásicos. De esta manera no se conocen las
distribuciones (probabilidades de estado) de los flujos de tráfico, pero se considera satisfactorio (y
esto sucede a menudo en aplicaciones de estadística) con la caracterización del i-ésimo flujo de
tráfico con su valor medio mi y varianza ʋi. Con esta simplificación se considerarán dos flujos de
120
tráfico equivalentes, si tienen el mismo valor medio y varianza.
Figura 9.5 − Aplicación del método ERT a un sistema que tiene g flujos de tráfico
independientes presentados a un grupo común de l canales.
El proceso de desbordamiento combinado de los g flujos de tráfico se dice que son equivalentes al
tráfico que desborda de un grupo accesible completo con el mismo valor medio y varianza del
tráfico de desbordamiento. Véanse las ecuaciones (9.8) y (9.9). El flujo de tráfico total al grupo con
l canales tiene el valor medio conforme a la siguiente expresión
Se supone que los flujos de tráfico son independientes (no correlacionados) y así la varianza del
flujo de tráfico total resulta:
El tráfico total se caracteriza por m y ʋ. Se considera ahora que este tráfico es equivalente a un
volumen de tráfico que se perdió de un grupo accesible completo y que tiene el mismo valor medio
m y varianza ʋ. En la figura 9.5 el sistema superior se remplaza por el sistema equivalente en la
parte inferior de la misma, que es un sistema accesible completo con ( nx + l) canales que ofrecen
el tráfico Ax. Por tanto, se resolverán las ecuaciones (9.6) y (9.7) con respecto a n y A para
determinados valores de m y ʋ. Cabe indicar que existe una sola solución que se simboliza por
(nx, Ax).
121
El tráfico perdido se encuentra con la fórmula B de Erlang:
Como el tráfico ofrecido es m, la probabilidad de bloqueo del sistema viene dada por:
NOTA – La probabilidad de bloqueo no es Enx+1(Ax). Se debe recordar el último paso (9.11),

donde se relaciona el tráfico perdido con el tráfico ofrecido originalmente.
Cabe señalar que si el tráfico de desbordamiento procede de un solo grupo primario con tráfico
PCT-I, el método es exacto. En el caso general con más flujos de tráfico el método es aproximado,
y no produce la probabilidad media de bloqueo exacta.
20.4.2 Aspectos numéricos

Por aplicación del método ERT es necesario calcular (m, ʋ) para determinados valores de (A, n) y
viceversa. Es sencillo obtener (m, ʋ) para valores (A, n) dados. Para obtener (A, n) para valores
(m, ʋ) dados, se deben resolver dos ecuaciones con dos incógnitas. Esto requiere un
procedimiento iterativo, pues En(A) no puede ser resuelto explícitamente con respecto a n ni A.
Sin embargo, se puede resolver la ecuación (9.7) con respecto a n con la expresión siguiente:
conociéndose así n para el valor A. De esta manera, A es la única variable independiente. Para
resolver la ecuación restante se puede utilizar el método de iteración de Newton-Raphson
introduciendo la función:
Para un valor inicial A0 adecuado, se ha de mejorar esto iterativamente hasta que los valores
resultantes de m y ʋ/m estén suficientemente cerca de los valores conocidos.
Yngvé Rapp has propuesto una buena solución de aproximación para A, que se puede usar como
valor inicial A0 en la iteración:
Con el valor de A se obtiene n, utilizando la ecuación (9.12). La aproximación de Rapp es

suficientemente exacta para aplicaciones prácticas, excepto cuando Ax es muy pequeña. El grado
de curtosis Z = ʋ/m tiene un máximo, obtenido cuando n es ligeramente mayor que A (véase la
122
figura 9.4). Para algunas combinaciones de m y ʋ/m la convergencia es crítica, pero cuando se
utilizan ordenadores se puede encontrar siempre la solución correcta.
Con el empleo de ordenadores se puede operar con un número no entero de canales y sólo al final
de los cálculos se elige un número entero de canales igual o mayor a los resultados obtenidos
(típicamente un módulo de un determinado número de canales (8 en GSM, 30 en MIC, etc.).
Cuando se utilizan tablas de la fórmula B de Erlang se debe elegir en cada paso el número de
canales de modo tal que el bloqueo sea el caso más desfavorable.
El método mencionado presupone que ʋ/m es mayor que uno, y esto sólo es válido para el tráfico
en ráfagas. En la figura 9.5 se permite que los flujos de tráfico individuales tengan una relación
ʋi/mi < 1, siempre que el flujo de tráfico total combinado sea en ráfagas. Bretschneider ([10], 1973)
ha extendido el método para incluir un número negativo de canales durante los cálculos. De esta
manera es posible encarar tráfico regularizado con el método EERT extendido (EERT, extended
ERT).
20.4.3 Probabilidades de bloqueo de paquetes

En la figura 9.5 los flujos de tráfico individuales no tienen el mismo valor medio ni la misma
varianza y, por tanto, no experimentan igual probabilidad de bloqueo en el grupo de
desbordamiento común con l canales. De lo anterior se calcula el bloqueo medio (9.11) para todos
los flujos de tráfico combinados. La experiencia señala que la probabilidad de bloqueo observada
es proporcional al grado de curtosis Z = ʋ/m del flujo. El tráfico perdido total se puede dividir en
paquetes de tráfico perdido individuales suponiendo que el tráfico perdido para el flujo de tráfico i,
es proporcional al valor medio mi y al grado de curtosis Zi = vi/mi. Por tanto, se obtiene:
de la cual se halla la constante c = 1/ʋ. La probabilidad de bloqueo para el flujo de tráfico i, que se
denomina probabilidad de bloqueo de paquete para el flujo i, resulta entonces:
Asimismo, se puede dividir el bloqueo entre grupos individuales (primario, secundario, etc.).
Considerando el grupo equivalente en la parte inferior de la figura 9.5 con nx canales primarios
y l canales secundarios (de desbordamiento), se puede calcular la probabilidad de bloqueo debido
a los nx canales primarios, y la probabilidad de bloqueo debido a los l canales secundarios. La
123
probabilidad que el tráfico se pierda por los n canales es igual a la probabilidad que el tráfico se
pierda por nx + l canales, con la condición que el tráfico se ofrece a los l canales:
La probabilidad de pérdida total se puede relacionar, por tanto, a los dos grupos:
Utilizando esta expresión se puede encontrar el bloqueo para cada grupo de canal y obtener
entonces, por ejemplo, información sobre qué grupo debe ser aumentado agregando más canales.
Ejemplo 9.2.2: continuación del Ejemplo 9.1.1. En el ejemplo 9.1.1 la probabilidad de bloqueo
del grupo primario de 8 canales es E8(10) = 0,3383. El bloqueo del grupo de desbordamiento es:
El bloqueo total del sistema es:

E16(10) = E8(10) . H(8) = 0,3383 . 0,06592 = 0,02231
Ejemplo 9.2.3: Sistema celular jerárquico. Se considera un sistema celular HCS que abarca tres
áreas. El tráfico ofrecido en las áreas es de 12, 8 y 4 erlang, respectivamente. En las primera dos
células se introducen microcélulas con 16 (8, respectivamente), y una macrocélula común que
abarca las tres áreas tiene atribuida 8 canales. Se permite el desbordamiento de las microcélulas
en las macrocélulas, pero no se reordenan las llamadas de las macro a las microcélulas cuando un
canal se desocupa. Además, no se tiene en cuenta el traspaso de tráfico. Mediante las ecuaciones
(9.6) y (9.7) se hallan el valor medio y la varianza del tráfico ofrecido a la macrocélula:
Tráfico Número de Desbordamiento Varianza de Grado de

Célula
ofrecido canales medio desbordamiento curtosis
I Ai ni(j) m1,i vi Zi
1 12 16 0,7250 1,7190 2,3711
2 8 8 1,8846 3,5596 1,8888
3 4 0 4,0000 4,0000 1,0000
Total 24 6,6095 9,2786 1,4038
El tráfico total ofrecido a la macrocélula tiene un valor medio de 6,61 erlang y una varianza de
9,28. Esto corresponde a un tráfico de desbordamiento de un sistema equivalente con 10,78
erlang ofrecidos a 4,72 canales. Así, se termina con un sistema de 12,72 canales con 10,78 erlang
ofrecidos. Empleando la fórmula de Erlang B, se halla el tráfico perdido de 1,3049 erlang.
124
Originalmente se ofrecieron 24 erlang, de modo tal que la probabilidad de bloqueo de tráfico total
resulta B = 5,437%.
Las tres áreas tienen probabilidades de bloqueo particulares. Empleando la ecuación (9.14) se
encuentra que el tráfico perdido aproximado de las áreas es de 0,2434 erlang, 0,5042 erlang, y
0,5664 erlang, respectivamente. Así, las probabilidades de bloqueo de tráfico llegan a ser del
2,03%, 6,30% y 14,16%, respectivamente. Una simulación por medios informáticos de 100
millones de llamadas da como probabilidad de bloqueo 1,77%, 5,72%, y 15,05%, respectivamente.
Esto corresponde a un tráfico perdido total igual a 1,273 erlang y una probabilidad de bloqueo del
5,30%. La exactitud del método de este capítulo es suficiente para aplicaciones reales.
125
CAPÍTULO 5. SISTEMAS DE PÉRDIDAS
Lección 21: Sistemas de espera
Esta sección se estudia el tráfico hacia un sistema con n servidores idénticos, accesibilidad
completa, y un número infinito de posiciones de espera. Cuando los n servidores están ocupados
en su totalidad, el cliente que llega se pone en cola de espera hasta que un servidor quede en
estado libre. Ningún cliente puede estar en cola de espera cuando hay un servidor está en estado
libre (accesibilidad completa).
Se consideran los dos mismos casos de tráfico que los Capítulos anteriores:
1. Proceso de llegada de Poisson (un número ilimitado de fuentes) y tiempos de servicios

distribuidos exponencialmente (PCT-I). Este es el sistema de asignación en cola más
importante, denominado sistema de espera de Erlang.
2. Un número limitado de fuentes de tráfico y tiempos de servicio con distribución exponencial

(PCT-II ).
21.1 Sistema de espera de Erlang M/M/n
Sea un sistema de asignación en cola M/M/n con proceso de llegada de Poisson (M), tiempos de
servicio exponenciales (M), n servidores y un número infinito de posiciones de espera. El estado
del sistema se define como el número total de clientes (estén servidos o puestos en cola). Se
examinarán las probabilidades en régimen permanente del sistema. Mediante el procedimiento
descrito anteriormente se construye el diagrama de transición de estado que se muestra en la
figura 12.1. Suponiendo equilibrio estático, las ecuaciones de corte dan por resultado:
Figura 12.1 − Diagrama de transición de estado del sistema de espera M/M/n que tiene n
servidores y un número ilimitado de posiciones de espera
126
Como A = λ/μ es el tráfico ofrecido, se tiene:
Por normalización de las probabilidades de estado se obtiene p(0):
Los paréntesis internos tienen una progresión geométrica con el cociente A=n. La condición de
normalización sólo se puede satisfacer para:
A < n: (12.3)
El equilibrio estadístico solo se tiene para A < n. De otra manera, la cola de espera continuará
aumentando hasta el infinito. Se obtiene:
Las ecuaciones (12.2) y (12.4) calculan las probabilidades en régimen permanente.

127
21.2 Características del tráfico de sistemas de demora

Para evaluar la capacidad y rendimiento funcional del sistema, se deben examinar diversas
características, que estarán expresadas por las probabilidades en régimen permanente.
21.2.1 Fórmula de Erlang C
Cuando el proceso de llegada de Poisson es independiente del estado del sistema, la probabilidad
que un cliente de llegada arbitrario deba ponerse en cola de espera es igual a la proporción del
segmento de tiempo que todos los servidores estén ocupados (propiedad PASTA: Poisson arrivals
See Time Average - llegada de Poisson, véase promedio temporal).
El tiempo de espera es una variable estocástica por W. Para un cliente de llegada arbitrario se
tiene:
Fórmula de Erlang C:
Esta probabilidad de espera depende sólo de A como producto de λ y s, y no de los parámetros λ

y s individualmente.
Esta fórmula tiene diversos nombres: fórmula de Erlang C, segunda fórmula de Erlang, o
fórmula de Erlang para sistemas de tiempo de espera. En los textos especializados presentan
las siguientes notaciones:
Como los clientes tienen la posibilidad de ser servidos inmediatamente o puestos en cola de
espera, la probabilidad que un cliente sea servido inmediatamente resulta:
El tráfico transportado Y equivale al tráfico ofrecido A, pues ningún cliente es rechazado y el

proceso de llegada es un proceso de Poisson.
128
donde se han aplicado las ecuaciones de compensación de corte.

La longitud de la cola de espera es una variable estocástica L. La probabilidad de tener clientes en
cola de espera en un punto aleatorio del tiempo es:
donde se ha aplicado la ecuación (12.5).

