Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
APLICACION
DE LA TEORIA
DE COLAS Y CADENAS DE MARKOV
A UN SISTEMA DE INFORMACION
PENAL
CORTE SUPERIOR DEL CONO NORTE DE LIMA
TESIS
Para Optar el Ttulo Profesional de:
Licenciado en Estadstica
Nel Quezada
Lucio
Lima-Per
2000
RESUMEN
Superior de Justicia del Cono Norte de Lima. Que consta de dos etapas. Primera; los usuarios
Markov
llegan en busca de servicio se forma una Cola, esperan su turno, reciben el servicio y luego se
marchan. Se prob que las llegadas tienen una funcin de distribucin de y el tiempo
entre llegadas y el tiempo de servicio tienen una distribucin de densidad exponencial lo cual
costos, entre otros. Segunda Etapa: se identifican los estados del proceso penal, es decir, por
donde pasa el usuario con el fin de conseguir el servicio. Se calculan, las probabilidades de
incondicionales, los tipos de estados, la matriz de accesibilidad y otros. Para ello presentamos
diagramas del Sistema de Informacin Penal y un Software Cliente/Servidor que acta como
INTRODUCCION .................................................................................................................... 1
ANTECEDENTES
1.- Materiales........................................................................................................................... 44
CAPITULO III
CONCLUSIONES ................................................................................................................... 86
SUGERENCIAS ...................................................................................................................... 88
BIBLIOGRAFIA..................................................................................................................... 89
ANEXOS ................................................................................................................................. 90
Anexo 1
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Anexo 6
Anexo 7
Anexo 8
Probabilidades de los estados en las colas con uno o varios servidores .................... 106
Anexo 9
Anexo10
incertidumbre, aplicada en todo proceso de una empresa, con el fin de tomar una correcta y
oportuna decisin. Uno de los campos en desarrollo es la Teora de la Informacin, teora que
Con el fin de tener una mayor probabilidad de disminuir el riesgo de implantar sistemas cuyos
Multivariados,
modelos pudiesen tener fallas u omisiones, para luego ser implantado con xito en la empresa.
Estocsticos,
tomar es implementar Un Sistema de Informacin como un medio para agilizar los procesos
de la empresa, de modo que podamos contar con informacin real, verdica y oportuna que
servirn para la toma de decisiones en los diferentes niveles de la empresa. Dicho proceso
juega un papel muy importante en las empresas con el propsito de reestructurar a la misma,
en sus procesos de produccin y servicio. Para lograr los objetivos de mejoramiento continuo
de la calidad, los sistemas van acompaados de tecnologa computacional. Entonces debemos
contar con metodologa estadsticas que permitan modelar a la empresa para identificar los
Informacin en el rea Penal de la Corte Superior de Justicia del Cono Norte de Lima, con la
finalidad de mejorar la calidad de servicio en los diferentes niveles de la Corte, es claro que es
una aplicacin de los modelos existentes, es decir adecuar los modelos de la teora de Colas y
usuarios van en busca de servicio, se forma una lnea de espera, los usuarios llegan, esperan
su turno, reciben el servicio y luego se marchan, aqu aplicaremos la teora de colas para
con la tramitacin de la denuncia para luego pasar a los dems estados tales como pendiente
de sentencia, sentenciado y otros hasta llegar al estado final del proceso, aqu aplicaremos las
2
ANTECEDENTES NEL QUEZADA LUCIO
ANTECEDENTES
2.- Procesos
con mtodos para desarrollar y generar modelos de los procesos en las empresas. Definiendo
mtodos para modelar empresas que permite la separacin de diferentes reas dependiendo
del giro de negocio, de forma tal que los sistemas puedan fcilmente ser y
Funciones especficas dependen del giro y tipo de negocio como diseo y embarque de
complejos que involucran a varios elementos, as como los mecanismos para la coordinacin
PP
del comportamiento de elementos. Un elemento tiene sus propias metas, acciones y dominio
desarrollo de aplicativos que exploren sus capacidades como en Internet Infranet. El objetivo
irregular con aproximacin y estimacin del comportamiento del sistema a travs de modelos
exige no slo satisfacer ciertas funciones, sino tambin determinar de forma cuantitativa el
comportamiento y eficiencia del mismo. Para ello debemos construir Modelos que luego se
conocida hace 90 aos Sin embargo, no fue sino hasta fines de los aos 60 y principios de los
70, que los modelos ocultos de Markov (Hidden Markov Models) comenzaron a ser usados en
aplicaciones de reconocimiento automtico de voz, y en los ltimos aos estos modelos tienen
La teora de Colas comprende el estudio de colas o lneas de espera, colas son fenmenos
naturales que se presenta siempre que la demanda actual de un servicio es mayor que la
capacidad actual de proporcionar ese servicio, la meta final cuando esto sucede, es la de lograr
ANTECEDENTES NEL QUEZADA LUCIO
un balanceo econmico entre el costo de servicio y el costo asociado con la espera de servicio,
que luego servir para la toma de decisiones de este tipo como son: Lneas en Bancos,
industria, ha provocado una demanda del vital lquido. El estudio del agua en la naturaleza, su
respeto a la ecologa, son elementos importantes que hay que tomar en cuenta para planear su
servicio a la Mesa de Partes Unica de los Juzgados Penales, quien designa el Juzgado Penal
que tendr competencia, si el ingreso es una denuncia, el reparto ser en forma aleatoria entre
las dependencias Penales, luego de recibido el Juzgado dispondr el trmite procesal que
deber seguir el proceso. Segn las normas del Cdigo de Procedimientos Penales, los tipos
de proceso pueden ser tres: Proceso Penal Ordinario, Proceso Penal Sumario y Proceso Penal
Especial.
