Sistemas de Filas Simples

1 Teoria de Filas

Processo de chegada: se os usurios de uma fila chegam nos instantes t1, t2, t3,..., tj,
as variveis aleatrias j = tj - tj-1 so chamadas de intervalos entre chegadas.

As variveis aleatrias formam uma seqncia de valores aleatrios Independentes e

Identicamente Distribudos (IID).

O processo mais comum de chegada o processo de Poisson. Neste caso os intervalos

entre chegadas so distribudos exponencialmente IID. Outras distribuies podem
tambm ser utilizadas tais como: Determinstica, Hiper-exponencial e Genrica.

Processo de servio: O tempo que cada usurio do sistema de fila passa em servio
define o seu tempo de servio. usual considerar que estes tempos de servios so
variveis aleatrias IID. A distribuio mais comum a exponencial, porm outras
distribuies tambm so utilizadas, tais como: determinstica, Hyper-exponencial e
genrica.

Nmero de servidores: define o nmero de servidores disponveis no sistema de

fila. Normalmente, estes servidores so idnticos.

Capacidade do sistema: o nmero mximo de usurios que o sistema de fila pode

apresentar. Este nmero considera tanto os usurios na fila como aqueles em servio.
Quando este parmetro no representa nenhuma grande limitao comum utilizar-se
um valor infinito para a sua capacidade.

1
Tamanho da populao: representa o nmero total de usurios em potencial, que
podem chegar no sistema de fila. Na maioria dos sistemas reais a populao finita,
porm se esse nmero suficientemente grande, pode-se utilizar o valor infinito como
tamanho da populao.

Disciplina de Servio: a ordem com que os usurios do sistema so atendidos define

a disciplina de servio ou atendimento. As disciplinas mais comuns so:
FCFS (First Come First Served) O primeiro a chegar o primeiro a
ser atendido.
RR (Round Robin) Um usurio atendido por um tempo mximo pr-
definido e se no for possvel realizar todo o servio, o usurio deve ir
para o final da fila.
LCFS (Last Come First Served) O ltimo a chegar o prximo a ser
atendido.
LCFS-preemptivo O usurio que chegou por ltimo pode
interromper o usurio que est sendo atendido.
PS (Processor Sharing) Corresponde disciplina RR com um
quantum suficientemente pequeno comparado com o tempo mdio de
servio. Equivale a repartir o processador em n partes iguais.

Sistemas de filas que no possuem tempo de espera so chamados de Centros de

Atraso (Delay Center). Em geral, sistemas com infinitos servidores (IS) possuem
esta caracterstica.

Notao

Para a definio de um sistema de filas necessrio se especificar seis parmetros:

A/S/m/B/K/SD onde
A: Distribuio dos intervalos entre chegadas;
S: Distribuio dos tempos de servio;
m: Nmero de servidores;
B: Nmero mximo de usurios no sistema;
K: Tamanho mximo da populao;
SD: Disciplina de atendimento ou servio.

As distribuies dos intervalos entre chegadas e dos tempos de servio so

representadas em geral por uma letra:
M Exponencial;
D Determinstica
G Genrica
Uma distribuio determinstica aquela que define tempos constantes, portanto
no existe nenhuma variabilidade.

Uma distribuio genrica significa uma distribuio no especificada. Os

resultados assim obtidos so vlidos para qualquer distribuio.

2
A distribuio exponencial possui a propriedade de no apresentar memria
(memoryless), isto , o prximo estado s depende do estado atual e no dos estados
anteriores.

Se os intervalos entre chegadas so distribudos exponencialmente com mdia 1/, o

tempo esperado para a prxima chegada sempre 1/, independente do tempo que j
transcorreu desde a ltima chegada.

