Ley de Cunningham o De cómo funciona esto

La Ley de Cunningham reza así "La mejor manera de conseguir la respuesta a una pregunta en Internet no es realizando la pregunta, sino escribiendo una respuesta equivocada"

XKCD - Duty Calls

En original "The best way to get the right answer on the Internet is not to ask a question, it's to post the wrong answer". En francés, que es más molón, dicen "prêcher le faux pour savoir le vrai". Los alemanes son concisos al respecto: "Leck mich am Arsch". En este enlace a Emezeta hay un montón de principios y leyes igualmente relevantes.

Erlang-C en Python - Herramientas para el Cálculo de Probabilidad de Espera y Número de Agentes...

Aquí dejo una página con una explicación muy buena sobre los Erlangs, y unas rutinas en Python que escribí una tarde para calcular probabilidades de espera, número de agentes, nieveles de servicio u temas relacionados con los Erlang. No soy para nada experto en el tema, simplemente necesitaba validar unos números y las calculadoras que encontraba no me servían (o yo no supe usarlas)  / Here's a link to a very good explanation about the Erlangs, and a few Python routines I put together one evening to compute traffic intensity, agent occupancy, probability of waiting, average speed of answer (ASA), service level, agents needed and other Erlang-C related stuff. I'm not an expert on this at all, just needed to validate some data and the calculators I came across didn't suit me (or I just didn't know how to use them)

http://www.mitan.co.uk/erlang/elgcmath.htm

from math import pow,factorial,log,exp

def PowerFact(b,e):
    ## Returns b^e / e! used everywhere else in the model
    return pow(b,e)/factorial(e)

def erlangC(m,u):
    ## Returns the probability a call waits.
    ## m is the agent count
    ## u is the traffic intensity
    suma=0
    for k in range(0,m):
        suma+=PowerFact(u,k)
    erlang=PowerFact(u,m)/((PowerFact(u,m))+(1-p)*suma)
    return erlang

def SLA(m,u,T,target):
    ## Returns the average speed of answer
    ## m is the agent count
    ## u is the traffic intensity
    ## T is the average call time
    ## target is the target answer time
    return (1 - erlangC(m, u) * exp(-(m-u)*(target/T)))

def ASA(m,u,T):
    ## Returns the average speed of answer (ASA)
    ## m is the agent counts.
    ## u is the traffic intensity
    ## T is the average call time
    return erlangC(m, u)*(T/(m-u))

def agentsNeeded(u,T,targetSLA,target):
    ## Returns the number of agents needed to reach given SLA
    ## u is the traffic intensity
    ## T is the average call time
    ## target is the target answer time
    ## targetSLA % calls answered under target time
    level=0
    m=1
    while level < targetSLA:
        level=SLA(m,u,T,target)
        m+=1
    return m-1
  
################

calls=360.     # number of calls in a given time interval
interval=1800. # the time interval, in secs (1800 s == 30 minutes)
landa=calls/interval
T=240.         # average call duration, in secs
m=55           # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'secs, average speed of answer (ASA)'
target=15
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'secs'
nivel=0.7
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'secs'

################

print "-"*10

calls=300.      # number of calls in a given time interval
interval=900. # the time interval, in secs (here 15 minutes)
landa=calls/interval
T=180.        # average call duration, in secs
m=65            # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'secs, average speed of answer (ASA)'
target=45
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'secs'
nivel=0.95
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'secs'

################

print "-"*10

calls=650.      # number of calls in a given time interval
interval=3600. # the time interval, in secs (here 1h)
landa=calls/interval
T=150.        # average call duration, in secs
m=34            # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'secs, average speed of answer (ASA)'
target=30
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'secs'
nivel=0.5
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'secs'

################

print "-"*16

calls=20.      # number of calls in a given time interval
interval=3600. # the time interval, in secs (1800 s == 30 minutes)
landa=calls/interval
T=1800.        # average call duration, in secs
m=11           # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'secs, average speed of answer (ASA)'
target=3600
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'secs'
nivel=0.8
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'secs'
################

print "-"*16

calls=4280.      # number of calls in a given time interval
interval=168.    # the time interval, in hours (7dx24h = 168)
landa=calls/interval
T=1./6           # average call duration, in hours
m=6           # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'hrs, average speed of answer (ASA)'
target=0.5
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'hrs'
nivel=0.87
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'hrs'

################

print "-"*16

calls=1282.    # number of calls in a given time interval
interval=60.   # the time interval, in hours (5dx12h = 60)
landa=calls/interval
T=0.75         # average call duration, in hours
m=18           # number of agents
u=landa*T      # traffic intensity
p=u/m          # agent occupancy

print landa,'calls/interval'
print u,'traffic intensity'
print m,'agents'
print p,'agent occupancy'
print erlangC(m,u)*100,'% probability of waiting, ErlangC'
print ASA(m,u,T),'hrs, average speed of answer (ASA)'
target=1
print SLA(m,u,T,target)*100,'% probability call is answered in less than',target,'hrs'
nivel=0.89
print agentsNeeded(u,T,nivel,target),'agents needed to reach',nivel*100,'% calls answered in <',target,'hrs'