5
ANTECEDENTES NEL QUEZADA LUCIO
calificada por el Juez Penal, inicindose con ello el Tramite, la misma que luego de vencido el
plazo de instruccin como la ampliacin de haber sido dispuesta, es remitida a Fiscala a fin de
que ste emita dictamen sobre su mrito (Vista fiscal), una vez ocurrido ello el Juez puede emitir
expeditos para expedir Sentencia (Pendiente de Sentencia) luego ser Sentenciado de igual modo
tener en cuenta que en cualquier estado de la instruccin puede culminar el proceso esto mediante
de naturaleza de accin, de juicio, cosa juzgada o amnista, situacin que tambin puede
verificarse an cuando el expediente se encuentre Pendiente de Sentencia, toda vez que en este
estado tambin puede declararse fundada cualquiera de las excepciones sealadas anteriormente.
En el caso que fuera un escrito u otro tipo de servicio se consultara a la dependencia penal que s
FACTORES
(Controlables, Incontrolables)
INGRESO
t SALIDA (Sentencia,
SISTEMA
(Denuncias, Escritos Informe Final, Auto
PENAL >
4
Tramite,
Vista Fiscal
6
ANTECEDENTES NEL QUEZADA LUCIO
4.- OBJETIVOS:
Objetivo General:
Calidad de Servicio en las Dependencias Penales de la Corte Superior de Justicia del Cono
Norte de Lima.
Objetivos Especficos:
Informacin Penal.
7
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
CAPITULO I
1. MARCO TEORICO
I.1.- EL PROBLEMA
informacin penal, que permitir producir con calidad, en cantidad, a menor costo y en menos
primero poner a prueba el modelo, por que corremos el riesgo de prdidas muy grandes en
1.2.- EL MODELO:
El modelo es Aditivo.
T t
Total = i
i=1
Donde:
`natal: es una variable que puede ser Tiempo, Costo, Infraestructura, Personal etc.
8
MARCO TEORICO Y METODOLCKiIA NEL QUEZADA LUCIO
partiendo del principio bsico de las probabilidades e inferencias estadsticas. Las diferentes
son base de muchos modelos que se emplean, para desarrollar sistemas de ayuda a la toma de
decisin. Adems permite estudiar los lmites fsicos de los modelos de cmputo e introducir
disipan energa) con mayor capacidad de cmputo que los modelos secuenciales.
compaas que desean poner en funcionamiento un proceso capaz de solucionar los problemas
existentes y que piensan sacar el mximo provecho de la informacin. Ofrecer una visin
dificultad, orientado a empresas que desean innovar o integrar diversos procesos, con el fin de
conseguir una visin de calidad de servicio y produccin, que propone la solucin mas
y comprobadas. Contar con alta tecnologa y personal especializado en el entorno del trabajo
INFORMACION:
caractersticas esenciales que la distinguen y lo diferencian de los dems se puede decir que
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
informacin que existe ms la que entra, es decir, hay una agregacin neta en la entrada y la
SISTEMA O PROCESO:
lograr uno o ms objetivos comunes con el fin de tomar una acertada decisin.
los procesos, desde los sistemas tcnicos (duros) hasta los sistemas conceptuales (suaves),
aumentando su nivel de generalizacin y abstraccin. TGS ha sido descrita como una teora
sistema con generalidad creciente cuyos objetivos son impulsar el desarrollo de una
conceptos, leyes y modelos en varios campos y facilitar las transferencias entre aquellos.
Desarrollar modelos tericos en campos que carecen de ellos, y reducir la duplicacin de los
limitaciones, al usarla en fenmenos humanos, sociales y culturales se advierte que sus races
estn en los sistemas naturales (organismos) y los sistemas artificiales (mquinas). Mientras
organizacin social, mayor ser la posibilidad para aplicar correctamente el enfoque de TGS.
Mientras los primeros presumen una existencia independiente del observador (quien los puede
descubrir), los segundos son construcciones simblicas, como el caso de la lgica y las
se combina lo conceptual con las caractersticas de los objetos. Por su origen: Pueden ser
por parte de otros sistemas. Por el ambiente o grado de aislamiento: Pueden ser Cerrados o
Viabilidad
11
MARCO TEORICO Y METODOLOOIA NEL QUEZADA LUCIO
Sistema que sufre cambios en el tiempo debido al azar, pero las definiciones
ms formales seran:
Discreto y{ X(t)}: Tiempo Continuo. Que forman valores de un conjunto S, llamado espacio
Los valores que puede tomar Xt se conocen como estados y sus cambios de valor se le
llaman transicin. Es una coleccin de V.A., digamos { X(t) / t en T }, donde X(t) denota un
estado y 't' el instante en que se observa ese estado. Por Ejemplo X(t): # de clientes que han
sometidos a la probabilidad.