Variveis associadas a um sistema de filas:

Servio

Chegada Espera

m
nq
ns
Chegada
anterior n
Chegada Incio de Trmino de
atual servio Servio

w s Tempo
t
r

Intervalo entre chegadas sucessivas

Taxa mdia de chegada = 1/E[], em alguns sistemas este parmetro pode
ser funo do estado do sistema
s Tempo de servio de um usurio
Taxa mdia de servio por servidor = 1/E[s]. A taxa total de servio para m
servidores m
n nmero de usurios no sistema. chamado tambm de tamanho da fila,
incluindo os usurios que esto em servio
nq Nmero de usurios esperando para receber servio. sempre menor que
n, pois no inclui os usurios em servio
ns Nmero de usurios em servio no sistema
r Tempo de resposta ou simplesmente tempo no sistema. Inclui tanto o tempo
de espera como o tempo de servio
w Tempo de espera, isto , intervalo de tempo entre o instante de chegada e o
incio do servio

Todas as variveis acima, com exceo de e , so variveis aleatrias.

3
2 Relaes entre as variveis
As relaes discutidas a seguir so vlidas para o sistema G/G/m (ou seja, para qualquer
sistema de filas):

Condio de estabilidade: se o nmero de usurios cresce continuamente e se torna

infinito, o sistema denominado instvel. Para que um sistema seja estvel necessrio
que a seguinte relao seja verdadeira:
< m

Relao entre o nmero de usurios no sistema e nmero na fila:

n = nq + ns

Observe que estas variveis so aleatrias. Em particular esta igualdade leva a uma
outra igualdade entre os seus valores mdios:

E[n] = E[nq] + E[ns]

Se a taxa de servio de cada servidor independente do nmero de usurios na fila, ou

seja,
Cov(nq,ns) = 0
Ento
Var[n] = Var[nq] + Var[ns]

Nmero x Tempo: Se usurios no so perdidos, o nmero mdio de usurios no

sistema est relacionado ao seu tempo de resposta da seguinte maneira:
E[n] = *E[r]

ou de maneira semelhante:
E[nq] = *E[w]

Estas equaes so conhecidas como Resultado de Little e so vlidas desde que o

sistema esteja em situao de equilbrio, isto , em um intervalo grande de observao,
o nmero de sadas igual ao nmero de chegadas ao sistema. Este resultado
independente das distribuies dos intervalos de chegada e dos tempos de atendimento,

Tempo no sistema x Tempo na fila: o tempo no sistema expresso como a soma

do tempo de espera com o tempo de servio:
r=w+s

Note que r,w e s so variveis aleatrias. Portanto existe entre seus valores mdios a
seguinte relao:
E[r] = E[w] + E[s]

e quando o tempo de servio independente do nmero de usurios na fila ento:

Cov(w,s) = 0
e

4
 Var[r] = Var[w] + Var[s]

Resultado de Little

Suponha que o sistema seja monitorado por um intervalo de tempo T e que seja mantido
um registro sobre cada instante de chegada ou de partida. Se T for suficientemente
grande o nmero de chegadas se aproxima do nmero de partidas. Seja esse nmero
igual a N.
Ento
Taxa de chegada = Total de chegadas/Tempo total = N/T

Seja J a soma do tempo gasto no sistema por todos os usurios que passaram pelo
sistema no intervalo T, ento se podem escrever as seguintes relaes:

E[r] = J/N Tempo mdio no sistema

E[n] = J/T Nmero mdio de usurios no sistema

Portanto:

E[n] = (N/T)*(J/N)

Ou seja,

E[n] = * E[r] Resultado de Little

3 Processos Estocsticos
Uma seqncia de variveis aleatrias idnticas indexadas por um mesmo parmetro,
por exemplo, tempos, formam um processo estocstico.

Exemplo: O nmero de usurios na fila de um sistema em funo do tempo, w(t) um

processo estocstico.

Os processos mais comuns utilizados nos sistemas de fila so:

Processos estocsticos com estado discreto

Dependendo dos valores que a varivel aleatria pode tomar, podem-se ter processos
com estados discretos ou contnuos. Por exemplo: O nmero de usurios na fila um
processo discreto.

Processo de Markov

Se os estados futuros do processo dependem exclusivamente do estado atual, o processo

chamado de Markov, como no caso de variveis aleatrias com distribuio
exponencial que possuem a propriedade memoryless. Neste caso, o tempo em que o
sistema se encontra no estado atual no afeta o prximo intervalo de tempo.

5
Cadeia de Markov

Um processo de Markov com estados discretos chamado de cadeia de Markov.