Evaluación numérica:
La ecuación es similar a la fórmula de Erlang B (7.9) salvo para el factor n/(n - A) en el último
término. Como se dispone de fórmulas recursivas muy exactas para la evaluación numérica de la
fórmula de Erlang B (7.27) se utilizará la siguiente relación para obtener valores numéricos de la
fórmula C.
Se observa que:
pues el término A {1 – E1,n(A)}/n es el promedio de tráfico transportado por canal en el sistema de

pérdidas correspondiente. Para A ≥ n, se tiene E2,n(A) = 1 pues es una probabilidad que todos los
clientes estén en espera.
La fórmula de Erlang C se puede expresar de manera apropiada por la fórmula B como fue
observado por B-Sanders:
129
donde I es la probabilidad inversa (7.28):
La formula de Erlang C fue recogida en el principio de Moe (Jensen, 1950 [50]) y se muestra en la
figura 12.2.
21.2.2 Longitudes media de asignación en cola
Se debe distinguir entre longitudes de asignación en cola en un punto arbitrario del tiempo y la
longitud de asignación en cola cuando hay clientes que esperan en la cola.
Longitud media de asignación en cola en un punto arbitrario del tiempo:
La longitud de asignación en cola L en un punto arbitrario del tiempo se denomina longitud virtual
de asignación en cola. Esta es la longitud de asignación en cola observada por un cliente arbitrario
pues la propiedad PASTA es válida al proceso de llegada de Poisson (promedio de tiempo =
promedio de llamadas). Se obtiene así la longitud media de asignación en cola Ln = E{L} en un
punto arbitrario del tiempo:
130
Figura 12.2 − Fórmula de Erlang C para el sistema de espera M/M/n.
La probabilidad E2,n(A) para un tiempo de espera positivo se muestra en función del tráfico ofrecido
A para valores del número de servidores n. Mientras A/n ≤ c < 1, la serie es uniformemente
convergente, y el operador de diferenciación se puede expresar fuera de la suma:
La longitud de media de asignación en cola se puede interpretar como el tráfico transportado por
las posiciones de asignación en cola y, por tanto, también se denomina tráfico de tiempo de
espera.
Longitud media de asignación en cola dado una asignación en cola mayor que cero:
El promedio de tiempo es también, en este caso, igual al promedio de llamadas. La longitud de
asignación en cola media condicional resulta:
131
Con la aplicación de las ecuaciones (12.8) y (12.12) este resultado es, por supuesto, el mismo que:
donde L es la variable estocástica para la longitudes de asignación en cola.
Lección 22: Tiempos de espera medios
Aquí también hay dos elementos de interés: el tiempo medio de espera W para todos los clientes y
el tiempo medio de espera w para clientes que experimentan un tiempo de espera positivo. El
primero es un indicador para el nivel de servicio de todo el sistema, mientras que el segundo es de
importancia para los clientes que se encuentran en cola de espera. Los promedios temporales
serán iguales a los promedios de llamadas en razón de la propiedad PASTA.
Tiempo medio de espera W para todos los clientes:
Indica que la longitud media de asignación en cola es igual a la intensidad de llegada multiplicada
por el tiempo de medio de espera, es decir:
donde Ln = Ln(A), y Wn = Wn(A). De la ecuación (12.12) se obtiene considerando el proceso de

llegada:
Como A = λs, donde s es el tiempo medio de servicio, se obtiene:
132
Tiempo medio de espera w para clientes con demora:

El tiempo de espera total es constante y puede ser promediado con todos los clientes (Wn) o sólo
con clientes que experimentan tiempos de espera positivos (wn) (3.20):
Ejemplo 12.2.1: Sistema servidor de asignación en cola simple M/M/1. Este es el sistema que
aparece más frecuentemente en los textos. Las probabilidades de estado (véase 12.2) vienen
dada por una serie geométrica:
siendo p(0) = 1-A. La probabilidad de espera resulta:
La longitud media de asignación en cola Ln (12.12) y el tiempo medio de espera para todos los
clientes
Wn (12.15) se calculan con las siguientes expresiones:
De esto se observa que un aumento del tráfico ofrecido produce un aumento de Ln a la tercera
potencia independientemente si éste se debe a un número superior de clientes (λ) o a un tiempo
de servicio superior (s). El tiempo medio de servicio Wn aumenta a la tercera potencia de s, pero
sólo a la segunda potencia de λ. El tiempo medio de espera Wn para clientes en espera se
incrementa con la segunda potencia de s y la primera potencia de λ. Un aumento de la carga
debido a la mayor cantidad de clientes es así mejor que un incremento de la misma debido a
tiempos de servicios mayores. Por tanto, es importante que los tiempos de servicio de un sistema
no aumenten durante las sobrecargas.
22.1 Funciones de mejora para M/M/n

La mejora marginal del tráfico transportado cuando se agrega un servidor se puede expresar de
diversas maneras. La disminución en la proporción del tráfico total (es decir, la proporción de todos
los clientes) que experimenta demora viene dado por:
133
La disminución de las longitudes media de asignación en cola (es decir, el tráfico transportado por
las posiciones de espera) resulta, aplicando la ley de Little (12.14):
donde Wn(A) es el tiempo medio de espera para todos los clientes cuando el tráfico ofrecido es A y
el número de servidores es n (12.15). Las ecuaciones (12.21) y (12.22) están tabuladas en el
Principio de Moe (Jensen, 1950 [50]) y son simples de calcular con medios informáticos.
Lección 23: Principio de Moe para sistemas de espera
Moe fue el primero en establecer un principio para los sistemas de asignación en cola. Estudio los
tiempos de espera de los abonados como operador en centrales manuales de la compañía
telefónica de Copenhague.
Considérense k sistemas de asignación en cola independientes. Un cliente servido en todos los k

sistemas tiene el tiempo medio de espera total ∑i Wi, donde Wi es el tiempo medio de espera del i-
ésimo sistema que tiene ni servidores y que ofrece el tráfico Ai. El costo de un canal es Ci,
posiblemente más un costo constante, que se incluye en la constante Co indicada a continuación.
Así, el costo total para canales resulta:
Si el tiempo de espera también se considera como costo, el costo total que se ha de minimizar
resulta f = f(n1; n2, . . . , nk). Esto se debe minimizar en función del número de canales n1 en los
sistemas individuales. Si el tiempo medio de espera total es W, la atribución de canales a los
sistemas individuales se determina por:
donde ν (letra griega theta) es el multiplicador de Lagrange. Como ni es entero, condición

necesaria para el valor mínimo, que en este caso también se puede mostrar con una condición
suficiente, resulta:
134
que corresponde a:
donde Wni(Ai) viene dado por la ecuación (12.15). Expresado por la función mejora para el tiempo
de espera FW,n(A) (12.22) la solución óptima resulta:
La función FW,n(A) está tabulada según el principio de Moe (Jensen, 1950 [50]). Para otras
funciones de mejora se pueden efectuar optimizaciones similares.
Ejemplo 12.3.1: Sistema de espera. Se consideran dos sistemas de asignación en cola M/M/n el
primero tiene un tiempo medio de servicio de 100 s y el tráfico ofrecido es 20 erlang. La relación de
costo c1/ν es igual a 0,01. El segundo sistema tiene un sistema medio de servicio igual a 10 s y el
tráfico ofrecido es 2 erlang. La relación de costos es c2/ν = 0,1.
Una tabla de la función mejora FW,n(A) indica:
n1 = 32 canales y
n2 = 5 canales.
Los tiempos medios de espera son:
W1 = 0,075 s.
W2 = 0,199 s.
Esto muestra que un cliente, que está servido en ambos sistemas, experimenta un tiempo medio
de espera total igual a 0,274 s, y que el sistema con menos canales contribuye más al tiempo
medio de espera.
El costo de espera está referido a la relación de costos. Mediante la inversión de una unidad
monetaria más en el sistema anterior, se reducen los costos en la misma cantidad
independientemente de saber en qué sistema de asignación en cola se incrementa la inversión. Se
debe continuar invirtiendo en la medida que se obtengan ganancias. Las investigaciones de Moe
durante el decenio de 1920 demostraron que el tiempo medio de espera de los abonados en
pequeñas centrales con pocos operadores sería mayor que el tiempo medio de espera en
centrales más grande con muchos operadores.
135
23.1 Distribución del tiempo medio de espera para M/M/n, FCFS

Los sistemas de asignación en cola, donde la disciplina de servicio sólo depende de los tiempos de
llegada, tienen todos los mismos tiempos medios de espera. En este caso la estrategia sólo tiene
influencia frente a la distribución de los tiempos de espera para el cliente individual. La derivación
de la distribución del tiempo de espera es simple en el caso de cola de espera ordenada, FCFS
(primero en llegar, primero en estar servido). Esta disciplina también se denomina FIFO (primero
en llegar, primero en salir). Los clientes que llegan primero al sistema serán servidos primero, pero
si hay servidores múltiples no pueden necesariamente dejar el primer servidor. De modo tal que
FIFO se refiere al tiempo de salir de la cola de espera e iniciar el servicio.
Sea un cliente arbitrario. A su llegada al sistema, el cliente es servido inmediatamente o se pone
en cola de espera (12.6).
Se supone ahora que el cliente considerado debe esperar en la cola, es decir el sistema puede
estar en estado [n+ k], (k = 0, 1, 2, . . .), donde k es el número de posiciones de espera ocupadas
en el momento de la llegada del cliente.
El cliente considerado debe esperar hasta los clientes que k + 1 hayan completado su servicio
antes que un servidor en estado libre sea accesible. Cuando todos los n servidores están
funcionando, el sistema completa los clientes con una intensidad constante nμ, es decir el proceso
de salida es un proceso de Poisson con esta intensidad.
Se aprovecha la relación entre la representación de número y la representación de intervalo (5.4):

La probabilidad p{W ≤ t} = F(t) de experimentar un tiempo de espera positivo igual o menor a t es
igual a la probabilidad que en un proceso de llegada de Poisson con intensidad (nμ) lleguen al
menos (k+1) clientes durante el intervalo t (6.1):
F(t | k de espera)= (12.28)
La expresión anterior está basada en la hipótesis que el cliente considerado debe esperar en la
cola. La probabilidad condicional que el cliente considerado cuando llega observa todos los n
servidores ocupados y k clientes en espera (k = 0, 1, 2; . . . ) es:
Esta es una distribución geométrica que incluye la clase cero (véase el cuadro 6.1). La distribución
136
del tiempo de espera incondicional resulta entonces:
pues se pueden intercambiar las dos sumas cuando todos los términos son probabilidades
positivas. La suma interior es una progresión geométrica:
Aplicando esto se obtiene:
es decir, una distribución exponencial.

Aparentemente se tiene una paradoja: cuando se llega a un sistema con todos los servidores
ocupados se puede:
1) Contar el número k de clientes en espera que están delante. El tiempo de espera total tendrá
entonces distribución de Erlang (k+1).
2) Hacer caso omiso. El tiempo de espera resulta entonces distribuido exponencialmente. La
137
interpretación de esto es que una suma ponderada de distribuciones de Erlang con factores
ponderados distribuidos geométricamente es equivalente a una distribución exponencial. En la
figura 12.3 se muestra el diagrama de fase para la ecuación (12.30), y se observa
inmediatamente que puede ser reducido a una distribución exponencial simple (véase la figura
4.9). La ecuación (12.31) confirma que el tiempo medio de espera wn para los clientes que
deben ponerse en cola de espera se torna como se indica en la ecuación (12.17).
La distribución del tiempo de espera para todos(un cliente arbitrario) resulta (3.19):
y el valor medio de esta distribución es Wn conforme a la ecuación (12.15). Los resultados se

pueden calcular de un modo más simple por medio de funciones de generación.
Figure 12.3 − La distribución del tiempo de espera para M/M/n - FCFS resulta distribuida
exponencialmente con la intensidad (nμ-λ).
El diagrama de fase a la izquierda corresponde a una suma ponderada de distribuciones Erlang-k

pues el régimen de todas las fases es (1-A/n) = nμ-λ
23.2 Tiempo de respuesta con un solo servidor

Cuando sólo hay un servidor, las probabilidades de estado (12.2) vienen dadas por una serie
.
geométrica (12.18), es decir p(i) = p(0) Ai para todas las i ≥ 0. Cada cliente emplea un intervalo de
tiempo distribuido exponencialmente con intensidad μ en cualquier estado. El cliente que encuentra
el sistema en el estado [i] permanecerá en el sistema un intervalo de tiempo con distribución
Erlang- (i + 1). Por tanto, el tiempo de permanencia total en el sistema (tiempo de espera + tiempo
de servicio), es decir el tiempo de respuesta, está distribuido en forma exponencial con la
intensidad (μ-λ) (véase la figura 4.9):
Esta expresión es idéntica a la distribución del tiempo de espera de cliente con demora.
138
Lección 24: Sistemas terminales
La división de tiempo es una ayuda para ofrecer un servicio óptimo a un considerable grupo de
clientes utilizando, por ejemplo, terminales conectados a una unidad de procesamiento central.
Cada usuario se debe sentir como si fuera el único del sistema informático (véase la figura 12.5)
Figure 12.5 − Un sistema informático con S terminales (sistema interactivo) corresponde a

un sistema de tiempo de espera con un número de fuentes limitado (véase el caso Engset
para el caso de sistemas de pérdidas)
El terminal individual varía todo el tiempo entre dos estados (interactivo) (véase la figura 12.6):
el usuario está pensando (trabajando), o
el usuario está esperando (una respuesta de la computadora).
El intervalo de tiempo cuando el usuario está pensando (trabajando) se denomina tiempo entre
llegadas Tt, y el valor medio se simboliza mt.
El intervalo de tiempo cuando el usuario está esperando la respuesta de la computadora, se
denomina tiempo de respuesta R. Esto incluye el intervalo de tiempo Tw(valor medio mw), donde la
tarea está esperando obtener el acceso a la computadora, y el propio tiempo de servicio Ts (valor
medio ms).
Tt + R se denomina tiempo de circulación (véase la figura 12.6). Al término de este intervalo de
tiempo un terminal retorna al mismo estado que se dejó al comienzo del intervalo (evento
recurrente).
139
Figura 12.6 − Los terminales puede tener tres estados.
El usuario trabaja activamente en el terminal o bien está a la espera de la respuesta de la

computadora. El último intervalo de tiempo (tiempo de respuesta) se divide en dos fases. Una fase
de espera y una fase de servicio
Ejemplo 12.5.1: Sistema de información. Considérese un sistema de información que esté

organizado de la siguiente manera: toda la información se mantiene en seis discos que se
conectan al mismo terminal de datos entrada/salida, un canal multiplexor. El tiempo de búsqueda
medio (colocación del elemento de búsqueda) es de 3 ms y el tiempo medio de espera para
localizar el archivo es 1 ms que corresponde a un tiempo de rotación de 2 ms. El tiempo de lectura
de un archivo está distribuido exponencialmente con el valor medio 0,8 ms. El almacenamiento de
disco se basa en la detección de la ubicación rotacional, de modo tal que el canal está ocupado
sólo durante la lectura. Se desea determinar la máxima capacidad del sistema (número de pedidos
por segundos).
El tiempo en estado activo es 4 ms y el tiempo de servicio es 9,8 ms. La relación de servicio
resulta así 5, y mediante la fórmula B de Erlang se obtiene el valor siguiente.
Esto corresponde a γmáx= 0,8082/0,0008 = 1 010 pedidos por segundo.