muestral S, de manera que transforme los resultados de S en puntos sobre la recta real se dice
12
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
1.5.- DE COLAS
TEORIA
Herramienta Estadsticas muy poderosa para realizar anlisis cuantitativos en
SISTEMAS DE COLAS:
Utilizado para modelar procesos en los cuales los clientes llegan, esperan su
turno, reciben el servicio y luego se marchan. Ejemplo las cajas de los supermercados. Los
3. El nmero de servidores.
probabilidad del tiempo entre llegadas. La funcin de densidad del tiempo de servicio. La
,
cantidad de servidores. Muchos bancos, utilizan una sola cola para todos sus clientes y, cada
vez que un cajero se libera, el cliente que se encuentra al frente de la cola se dirige a dicha
caja (cola En otros bancos, cada caja, tiene su propia cola (colas
multiservidor).
independientes de un solo servidor). La disciplina de ordenamiento de una cola describe el
orden segn el cual los clientes van siendo tomados de la cola. No todas las colas, poseen una
capacidad infinita de recepcin de clientes. Cuando hay demasiados clientes, pero slo existe
un nmero finito de lugares en cola, algunos clientes se pierden o son rechazados. Nos
es totalmente razonable para sistemas que manejan una gran cantidad de clientes
no.vol e -A (1)
por la probabilidad de que exista una sola llegada en el intervalo infinitesimal At:
21
P (t) = (At) = "
En el limite At--->0 y el factor exponencial en Pi se acercan a la unidad, por lo tanto
3. Las llegadas son procesos sin memoria: cada llegada (evento) en un intervalo de tiempo
T dada como:
, ,1k
27 _
v Ir (2)
IV()= " k= 0,1,2,......
k!
At Tiempo
t t +At
16
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
1111.
At At At At Tiempo
Entonces:
p(k) =1
k=0
a k / E (k) = 1/ --I2T
del valor promedio X.T. Si se mide el nmero de llegadas n en un intervalo T grande
aproxima exponencialmente a cero con T. (2) se deriva de los tres enunciados del proceso de
m!
p(k)= 171
jp qm
k -k
con
in)
(2-3) j (m - k)! k!
Sea At-->0, pero con T=mAt fijo. Usando la ecuacin que define la exponencial,
eak
/inLo =(11-a0k" = O (2-4)
Por aproximacin de Stirling, se obtiene (2). Considrese un intervalo grande
de tiempo, y selense los intervalos en los que ocurre un evento. Se obtiene una secuencia
aleatoria de puntos (figura 2.4). El tiempo entre las llegadas sucesivas se representa con el
simbolo T. (t; es una V. A.) positiva con distribucin continua. En Poisson, t es una V.A. de
itfr)= 2-e Ar
sucesivos disminuye en forma exponencial con el tiempo T. El valor medio E(t) es:
Llegadas
Tiempo
18
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
(2 -6)
llegadas es X., el tiempo entre ellas debera ser 1/k. De la figura 2.6, sea t la V.A. que
llegada. Tmese cualquier valor x. No ocurren llegadas en el intervalo (0,x) si, y slo si, t>x.
(0,x), es decir,
t
Tiempo
I k
Origen arbitrario de P *mera
tiempo llegada
19
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
=1
F (x) - 'bc (2-7)
entre llegadas con distribucin exponencial puede aplicarse despus de discutir las
propiedades de la distribucin exponencial del tiempo de servicio. As, considrese una cola
tiempo en que un usuario completa el servicio (figura 2.7). Sea r, V.A. que representa el
siguiente usuario es atendido tan pronto como el que est en servicio abandona el sistema. En
particular, tmese el caso en que r tiene distribucin exponencial, con un valor promedio
E(r)=1/pi Entonces
r?_0 (2-8)
(r) = Leer
Pero al comparar las figuras 2.7 y 2.4 es evidente que si r, el tiempo entre
Tiempo de servicio
41 -
1
4 --I>
r
Tiempo
Salida Cumplimientos de servicio
20
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
llegada. 2 + (1=1 a n). Una prueba sencilla: sea N(i)(t,t+At) el nmero de eventos en un
Entonces.
Ya que los procesos individuales son independientes. Un clculo similar muestra que
distribucin.
Una cola infinita donde llegan por trmino medio 7L Clientes por unidad de
tiempo, y son servidos por trmino medio clientes por segundo. La cola puede encontrarse
21
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
0 1 2 ...
igual, por trmino medio, so pena de que la cola se encuentre vaca permanentemente o crezca
estado k:
XpO = p 1
Xp 1 = ptp2
?p2 = p.p3
(3)
Ipk-1 = pi.pk
(
(4)
Pk = po
Pk =
I- Po = Pul =1 (5)
k=0 k=0 P k o ,u
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
Suponemos que el ritmo medio de servicio es mayor que el ritmo medio de llegada:
k
1( 2 j 1 p2
(6)
k=0 \,u 1
Finalmente:
( 2 \k i 2
pk = 1 -- = (1 p)p k (7)
\1U ) \ P
El nmero medio de clientes en la cola no es otro que:
Sabemos que:
co
E p k 1
k=0 1p (9 )
l kp k =
P (10)
k =o (1 - p) 2
En definitiva:
N= _
p
cola crece indefinidamente. Si llegan X clientes a la cola por trmino medio, y esta tiene la
-
N -
T = = ' (12)
A 1- p
23
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
segundo, que pueden ser canalizadas por Q lneas de salida. Si una trama llega en un
momento en que todas las lneas de salida se encuentran ocupadas, es descartada. La pregunta
es qu nmero de salidas est ocupadas por trmino medio?. Una representacin de la cadena
0 1 2
inferior depende del estado actual. Claramente, cuantas ms lneas haya ocupadas en un
momento dado, mayor es la probabilidad de que alguna quede libre en el instante siguiente.