Os sistemas de fila do tipo M/M/m podem ser modelados como uma cadeia de Markov
considerando-se como estado o nmero de usurios na fila.

Processo Nascimento e Morte

Os processos de Markov que possuem um espao de estado discreto e no qual as

transies de estado s podem ocorrer entre estados vizinhos, so denominados de
processos de Nascimento e Morte.

Neste caso, pode-se representar os estados por um nmero inteiro N e as possveis

mudanas de estado so para (N+1) ou (N-1).

Por exemplo, o nmero de usurios N em um sistema de filas que apresenta somente

chegadas individuais pode ser modelado por um processo de Nascimento e Morte.

Processo de Poisson

Se os intervalos entre chagadas so IID e exponencialmente distribudos, o nmero de

chegadas num intervalo de tempo (t,t+x) possui uma distribuio de Poisson.

Os processos de Poisson so muito utilizados nos sistemas de filas e apresentam

algumas propriedades interessantes.

a) Juno de processos de Poisson:

2 =
Poisson

Poisson

6
 b) Distribuio de processos de Poisson

1=p1*
p1

p2 2=p2*
Poisson
pk
=pk*

Poisson

c) Partida de um sistema M/M/1

<

Poisson Poisson

Relao entre os diversos processos estocsticos

Processos
Estocsticos

Processos de
Markov

Processos de
Nascimento e
Morte

7
4 Anlise de Fila nica

Seja um sistema de fila nica:

Este sistema pode ser descrito como um Processo de Nascimento e Morte em

que o estado representado pelo nmero de usurios no sistema (ver captulo de Noes
de Processos Estocsticos e de cadeia de Markov).

0 1 2 j-2 j-1 j j+1

0 1 2 j-1 j j+1
1 2 3 j-1 j j+1 j+2

Diagrama de Transio de Estados

Probabilidades em Equilbrio

Consideremos que em um instante t o sistema est no estado j, isto , existem j usurios

no sistema.

pj (t) a probabilidade do sistema estar no estado j no instante t, isto , de possuir j

usurios.

O clculo de pj (t) na situao de equilbrio pode ser feito atravs de uma equao de
balanceamento de fluxo de probabilidades em cada estado da Cadeia de Markov. A
ltima equao necessria a soma das probabilidades de todos os estados que igual a
um.

Em uma intervalo de tempo t, o sistema poder continuar no estado j ou mudar para o

estado j-1 ou j+1 de acordo com as probabilidades:

Pr[ir para o estado j+1 | est no estado j] = j t

Pr[ir para o estado j-1 | est no estado j] = j t
Pr[continuar no estado j] = (1 - j t - j t)

8
O intervalo de tempo t deve ser pequeno o suficiente para no haver dois eventos
simultneos neste intervalo. Podemos montar um conjunto de equaes para as
transies de estado:

p0(t + t) = (1 - 0 t) p0(t) - 1 t p1(t)

p1(t + t) = 0 t p0(t) + (1 - 1 t - 1t ) p1(t) + 2t p2(t)
p2(t + t) = 1 t p1(t) + (1 - 2 t - 2t ) p2(t) + 3t p3(t)
...
pj(t + t) = j-1t pj-1(t) + (1 - j t - j t ) pj(t) + j+1t pj+1(t)

A ltima equao pode ser escrita como:

pj(t + t) = j-1t pj-1(t) + pj(t) - (j+ j) t pj(t) + j+1t pj+1(t)

pj(t + t) - pj(t) = j-1t pj-1(t) - (j+ j) t pj(t) + j+1t pj+1(t)

(pj(t + t) - pj(t))/t = j-1 pj-1(t) - (j+ j) pj(t) + j+1 pj+1(t)

No limite quando t 0 tem-se:

p j ( t + t ) p j ( t )
lim
t 0 t
= j1 p j1 ( t ) ( j + j )p j ( t ) + j+1 p j+1 ( t )

Ento
dp j ( t )
= j1 p j1 ( t ) ( j + j ) p j ( t ) + j+1 p j+1 ( t )
dt
Quando o sistema est na, situao de equilbrio, isto , estvel, a probabilidade de estar
em um estado j no varia com o tempo o que significa que a derivada de pj(t) nula.