24.1 Estados de los terminales y características del tráfico
Las medidas de rendimiento funcional se obtienen fácilmente a partir de la analogía con el sistema
de pérdidas clásico de Erlang. La computadora funciona con la probabilidad (1 - p(0)). Se tiene
entonces que el número medio de terminales que está servido viene dado por:
El número medio de terminales en estado activo corresponde al tráfico transportado en el sistema

de pérdida de Erlang:
140
El número medio de terminales en espera resulta:
Si se considera un terminal aleatorio en un punto arbitrario en el tiempo se tiene:
p {terminal servido} = (12.41)
p {terminal en estado activo} = (12.42)
p {terminal en espera} = (12.43)
Aplicando el teorema de Little W = λW a los terminales, a las posiciones en espera y a la

computadora, respectivamente, se obtiene (λ es la velocidad de circulación del tráfico):
Empleando las ecuaciones (12.38) y (12.44) se obtiene:
De esta manera el tiempo de respuesta es independiente de las distribuciones del tiempo pues
está basado en las ecuaciones (12.38) y (12.44) (Ley de Little). Sin embargo, p(0) dependerá de
los tipos de distribución al igual que en la fórmula de Erlang B. Si el tiempo de servicio de la
computadora tiene distribución exponencial (valor medio ms = 1/μ), entonces p(0) viene dado por la
ecuación (12.37). En la figura 12.8 se muestra el tiempo de respuesta en función del número de
terminales en este caso.
141
Figura 12.8 − Tiempo de respuesta medio en función del número de terminales.
El factor de servicio es ρ = 30. El tiempo de respuesta converge a una línea recta, cortando el eje x
en S = 30 terminales. La curva se calcula utilizando la fórmula de Erlang B
Si todos los intervalos de tiempo son constantes, la computadora puede servir a K sin tiempo de
espera donde:
K es, por tanto, un parámetro adecuado para describir el punto de saturación del sistema. El
tiempo de espera medio para un terminal arbitrario se obtiene empleando la ecuación (12.45):
mv= R − ms
Ejemplo 12.5.2: Computadora de compartición en el tiempo. En un sistema terminal la
computadora queda a veces en reposo, (a la espera de terminales) y a veces los terminales
esperan que la computadora quede libre. Pocos terminales producen baja utilización de la
computadora, mientras que muchos terminales conectados consumen el tiempo de los usuarios.
En la figura 12.9 se muestra el tráfico de tiempo de espera en erlang, para la computadora y para
un terminal simple. El costo total del tiempo de espera se obtiene mediante la ponderación
142
apropiada de costos y sumas de tiempos de espera de la computadora y de todos los terminales.

Para el ejemplo, en la figura 12.9 se obtienen los costos mínimos de la espera total para unos 45
terminales aun cuando el costo por el tiempo de espera correspondiente a la computadora es cien
veces mayor que el costo de un terminal. En 31 terminales, la computadora y cada uno de ellos
consume el 11,4% del tiempo de espera. La relación de costos es 31 y este será el número óptimo
de terminales. Sin embargo, hay otros factores que se han de tener en consideración.
Figura 12.9 − Tráfico en tiempo de espera (proporción del tiempo transcurrido durante la
espera) medido en erlang para la computadora y los terminales, respectivamente, en un
sistema de cola de espera interactivo (factor de servicio ρ = 30)
Lección 25: Aplicación de la Teoría de colas de espera
Hasta el momento, se han examinado sistemas clásicos de colas de espera, donde todos los
procesos de tráfico son procesos de renovación. La teoría de los sistemas de pérdidas se ha
aplicado con éxito durante muchos años en el campo de la telefonía, mientras que la teoría de los
143
sistemas de espera sólo se ha aplicado en los últimos años en el terreno de la ciencia informática.
Los clásicos sistemas de espera desempeñan una función primordial en la teoría de asignación en
cola de espera. Por lo general, se da por supuesto que la distribución del tiempo entre las llegadas
a destino de las llamadas o la distribución del tiempo de servicio son exponenciales. Por razones
teóricas y físicas, a menudo se utilizan sistemas de cola de espera con un solo servidor.
Este Capítulo se centra en la cola de un solo servidor y se analiza este sistema para distribuciones
generales de tiempo de servicio, diferentes tipos de cola de espera y clientes con propiedades de
atención preferentes.
25.1 Clasificación de modelos de colas de espera
En esta sección se introducirán notaciones compactas para sistemas de asignación en cola de
espera, denominada notación de Kendall.
25.1.1 Descripción del tráfico y la estructura
D.G. Kendall (1951 [60]) introdujo la siguiente notación para modelos de asignación en cola de
espera:
A/B/n
donde
A = proceso de llegada,
B = distribución del tiempo de servicio,
n = número de servidores.
Para procesos de tráfico se utilizan las siguientes notaciones normalizadas:
M ~ Markovian. Intervalo de tiempo exponencial (proceso de llegada de Poisson, tiempos
de servicios distribuidos exponencialmente).
D ~ Determinístico. Intervalos de tiempo constante.
Ek ~ Intervalos de tiempo con distribución de Erlang-k (E1 = M).
Hn ~ Hiperexponencial de intervalos de tiempo distribuidos de orden n.
Cox ~ Intervalos de tiempo distribuidos de Cox.
Ph ~ Intervalos de tiempo distribuidos de tipo fase.
GI ~ Intervalos de tiempo independiente general, renovación de proceso de llegada.
G ~ General. Distribución arbitraria de intervalo de tiempo (puede incluir correlación).
Ejemplo 13.1.1: Modelos comunes de asignación en cola. M/M/n es un sistema de espera puro
con proceso de llegada Poisson, tiempos de servicio de distribución exponencial y n servidores. Es
el clásico sistema de espera de Erlang.
GI/G/1 es un sistema de espera general con un solo servidor.
La notación indicada anteriormente es ampliamente utilizada en la literatura especializada. Para
144
obtener la especificación completa de un sistema de asignación en cola se requiere más

información:
A/B/n/K/S/X
donde:
K = es la capacidad total del sistema, alternativamente sólo el número de posiciones de espera,
S = es el tamaño de la población (número de clientes),
X = es el tipo de cola de espera (véase el § 13.1.2),
K = n corresponde a un sistema de pérdidas, que a menudo se simboliza como A/B/n-pérdidas.
Un superíndice b sobre A, respectivamente B, indica llegada de grupo (llegada a granel, llegada de
lote), grupo de servicio, respectivamente. C (reloj) puede indicar que el sistema funciona en tiempo
discreto.
Generalmente se supone plena accesibilidad.
25.1.2 Estrategia de las colas de espera: tipos y organización
Los clientes puestos en cola de espera para ser atendidos son seleccionados conforme a diversos
principios. Se considerará primero los tres tipos clásicos de asignación en cola de espera:
FCFS, (first come - first served). Primero en llegar - primero en ser servido
Se denomina también cola de espera ordenada o cola de espera justa, y este tipo se prefiere a
menudo en la vida real cuando los clientes son seres humanos. También se denomina FIFO: (first
in - first out) primero en entrar - primero en salir. Se debe señalar que FIFO se refiere sólo a
cola de espera y no al sistema total. Si se tiene más de un servidor, un cliente con un tiempo de
servicio breve puede dar alcance a un cliente con un tiempo de espera mayor aun si tiene cola de
espera FIFO.
LCFS: (last come - first served). Último en llegar - primero en ser servido
Esto corresponde al principio de disposición apilada. Se utiliza por ejemplo en almacenamiento de
datos, en anaqueles de establecimientos comerciales y, en general, en memorias de retención
temporal. Esta técnica también se denomina LIFO: (last in - first out) último en entrar, primero
en salir.
SIRO: (service in random order). Servicio en orden aleatorio

Todos los clientes puestos en cola de espera tienen la misma probabilidad de ser escogidos para
tener el servicio. Esto también se denomina RANDOM o RS (random selection) selección
aleatoria.
Los dos primeros tipos de asignación en cola de espera sólo toman en consideración los tiempos
de llegada, mientras que el tercer tipo no considera ningún criterio y, por tanto, no requiere
ninguna memoria (contrariamente a los dos anteriores).
145
Los tres tipos detallados se pueden aplicar en sistemas técnicos simples. En una central telefónica
electromecánica se utiliza a menudo el tipo de cola de espera SIRO pues (casi) corresponde a
búsqueda secuencial sin reposición.
Para los tres tipos mencionados anteriormente el tiempo total de espera de todos los clientes es el
mismo. El tipo de asignación en cola sólo decide qué tiempo de espera se atribuye a cada uno de
los clientes. Esto se puede efectuar utilizando el tiempo de servicio como criterio. En un sistema de
cola de espera con control por programa habría disciplinas de cola de espera más complejas. En
general, en la teoría de cola de espera asumimos que el tráfico total ofrecido es independiente de
la disciplina de cola de espera.
En el caso de sistemas informáticos a menudo tendemos a reducir el tiempo total de espera.
SJF: (shortest job first). Tarea más breve primero, SJN: (shortest job next) tarea más corta
después, SPF: (shortest processing time first) tiempo de tratamiento más corto primero. Esta
técnica supone que se conoce el tiempo de servicio por adelantado y reduce al mínimo el
tiempo total de espera de todos los clientes.
Las técnicas mencionadas tienen en cuenta los tiempos de llegadas o los tiempos de servicio. Se
obtiene un compromiso entre esas disciplinas mediante las siguientes técnicas:
RR (round robin) Retorno al origen.
A un cliente servido se le da a lo sumo un tiempo de servicio fijo (segmento de tiempo). Si el
servicio no se completa durante ese intervalo el cliente vuelve a la cola de espera que es del
tipo FCFS.
PS (processor sharing) Compartición del procesador.
Todos los clientes comparten la capacidad del servicio en igual medida.
FB (foreground - background) Primer plano - segundo plano.
Esta técnica trata de aplicar el criterio SJF sin conocer de antemano los tiempos de servicio. El
servidor ofrecerá servicio al cliente que hasta ese momento ha recibido la menor cantidad de
servicio. Cuando todos los clientes han obtenido la misma cantidad de servicio, FB se hace
idéntico a PS.
Las últimas técnicas indicadas son dinámicas pues los criterios de asignación en cola de espera
dependen de la cantidad de tiempo empleado en la cola.
25.1.3 Prioridad de los clientes

En condiciones reales los clientes se dividen a menudo en N clases prioritarias, en la que un
cliente que pertenece a la clase p tiene mayor prioridad que un cliente que pertenece a la clase
p+1.
Se ha de distinguir entre dos tipos de prioridades:
146
No preferente = Cabecera de línea. Un nuevo cliente de llegada con prioridad más alta que está
siendo servido espera hasta que un servidor esté desocupado (y todos los clientes con alta
prioridad hayan sido servidos). Este criterio también se denomina HOL,(head-of-the-line) cabecera
de línea.
Preferente: Un cliente al que se está dando servicio tiene prioridad inferior que un nuevo cliente
que llega, es interrumpido.
Se distingue entre:
Reanudar preferencia: El servicio continúa desde donde fue interrumpido.
Preferencia sin remuestreo: El servicio se reinicia desde el comienzo con el mismo tiempo de
servicio.
Preferencia con remuestreo: El servicio se inicia nuevamente con un nuevo tiempo de
servicio.
La dos últimas técnicas se aplican, por ejemplo, en fabricación de sistemas y seguridad del
servicio.
En la literatura relativa a asignación de cola de espera aparecen muchas otras estrategias y
símbolos. Las siglas GD representan una disciplina de asignación en cola de espera arbitraria
(disciplina general). El comportamiento de los clientes también está sujeto a modelos:
Tentativa inconclusa: se refiere a sistemas de asignación en cola de espera en el que el
cliente con una probabilidad que depende de la cola puede desistir de permanecer en la misma.
Renuncia: se refiere a sistemas con clientes impacientes que salen de la cola de espera sin
haber sido servidos.
Cambio de cola: se refiere a los sistemas en el que los clientes pueden pasar de una cola de
espera (por ejemplo larga) a otra cola más corta.
Así, hay muchos modelos posibles. En este Capítulo sólo se tratarán los más importantes. Por lo
general, sólo se consideran sistemas con un servidor.
Ejemplo 13.1.2: Sistema de conmutación de programa almacenado controlado. En sistemas
de programa almacenado controlado las tareas de los procesadores se dividen, por ejemplo, en
diez clases de prioridades. La prioridad se actualiza, cada quinto de milisegundo. Los mensajes de
error que provienen de un procesador tienen la más alta prioridad, mientras que las tareas de
control de rutina tiene la prioridad más baja. Dar servicio a las llamadas aceptadas tiene mayor
prioridad que la detección de nuevas tentativas de llamada.
25.2 Resultados generales en la teoría de asignación en cola de espera
Como se indicó anteriormente hay muchos modelos de asignación en cola de espera pero,
lamentablemente, hay sólo algunos resultados generales en la teoría de asignación en cola. La
literatura es muy extensa pues muchos casos especiales son importantes en la práctica. En esta
147
sección se examinarán los resultados generales más importantes.