XpO =
Xp 1 = 211)2
Xp2 = 311p3
(13)
Xpk-1 = Ici.tpk
1 \ k
-
(14)
Pk PO
k! p
24
MARCO TEORICO Y METODOL(X}IA NEL QUEZADA LUCIO
la condicin de normalizacin, es decir, del hecho de que la suma de las probabilidades para
1
Po .
v (2\ k (15)
k=0
aquellas llamadas que llegasen cuando todas las lneas estuviesen ocupadas. Inmediatamente
que queda libre una lnea, uno de los paquetes del buffer es tomada y colocado en esa lnea. Si
este proceso no altera significativamente la operacin del nodo, se puede modelar el buffer
como una cola de probabilidad de transicin hacia estados superiores dada por XpQ y
0 1 2
<..4 <...4
Llamando X, =XPQ y 1.1=4 ,e1 nmero medio de tramas almacenadas en el buffer viene
dado por:
(16) con P=
1 p
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
TIEMPOS DE ESPERA:
exponencial con parmetro X., su distribucin es una distribucin gama con parmetros (n,
Ae Or-1
para t__O
f (t) = (n - 1)!
o para t < O
PARMETROS:
a (t)
y (t) = 1 N (x)dx = Ti = tiempo total de todos los clientes que han estado en el sistema
o i=0
hasta el tiempo t.
_ y(t) ,
=Numero promedio de clientes en el sistema en el intervalo de tiempo(0,t.
26
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
2(0 = a(t) / t = Tasa promedio de arribo por unidad de tiempo en el intervalo de tiempo
(0,t.
7; = y(t) / a(t) = Tiempo promedio que un cliente est en el sistema durante (0,1).
Nota: Entendemos por promedio, el que se alcanza en el estado estable. Para cualquier
sistema de colas el cual tiene una distribucin de estado estable, las siguientes relaciones se
cumplen
L= W
Lq = X Wq
Ls = X Ws
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
po = 1 p Y P = (1
P)P f
La probabilidad de que el servidor est ocupado es igual a la probabilidad de que haya uno o
Pl +
P2 P3 = .P Por lo que a p = se le llama factor de utilizacin.
fi
P, = P j ( 1 - 13 ) =( 1- P) P
= pk
Jk J-k 1 P
L =I 13J ( 1 P) P)E P P
J=o 1=0 J=o 1 p /2-
p2 22
Le = (j - Dp j = pi -Epj =L (1 po ) = L p =
j
2
i=1 J=I J=1
1
P ,u(P )
L = Op o + 1(j), + p2 + .) = 1 po = p= =factor de utilizaci on
L= + Ls
L 1
W ==
2 ,u
L A
e
Wq =
PC1-1 2)
Ls 1
Ws =
,u
W = W q +W s
28
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
Sea
k = Nmero de servidores
1
Po = ( (mp)m
mp)k 1
k=0 k! m! 1 p
- (m P) j m
1 0 <
J.
j >m
jnim
Pi = Po P
m!
P = <1
29
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
Cul es la probabilidad de que un cliente tenga que esperar antes de ser atendido?
(mP) k 1
P[esperaren la fila] = Pk = Po k m
k=m k=m in! m
1
( mP)m
p 2 ,
m
k p= <1
z mP) n1
( Pr 1 mp
kO k! ml 1 p
{S, + S2 +. S,, + S rz 1
T, =
S n=
Los Si (i=1,2,...,n) son los tiempos de servicio para los clientes que estn en el sistema cuando
llega el "nuevo" cliente y S es el tiempo de servicio para el cliente en cuestin. Todas estas
X + X 2 S n m
Tw = { s I Xn-m+1+
n<m
y S es el tiempo de servicio para el cliente en cuestin que tiene una distribucin exponencial
con parmetro p.
Tq = TW - S
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
"1-1
v, ( .1)
j
1 \ 1 exP[ itt(in - 1 n1P)[}
FT,(t) = Pr(T, 1) = 1 e Pi {1 + [i - go 2_, x .,
J.. p J .) m 1 m p
m-1 LIT
FT, (t) = Pr(T t) = 1 1 - x - x exp[ m ,u( 1
,-0 1-1 1!
para t > O , p =
mp
Caso M/M/1
En el caso de un servidor, se tiene que Tw tiene una distribucin exponencial con parmetro
P -2 )t
e (P
2)
FTw (t) = 1 e Y 4 (t) = - para t > O,
Respectivamente.
Clientes Rechazados
En muchos sistemas de colas, cuando un cliente llega y encuentra que todos los servidores
estn ocupados, se retira. En otras palabras, para fines prcticos, este cliente se pierde.
la probabilidad de que un cliente, al llegar, encuentre todos los servidores ocupados. Esta
probabilidad est dada por pm y la frmula que la define es llamada Frmula de Rechazo
de Erlang ("Erlang' s Loss Formula").
21
( ) m/
m
P.
31
MARCO TEORICO Y METODOLOGI A NEL QUEZADA LUCIO
un nodo, donde espera su servicio durante un cierto tiempo, y salta a continuacin a otro,
donde recibir otro servicio. Las redes pueden ser cerradas, cuando hay un nmero fijo de
clientes circulando, abiertas, cuando los clientes pueden abandonar el sistema y/o otros
pueden incorporarse a l, y mixtas, donde hay una poblacin fija y una flotante. La red ms
sencilla que podemos concebir es una formada por dos nodos en serie, cada uno tiene
distribuciones exponenciales para los tiempos entre llegadas y para los tiempos de servicios.