0 = j1p j1 ( t ) ( j + j )p j ( t ) + j+1p j+1 ( t )

Neste caso, pj(t) ser indicado como pj .

0 = j1p j1 ( j + j )p j + j+1p j+1 para j=1,2,...,

0p 0
p1 =
1
( j + j )p j j1p j1
p j+1 =
j+1 j+1

Calculando pj em funo de p0 temos:

p
p1 = 0 0
1

9
 ( 1 + 1 )p1 0 p 0 ( 1 + 1 ) 0 p 0 0 p 0 0 1
p2 = = = p0
2 2 2 1 2 1 2

Para n=1,2,...,
0 1 2 ... n1
pn = p0
1 2 3 ... n

A probabilidade de equilbrio de um processo nascimento e morte se encontrar num

determinado estado :
n 1 j
pn = p 0
j= 0 j+1
Para n=1,2,...,

Podemos determinar p0, que a probabilidade do sistema possuir zero usurios,

considerando que

p
n=0
n =1

Clculo de p0:
n 1 j
1 = p 0 + pn = p0 + p 0
n =1 n =1 j= 0 j+1
n 1 j
1 = p 0 (1 + )
n =1 j = 0 j+1

Desta forma, a soluo geral de um Processo Nascimento e Morte dada por:

1
p0 = n 1
1 +
j

n =1 j = 0 j +1

n 1 j
pn = p 0 *
j= 0 j+1

5 Filas Markovianas
So as filas nicas com chegada e atendimento pelo processo de Poisson, indicadas de
forma genrica como M/M/m/B sendo M o nmero de servidores, e B o nmero
mximo de usurios no sistema. Neste caso considera-se que o sistema se encontra na
situao de equilbrio em que a taxa de chegada no se altera, sendo igual a , e as taxas
de servio de dos servidores no se alteram, sendo que todos servidores tem a mesma
taxa de atendimento .

10
5.1 Fila nica M/M/1

O sistema M/M/1 se encontra na situao de equilbrio em que os e no se alteram

conforme o nmero de usurios no sistema.

<

0 1 2 j-1 j j+1

Diagrama de transio de estados

Para este sistema tem-se:

n =

n=

Aplicando a forma geral de soluo do processo nascimento e morte, chega-se:

p n = ( )n * p 0

onde / chamada de intensidade de trfego e usualmente representada por ,

portanto
pn = p0 * n , onde p0 = 1 -

Baseado nesta soluo pode-se derivar os principais parmetros do sistema M/M/1:

a. Fator de utilizao do servidor: U

U = 1 - P0 =

b. Nmero mdio de usurios no sistema:

E(n) = n.Pn = n.(1 ). n =
n =1 n =1 (1 )
c. Varincia do nmero de usurios no sistema:

11

Var (n) = E(n 2 ) E(n) 2 = n 2 .(1 ). n E(n) 2 =
n =1 (1 )2
d. Probabilidade de se ter n ou mais usurios no sistema:

p n = p j = j .(1 ) = n
j =n j =n

e. Tempo mdio de resposta: E[r]

Considerando que E[n] = * E[r] pelo Resultado de Little tem-se que:

1
E(n) 1
E(r) = = . =
(1 ) 1
f. A distribuio de probabilidades do tempo de resposta no sistema F(r) uma
distribuio exponencial:
F(r) = 1 e r(1 )

Nmero
mdio de
Grfico de E[nq] x
clientes
na fila
E[nq ] = 2 /(1 )

0 1 =

Observar: quando se aproxima de 1 o tempo na fila e o nmero de clientes na fila
tendem a infinito.

12
5.2 Fila nica M/M/m

Este sistema possui uma fila e m servidores cada um com taxa de atendimento .

Conforme os usurios entram no sistema, pelo fato de servidores entrarem em operao,

a taxa de servio vai aumentando em mltiplos de , at que todos os servidores
estejam ocupados. A partir deste ponto a taxa de atendimento se mantm igual a m.

