Estimadores Bayesianos de distribuciones Weibull aplicados a un modelo de líneas de espera G/G/s
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.2971Palabras clave:
sistemas de cola, cadenas de Markov Monte Carlo, distribución WeibullResumen
Se ha estudiado en la literatura la aproximación de los modelos G/G/s a partir de modelos markovianos M/M/s. Un estudio de un modelo de colas se presenta en el presente artículo usando tiempos de llegadas y servicios Weibull distribuidos cuya estimación de parámetros se realizó con el método Bayesiano cadena de Markov Monte Carlo, específicamente el muestreador de Gibbs. La aproximación de este modelo de líneas de espera es evaluada mediante simulación. Esta metodología se aplicó al caso de repartición de refrigerios en la Universidad del Magdalena en Santa Marta, Colombia. Los resultados muestran la utilidad y potencia para calcular indicadores de un sistema de colas cuando los tiempos entre llegadas y de atención se distribuyen como una Weibull.
Descargas
Citas
Abate, J., Choudhury, G., & Whitt, W. (1994). Waiting-time tail probabilities in queues with long-tail service-time distributions. Queueing Systems, 16, 311-338.
Alfa, A.S., & He, Q.-M. (2017). Point of queue size change analysis of the ph/ph/k system with heterogeneous servers. Operations Research Letters, 45, 581-584.
Allen, A.O. (1990). Probability, Statistics, and Queuing Theory with Computer Science Applications (2 ed.). San Diego: Academic Press.
Armero, C., & Bayarri, M. (1997). A bayesian analysis of a queueing system with unlimited service. Journal of Statistical Planning and Inference, 58, 241-261. DOI:10.1016/S0378-3758(96)00086-9.
Armero, C., & Bayyarri, M. (1994). Bayesian prediction in m/m/1 queues. Queueing Systems, 15, 401-417.
Armero, C., & Conesa, D. (2000). Prediction in markovian bulk arrival queues. Queueing Systems, 34, 327-350.
Ausín, M., Lillo, R., Ruggeri, F., & Wiper, M. (1998). Heavy-tailed probability. En R. Adler, R. Feldman, & M. Taqqu, A Practical Guide to Heavy Tails. New York: Chapman Hall.
Ausín, M., Lillo, R., Ruggeri, F., & Wiper, M. (2003). Bayesian modelling of hospital bed occupancy times using a mixed generalized Erlang distribution. En J. M. Bernardo, M. J. Bayarri, J. O. Berger, A. P. Dawid, D. Heckerman, A. F. Smith, & M. West, Bayesian Statistics (Vol. 7). Oxford: Oxford University Press.
Ausín, M., Wiper, M. P., & Lillo, R. E. (2008). Bayesian prediction of the transient behaviour and busy period in short- and long-tailed gi/g/1 queueing systems. Computational Statistics Data Analysis, 52, 1615-1635. DOI: 10.1016/j.csda.2007.05.009
Ausín, M., Wiper, M., & Lillo, R. (2004). Bayesian estimation for the m/g/1 queue using a phase type approximation. Journal of Statistical Planning and Inference, 118, 83-101. DOI:10.1016/S0378-3758(02)00398-1.
Chaudhry, M.L., & Kim, J.J. (2016). Analytically simple and computationally efficient solution to gix/geom/1 queues involving heavy-tailed distributions. Operations Research Letters, 44, 655-657. DOI: 10.1016/j.orl.2016.07.012.
Christensen, R., Wesley, J., Branscum, A., & Timothy, E. (2011). Bayesian Ideas and data analysis: An introduction for Scientists and Staticicians. Boca Raton: CRC Press.
Guerouahane, N., Aissani, D., Farhi, N., & Bouallouche-Medjkoune, L. (2017). M/g/c/c state dependent queuing model for a road traffic system of two sections in tandem. Computers Operations Research, 87, 98-106. DOI:10.1016/j.cor.2017.05.017.
Hanschke, T. (2006). Approximations for the mean queue length of the gix/g(b,b)/c queue. Operations Research Letters, 34, 205-213. DOI:10.1016/j.orl.2005.01.011.
Kraemer, W., & Langenbanch, B. (1976). Approximate formulae for the delay in the queuing system g/g/1. Proceedings of the eighth international teletraffic congress (págs. 235.1-235.8). Melbourne: Journal of Econometrics.
Liu, Z., & Yu, S. (2016). The m/m/c queueing system in a random environment. Journal of Mathematical Analysis and Applications, 436, 556-567.
Lunn, D., Thomas, A., Best, N., & Spiege Ihalter, D. (2000). Winbugs a bayesian modelling framework: concepts, structure, and extensibility. Statistical and Computing, 10(4), 325-337. DOI:10.1023/A:1008929526011.
Paxon, V., & Floyd, S. (1995). Wide-area traffic: the failure of poisson modeling. IEEE Trans. Networking, 3, 226-244.
Wiper, M. (1998). Bayesian analysis of er/m/1 and er/m/c queues. Journal of Statistical Planning and Inference, 69, 65-79.
Wiston, L. (2008). Investigación de operaciones. México: Cengage Learning.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Revista de Métodos Cuantitativos para la Economía y la Empresa
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