El estudio de redes de colas se facilita por el Teorema de Burke. Burke demostr que, en
rgimen estacionario, la salida de un sistema M/M/m con una tasa de entrada gamma
independiente del proceso de entrada. Si consideramos todo el sistema como una caja negra
de respuesta de la red ser igual a la suma de los tiempos medios de respuesta en cada uno de
Tred =
1 -p, 1-p2
Este resultado puede generalizarse a cualquier nmero de nodos donde cada
uno tiene uno o ms servidores exponenciales y todas las entradas son procesos de Poisson.
As, en general:
p,
Tred = donde, A =
i P
Si existe realimentacin, el Teorema de Burke no es aplicable.
32
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
Clasificacin de Estados
sistema una vez que pasa y sale de l, no vuelve a regresar jamas. Por Ejemplo, en el estado
civil de una persona un estado transitorio es el de Soltero pues una vez que lo dejas ya no
puede volver a el, es decir, puede estar Casado, y de ah pasar a Viudo o divorciado pero
el sistema vuelva a caer. Por ejemplo en el ejemplo anterior, los estados recurrentes son
cuando el sistema lo alcanza permanece por siempre en l. Por ejemplo en las etapas de la
P(Xt = x / Xto = xn, XII =x1, , Xtn = Xn) = P(Xt = X Xtn = Xn)
33
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
A estos procesos tambin se les conoce como procesos sin memoria, pues para
pronosticar el futuro solo tomamos en cuenta el presente sin importarnos el pasado en el caso
de un sistema con Espacio de Estados y el Espacio Parametrico discretos se les llama Cadenas
de Markov.
manera:
Pu = P (X t = j Xt= i)
Sean X0,.X1,X2 .... V.A., donde Xt={ O, 1,2,3 .... M }denota el estado de un
Una secuencia ?Ct de V.A. forma una Cadena de Markov si y solo s cada vez
que el sistema esta en el estado i, existe una probabilidad pij de que el sistema pasar al estado
Por ello se puede decir que: para todo io, it, i2, ..,
34
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
Markov y satisfacen:
matricial.
P20
pm ..
= * P{ Xt-i=it-i, .. , Xo =io} =
Entonces:
i es un estado absorbente: N = 1.
desde j.
pase del estado "i", al estado "j" en "n" periodos de tiempo se calcula como:
P (X t ,=j X t = i) =Pii(n).
Demostracin
(n)
= P{ Xni / X0-1 _
pii
) -
=Ele-0P X(n-r)+ r=i Xr=k,X0=i PI Xr=k X0=ifr
* p (r)
=E1c0Pkj(n-r)
= Ei=oPii(n) * P{ Xo= i) =
Para muchas Cadenas de Markov se tiene que pii(n) converge (cuando n->+00) a
36
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
comunican entre s.
ESTADO ESTABLE
7r1 71- 2
71-
s
71- 71- 7
n 1 2 rs
-11
1.11 P =
n-->w
7 71-
r1 2 -71-
-
s
37
MARCO TEORICO Y METOIX)LOGIA NEL QUEZADA LUCIO
1 2
rri = irkPk; j = , , ,s
k =1
n 1 + E2 +...+ TCS =
INTERPRETACIN INTUITIVA DE ir
n- (1 p ) = k P kj
k j
Probabilidad de que se salga del estado j= Probabilidad de que se entre al estado j En otras
38
MARCO TEORICO Y METODOLOGIA NEI, QUEZADA LUCIO
2.- HIPOTESIS
1.- El proceso penal en su primera Etapa se comporta como una Lnea de Espera de
Poisson.
1.1.- La funcin de densidad del tiempo entre llegadas es del tipo exponencial
exponencial.
2.- Los estados del proceso penal en la segunda etapa actan como estados de una Cadena
estado a otro.
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
3.- METODOLOGA
Cadenas de Markov que permitan modelar, simular y probar el comportamiento del Sistema
de Informacin Penal para luego ser implantado. Con el propsito de tener una mayor
caractersticas importantes el Sistema Informacin Penal, que consta de dos etapas bien
definidas:
Primera Etapa:
de usuarios, hallaremos La densidad de probabilidad del tiempo entre llegadas, que describe
el intervalo de tiempo entre llegadas consecutivas, para este clculo las observaciones de
llegada de los usuarios sern registradas y clasificadas. Todo usuario requiere de cierta
cantidad de tiempo de servicio que vara de un usuario a otro. Para analizar un sistema de
colas, deben conocerse la funcin de densidad de probabilidad del tiempo de servicio, como la
funcin de densidad del tiempo entre llegadas. La cantidad de servidores se utilizar una sola
cola larga para todos los usuarios y, cada vez que un servidor se libera, el usuario que se
servido. Capacidad infinita de recepcin de clientes. El Sistema ser de capacidad infinita con
40
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
sistema maneja una gran cantidad de clientes independientes. Entonces demostraremos que
las llegadas de Poisson generan una densidad de probabilidad de tiempo entre llegadas de tipo
seleccin de la muestra en esta etapa se realizara por el mtodo del muestreo aleatorio simple.