0 1 2 m-1 m m+1
2 3 (m-1) m m m

Diagrama de transio de estados

5.3 Fila nica M/M/1/B

Este sistema possui uma fila e um servidor com taxa de atendimento , sendo que a fila
possui tamanho B-1, isto , o limite no nmero de usurios no sistema B.

B-1

0 1 2 B-1 B

Diagrama de transio de estados

13
5.4 Fila nica M/M/m/B

Este sistema possui uma fila e m servidores cada um com taxa de atendimento sendo
que a fila possui tamanho B-m, isto , o limite no nmero de usurios no sistema B.

B-m

Conforme os usurios entram no sistema, pelo fato de servidores entrarem em operao,

a taxa de servio vai aumentando em mltiplos de . Tem-se duas situaes possveis:
Bm e B>m.

a) Se Bm

0 1 2 B-1 B
2 3 (B-1) B

Diagrama de transio de estados

b) Se B>m

0 1 2 m-1 m B-1 B
2 3 (m-1) m m m m

Diagrama de transio de estados

14
6 Bibliografia
[1] Jain, R., The Art of Computer Systems Performance Analysis, John Wiley &
Sons Inc, ISBN: 0-471-50336-3, 1991, 685 p.
[2] Cassandras, C. G., Discrete Event Systems: Modeling and Performance Analysis,
Aksen Associates Incorporated Publishers, 1993 , ISBN: 0-256-11212-6, 790p.
[3] Menasc, D. A., Almeida, V. A. F., Scaling E-Business: Technologies, Models,
Performance and Capacity Planning, Prentice-Hall, ISBN: 0-13-086328-9, 2000,
449p.
[4] Marsan, M. A., Balbo, G., Conte, G., Donatelli, S., Franceschinis, G., Modeling
with Generalized Stochastic Petri Nets, John Wiley & Sons, ISBN: 0-471-93059-
8, 1995, 301p.

7 Exerccios

1) Durante uma hora de observao, um servidor de nomes de um sistema recebeu

10.800 requisies. O tempo mdio de resposta observado a essas requisies foi de
1/3 de segundo. Qual o nmero mdio de consultas no servidor? O que deve ser
assumido a respeito do sistema? O nmero mdio de consultas seria diferente se o
tempo de servio no fosse distribudo exponencialmente?
Resp.: 1, fluxo balanceado, no pois foi utilizada a frmula de Little que no exige
distribuio exponencial.

2) O tempo mdio de resposta em um sistema de bases de dados do campus de uma

universidade 3 segundos. Durante um perodo de observao de 1 minuto, o tempo
ocioso no sistema foi medido como 10 segundos. Usando o modelo M/M/1 para o
sistema determine o seguinte:
a) Utilizao do sistema
b) Tempo mdio de servio por consulta
c) Nmero de consultas completadas durante o intervalo de observao
d) Nmero mdio de consultas no sistema
e) Probabilidade do nmero de consultas no sistema ser maior que 10
f) Tempo de resposta em 90%
g) Tempo de espera em 90%.
Resp.: a) 5/6; b) 0,5 s; c)100; d) 5; e) 0,135; f) 6,9 s; g) 6,36 s.

3) Considerando que o tempo mdio de resposta no exerccio anterior no est

aceitvel, a universidade est analisando uma das seguintes alternativas. Qual dessas
alternativas garante um tempo de resposta menor?
a) Substituir o computador por um que seja duas vezes mais rpido.
b) Colocar outro computador idntico ao primeiro em outro lugar do campus.

4) Um servidor de rede possui uma unidade de disco com tempo mdio para
processamento de uma requisio de Entrada/Sada de 50 ms. A taxa de chegada de
requisies de 16 requisies por segundo.
Determine:
a) Fator de utilizao do disco.

15
 b) Probabilidade de o servidor estar ocioso.
c) Probabilidade de ter que esperar na fila.
d) Nmero mdio de requisies no servidor.
e) Nmero mdio de requisies esperando na fila.
f) Tempo mdio de resposta a uma requisio.
g) Varincia do tempo de resposta.
h) Tempo de espera em 90%.