SALIDA

0.2 calls/interval
48.0 traffic intensity
55 agents
0.872727272727 agent occupancy
23.8700936378 % probability of waiting, ErlangC
8.18403210439 secs, average speed of answer (ASA)
84.5883092171 % probability call is answered in less than 15 secs
52 agents needed to reach 70.0 % calls answered in < 15 secs
----------
0.333333333333 calls/interval
60.0 traffic intensity
65 agents
0.923076923077 agent occupancy
42.0072292571 % probability of waiting, ErlangC
15.1226025326 secs, average speed of answer (ASA)
87.964727315 % probability call is answered in less than 45 secs
68 agents needed to reach 95.0 % calls answered in < 45 secs
----------
0.180555555556 calls/interval
27.0833333333 traffic intensity
34 agents
0.796568627451 agent occupancy
14.3013055995 % probability of waiting, ErlangC
3.10148796134 secs, average speed of answer (ASA)
96.4140712702 % probability call is answered in less than 30 secs
27 agents needed to reach 50.0 % calls answered in < 30 secs
----------------
0.00555555555556 calls/interval
10.0 traffic intensity
11 agents
0.909090909091 agent occupancy
68.2118204689 % probability of waiting, ErlangC
1227.81276844 secs, average speed of answer (ASA)
90.7685339568 % probability call is answered in less than 3600 secs
11 agents needed to reach 80.0 % calls answered in < 3600 secs
----------------
25.4761904762 calls/interval
4.24603174603 traffic intensity
6 agents
0.707671957672 agent occupancy
34.8436314992 % probability of waiting, ErlangC
0.0331093330988 hrs, average speed of answer (ASA)
99.8193211949 % probability call is answered in less than 0.5 hrs
5 agents needed to reach 87.0 % calls answered in < 0.5 hrs
----------------
21.3666666667 calls/interval
16.025 traffic intensity
18 agents
0.890277777778 agent occupancy
53.5967359233 % probability of waiting, ErlangC
0.20353190857 hrs, average speed of answer (ASA)
96.1496854898 % probability call is answered in less than 1 hrs
18 agents needed to reach 89.0 % calls answered in < 1 hrs




 

Alas de Geometria Variable - LEGO MOC

Infosec Reactions

When the intern reads the doc of msf

When a colleage leaves his workstation unlocked

When my family asks me which company I’ve successfully penetrated as a pentester

Senior and junior doing security incident analysis

Me gusta echar unas risas antes de ir a dormir. Una de dos, o visito Infosec Reactions, o Liveleaks.

¿Falso Positivo o Falso Negativo?

Volvemos al tajo, y lo hacemos por todo lo alto. A partir de ahora solo publicaremos estudios del más alto nivel científico-matemático, como por ejemplo esta didáctica explicación sobre la diferencia entre los distintos tipos de error (errores alfa/beta, o tipo I/II)

La versión aburrida, aquí.

Como siempre, gracias por venir.

Do not trust atoms, they make up everything

Se fué Alberto de Francisco

Me acabo de enterar la muerte de Alberto de Francisco. Brillante, valiente, generoso, inabarcable... Me faltan palabras.

Hoy somos un poco más pobres.

These folks are up to no good - Lego

 





Necesitamos más ladrillos. Como siempre, gracias por venir. Si te gustó el post puedes apuntarte a través del correo electrónico o por medio del feed RSS (más información acerca del RSS).

Casa Lego Termo-Eólico-Fotovoltaica

Como siempre, gracias por venir. Si te gustó el post puedes apuntarte a través del correo electrónico o por medio del feed RSS (más información acerca del RSS).

¿Hay vida después de Reader? (Keep Calm and RSS on)

Google ha decidido cargarse otro producto más, esta vez nada menos que Google Reader, el lector de feeds RSS de referencia (¿qué cojones es eso del RSS?). El mejor resumen lo ha hecho el Dr. Chulilla:

Sin un lector RSS, no puedo seguir los temas que me interesan, al ritmo y riqueza que me interesa y en el tiempo que tengo disponible. Y esto es cierto para muchísimos blogueros, influyentes o no, y diría que para la mayoría de los que estamos interesados en el progreso de las tecnologías personales.

Pero lectores RSS hay muchos, por ejemplo TheOldReader,  NewsBlur, Netvibes y Bloglines. Ahora mismo el que se perfila como ganador de todo este asunto es Feedly, que en dos días lleva medio millón de nuevos usuarios. Al final seguiremos leyendo nuestros feeds aquí o allá.

Entonces, a qué viene el lío, ¿Qué tiene, o mejor dicho, qué tenía de especial Google Reader? Sigamos leyendo al Doctor (la negrita es mía)

[Antes] Reader permitía compartir y comentar post interesantes con otros usuarios, y eso dio lugar al tipo de comunidad más interesante en el que he participado, los sharebros: comunidades que se creaban compartiendo y comentando posts desde google reader o el igualmente difunto buzz.

En efecto, a través del Reader seguía no sólo lo que compartían Dubitador, Juan Luis, Juan Ignacio, Alberto, Jose, Stuart, Darío... si no, sobre todo, sus opiniones sobre los temas más diversos. Muchas veces se armaban polémicas, pero siempre eran respetuosas y confieso que he aprendido mucho de todos ellos, a los que considero mis amigos aunque a la mayoría no les conozca en persona. Esa comunidad, esa aldea virtual, que en mi caso llegó a abarcar a unos cientos de personas, fue la que se cepillaron cuando quitaron el botón de compartir y nos metieron a capones en Google+. Ese fue el principio del fin de la mejor comunidad de curación de contenidos.

El caso es que me adaptaré al nuevo agregador de feeds (a continuación os muestro mis primeros tanteos con algunos de ellos)...

pero me gustaría que donde sea que recalemos, no nos fragmentemos aún más.

Aquí dejo unos cuantos enlaces.  Puedes apuntarte a través del correo electrónico o por medio del feed RSS (más información acerca del RSS).