Segunda Etapa:
de Estados est definido por: S ={Vista Fiscal, Tramite, Pendiente de Sentencia, Sentencia,
Informe final, Auto Final. El Espacio Paramtrico es: P = ( 0,1,2,3, ... ,MAX), se utiliza la
Teora de Grafos para ilustrar la situacin de los estados del proceso: Hallaremos la
que un sistema pase del estado "i", al estado "j" en "n" periodos de tiempo se calcula como: P
41
MARCO TEORICO Y METODOLOGIA NEL QUEZADA LUCIO
utilizamos la Matriz de Accesibilidad (A: matriz de Accesibilidad). Para poder analizar los
estados del proceso el estudio se realiz directamente en las dependencias penales en donde se
tom las muestras de expedientes para poder calcular las variables necesarias para el estudio
(Anexo 1. Se utilizaron los programas como Excel, SPSS, SQL, Power Builder y otros. Los
teora de colas, cadenas de Markov en cada etapa del proceso de forma tal que la
modelo principal.
T = TN1 + TN2
Donde: T es una variable que puede ser Tiempo, Costo, Infraestructura, Personal etc. para
Entonces:
T Tiempo de Servicio
T =11
dependencias penales. Nuestra Unidad de Estudio seria toda persona (expediente) o cosa que
participe en el proceso de servicio que brinda la dependencia penal. Las tcnicas usadas sern:
La Teora de Colas; el Proceso de Poisson, las Colas MM1, Colas MM1, Colas MMQ, Redes
43
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
CAPITULO II
continuacin se desarrollaran.
Materiales:
Software:
WORD y Otros,
2.- METODOS:
- Teora de la Informacin
- Procesos de Poisson
Cadenas de Markov
44
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
servicio dicho ingreso es recepcionado por la Mesa de Partes Unica de los Juzgados Penales,
quien designa el Juzgado que tendr competencia del proceso, si el ingreso es una denuncia el
reparto es en forma aleatoria entre las dependencias existentes, luego de ser recibido por el
Juzgado, este dispondr el trmite procesal que debe seguir, segn las normas del Cdigo de
cada dependencia penal, el recorrido o estados del proceso por donde debe pasar los
expedientes o procesos son los mismos. En el Diagrama que se muestra (Diagrama Na. 1) se
ser procesada, luego esta informacin es procesada, es aqu en donde intervienen los
diferentes estados del proceso, para luego terminar el proceso con una salida de informacin,
FACTORES
(Controlables, Incontrolables)
Tramite,
Vista Fiscal
Figura N 1
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
/
/
LIJ
o"
U.
CI
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
de dos etapas o nodos: la primera etapa consiste en que los usuarios llegan en busca de
servicio y se forma una lnea de espera, cada usuario espera ser atendido, luego se retira,
etapa esta concluida, en esta parte se aplicar la teora de colas para medir el tiempo de
comienza con la tramitacin del expediente penal, para luego pasar a los dems estados como
pendiente de sentencia, sentenciado y otros estados hasta llegar al estado final del proceso
llamado Resuelto, en cada uno de los estados mediremos el tiempo probable de permanencia.
Dicho sistema permitir medir otras variables como costos, de este modo se mejora la calidad
Elementos y los diferentes Entes, los elementos esta representados por los Datos
(Informacin) y los entes esta representado por los Juzgados, Juez, Secretarios y otros.
Entonces podemos representar un Flujo de Datos del Sistema de Informacin Penal que a
47
NEL QUEZADA LUCIO
SISTEMA DE INFORMACION PENAL
DIAGRAMA N 2;
FLUJO DE DATOS DEL SISTEMA DE
INFORMACION PENAL
DENUNCIAS ESCRITOS Y
OTROS QUE SE REGISTRA
INGRESOS CON CODIGOS
La denuncia es
ingresada al termino
TIPO DE CASO de responder estas
DELITO NUMERO DE
EXPEDIENTE
variables
FECHA INCULPADOS
Mediante un proceso AGRAVIADOS
interno y el uso de ZONA DE OCURRENCIA
JUEZ, SECRETARIO
tablas se hallan estas
variables
JUEZ JUZGADOS
--(
Tiv
PROCESO
CODIGO UNICO
DELITO GENERICO
( SECRETARIO 4 VIA PROCEDIMENTAL DELITOS
SECRETARIO
JUZGADO PENAL
FECHA DE PRESENTACIN
TIPO DE / VIAS
PROCESO ( PROCEDIMENTAL
ES
BASE DE DATOS
DISTRIBUCIN DE
INFORMACION INFORMES AL ESTADOS DEL
EXPEDIENTES Y
ESTADISTICAS PUBLICO PROCESO
OTROS
48
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
caractersticas importantes:
los objetos existentes en las dependencias de la Corte Superior del Cono Norte de Lima.
estructura de los otros sistemas existentes en la Corte Superior, todo es creado de acuerdo a
las caractersticas y necesidades del medio donde se desarrollar el proceso. Con relacin al
ambiente o grado de aislamiento es Abierto, por que tiene una entrada y una salida (tiene
viabilidad, el ambiente esta representado por todas las dependencias Penales de la Corte
Superior del cono Norte de Lima y su frontera esta limitado por las dependencias penales que
los separan de las dems dependencias, ingresa informacin (Input) y sale informacin
49
SISTEMA DE INFORMACION PENAL
NEL QUEZADA LUCIO
U)
o
U)
w Q
-a)
o 6n
W
a- 0
W
cr)
CL CL
0
O
Erc w
Q
2 (1)-
JUZGADON
D <
(I)
o
DEL SISTEMA PENAL
o
z
o / i /
<
1-
cn C Z c
<
_ u_
<
C1:1
0
zo
o
,
W
o
misin de la
U) o
NFORMACION
o 9 c
o
o u>
O o ._ a> -(a>
a
Zc'') -,, a)
O o cv) 0.) Qas
O < CC) /d
z a) G...0
W w < i o as u> -o 15
ct 11w o.