5) Para melhorar o tempo de resposta do servidor da questo anterior devem ser

analisadas as seguintes alternativas:
I. Colocar mais um disco com mesmo tempo de atendimento (50 ms por
requisio) e com uma fila atendendo aos dois discos.
II. Colocar mais um disco com mesmo tempo de atendimento (50 ms por
requisio) e com uma fila para cada disco.
III. Trocar o disco por outro com o dobro da velocidade.
Em relao s trs alternativas responda:
a) Qual o tempo de resposta e o tempo de espera na fila para cada uma das
alternativas,
b) Qual a melhor soluo e qual critrio utilizou nesta deciso.

6) Um sistema de armazenamento de um computador consiste de 3 unidades de disco

compartilhando uma fila comum. O tempo mdio de atendimento de uma requisio
de E/S de 50 ms. As requisies de E/S chegam ao sistema a uma taxa de 30
requisies por segundo. Utilizando o modelo M/M/3 para este sistema, determine:
a) Taxa de utilizao mdia dos discos.
b) Probabilidade de o sistema estar ocioso, p0.
c) Probabilidade de ter que esperar na fila.
d) Nmero mdio de requisies no sistema, E[n].
e) Nmero mdio de requisies esperando na fila, E[nq].
f) Tempo mdio de resposta, E[r].
g) Varincia do tempo de resposta.
h) Tempo de espera em 90%.
Resp.: a) 0,5; b) 0,21; c) 0,24; d) 1,7; e) 0,25; f) 0,0579s; g) 0,00296s2; h) 0,0287s.

7) Repita o exerccio anterior assumindo que uma fila separada mantida para cada
unidade de disco do sistema. Assuma tambm a mesma taxa de chegada de
requisies.
Resp.: a) 0,5; b) 0,5; c) 0,5; d) 1; e) 0,5; f) 0,1s; g) 0,01s2; h) 0,16s.

8) Assumindo que existem apenas 4 buffers no exerccio 6, determine:

a) Probabilidade pn de n requisies no sistema, n=0, 1, 2, 3 e 4.
b) Nmero mdio de requisies no sistema, E[n].
c) Nmero mdio de requisies na fila, E[nq].
d) Varincia do nmero de requisies no sistema Var[n].
e) Taxa de chegada efetiva.
f) Taxa de perda de requisies.
g) Utilizao das unidades de disco.
h) Tempo mdio de resposta.

16
 Resp.: a) 0,22; 0,34; 0,25; 0,13; 0,0629 b) 1,5 req; c) 0,0629; d) 1,3; e) 28; f) 1,9; g)
0,47; h) 0,0522.

9) 50% dos alunos que vo sala de um professor para esclarecer dvidas desistem se
o professor j est ocupado e 100% desistem se o professor est ocupado e j existe
um colega espera. Desenhe a cadeia de Nascimento e Morte deste sistema
considerando que a taxa inicial de chegada de alunos e o tempo mdio de
atendimento de cada aluno 1/. Determine as probabilidades de equilbrio deste
sistema. Qual o nmero mdio de alunos sendo atendidos se =2 alunos/hora e
1/=15 minutos.

10) Um banco quer determinar quantas ATMs (mquinas de auto-atendimento) devem

ser instaladas em uma localidade onde chegam 40 clientes por hora, sendo que uma
transao leva em mdia 1 minuto para ser processada. O banco cobra R$1,00 por
transao e assume que quando existem mais de 2 pessoas na fila por uma ATM o
cliente desiste. Supondo que a chegada Poisson e o tempo de processamento da
transao exponencial determine quantas ATM devem ser colocadas de forma que
a perda esperada por hora seja inferior a R$5,00?

11) Um supermercado oferece R$10,00 aos seus prximos 1000 clientes que
encontrarem todas as caixas ocupadas. Considere que existe uma fila nica para
todos os caixas. Os clientes chegam fila a uma taxa de 3 clientes por minuto e a
taxa de servio de cada caixa 2 clientes por minuto. O gerente do supermercado
quer saber quantos caixas deve manter em funcionamento para que seu oramento
de R$2.500,00 no seja excedido, isto , a promoo no deve gastar mais que
R$2.500,00 para esses primeiros 1000 clientes.