El teorema de Little es el resultado más general que es válido para un sistema de asignación en
cola de espera arbitrario. El teorema es fácil de aplicar y muy útil en muchos casos.
En general, sólo los sistemas de asignación en cola con procesos de llegada de Poisson son
simples de abordar. Referente a sistemas de asignación en cola en serie y redes de cola de
espera (por ejemplo redes informáticas) es importante conocer casos en el que el proceso de
partida de un sistema de asignación en cola es un proceso de Poisson. Los sistemas de cola de
espera se denominan sistemas de asignación en cola de espera simétricos, pues son simétricos
en el tiempo, ya que el proceso de llegada y el proceso de salida son del mismo tipo. Si se filmara
el desarrollo del tiempo, no se podría decidir si la película pasa hacia adelante o hacia atrás (véase
reversibilidad) (Kelly, 1979 [59]).
Los modelos clásicos de asignación en cola desempeñan un papel principal en la teoría de cola de
espera, pues otros sistemas convergirán a menudo hacia ellos cuando el número de servidores
aumenta.
Los sistemas que más se apartan de los modelos clásicos son los que tienen un solo servidor. Sin
embargo, esos sistemas son los más simples de abordar.
En sistemas de tiempo de espera se distingue también entre promedios de llamadas y promedios
temporales. El tiempo de espera virtual es el tiempo que un cliente experimenta si llega a un punto
aleatorio del tiempo (promedio temporal). El tiempo de espera real es el tiempo que experimenta el
cliente real (promedio de llamada). Si el proceso de llegada es un proceso de Poisson los dos
promedios son entonces idénticos.
148
CAPÍTULO 6. DIMENSIONAMIENTO DE LAS REDES DE

TELECOMUNICACIONES
Lección 26: Matrices de tráfico
La planificación de redes abarca el diseño, la optimización y el funcionamiento de las redes de

telecomunicaciones. La matriz de tráfico contiene la información básica necesaria para
seleccionar la topología y el encaminamiento del tráfico.
También se analiza el cálculo aproximado de las probabilidades de bloqueo de extremo a extremo
y se describe el método de Erlang del punto fijo (método de carga reducida). En el se generaliza
el algoritmo de convolución presentado en el Capítulo 4 a redes con cálculo exacto de bloqueo de
extremo a extremo en redes con conmutación de circuitos virtuales y encaminamiento directo. El
modelo permite el tráfico BPP multisegmento con asignación mínima y máxima. El mismo modelo
puede aplicarse a las redes jerárquicas celulares inalámbricas con células superpuestas y a las
redes ópticas con multiplexación por división de longitud de onda (WDM). Así mismo se examinan
los mecanismos de protección del servicio.
Por último, se analiza la optimización de las redes de telecomunicación mediante la aplicación del
principio de Moe.
26.1 Introducción a las Matrices de tráfico
Para especificar la demanda de tráfico en una zona con centrales K se deben conocer los valores
2
de tráfico de K Aij(i, j = 1, . . ., K), como se indica en el siguiente esquema que se denomina
matriz de tráfico.
149
Aij es el tráfico de i a j.
Aii es el tráfico interno en la central i.
O(i) es el tráfico de salida total originado en i.
T(j) es el tráfico de entrada (terminación) total a j.
La matriz de tráfico supone que se conoce la ubicación de las centrales. Conociendo la matriz de
tráfico la tarea es:
1. decidir la topología de la red (¿qué centrales deben estar interconectadas?)
2. decidir el encaminamiento de tráfico (¿cómo se puede aprovechar una topología dada? Las
dos tareas son interdependientes.
26.1.1 Método de factor doble de Kruithof

Supóngase que se conoce la matriz de tráfico real y que se tiene una previsión para las sumas de
las filas O(i) y las sumas de las columnas T(i) y futuras, es decir el tráfico de entrada y salida total
para cada central. Este pronóstico de tráfico se puede obtener de las previsiones de abonado
para cada una de las centrales. Por medio del método de factor doble (Kruithof, 1937 [70]) se
puede estimar cada valor futuro Aij de la matriz de tráfico. El procedimiento es ajustar cada valor
Aij, de modo tal que concuerden con las nuevas sumas de fila/columna:
donde S0 es la suma real y S1 es la nueva suma de la fila/columna considerada. Si se comienza

ajustando Aij con respecto a la nueva suma de fila Si, las sumas de las filas estarán de acuerdo
pero las sumas de las columnas pueden no concordar con los valores deseados. Por tanto, el
próximo paso es ajustar los valores obtenidos Aij con respecto a las sumas de columnas de modo
que éstas concuerden, pero esto implica que las sumas de filas ya no estarán de acuerdo.
Mediante el ajuste alternativo de las sumas de filas y columnas los valores obtenidos convergirán,
luego de algunas iteraciones, hacia valores únicos. El procedimiento se ilustra mejor con el
ejemplo dado a continuación.
Ejemplo 11.1.1: Aplicación del método de factor doble de Kruithof. Se examina una red de
telecomunicación que tiene dos centrales. La presente matriz de tráfico está dada como:
1 2 Suma
1 10 20 30
2 30 40 70
Suma 40 60 100
150
El pronóstico de tráfico de origen de terminación total para cada central es:
1 2 Suma
1 45
2 105
Suma 50 100 100
La tarea es entonces estimar cada valor de la matriz mediante el método de factor doble.
Iteración 1: Ajustar las sumas de las filas. Se multiplica la primera fila por (45/30) y la segunda fila
por (105/70) y se obtiene:
1 2 Suma
1 15 30 45
2 45 60 105
Suma 60 90 150
Las sumas de las filas son ahora correctas, pero las sumas de las columnas no lo son.
Iteración 2: Ajustar las sumas de las columnas:
1 2 Suma
1 12,50 33,33 45,83
2 37,50 66,67 104,17
Suma 50,00 100 150,00
Tenemos ahora las sumas correctas de las columnas, mientras que las sumas de las filas
presentan valores algo desviados.
Se continúa ajustando alternativamente las sumas de filas y columnas:

Iteración 3:
1 2 Suma
1 12,27 32,73 45,00
2 37,80 67,20 105,00
Suma 50,07 99,93 150,00
151
Iteración 4:
1 2 Suma
1 12,25 32,75 45,00
2 37,75 67,25 105,00
Suma 50,00 100,00 150,00
Después de cuatro iteraciones las sumas de las filas y de las columnas concuerdan con dos
decimales.
Existen otros métodos para estimar los valores de tráfico individuales futuros Aij, pero el método
de factor doble de Kruithof tiene propiedades importantes (Bear, 1988 [5]):
Unicidad. Para una determinada previsión hay una sola solución.

Reversibilidad. La matriz resultante se puede invertir a la matriz inicial con el mismo
procedimiento.
Transitividad. La matriz resultante es la misma independientemente si fue obtenida en un paso
o a través de una serie de transformaciones intermedias, (por ejemplo una previsión de cinco
años o cinco previsiones de un año).
Invarianza con referencia a la numeración de las centrales. Se puede cambiar la numeración
de las centrales sin influencia en el resultado.
Fraccionamiento. Las centrales se pueden dividir en subcentrales o se pueden añadir a
centrales más grandes sin influenciar el resultado. Esta propiedad no se satisface exactamente
con el método de factor doble de Kruithof, pero las desviaciones son pequeñas.
26.2 Topologías
En el Capítulo 1 se han descrito las topologías básicas como red en estrella, red poligonal, red en
anillo, red jerárquica y red no jerárquica.
26.3 Principios de encaminamiento

Este es un tema extenso que incluye entre otros el encaminamiento de tráfico alternativo,
repartición de las cargas, etc. En (Ash, 1998 [3]) figura una descripción detallada sobre este tema.
26.4 Métodos de cálculo de extremo a extremo aproximados

Si se supone que los enlaces de una red son independientes, es fácil entonces calcular la
probabilidad de bloqueo de extremo a extremo. Por medio de las fórmulas clásicas se calcula la
probabilidad de bloqueo de cada enlace. Si la probabilidad de bloqueo del enlace i se simboliza
por Ei se obtiene entonces la probabilidad de bloqueo de extremo a extremo para una tentativa de
llamada sobre la ruta j como sigue:
152
donde R es el conjunto de enlaces incluido en la ruta de la llamada. Este valor será el caso más
desfavorable pues el tráfico está regularizado por el bloqueo de cada enlace y, por tanto,
experimenta menos congestión en el último vínculo de una ruta.
26.4.1 Método del punto fijo

Una llamada ocupa generalmente canales en más enlaces y en general el tráfico estará
correlacionado con cada uno de los enlaces de una red. La probabilidad de bloqueo
experimentada por una tentativa de llamada en cada uno de los enlaces también estará
correlacionada. El método Erlang del punto fijo es una tentativa para tomar esto en cuenta.
26.5 Métodos de cálculo exactos de extremo a extremo

Las redes de telecomunicación con conmutación de circuitos y encaminamiento directo tienen la
misma complejidad que las redes de fila de espera con muchas cadenas (el cuadro 14.3). Es
necesario contabilizar el número de canales ocupados en cada enlace. Por tanto, el número de
estados máximo resulta:
Cuadro 11.1 – En una red de telecomunicación con conmutación de circuitos y

encaminamiento directo dxy representa el tamaño del segmento (demanda de ancho de
banda) de la ruta x por el vínculo
Ruta Número de
Enlace
1 2 ... N canales
1 C11 C21 ... CN1 n1

2
C12 C22 ... CN2 n2
.
. . . .
…
... ... ... ...
.
. . . .
K C1k C2k ... CNK nK
153
26.5.1 Algoritmo de convolución

El algoritmo de convolución descrito en el Capítulo 5 se puede aplicar a redes con
encaminamiento directo pues hay una forma de producto entre las rutas. La convolución se hace
multidimensional, siendo la dimensión el número de enlaces en la red. La interrupción del espacio
de estado se hace más compleja y el número de estados aumenta considerablemente.
Lección 27: Control de carga y protección de servicio

En una red de telecomunicación con muchos usuarios que compiten por los mismos recursos
(acceso múltiple) es importante especificar las demandas de los servicios de los usuarios y
asegurar que el GoS se cumple en condiciones normales de servicio. En la mayoría de los
sistemas se puede asegurar que los abonados preferenciales (policía, servicios médicos, etc.)
tienen mayor prioridad que los abonados comunes cuando efectúan tentativas de llamada.
Durante las condiciones normales de tráfico se debe garantizar que todos los abonados para todo
tipo de llamadas (locales, nacionales, internacionales) tienen aproximadamente el mismo nivel de
servicio, por ejemplo el 1 % de bloqueo. Durante situaciones de sobrecarga las tentativas de
llamada de algunos grupos de abonados no debe estar completamente bloqueada mientras que al
mismo tiempo otros grupos experimenten bajos porcentajes de bloqueo.
Históricamente, esto se ha satisfecho debido a la estructura descentralizada y la aplicación de
accesibilidad limitada (distribución del tráfico), que desde el punto de vista de protección del
servicio son aún aplicables y útiles.
Los sistemas y redes digitales tienen una complejidad creciente y sin medidas preventivas el
tráfico transportado en función del tráfico ofrecido tendrá típicamente una forma similar a las del
sistema Aloha (véase la figura 6.4). Para asegurar que un sistema continúe funcionando a máxima
capacidad durante sobrecarga se aplican diversas estrategias. En sistemas (centrales) se puede
introducir separación entre llamadas y asignar prioridades a las tareas (véase el Capítulo 5). En
redes de telecomunicación son comunes dos estrategias: reservas de líneas de enlace y
protección virtual de canales.
154
Figura 11.1 − Encaminamiento de tráfico alternativo (véase el ejemplo 11.6.2).
El tráfico de A a B se transporta en parte por la ruta directa (ruta primaria = ruta de explotación
intensa), y parte por la ruta secundaria a través de la central de tránsito T.
27.1 Reserva de líneas de enlace

En redes de telecomunicación jerárquica con encaminamiento alternativo se desea proteger el
tráfico primario frente al tráfico de desbordamiento. Si se considera parte de una red (véase la
figura 11.1), el tráfico directo AT competirá con el tráfico de desbordamiento de AB para canales
desocupados en el grupo de enlace AT. Como el tráfico AB tiene ya una ruta directa, se desea dar
al tráfico AT prioridad a los canales en el enlace AT. Esto se puede efectuar introduciendo una
reserva de líneas de enlace (canales). Se permite al tráfico AB tener acceso a los canales AT sólo
si hay más de r canales desocupados en AT (r = parámetro de reserva). De esta manera, el tráfico
AT tendrá mayor prioridad a los canales en el enlace AT. Si todas las llamadas tienen el mismo
tiempo medio de ocupación (μ1 = μ2 = μ) y tráfico PCT-I con tráfico de segmento único, se puede
establecer fácilmente un diagrama de transición de estado y calcular la probabilidad de bloqueo.
Si cada flujo de tráfico tiene tiempos medios de ocupación diferentes, o si se considera el tráfico
binomial y Pascal, se tendrá que establecer entonces un diagrama de transición de estado de N
dimensiones que no será reversible. De esta manera no se pueden aplicar los algoritmos
formulados en el Capítulo 5.
Un inconveniente esencial en las reservas de línea de enlace es que se trata de una estrategia
local, que sólo considera un grupo de enlace troncal, y no la totalidad de conexión de extremo a
extremo. Asimismo, es un mecanismo unidireccional que protege un flujo de tráfico frente a otro,
pero no el caso contrario. Por consiguiente, esto se puede aplicar para la protección mutua de
conexiones y servicios en redes RDSI-BA.
Ejemplo 11.6.1. En un sistema de comunicación móvil celular se puede asegurar menor

155
probabilidad de bloqueo para el traspaso de llamadas que el observado por nuevas tentativas de
llamada mediante la reserva del último canal desocupado (denominado canal de guarda) para
traspasar llamadas.
27.2 Protección del canal virtual
En un sistema de servicios integrados es necesario proteger mutuamente todos los servicios y
garantizar un determinado grado de servicio. Esto se puede obtener por a) una determinada
asignación de anchura de banda mínima que asegura un determinado servicio mínimo, y b) una
atribución máxima que permite aprovechar las ventajas de la multiplexión estadística y asegura
que no predomina un solo servicio. Esta estrategia tiene la forma de producto básica y las
probabilidades de estado son insensibles a la distribución del tiempo de servicio. Además, el GoS
está garantizado no sólo sobre la base de un enlace, sino de extremo a extremo.
27.3 Principio de Moe
Teorema 11.1 Principio de Moe: la asignación del recurso óptimo se obtiene por el equilibrio
simultáneo de ingresos marginales y costos marginales sobre todo los sectores.
En esta sección se presentan los principios básicos publicados por Moe en 1924. Se considera un
sistema con algunos sectores que consumen recursos (equipos) para elementos de producción
(tráfico). El problema se puede dividir en dos partes:
a) Dado que se dispone de una cantidad limitada de recursos, ¿cómo se deben distribuir
estos recursos entre los sectores?
b) ¿Cuántos recursos se deben asignar en total?
Los principios se aplican en general para toda clase de producciones. En este caso los recursos
corresponden a cables y equipos de conmutación y la producción comprende tráfico transportado.
Un sector puede ser un enlace a una central. El problema puede ser el dimensionamiento de
enlaces entre una determinada central y sus centrales vecinas en las cuales hay conexiones
directas. El problema es, entonces:
a) ¿Cuánto tráfico se puede conducir en cada enlace cuando se transporta una cantidad de
tráfico fija total?
b) ¿Cuánto tráfico se debe transportar en total?
Se pueden efectuar deducciones similares para variables discretas correspondientes a un número
de canales (Principio de Moe, (Jensen, 1950 [50])).
27.4 Equilibrio de los costos marginales de equilibrado

Supóngase tener conexiones directas de una determinada central a otras k centrales. El costo de
156
una conexión a una central i se supone que es una función lineal de número de canales:
El costo total de cables resulta entonces:
donde C0 es una constante.