a
u) cu
<
-
z
0
I o_ c
Z
N z("NI o E-
DE
' c\I
< 03 (1)
CL,
ACCIONES DE GARANTIA
O
FLUGO
0 0
E (II CU
_----------------------------
h
5
C
Z
DIAGRAMA N 3
z 1
4
o
o
1.11 0) 0
:Z
".=
O W
aO U)
< ZC) CL)
N Z J U)
W <
<U a>
cU
(7)
50
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
la empresa tratando de reducir los costos y ser lder en el sector, es de vital importancia que
punta que permite tener una socio tecnolgico que acte como interlocutor fijo y de alto nivel
entre el usuario y la empresa, esto obliga a construir los diagramas siguientes: Diagrama de
Flujo de la Red Informtica del Sistema de informacin Penal, que se observa en el Diagrama
Na Cuatro, por otro lado, con la finalidad de tener una mejor visin del Sistema Penal se
Diagrama Na Cinco Los diagramas mencionados permiten tener una mayor perspectiva de
mejor informacin, mejor calidad de servicio y mejor produccin en la Corte Superior del
51
NEL LUCIO
SISTEMA DE INFORMACION PENAL QUEZADA
N
O
-)
-J
w
z
o
o
z
z
wu_
2
JUZGADO 4
U)-
ci)
w
1-
JUZGADO 3
0
z
DIAGRAMA N 4 RED
JUZGADO 2
o
0
N
--)
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Archw
Ofc. del n-esimo Juez ador
1.80
Metros
4.80
1151:111.I.5
Puerta
M
E
R
O
T
r_.;111111
3
Secretaria n_esimo Juzgado Penal
Metros
Puerta
Sec.
3.6 1.1
P A S AD 1 S O
5 Ti
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
tanto de atencin como de servicio; se puede apreciar que es un modelo aditivo, una
sumatoria en la primera etapa y segundo etapa, podemos proponer el siguiente modelo cuya
T t
Total =I i
i=1
T = TN1 + TN2
Donde: T es una variable que puede ser Tiempo, Costo, Infraestructura, Personal etc.
Entonces:
Donde Pi =
'Ui
tiempos asociados a las probabilidades que se desean utilizar, tambin podemos calcular
55
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
componentes de los sistemas de colas de espera que estn definidas mediante las siguientes
componentes:
Por las mediciones realizadas en la Corte Superior del Cono Norte de Lima,
una probabilidad de tiempo entre llegadas del tipo exponencial por ser un sistema que maneja
( 21) n u
Pn(t) = e
tiempo entre llegadas consecutivas. Se observ las llegadas de los usuarios. A cada llegada se
recoleccin de la muestra se realiz durante dos meses (Anexo 1) Transcurrido este tiempo de
registrar las muestras, la lista se clasific y agrupo en tantos tiempos entre llegadas de O min.,
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Tantos de 1 min., Tantos de 2 min. etc. Obteniendo los siguientes resultados (Anexo 4). Esta
59
P(X,)=1 1.1
f=0
57
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
siguiente, es decir se nota claramente que tiende a una funcin probabilidad exponencial
(para t>0).
TIEMPO
distribuciones del modelo y el observado para detectar si los datos observados provienen de
una distribucin Exponencial, con parmetro X= 0.1140 se calculan los valores (ver Anexo 6)
n
X 2
( gI-1) =
l (Poi-Pcj)2
Pc, = 0.6274
i=1
5K
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
encuentra que este nmero es menor que el indicado en los niveles de significancia. En
excediese del valor dado por la tabla se rechazara el ajuste de la curva al nivel de
significancia correspondiente.
Entonces podemos afirmar que la funcin de densidad del tiempo entre llegada
ft(r)=Ae'r 1.3
Esto quiere decir que el tiempo entre llegadas es ms bien pequeo, y la
E(r)=zf r (r)dr = y,
o
probabilidad entre dos eventos sucesivos disminuye en forma exponencial con el tiempo T. El
1.4
De la ecuacin 1.2 y 1.4 se obtiene 1/X= 8.7643 de donde resulta que el valor de es IM:I.1140
y la varianza es:
59
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
cliente a otro, un usuario puede llegar con un expediente o con un grupo de expedientes a la
mesa de partes donde puede haber una o ms ventanillas de atencin al usuario. A cada
usuario se le registrar el tiempo transcurrido desde que empez hasta que termin el servicio.
(Anexo 3). La recoleccin de la muestra se realiz durante dos meses (Anexo 1) Transcurrido
este tiempo de registrar las muestras, la lista se clasific y agrup: tantos tiempos entre
llegadas de 0 min., Tantos de 1 min., Tantos de 2 min. etc. Obteniendo los siguientes
60
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
59
P(X t ) =1 2.1
r =o
59
E(X)=EX,P(X t ). 3.7496 2.2
,,c,
Se puede verificar que el tiempo de servicio es una funcin de densidad, cuya esperanza
es 3.7496
61
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Partiendo de la hiptesis, probaremos que el tiempo de servicio del sistema penal generan
siguiente, es decir, la funcin tiende a una funcin probabilidad exponencial (Para t>0).