17
8 Frmulas

M/M/1 M/M/m
1. Taxa de chegada
Taxa de servio
Nmero de Servidores 1 m
2. Fator de utilizao
U= = U= =
m
3. Probabilidade de zero usurios no 1
p0 = 1 ( m ) m m1 ( m ) n
sistema p 0 = 1 + +
m!(1 ) n =1 n !
4. Probabilidade de n usurios no p n = (1 ) n ( m ) n
sistema pn = p0 n<m
n= 0,1,2,..., n!
mm n
p n = p0 nm
m!
5. Probabilidade de n ou mais usurios p n = n
no sistema
6. Probabilidade de esperar na fila p 1 = ( m) m
= P( m usurios ) = P0
m! (1 )
7. Nmero mdio de usurios no E[n] = / (1 ) E[n] = m + /(1 )
sistema
8. Varincia do nmero de usurios no Var[n] = / (1 ) 2 1 +
sistema
2
Var[n] = m + + m
(1 )

18
 M/M/1 M/M/m
9. Tempo mdio de resposta E[r] = (1 / ) /(1 ) 1
E[r] = 1 +
m(1 )
10.Varincia do tempo de resposta Var[r] = (1 / 2 ) / (1 ) 2 1 ( 2 )
Var[r] = 1 +
2 m 2 (1 ) 2

11.Probabilidade de k usurios na fila p(nq = k) = 1 2 k=0

p(nq = k) = (1 ) k +1 k>0
12.Nmero mdio de usurios na fila E[n q ] = 2 / (1 ) E[n q ] = /(1 )
13.Varincia do nmero de usurios na Var[nq ] = 2 (1 + 2 ) /(1 ) 2 Var[nq ] = (1 + ) /(1 ) 2
fila
14.Tempo mdio de espera E[w] = /[(1 )] E[w] = /[m(1 )]
15.Varincia do tempo de espera Var[w] = (2 ) /[ 2 (1 )2 ] Var[w] = (2 ) /[m2 2 (1 )2 ]
16.Tempo de resposta em q% 100
rq% = E[r ] ln
100 q
17.Tempo de espera em q% E[ w] 100 E[ w ] 100
w q% = max 0, ln w q% = max 0, ln
100 q 100 q

19
 M/M/1/B M/M/m/B
1. Taxa de chegada
Taxa de servio
Nmero de servidores 1 m
Nmero de usurios B (B1) B (Bm)
2. Fator de utilizao U = (1 PB ) sendo =/ U = (1 PB ) sendo =/(m)
O sistema sempre estvel (<) O sistema sempre estvel (<)
3. Probabilidade de zero usurios no 1
(1 ) (1 B m +1 )( m ) m m 1 ( m ) n
sistema p0 = 1 p 0 = 1 +
(1 B+1 ) m!(1 )
+
n =1 n!
1
p0 = =1
( B + 1)
4. Probabilidade de n usurios no (1 ) n ( m ) n
sistema pn = 1 e 0 n B p n = p0 0nm
(1 B+1 ) n!
1 m
pn = =1 e 0 n B m n
( B + 1) p n = p0 mnB
m!
pn = 0 n>B
5. Taxa de chegada efetiva ' = (1 PB ) ' = (1 PB )
6. Taxa de perda PB PB
7. Nmero mdio de usurios no ( B + 1) B+1
sistema E[n] =
1 1 B+1
8. Nmero mdio de usurios na fila 1 + B B
E[n q ] =
1 1 B+1
9. Tempo mdio de resposta E[r] = E[n ] /[(1 PB )] E[r] = E[ n ] /[ (1 PB )]
10.Tempo mdio de espera E[w] = E[ n q ] /[(1 PB )] E[w] = E[ n q ] /[(1 PB )]

20
Frmulas de Progresses Geomtricas
Sendo
a0 - primeiro termo
an - ltimo termo
q - razo

1. Soma dos n primeiros termos de uma PG finita

n
S n = a 0 + a1 + ... + a n = a i qn
i=0

a 0 (1 q n +1 )
Sn =
(1 q)

S n = a 0 + a1 + ... + a n + ... = a i qn
i=0

a0
Sn =
(1 q)

2. Soma de uma PG infinita (srie) com razo q < 1

21