El tráfico transportado total es una función del número de canales:
Como siempre se opera con recursos limitados se tendrá:
En un sistema de pérdidas puro Dil corresponde a la función mejora, que siempre es positiva para
un número finito de canales en razón de la convexidad de la fórmula B de Erlang.
Se desea minimizar C para un determinado tráfico transportado total Y:
.
Por aplicación del multiplicador de Lagrange ϑ, donde se introduce G = C–ϑ f, esto es
equivalente a:
Una condición necesaria para la solución mínima es:
Una condición necesaria para la solución óptima es que el incremento marginal del tráfico
transportado cuando aumenta el número de canales (función mejora) dividido por el costo para un
canal debe ser idéntico para todos los grupos de enlace (7.31).
Por medio de derivadas de segundo orden es posible determinar un conjunto de condiciones

necesarias para establecer condiciones suficientes que está dado en el Principio de Moe (Jensen,
157
1950 [50]). Las funciones de mejora que se tratan cumplen siempre estas condiciones.
Si también hay diferentes ingresos gi para cada grupo de enlace (direcciones), se debe incluir
entonces un factor de ponderación adicional, y en los resultados de la ecuación (11.12) se debe
reemplazar ci por ci/gi.
27.5 Tráfico transportado óptimo

Supóngase el caso en que el tráfico transportado, que es una función del número de canales
(11.7), es Y. Si los ingresos se simbolizan con R(Y) y los costos con C(Y) (11.6), los beneficios
resultan entonces:
Una condición necesaria para el beneficio óptimo es:
es decir el ingreso marginal debe ser igual al costo marginal. Empleando:
se obtiene la solución óptima para:
que mediante la utilización de la ecuación (11.12) resulta:
El factor ϑ dado por la ecuación (11.12) es el cociente entre el costo de un canal y el tráfico que
se puede transportar adicionalmente si el enlace se extiende por un canal. Así, se agregarán
canales al enlace hasta que el ingreso marginal sea igual al costo marginal ϑ (7.33).
Ejemplo 11.7.1: Asignación de la capacidad óptima. Se consideran dos enlaces (grupos de

enlace) donde el tráfico ofrecido es 3 erlang y 15 erlang, respectivamente. Los canales para los
dos sistemas tienen el mismo costo y hay un total de 25 canales disponibles. ¿Cómo se deben
distribuir los 25 canales entre los dos enlaces?
De la ecuación (11.12) se observa que las funciones de mejora deben tener los mismos valores
158
para los dos sentidos. Por tanto, se prosigue utilizando una tabla:
A1 = 3 erlang A2 = 15 erlang
n1 F1,n(A1) n2 F1,n(A2)
3 0,4201 17 0,4048
4 0,2882 18 0,3371
5 0,1737 19 0,2715
6 0,0909 20 0,2108
7 0,0412 21 0,1573
Para n1 = 5 y n2 = 20 se utilizan los 25 canales. Esto produce una congestión del 11,0%, y 4,6%,
respectivamente, es decir alta congestión para el grupo de enlace más pequeño.
Ejemplo 11.7.2: Optimización del triángulo. Esta es una optimización clásica de una red en
triángulo que utiliza encaminamiento de tráfico alternativo (véase la figura 11.1). De A a B se tiene
una demanda de tráfico igual a A erlang. El tráfico es transportado parcialmente por la ruta directa
(ruta primaria) de A a B, y parcialmente por la ruta alternativa (ruta secundaria) A → T → B, donde
T es una central de tránsito. No hay otras posibilidades de encaminamiento. El costo de una
conexión directa es cd, y para una conexión secundaria ct.¿Qué cantidad de tráfico se debe
transportar en cada una de las dos direcciones? La ruta A → T → B transporta ya tráfico hacia y
desde otros destinos, y la utilización marginal para un canal en esta ruta se simboliza por a. Se
supone que es independiente del tráfico adicional que está bloqueado de A → B.
Conforme a la ecuación (11.12), las condiciones mínimas resultan:
Donde n es aquí el número de canales en la ruta primaria. Esto significa que los costos deben ser
los mismos cuando se encamina una llamada "adicional" a través de una ruta directa y a través de
la ruta alternativa. Si una ruta fuera menos costosa que la otra se encaminaría entonces más
tráfico en la dirección más económica.
Como los valores de tráfico aplicados como base para el dimensionamiento se obtienen por
mediciones de tráfico, presentan falta de fiabilidad debido a una muestra limitada, periodo de
medición limitado, principio de medición, etc. Como se muestra en el Capítulo 15 la falta de
fiabilidad es aproximadamente proporcional al volumen de tráfico medido. Con la medición del
mismo periodo de tiempo en todos los enlaces, se obtiene el grado más alto de incertidumbre
para pequeños enlaces (grupos de enlace), que están parcialmente compensados por la
159
sensibilidad de sobrecarga mencionada anteriormente, que es la menor para pequeños grupos de

enlace. Como valor representativo se elige típicamente el valor medio más la desviación estándar
multiplicada por una constante, por ejemplo 1.0.
Para asegurarse, se deberá destacar aún más que se dimensiona la red para el tráfico que será
transportado 1-2 años desde ahora. El valor utilizado para dimensionamiento es así afectado
adicionalmente por una incertidumbre de previsión. No se ha incluido el hecho de que parte del
equipo puede estar fuera de operación debido a errores técnicos.
El UIT-T recomienda que el tráfico se mida durante todas las horas cargadas del año, y que el
valor de n se seleccione de modo tal que utilizando el valor medio de las 30 observaciones (5
observaciones) más grande, se obtienen las siguientes probabilidades de bloqueo:
Los criterios de servicio precedentes se pueden aplicar directamente a cada grupo de enlace. En
la práctica, se propone una probabilidad de bloqueo del abonado A al abonado B que sea la
misma para todo tipo de llamadas.
Con las centrales controladas por programa almacenado la tendencia es una supervisión continua
del tráfico en todas las rutas costosas e internacionales.
En conclusión, se puede decir que el valor del tráfico utilizado para dimensionamiento está
afectado por incertidumbre. En grandes grupos de enlace la aplicación de un valor de tráfico no
representativo puede producir serias consecuencias para el nivel de grado de servicio.
Durante los últimos años ha habido un interés creciente para el encaminamiento controlado del
tráfico adaptable (gestión de la red de tráfico), que puede ser introducido en sistemas digitales de
control por programa almacenado. Mediante esta tecnología se puede seleccionar en principio la
estrategia óptima para el encaminamiento de tráfico durante cualquier escenario de tráfico.
Lección 28: Mediciones de tráfico
Se realizan mediciones de tráfico con el fin de obtener información cuantitativa sobre la carga de
un sistema y así poder dimensionarlo. Por mediciones de tráfico se entiende cualquier tipo de
compilación de datos sobre la carga de tráfico de un sistema. El sistema examinado puede ser un
sistema físico, por ejemplo una computadora, un sistema telefónico, o el laboratorio central de un
hospital. También puede ser un sistema ficticio. La compilación de datos de un modelo informático
160
de simulación corresponde a las medidas de tráfico. La tarificación de las llamadas telefónicas

corresponde también a las mediciones de tráfico cuando la unidad de medición utilizada es una
suma de dinero.
La extensión y el tipo de mediciones, así como los parámetros (características de tráfico) medidos
en cada caso se han de elegir de conformidad con las demandas, y de tal manera que un mínimo
de esfuerzos técnicos y administrativos procure un máximo de información y de beneficios. Según
la naturaleza del tráfico, una medición efectuada durante un intervalo de tiempo limitado
corresponde a un registro de determinada realización del proceso de tráfico. Así pues, la medición
es una muestra de una o más variables estocásticas. Al repetir la medición, se suele obtener un
valor diferente y, por lo general, sólo se puede afirmar que el parámetro desconocido (el
parámetro de población, por ejemplo el valor medio del tráfico cursado), con una probabilidad
determinada, se encuentra dentro de un determinado intervalo, denominado intervalo de
confianza. La información es igual a la función de distribución del parámetro. Por razones
prácticas es, en general, suficiente conocer el valor medio y la varianza, es decir, la distribución
en sí no reviste gran importancia.
Esta lección se centrará en las bases estadísticas para estimar la fiabilidad de una medición, y en
menor grado se examinarán los antecedentes técnicos. Los siguientes análisis suponen sólo
conocimientos elementales de la teoría de las probabilidades. Como se mencionó anteriormente,
la teoría también se aplica a los modelos estocásticos de simulación informática.
28.1 Principios y métodos de medición
Las posibilidades técnicas de medición son decisivas para determinar qué se mide y cómo se
efectúan las mediciones. El primer equipo de medición por programa controlado fue elaborado en
la Universidad técnica de Dinamarca, y se describe en (Andersen y Hansen e Iversen, 1971 [2].
Se puede, en principio, efectuar cualquier medición de tráfico conforme a un proceso de tráfico,
cuyo estado es discreto y el tiempo es continuo, combinando dos operaciones fundamentales:
1. Número de eventos: esto puede ser, por ejemplo el número de errores, número de
tentativas de llamada, número de errores en un programa, cantidad de tareas que ejecutará
un centro de computación, etc.
2. Intervalos de tiempo: por ejemplo, tiempos de conversación, tiempo de ejecución de tareas
en una computadora, tiempo de espera, etc.
Por medio de la combinación de esas dos operaciones se puede obtener cualquier característica
de un proceso de tráfico. La característica más importante es el volumen de tráfico (transportado),
es decir la adición de todos los (intervalos de) tiempos de ocupación en un determinado periodo
de medición.
161
Desde un punto de vista funcional todos los métodos de medición de tráfico se pueden dividir en
las dos clases siguientes:
1. Métodos de medición continuos.
2. Métodos de medición discretos.
28.2 Mediciones continuas
En este caso el punto de medida activa al equipo de medición en el instante del evento. Aun
cuando el método de medición sea continuo el resultado puede ser discreto.
Ejemplo 15.1.1: Equipo de medición: tiempo continuo. Los equipos que funcionan conforme al
principio continuo pueden ser, por ejemplo, los siguientes:
a) Contadores electromecánicos cuyo conteo se aumenta en uno en el instante de un evento.
b) Trazadores x−y de registros conectados a un punto que se activa durante una conexión.
c) Medidores de amperios/hora, que integran el consumo de potencia durante un periodo de

medición. Cuando se aplica en antiguas centrales electromecánicas para mediciones del
volumen de tráfico, cada línea de enlace se conecta a través de un resistor de 9,6 kΩ, el
cual durante la ocupación se conecta entre −48V y tierra y consume 5 mA.
d) Contadores del caudal de agua que miden el consumo de agua de un hogar.
28.3 Mediciones discretas
En este caso el punto de medición es pasivo y el equipo de medición debe probar (determinar) por
sí mismo si se han producido cambios en los puntos de medición (normalmente binarios, activado-
desactivados). Este procedimiento se denomina método de exploración, cuyo barrido se hace
generalmente en instantes regulares (constante = intervalos de tiempos determinísticos). Todos
los eventos que se han producido entre dos instantes de exploración consecutivos están referidos
en los que hace al tiempo al instante del último barrido, y se consideran como producidos en este
instante.
Ejemplo 15.1.2: Equipo de medición: tiempo discreto. Los equipos que funcionan conforme al
principio de tiempo discreto pueden ser, por ejemplo, los siguientes:
a) Tarificación de llamada conforme al principio de Karlsson, donde los impulsos de tasación

se emiten en tiempos regulares (la distancia depende del costo por unidad de tiempo) al
medidor del abonado que ha iniciado la llamada. Cada unidad registrada (intervalo)
corresponde a una determinada cantidad de dinero. Si se mide la duración de una llamada
162
por su costo, se observa entonces una distribución discreta (0, 1, 2, . . . unidades). El

método lleva el nombre en honor al matemático finlandés S.A. Karlsson (Karlsson, 1937
[57]. En comparación con la mayoría de los otros métodos, requiere un mínimo de
administración.
b) El tráfico transportado por un grupo de líneas de enlace de una central electromecánica se

mide en la práctica conforme al principio de exploración. Durante una hora se observa 100
veces (cada 36 segundos) el número de líneas de enlace ocupadas y este número se
añade a un contador mecánico que indica así el tráfico medio transportado con dos
decimales. Contando asimismo la cantidad de llamadas se puede estimar el tiempo medio
de ocupación.
c) El principio de exploración es particularmente apropiado para su aplicación en sistemas

digitales. Por ejemplo, el equipo controlado por procesador elaborado en 1969 en la
Universidad Técnica de Dinamarca tenía la capacidad de probar 1024 puntos de medida
(por ejemplo, relés en una central electromecánica, líneas de enlace o canales) en un
tiempo de 5ms. Los estados de cada punto de medición (desocupado/ocupado o
desactivado/activado) en los dos últimos barridos se almacenan en la memoria de una
computadora y, por comparación de las lecturas, se pueden detectar los cambios de
estado.
Un cambio de estado 0 → 1 corresponde al inicio de una ocupación y 1 → 0 al término de
ocupación (principio de última observación). Las exploraciones están controladas por un
reloj. Por tanto, se puede supervisar cada canal durante un tiempo y medir sus intervalos,
observándose así las distribuciones en el tiempo. Mientras que el equipo clásico
(medidores de erlangs) mencionado anteriormente observa el proceso de tráfico en el
espacio de estado (vertical, representación del número), el equipo de programa controlado
observa el proceso de tráfico en el espacio de tiempo (horizontal, representación del
intervalo), en tiempo discreto. La cantidad de información es casi independiente del
intervalo de exploración pues sólo se almacenan los cambios de estado (el tiempo de un
barrido se mide en un número entero de intervalos de exploración).
Los métodos de medición han tenido influencia decisiva en la manera de pensar y en el modo de
formular y analizar los problemas estadísticos. El equipo clásico que funciona en el espacio de
estado ha indicado que los análisis estadísticos se han basado en probabilidades de estado, es
decir básicamente en procesos de renovación. Desde el punto de vista matemático estos modelos
han sido bastante complejos (mediciones verticales).
Los siguientes cálculos son, en comparación muy elementales y aún más generales, y se basan
en el funcionamiento en espacio temporal del equipo de programa controlado. (Iversen, 1976 [38])
(mediciones horizontales).
163
Lección 29: Teoría del muestreo
Supóngase que se tiene una muestra de n observaciones independiente e idénticamente

distribuidas {X1, X2,. . . ,Xn} de una variable estocástica con el valor finito medio desconocido m1
y varianza finita ....σ2 (parámetros de población).
El valor medio y la varianza de la muestra se definen como sigue:
Los parámetros Ẋ y s2 son funciones de una variable estocástica y, por lo tanto, son también
variables estocásticas definidas por una distribución denominada distribución de muestreo. El
parámetro Ẋ es un estimador central del valor medio de población desconocido m1, es decir:
Asimismo, s2/n es un estimador central de la varianza desconocida del valor medio de la muestra
Ẋ , es decir:
Se describe la exactitud de la estimación de un parámetro de muestreo por medio de un intervalo

de confianza, con al cual una determinada probabilidad especifica cómo la estimación se ubica en
relación con el valor teórico desconocido. En este caso el intervalo de confianza del valor medio
resulta:
donde: tn-1,1−α/2 es el percentil (1−α/2) superior de la distribución t con n−1 grados de libertad. La
probabilidad de que el intervalo de confianza incluya el valor medio teórico desconocido es igual a
(1 −α) y se denomina nivel de confianza. En el cuadro 15.1 figuran algunos valores de la
distribución t. Cuando n se hace grande, la distribución t converge a la distribución normal y se
puede utilizar el percentil de esta distribución. La hipótesis de independencia se satisface para
mediciones tomadas en diferentes días pero no, por ejemplo, para mediciones sucesivas por el
método de exploración en un intervalo de tiempo limitado, pues la cantidad de canales ocupados
en un instante dado estará correlacionada con el número de circuitos ocupados en la exploración
previa y en la siguiente. En las secciones próximas se calculará el valor medio y la varianza de las
mediciones de tráfico durante, por ejemplo, una hora. Este valor agregado para un determinado
día puede ser utilizado entonces como simple observación en las fórmulas precedentes, donde la
164
cantidad de observaciones será típicamente el número de días que se mide.
Figura 15.1 – Observación de un proceso de tráfico por un método de medición continua y

por el método de exploración con intervalos de barrido regulares. El método de exploración
es suficiente para observar los cambios de estado.
Cuadro 15.1 – Percentiles de la distribución t con n grados de libertad.

Un valor específico de α corresponde a una masa de probabilidad α/2 en ambos extremos de la
distribución t. Cuando n es grande, se pueden utilizar los percentiles de la distribución normal
n α = 10% α = 5% α = 1%
1 6,314 12,706 63,657
2 2,920 4,303 9,925
5 2,015 2,571 4,032
10 1,812 2,228 3,169
20 1,725 2,086 2,845
40 1,684 2,021 2,704
∞ 1,645 1,960 2,576
165
Ejemplo 15.2.1: Intervalo de confianza para congestión de llamadas. En un grupo troncal de

30 líneas de enlace (canales) se observa el resultado de 500 tentativas de llamada. Esta medición
se repite 11 veces y se obtienen los siguientes valores de congestión de llamadas (en porcentaje):
9,2; 3,6; 3,6; 2,0; 7,4; 2,2; 5,2; 5,4; 3,4; 2,0; 1,4
La suma total de las observaciones es 45,4 y el total de los cuadrados de las observaciones es
247,88. Aplicando la ecuación (15.1) X = 4,1273 % y con la ecuación (15.2) s2 = 6,0502 (%) 22. Al
nivel de 95% el intervalo de confianza resulta, utilizando los valores t del cuadro 15.1: (2,47−5,78).
Cabe señalar que las observaciones se obtienen simulando un tráfico PCT−I de 25 erlang, que se
ofrece a 30 canales. Conforme a la fórmula B de Erlang la probabilidad teórica de bloqueo es de
5,2603 %. Este valor se encuentra dentro del intervalo de confianza. Si se desea reducir el
intervalo de confianza en un factor de 10, se deberán efectuar 100 observaciones veces más
(véase la fórmula 15.5), es decir 50 000 por mediciones (subejecución). Se lleva a cabo esta
simulación y se observa una congestión de llamadas igual a 5,245 % y un intervalo de confianza
(5,093 - 5,398). Esta simulación requiere unos 10 segundos en un puesto de trabajo.
29.1 Mediciones continuas en un periodo ilimitado
Las mediciones de intervalos de tiempo a través de métodos de medida continuos sin

interrupciones son fáciles de efectuar mediante la teoría de muestreo. Para la medición del
volumen de tráfico o de la intensidad de tráfico se pueden aplicar las fórmulas (3.46) y (3.48) para
una suma estocástica. Esto es en términos generales, siendo la única restricción la independencia
estocástica entre X y N. En la práctica, esto significa que los sistemas no deben tener congestión.
En general se tendrán bajos porcentajes de congestión y aun en el caso más desfavorable puede
suponer independencia. Sin duda, el caso más importante es un proceso de llegada de Poisson
con intensidad λ. Se tendrá entonces una suma estocástica. Para el proceso de llegada de
Poisson, cuando se considera un intervalo de tiempo T, se tendrá:
y, por tanto, resulta:
donde m2,t es el segundo momento (no central) de la distribución de tiempo de ocupación, y εt es

el factor de forma de Palm de la misma distribución:
166
Figura 15.2 – Casos de mediciones de trafico.
Cuando se analizan las mediciones de tráfico se pueden distinguir dos casos:

a) Mediciones en un periodo de tiempo ilimitado. Toda llamada iniciada durante el periodo de
medición contribuye con su duración total.
b) Mediciones en un periodo de tiempo limitado. Cada llamada contribuye con su tiempo de
ocupación que puede estar establecido dentro del periodo de medición. Los segmentos que
identifican los tiempos de ocupación que contribuyen con las mediciones se indican en la
figura en línea llena
La distribución de ST será en este caso una distribución de Poisson compuesta (Feller, 1950 [29]).
La fórmula corresponde a un volumen de tráfico (por ejemplo, erlang-horas). Para muchas
aplicaciones, tales como dimensionamiento, es importante determinar la cantidad media de
canales ocupados, es decir intensidad (régimen) de tráfico = tráfico por unidad de tiempo (m1,t =
1, λ = A), cuando se establece el tiempo medio de ocupación como unidad de tiempo:
167
Estas ecuaciones son válidas para distribuciones arbitrarias del tiempo de ocupación. Las
ecuaciones (15.8) y (15.9) fueron deducidas originalmente por C. Palm (1941 [80]). En (Rabe,
1949 [88]) se publicaron las fórmulas para los casos especiales εt= 1 (tiempo de ocupación
constante) y εt = 2 (tiempo de ocupación distribuidos exponencialmente).
Las ecuaciones anteriores se utilizan para todas las llamadas que llegan dentro de intervalo T
cuando se mide la duración total de todos los tiempos de ocupación sin importar el tiempo de
permanencia (véase la figura 15.2a).
Ejemplo 15.3.1: Exactitud de una medición. Se hace notar que siempre se obtiene el valor
medio correcto de la intensidad de tráfico (15.8). La varianza, sin embargo, es proporcional al
factor de forma εt. Para algunos casos comunes de distribuciones del tiempo de ocupación se
obtiene la siguiente varianza de la intensidad de tráfico medida.
Constante:
Distribución exponencial:
Observada (figura 4.3):

Observando el tráfico telefónico, se encuentra a menudo que εt es considerablemente más grande
que el valor 2 (distribución exponencial), que se presume que es válido en muchos modelos
clásicos de teletráfico. Por tanto, la exactitud de una medición es menor que la que figura en
muchos cuadros. Sin embargo, esto se compensa por la hipótesis que los sistemas son no
bloqueantes. En un sistema con bloqueo la varianza resulta menor debido a la correlación
negativa entre los tiempos de ocupación y el número de llamadas.
Ejemplo 15.3.2: Exactitud relativa de una medición. La exactitud relativa de una medición
viene dada por la siguiente relación:
Coeficiente de variación
De la misma se observa que si εt = 4, se deberá medir dos veces en un periodo para obtener la
168
misma fiabilidad de una medición como para el caso de tiempos de ocupación con distribución
exponencial.
Para un determinado intervalo de tiempo se observa que la exactitud de la intensidad de tráfico

cuando se mide un pequeño grupo de enlace es mucho mayor que cuando se mide un grupo de
enlace grande, en razón que la exactitud sólo depende de la intensidad de tráfico A. Cuando se
dimensiona un pequeño grupo de enlace, un error en la estimación del tráfico del 10% tiene
mucho menos influencia que el mismo porcentaje de error en un grupo de enlace grande.
Por tanto, se medirá el mismo intervalo de tiempo en todos los grupos de enlace. En la figura 15.5
la exactitud relativa para una medición continua se indica con la recta h = 0.
29.2 Métodos de exploración en un periodo ilimitado
En esta sección sólo se considerarán intervalos de exploración regulares (constantes). El método

de exploración se aplica, por ejemplo, a mediciones de tráfico, tarificación de llamadas,
simulaciones numéricas, y control de procesador. Por el método de exploración se observa una
distribución de tiempo discreta para el tiempo de ocupación que, en tiempo real, es generalmente
continuo.
En la práctica, se determina por lo general una distancia constante h entre los instantes de
exploración, y se encontrará la siguiente relación entre el intervalo observado y el tiempo real
(véase la figura 15.3):
Se observa que hay una superposición entre los intervalos continuos, de modo tal que la
distribución discreta no se puede obtener por la simple integración de un intervalo continuo sobre
un intervalo fijo de longitud h. Si los tiempos reales de ocupación tienen una función de
distribución F(t), se observará la distribución discreta siguiente (Iversen, 1976 [38]):
169
Figura 15.3 – Con el método de exploración un intervalo continuo se transforma en un

intervalo discreto. La transformación no es única.
Interpretación: Se supone que el tiempo de llegada de la llamada es independiente del proceso de

exploración. Por tanto, la función de densidad del intervalo desde el instante de llegada de la
llamada al tiempo de la primera exploración está distribuido uniformemente y es igual a (1/h). La
probabilidad de observar instantes de barrido cero durante el tiempo de ocupación de la llamada
se representa por p(0) y es igual a la probabilidad que la llamada termine antes del tiempo del
barrido siguiente. Para un valor fijo del tiempo de ocupación t esta probabilidad es igual a F(t)/h, y
para obtener la probabilidad total se integran todos los valores t posibles (0 ≤ t < h) y se aplica la
ecuación (15.10). De manera similar se extrae p(k) con la ecuación (15.11).
Por integración parcial se puede determinar que para cualquier función de distribución F(t) se
observará siempre el valor medio correcto:
Cuando se utiliza la tarificación de Karlsson se llegará tasará siempre el monto correcto. Para
-μt
intervalos de ocupación con distribución exponencial, F(t) = 1−e , se observará una distribución
discreta denominada distribución de Westerberg (Iversen, 1976 [38]):
170
Esta distribución puede tener el valor medio y el factor de forma siguientes:
El factor de formaε es igual a uno más el cuadrado de la exactitud relativa de la medición. Para
una medición continua el factor de forma es 2. La contribución ε −2 es debida a la influencia del
principio de medición.
El factor de forma es una medida de la exactitud de las mediciones. La figura 15.4 ilustra cómo
depende el factor de forma del tiempo de ocupación con distribución exponencial observado en la
duración del intervalo de exploración (15.16). Con mediciones continuas se obtiene una muestra
ordinaria y por el método de exploración se obtiene una muestra de una muestra, de modo tal que
hay incertidumbre en razón del método de medición así como del tamaño limitado de la muestra.
La figura 5.2 muestra un ejemplo de la distribución de Westerberg. Es en particular la clase cero
s
que se aparta de lo que se podría esperar de una distribución exponencial continua. Si en la
expresión para (15.9) se inserta el factor de forma, se obtiene entonces, fijando el tiempo
medio de ocupación como unidad de tiempo m1,t = 1/μ = 1, las siguientes estimaciones de la
intensidad de tráfico cuando se emplea el método de exploración: 27
Con el método de medición continuo la varianza es 2A/T. Esto también se obtiene dejando h → 0.
En La figura 15.5 se muestra la exactitud relativa del volumen de tráfico medido para una
medición continua (15.8) y (15.9), así como para el método de exploración (15.17). La ecuación
(15.17) fue formulada por (Palm, 1941 [80]), pero recién resultó conocida cuando fue divulgada
por W.S. Hayward Jr. (1952 [35]).
Ejemplo 15.4.1: Principios de tarificación. Para la tarificación de llamadas se aplican varios

principios. Además, el régimen de tasación varía, por lo general, durante las 24 horas para
influenciar los hábitos del abonado. Entre los principios se puede mencionar:
171
a) Tasa fija por llamada. Este principio se aplica a menudo en sistemas manuales para
llamadas locales (tarifa única)
b) Tarificación de Karlsson. Esto corresponde al principio de medición que se trata en esta

sección debido que el tiempo de ocupación se fija al azar conforme a los impulsos de
tasación regulares. Este principio ha sido aplicado en Dinamarca en centrales de tipo de
barras cruzadas.
c) Tarificación de Karlsson modificada. Se puede, por ejemplo, añadir un impulso adicional al

comienzo de la llamada. En sistemas digitales en Dinamarca se aplica una tasa fija por
llamada además de una tasa proporcional a la duración de la llamada.
d) El comienzo del tiempo de ocupación se sincroniza con el proceso de exploración. Esto se

aplica, por ejemplo, para llamadas atendidas por operador y en teléfonos de alcancía.
Lección 30: Ejemplo de mediciones de tráficos.
Para una medición específica se calcula m1,j i y . La desviación de la intensidad de tráfico

observada con relación al valor teórico correcto tiene una distribución aproximadamente normal.
Por tanto, el valor teórico medio desconocido estará dentro del 95% de los intervalos de confianza
calculados:
σ
La varianza es entonces decisiva para la exactitud de una medición. Para estudiar qué
factores i son de mayor importancia se efectuarán cálculos numéricos de algunos ejemplos.
Todas las fórmulas se pueden calcular fácilmente con un calculador de bolsillo.
Ambos ejemplos suponen tráfico PCT−I, (es decir, proceso de llegada de Poisson y tiempos de
ocupación con distribución exponencial), intensidad de tráfico = 10 erlang, y tiempo medio de
ocupación = 180 segundos, que se fija como unidad de tiempo.
172
Ejemplo a: Corresponde a una medición de tráfico clásica:

Periodo de medición = 3600 s = 20 unidades de tiempo = T.
Intervalo de exploración = 36 s = 0,2 unidades de tiempo = h = 1/λs. (100 observaciones)
Ejemplo b: En este caso sólo se explora una vez por tiempo de ocupación medio.
Periodo de medición = 720 s = 4 unidades de tiempo = T.
Intervalo de exploración = 180 s = 1 unidad de tiempo = h = 1/λs. (4 observaciones)
Del cuadro 15.5 se pueden extraer algunas conclusiones generales:
Por el método de exploración se obtiene muy poca información comparada con una
medición continua ya que el intervalo de exploración es menor que el tiempo medio de
ocupación (véase la figura 15.4). La medición continua se puede considerar como una
referencia óptima para cualquier método discreto.
Figura 15.4 – Factor de forma para tiempos de ocupación con distribución exponencial.
Observados por intervalos de exploración con distribución Erlang-k en un periodo de
medición ilimitado. El caso k = ∞ corresponde a intervalos de exploración regulares
(constantes) que transforman la distribución exponencial en distribución de Westerberg. El
caso k = 1 corresponde a intervalos de exploración con distribución exponencial(véase el
método de simulación de la ruleta). El caso h = 0 corresponde a una medición continua. Se
173
observa que con intervalos de exploración regulares casi no hay información si el intervalo
de exploración es menor que el tiempo medio de ocupación (fijado como unidad de tiempo).
Figura 15.5 – Con una escala logarítmica doble se obtiene una relación lineal entre la
exactitud relativa de la intensidad de tráfico A y el volumen de tráfico medido A . T cuando
se efectúa en un periodo ilimitado.
El intervalo de exploración h = 0 corresponde a una medición continua y h > 0 corresponde
al método de exploración. La influencia de un método de medición limitado se representa
en línea punteada para el caso A = 1 erlang y una medición continua teniendo en cuenta el
intervalo de medición limitado. El intervalo T se mide en tiempos medios de ocupación
El conocimiento que se obtiene en relación con un periodo de medición limitado produce

más información para una medición breve (T <5), mientras que se obtiene muy poca
información adicional para T >10. (En el proceso de tráfico hay correlación; la primera parte
de un periodo de medición produce más información que las partes siguientes.)
Utilizando el método de la ruleta se obtiene mayor información que con el método de

exploración (Iversen 1976, [38], 1977 [39]).
Todos los factores mencionados anteriormente tienen mucho menos influencia que el hecho que
los tiempos de ocupación reales se desvían a menudo del esquema de distribución exponencial.
En la práctica, se observa con frecuencia un factor de forma cercano a 4−6. La conclusión que se
pueda hacer de los ejemplos anteriores es que para aplicaciones prácticas es más pertinente
174
aplicar la fórmula elemental (15.8) con un factor de forma correcto que tomara en cuenta el
método y el periodo de medición.
Cuadro 15.2 – Comparación numérica de diversos principios de medición en diferentes

intervalos de tiempo
La teoría anterior es exacta cuando se consideran tarificación de llamadas y medición de

intervalos de tiempo. Para simulaciones estocásticas de computadora el proceso de tráfico es
generalmente estacionario y la teoría se puede aplicar para estimación de la fiabilidad de los
resultados. Sin embargo, los resultados son aproximados ya que las hipótesis teóricas acerca de
sistemas libres y congestión pocas veces son de interés.
En mediciones reales en sistemas de trabajo se tienen variaciones de tráfico durante el día,

errores técnicos, errores de medición, etc. Algunos de estos factores se compensan mutuamente
y los resultados que se han calculado dan una buena estimación de la fiabilidad, y constituyen una
buena base para comparar medidas y principios de medición.
175
BIBLIOGRAFÍA
[1] Abate, J. & Whitt, W. (1997): Limits and approximations for the M/G/1 LIFO waiting−time
distribution. Operations Research Letters, Vol. 20 (1997): 5, 199−206.
[2] Andersen, B. & Hansen, N.H. & og Iversen, V.B. (1971): Use of minicomputer for telephone
traffic measurements. Teleteknik (Edición inglesa) Vol. 15 (1971): 2, 33−46.
[3] Ash, G.R. (1998): Dynamic routing in telecommunications networks. McGraw-Hill 1998. 746
pp.
[4] Baskett, F. & Chandy, K.M. & Muntz, R.R. & Palacios, F.G. (1975): Open, Closed and
Mixed Networks of Queues with Different Classes of Customers. Journ. of the ACM, abril 1975, pp.
248−260. (BCMP queueing networks).
[5] Bear, D. (1988): Principles of telecommunication traffic engineering. Revised 3rd Edition.
Peter Peregrinus Ltd, Stevenage 1988. 250 pp.
[6] Bech, N.I. (1954): Metode til Beregning af Spærring i Alternativ Trunking- og Grade-
ringssystemer. Teleteknik, Vol. 5 (1954) : 4, pp. 435−448.
[7] Bolotin, V.A. (1994): Telephone circuit holding time distributions. ITC 14, 14 th International
Teletraffic Congress. Antibes Juan-les-Pins, France, junio 6-10. 1994. Proceedings pp. 125−134.
Elsevier 1994.
[8] Boots, N.K. & Tijms, H. (1999): A multiserver queueing system with impatient customers.
Management Science, Vol. 45 (1999) : 3, 444−448.
[9] Bretschneider, G. (1956): Bie Berechnung von Leitungsgruppen für überfließenden Verkehr.
Nachrichtentechnische Zeitschrift, NTZ, Vol. 9 (1956) : 11, 533−540.
[10] Bretschneider, G. (1973): Extension of the equivalent random method to smooth traffics.
ITC−7, Seventh International Teletraffic Congress, Estocolmo, junio 1973. Paper 411. 9 pp.
[11] Brockmeyer, E. (1954): The simple overffow problem in the theory of telephone traffic.
Teleteknik 1954, pp. 361-374. En Danés. Traducido al inglés por la Copenhagen Telephone
Company, abril 1955. 15 pp.
[12] Brockmeyer, E. & Halstrøm, H.L. & Jensen, Arne (1948): The life and works of A.K. Erlang.
Transactions of the Danish Academy of Technical Sciences, 1948, No. 2, 277 pp. Copenhague
176
1948.
[13] Burke, P.J. (1956): The Output of a Queueing System. Operations Research, Vol. 4 (1956),
699−704.
[14] Christensen, P.V. (1914): The number of selectors in automatic telephone systems. The
Post Office Electrical Engineers Journal, Vol. 7 (1914) 271-281.
[15] Cobham, A. (1954): Priority assignment in waiting line problems. Operations Research, Vol.
2 (1954), 70−76.
[16] Conway, A.E. & Georganas, N.D. (1989): Queueing Networks −- Exact Computational
Algorithms: A Unified Theory Based on Decomposition and Aggregation. The MIT Press
1989. 234 pp.
[17] Cooper, R.B. (1972): Introduction to Queueing Theory. Nueva York 1972. 277 pp.
[18] Cox, D.R. (1955): A Use of Complex Probabilities in the Theory of Stochastic Processes.
Proc. Camb. Phil. Soc., Vol. 51 (1955), pp. 313−319.
[19] Cox, D.R. & Miller, H.D. (1965): The Theory of Stochastic Processes. Methuen & Co.
Londres 1965. 398 pp.
[20] Cox, D.R.& Isham, V. (1980): Point Processes. Chapman and Hall. 1980. 188 pp.
[21] Crommelin, C.D. (1932): Delay Probability Formulae When the Holding Times are Constant.
Post Office Electrical Engineers Journal, Vol. 25 (1932), pp. 41−50.
[22] Crommelin, C.D. (1934): Delay Probability Formulae. Post Office Electrical Engineers
Journal, Vol. 26 (1934), pp. 266−274.
[23] Delbrouck, L.E.N. (1983): On the steady−state distribution in a service facility carrying
mixtures of traffic with different peakedness factor and capacity requirements. IEEE Transactions
on Communications, Vol. COM-31 (1983): 11, 1209−1211.
[24] Dickmeiss, A. & Larsen, M. (1993): Spærringsberegninger i telenet. Master's thesis.

Institut for Telekommunikation, Danmarks Tekniske Højskole, 1993. 141 pp.
[25] Eilon, S. (1969): A simpler proof of L = λW. Operations Research, Vol. 17 (1969), pp.
915−917.
[26] Elldin, A., and G. Lind (1964): Elementary Telephone Traffic Theory. Chapter 4. L.M.
Ericsson AB, Estocolmo 1964. 46 pp.
[27] Engset, T.O. (1918): Die Wahrscheinlichkeitsrechnung zur Bestimmung der Wählerzahl in
177
automatischen Fernsprechämtern. Elektrotechnische Zeitschrift, 1918, Heft 31. Traducido al inglés

por Telektronikk (Noruega), junio 1991, 4pp.
[28] Eslamdoust, C. (1995): Design of large communication networks. Master's thesis.

Department of Telecommunication, Technical University of Denmark, 1995. 108 + 133 pp.
[29] Feller, W. (1950): An introduction to probability theory and its applications. Vol. 1, Nueva
York 1950. 461 pp.
[30] Fortet, R. & Grandjean, Ch. (1964): Congestion in a loss system when some calls want
several devices simultaneously. Electrical Communications, Vol. 39 (1964) : 4, 513−526.
Documento presentado al ITC−4, Cuarto Congreso Internacional de Teletráfico, Londres,
Inglaterra 15−21 julio 1964.
[31] Fredericks, A.A. (1980): Congestion in blocking systems − a simple approximation

technique. The Bell System Technical Journal, Vol. 59 (1980): 6, 805−827.
[32] Fry, T.C. (1928): Probability and its engineering uses. Nueva York 1928, 470 pp.
[33] Gordon, W.J, and & Newell, G.F. (1967): Closed queueing systems with exponential
servers. Operations Research, Vol. 15 (1967), pp. 254−265.
[34] Grillo, D. & Skoog, R.A. & Chia, S. & Leung, K.K. (1998): Teletraffic engineering for mobile
personal communications in ITU−T work: the need to match theory to practice. IEEE Personal
Communications, Vol. 5 (1998): 6, 38−58.
[35] Hayward, W.S. Jr. (1952): The reliability of telephone traffic load measurements by switch
counts. The Bell System Technical Journal, Vol. 31 (1952): 2, 357−377.
[36] ITU-T (UIT-T) (1993): Unidad de intensidad de tráfico. Recomendación UIT-T B.18. 1993.
1 p.
[37] Iversen, V.B. (1973): Analysis of real teletraffic processes based on computerized
measurements. Ericsson Technics, No. 1, 1973, pp. 1−64. "Holbæk measurements".
[38] Iversen, V.B. (1976): On the accuracy in measurements of time intervals and traffic
intensities with application to teletraffic and simulation. Ph.D.−thesis. IMSOR, Technical University
of Denmark 1976. 202 pp.
[39] Iversen, V.B. (1976): On General Point Processes in Teletraffic Theory with Applications to
Measurements and Simulation. ITC-8, Eighth International Teletraffic Congress, paper 312/1−8.
Melbourne 1976. Publicado en Teleteknik (Edición inglesa) 1977 : 2, pp. 59−70.
[40] Iversen, V.B. (1980): The A-formula. Teleteknik (Edición inglesa), Vol. 23 (1980) : 2, 64−79.
178
[41] Iversen, V.B. (1982): Exact Calculation of Waiting Time Distributions in Queueing Systems
with Constant Holding Times. Fjerde Nordiske Teletrafik Seminar (NTS-4), Fourth Nordic
Teletraffic Seminar, Helsinki 1982. 31 pp.
[42] Iversen, V.B. (1987): The exact evaluation of multi−service loss system with access control.
Teleteknik, Edición inglesa, Vol 31 (1987) : 2, 56-61. NTS−7, Seventh Nordic Teletraffic Seminar,
Lund, Suecia, 25−27 de agosto, 1987, 22 pp.
[43] Iversen, V.B. & Nielsen, B.F. (1985): Some properties of Coxian distributions with
applications, pp. 61−66 in Proceedings of the International Conference on Modelling Techniques
and Tools for Performance Analysis. 5-7 de junio, 1985, Valbonne, Francia. North−Holland Publ.
Co. 1985. 365 pp. (Editor N. Abu El Ata).
[44] Iversen, V.B. & Stepanov, S.N. (1997): The usage of convolution algorithm with truncation
for estimation of individual blocking probabilities in circuit-switched telecommunication networks.
Proceedings of the 15th International Teletraffic Congress, ITC 15, Washington, DC, USA, 22-27
de junio 1997. 1327−1336.
[45] Iversen, V.B. & Sanders, B. (2001): Engset formulæ with continuous parameters − theory
and applications. AEÜ, International Journal of Electronics and Communications, Vol. 55 (2001): 1,
3-9.
[46] Jackson, J.R. (1957): Networks of waiting lines. Operations Research, Vol. 5 (1957), pp.
518−521.
[47] Jackson, J.R. (1963): Jobshop-like queueing systems. Management Science, Vol. 10
(1963), No. 1, pp. 131−142.
[48] Jensen, Arne (1948): An Elucidation of A.K. Erlang's Statistical Works through the Theory of
Stochastic Processes. Published in "The Erlangbook": E. Brockmeyer, H.L. Halstrøm and A.
Jensen: The Life and Works of A.K. Erlang. København 1948, pp. 23−100.
[49] Jensen, Arne (1948): Truncated multidimensional distributions. Pages 58−70 in "The Life
and Works of A.K. Erlang". Ref. Brockmeyer et al., 1948.
[50] Jensen, Arne (1950): Moe's Principle − An econometric investigation intended as an aid in
dimensioning and managing telephone plant. Theory and Tables. Copenhague 1950. 165 pp.
[51] Jerkins, J.L. & Neidhardt, A.L. & Wang, J.L. & Erramilli A. (1999): Operations measurement
for engineering support of high-speed networks with self-similar traffic. ITC-16, 16th International
Teletraffic Congress, Edinburgo, 7-11 de junio, 1999. Proceedings pp. 895−906. Elsevier 1999.
[52] Johannsen, Fr. (1908): "Busy". Copenhague 1908. 4 pp.
[53] Johansen, K. & Johansen, J. & Rasmussen, C. (1991): The broadband multiplexer,
179
"transMux 1001". Teleteknik, Edición inglesa, Vol. 34 (1991) : 1, 57−65.
[54] Joys, L.A.: Variations of the Erlang, Engset and Jacobæus Formulæ, Proceedings of the
Fifth International Teletraffic Congress (ITC-5), Nueva York, USA, 1967, 107−111. También
publicado en: Teleteknik, (Edición inglesa), 11 (1967), No. 1, 42−48.
[55] Joys, L.A. (1968): Engsets Formler for Sannsynlighetstetthet og dens Rekursionsformler.
(Fórmulas de Engset para probabilidad y sus fórmulas recursivas, en noruego). Telektronikk 1968
No 1−2, pp. 54−63.
[56] Joys, L.A. (1971): Comments on the Engset and Erlang formulae for telephone traffic
losses. Thesis. Report TF No. 25,/71, Research Establishment, The Norwegian
Telecommunications Administration. 1971. 127 pp.
[57] Karlsson, S.A. (1937): Tekniska anordninger fö samtalsdebitering enligt tid. Helsingfors
Telefonförening, Tekniska Meddelanden 1937, No. 2, pp. 32−48.
[58] Kaufman, J.S. (1981): Blocking in a shared resource environment. IEEE Transactions on
Communications, Vol. COM-29 (1981) : 10, 1474−1481.
[59] Keilson, J. (1966): The ergodic queue length distribution for queueing systems with finite
capacity. Journal of Royal Statistical Society, Series B, Vol. 28 (1966), 190−201.
[60] Kelly, F.P. (1979): Reversibility and Stochastic Networks. John Wiley & Sons, 1979. 230 pp.
[61] Kendall, D.G. (1951): Some problems in the theory of queues. Journal of Royal Statistical
Society, Series B, Vol. 13 (1951) : 2, 151−173.
[62] Kendall, D.G. (1953): Stochastic processes occuring in the theory of queues and their
analysis by the method of the imbedded Markov chain. Ann. Math. Stat., Vol. 24 (1953), 338−354.
[63] Khintchine, A.Y. (1955): Mathematical Methods in the Theory of Queueing. Londres 1960.
124 pp. (Original en Ruso, 1955).
[64] Kingman, J.F.C. (1969): Markov population processes. J. Appl. Prob., Vol. 6 (1969), 1−18.
[65] Kleinrock, L. (1964): Communication Nets: Stochastic Message Flow and Delay.
McGraw−Hill 1964. Reimpreso por Dover Publications 1972. 209 pp.
[66] Kleinrock, L. (1975): Queueing Systems. Vol. I: Theory. Nueva York 1975. 417 pp.
[67] Kleinrock, L. (1976): Queueing Systems. Vol. II: Computer Applications. Nueva York
1976. 549 pp.
[68] Kosten, L. (1937): Über Sperrungswahrscheinlichkeiten bei Staffelschaltungen. Elek.
180
Nachr. Techn., Vol. 14 (1937) 5−12.
[69] Kraimeche, B. & Schwartz, M. (1983): Circuit Access Control Strategies in integrated digital
networks. IEEE INFOCOM, 9-12 de abril, 1984, San Francisco, USA, Proceedings pp. 230−235.
[70] Kruithof, J. (1937): Telefoonverkehrsrekening. De Ingenieur, Vol. 52 (1937) : E15−E25.
[71] Kuczura, A. (1973): The interrupted Poisson process as anflover ow process. The Bell
System Technical Journal, Vol. 52 (1973) : 3, pp. 437−448.
[72] Kuczura, A. (1977): A method of moments for the analysis of a switched communication
network's performance. IEEE Transactions on Communications, Vol. Com−25 (1977): 2, 185−193.
[73] Lavenberg, S.S. & Reiser, M. (1980): Mean−value analysis of closed multichain queueing
networks. Journal of the Association for Computing Machinery, Vol. 27 (1980): 2, 313−322.
[74] Lind, G. (1976): Studies on the probability of a called subscriber being busy. ITC−8,
Melbourne, noviembre de 1976. Paper 631. 8 pp.
[75] Listov−Saabye, H. & Iversen V.B. (1989): ATMOS, a PC−based tool for evaluating
multi−service telephone systems. IMSOR, Technical University of Denmark 1989, 75 pp. (en
danés).
[76] Little, J.D.C. (1961): A proof for the queueing formula L = λW. Operations Research, Vol.
9 (1961) : 383−387.
[77] Maral, G. (1995): VSAT Networks. John Wiley & Sons, 1995. 282 pp.
[78] Marchal, W.G. (1976): An approximate formula for waiting time in single server queues.
AIIE Transactions, diciembre de 1976, 473−474.
[79] Nguyen, Than-Bang: Trafikplanlægningssystemet TES under Windows. Master's thesis.

Department of Telecommunication, Technical University of Denmark 1995. 74 + 93 pp.
[80] Palm, C. (1941): Mättnoggrannhet vid bestämning af trafikmängd enligt genomsök-

ningsförfarandet (Exactitud de las mediciones en la determinación de volúmenes de tráfico por el
método de barrido). Tekn. Medd. K. Telegr. Styr., 1941, No. 7−9, pp. 97−115.
[81] Palm, C. (1943): Intensitätsschwankungen im Fernsprechverkehr. Ericsson Technics, No.

44, 1943, 189 pp. Traducción al inglés por Chr. Jacobæus: Intensity Variations in Telephone
Traffic. North−Holland Publ. Co. 1987.
[82] Palm, C. (1947): The assignment of workers in servicing automatic machines. Journal of
Industrial Engineering, Vol. 9 (1958) : 28−42. Primera publicación en Suecia en 1947.
181
[83] Palm, C. (1947): Table of the Erlang Loss Formula. Telefonaktiebolaget L M Ericsson,
Estocolmo 1947. 23 pp.
[84] Palm, C. (1957): Some propositions regarding flat and steep distribution functions, pp.
3−17 in TELE (Edición inglesa), No. 1, 1957.
[85] Pinsky, E. & Conway, A.E. (1992): Computational algorithms for blocking probabilities in
circuit−switched networks. Annals of Operations Research, Vol. 35 (1992) 31−41.
[86] Postigo−Boix, M. & García−Haro, J. & Aguilar-Igartua, M. (2001): IMA: technical

foundations, application and performance analysis. Computer Networks, Vol. 35 (2001) 165−183.
[87] Press, W.H. & Teukolsky, S.A. & Vetterling, W.T. & Flannery, B.P. (1995): Numerical
recipes in C, the art of scientific computing. 2nd edition. Cambridge University Press, 1995.
994 pp.
[88] Rabe, F.W. (1949): Variations of telephone traffic. Electrical Communications, Vol. 26
(1949) 243−248.
[89] Riordan, J. (1956): Derivation of moments of overflow traffic. Appendix 1 (pp. 507−514) in
(Wilkinson, 1956 [104]).
[90] Roberts, J.W. (1981): A service system with heterogeneous user requirements −
applications to multi−service telecommunication systems. Pages 423−431 in Performance of data
communication systems and their applications. G. Pujolle (editor), North−Holland Publ. Co. 1981.
[91] Roberts, J.W. (2001): Traffic theory and the Internet. IEEE Communications Magazine Vol.
39 (2001) : 1, 94−99.
[92] Ross, K.W. & Tsang, D. (1990): Teletraffic engineering for product−form circuit−switched
networks. Adv. Appl. Prob., Vol. 22 (1990) 657−675.
[93] Ross, K.W. & Tsang, D. (1990): Algorithms to determine exact blocking probabilities for
multirate tree networks. IEEE Transactions on Communications. Vol. 38 (1990) : 8, 1266−1271.
[94] Rönnblom, N. (1958): Traffic loss of a circuit group consisting of both−way circuits which
is accessible for the internal and external traffic of a subscriber group. TELE (Edición inglesa),
1959: 2, 79−92.
[95] Sanders, B. & Haemers, W.H. & Wilcke, R. (1983): Simple approximate techniques for
congestion functions for smooth and peaked traffic. ITC−10, Tenth International Teletraffic
Congress, Montreal, junio de 1983. Paper 4.4b−1. 7 pp.
[96] Stepanov, S.S. (1989): Optimization of numerical estimation of characteristics of multiflow

models with repeated calls. Problems of Information Transmission, Vol. 25 (1989): 2, 67−78.
182
[97] Sutton, D.J. (1980): The application of reversible Markovp opulation processes to teletraffic.
A.T.R. Vol. 13 (1980): 2, 3−8.
[98] Techguide (2001): Inverse Multiplexing − scalable bandwidth solutions for the WAN.
Techguide (The Technologu Guide Series), 2001, 46 pp. <www.techguide.com>
[99] Vaulot, É. & Chaveau, J. (1949): Extension de la formule d'Erlang au cas ou le traffic est
fonction du nombre d'abonnés occupés. Annales de Télécommunications, Vol. 4 (1949)
319−324.
[100] Veirø, B. (2002): Proposed Grade of Service chapter for handbook. Comisión de Estudio 2
del UIT-T, GT 3/2. Septiembre de 2001. 5 páginas.
[101] Villén, M. (2002): Overview of ITU Recommendations on traffic engineering. UIT−T

Comisión de Estudio 2, COM 2-KS 48/2-E. Mayo de 2002. 21 pp.
[102] Wallström, B. (1964): A distribution model for telephone traffic with varying call intensity,
including overflow traffic. Ericsson Technics, 1964, No. 2, pp. 183−202.
[103] Wallström, B. (1966): Congestion studies in telephone systems with overflow facilities.
Ericsson Technics, No. 3, 1966, pp. 187−351.
[104] Wilkinson, R.I. (1956): Theories for toll traffic engineering in the U.S.A. The Bell System
Technical Journal, Vol. 35 (1956) 421−514.
183

208022-Teletrafico 2013

Cargado por

Copyright:

Formatos disponibles

208022-Teletrafico 2013

Cargado por

Información del documento

Título original

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

208022-Teletrafico 2013

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍAS E INGENIERÍAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

HAROLD EMILIO CABRERA MEZA

Jaime Alberto Leal Afanador

Roberto Salazar Ramos

Maribel Córdoba Guerrero

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El contenido didáctico del curso académico: Teletráfico fue diseñado

Harold Emilio Cabrera Meza, docente del CEAD Pasto, apoyó el

En el escenario actual de los operadores de redes y servicios, es un

Surge a su vez la necesidad de evolución en las tecnologías de

Esta asignatura se fundamenta en el conocimiento de los criterios con

En particular, dado que nuestro interés común son las redes de

teoría abstracta de las probabilidades y los procesos estocásticos que

El curso TELETRÁFICO correspondiente al componente profesional del

El curso tiene 2 créditos académicos los cuales comprenden el estudio

Comprender los conceptos fundamentales en el tema de la

Este curso está compuesto por dos unidades didácticas a saber:

UNIDAD 1. INTRODUCCIÓN A LA INGENIERÍA DE TRAFICO: se

UNIDAD 2. TRÁFICO Y SU APLICACIÓN AL

El curso es de carácter teórico y la metodología a seguir será bajo la

Estudio Independiente: este se desarrollará a través del trabajo

Otro aspecto a considerar dentro del curso es el Sistema de

Tutor-estudiante: a través del acompañamiento individual.

Para el desarrollo del curso es importante el papel que juegan los

Se tienen diferentes opciones y tecnologías, las cuáles deben ser

Materiales impresos: se han convertido en el principal soporte para

Sistemas de interactividades asincrónicas: permite la comunicación

El acceso a documentos complementarios y a los laboratorios del

En la medida que adquiera el rol de estudiante, interiorice y aplique

El curso consta de dos (2) créditos académicos equivalentes a 96

Estudio Independiente: 70 horas

El curso está orientado a la autogestión estudiantil de los

UNIDAD 1. INTRODUCCIÓN A LA INGENIERÍA DE TRÁFICO.

Capítulo 1. Introducción a la Ingeniería de Teletráfico

Lección 1. Modelado de sistemas de comunicaciones

Lección 2. Redes de Comunicación

Lección 3. Conceptos De Tráfico Y De Grado De Servicio

Lección 4. Variaciones de tráfico y concepto de hora cargada

Lección 5. Concepto de bloqueo

Capítulo 2. Teoría de las probabilidades y estadísticas

Lección 6. Generación de tráfico y reacción de los abonados

Lección 7. Introducción al grado de servicio

Lección 8. Funciones de distribución

Lección 9. Procesos de LLegada

Lección 10. Teorema de Little

Capítulo 3. Distribuciones de los intervalos de tiempo

Lección 11. Distribución exponencial

Lección 12. Distribuciones pronunciadas

Lección 13. Distribuciones planas

Lección 14. Distribuciones de Cox

Lección 15. Otras distribuciones Temporales

Lectura complementaria (Contenidos complementarios profundización de temáticas)

Bibliografía Unidad 1(Referenciación de Contenidos complementarios para profundización

UNIDAD 2. TRÁFICO Y SU APLICACIÓN AL DIMENSIONAMIENTO DE REDES DE

Capítulo 4. Sistemas de Pérdidas

Lección 16. El proceso de Poisson

Lección 17. Sistemas de pérdidas de Erlang, fórmula B