1,1,1111111::. 1:11.
1181f0
distribuciones del modelo y el observado para detectar si los datos observados provienen de
una distribucin Exponencial, con parmetro pi = 0.2666 se calculan los valores (Anexo 7),
X2 (Poi-Pc1 )2
(g1-1)
=
Ld Pci
= 1 6. 1432
i=1
encuentra que este nmero es menor que el indicado en los niveles de significancia. En
62
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
excediese del valor dado por la tabla se rechazara el ajuste de la curva al nivel de
significancia correspondiente.
que la funcin de densidad del tiempo entre llegada tiene una densidad de probabilidad
fer)=12' 2.3
Esto es, el tiempo de servicio es ms bien pequeo, y la probabilidad
entre dos eventos sucesivos disminuye en forma exponencial con el tiempo T. El valor medio
GO
De las ecuaciones 2.1 y 2.4 resulta que: 1/11 = 3.7496, entonces, el valor obtenido es 1 .2666
y la varianza es:
0.
2
=1
/ p2 = 14.0595 2.5
Utilizaremos una sola cola larga para todos los usuarios y, cada vez que un
servidor de la Mesa de Partes Penal se libera, el usuario que se encuentra al frente de la cola
usuario termina su primer servicio con la respuesta en que juzgado este su expediente, el
Describe el orden segn el cual los usuarios van siendo tomados de la cola en
tiempo entre llegadas de tipo exponencial y la funcin de densidad del tiempo de servicio del
tipo exponencial una cola infinita donde llegan por trmino medio X=0.1140 Clientes por
unidad de tiempo, y son servidos por trmino medio 11=0.2666 clientes Donde: p, es la
k
A 0.1140
Pk =( J ( 1- ,u j= ( 1- P)P P = 0.4276
p 0.2666
64
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
p 0.4276
0.7470
p 1 0.4276
Si llegan X, clientes a la cola por trmino medio, y sta tiene la longitud que
_ 0.7470
T = = = 6.5526
A 1p 0.1140
Si la cola es finita.
Clientes por unidad de tiempo, y son servidos por trmino medio =0.2666 (Q servidores)
clientes por segundo, que puede ser canalizadas por Q lneas de salida. Entonces, pk es la
( k 1
1 Po = Q
Pk = Po k
k! k! k p
k =O
N
1
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Hallando los Valores de las probabilidades de los diferentes estados "pk", con
Uno, Dos, Tres, Cuatro y Cinco Servidores los valores encontrados se muestran a
probabilidades de cada Estado del proceso disminuye siempre que crece el nmero de estados
de la Cola.
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
67
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
expediente en los juzgados penales, a travs de los meses desde el momento que se presenta la
denuncia (Trmite: Estado inicial del Sistema) hasta concluir el proceso. La simulacin y
recopilacin de datos estadsticos se realizo en la Corte Superior del Cono Norte de Lima
(Poder Judicial)
S = 1 Vista Fiscal, Trmite, Informe Final, Pendiente de Sentencias, Sentenciado, Auto final)
En cada uno de los estados antes mencionados se utilizarn las siguientes abreviaciones:
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
P = (0,1,2, , MAX}
llamado Muestreo Aleatorio Simple. La poblacin bajo estudio est representado por los
expedientes de las dependencias penales de la Corte Superior de Justicia del Cono Norte de
Lima (a Octubre de 1999), como se calcula el tamao de muestra (Anexo 1) obteniendo los
siguientes resultados:
TRAMITE
ESTADOS DEL PROCESO FRECUENCIA PORCENTAJE
FISCALIA 67 20,49%
INFORME FINAL 58 17,74%
PENDIENTE DE SENTENCIA 85 25,99%
AUTO FINAL 117 35,78%
TOTAL 327 100,00%
TRAMITE
ESTADOS DEL PROCESO
FRECUENCIA PORCENTAJE
SENTENCIA 30 78,95%
AUTO FINAL 8 21,05%
TOTAL 38 100,00%
69
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Pii = p (X t+ i =j I X t= i)
Informe
{PRIVATE} Fiscala Trmite PendienteSentenciado Auto Final
Final Sentencia
Fiscala 0 1 0 0 0 0
Informe Final 0 0 1 0 0 0
Pendiente de
O 0 0 0 0.78 0.22
Sentencia
Sentenciado O O 0 0 1 0
Auto Final O O O 0 0 1
70
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
sobre los Plazos y Prrroga de los Procesos Penales se define el tiempo de duracin de
1ORDINARIO 4 2
SUMARIO 2 1
ESPECIAL 15 3
Podemos decir que un proceso Penal Ordinario permanece durante seis meses
en trmite, es decir, su estado inicial es seis meses. Mientras que un proceso Penal Sumario
permanece durante tres meses en trmite, es decir, su estado inicial es tres meses. Adems, el
proceso penal especial permanece durante 18 das en trmite, es decir, su estado inicial es 18
das. Estas definiciones sern utilizadas para calcular el tiempo de pasar de un estado a otro y
Condicional):
Pii (n) =P (X t+ n =j X t=
71
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Nos gustara saber la probabilidad de que el expediente en cuestin llegue a su fin (en la
dependencia Penal) en el menor tiempo posible, como podemos ver en nuestra grfica se
En un periodo de tiempo, esto es, pasar del estado " Trmite " y llegar al estado
estado "Pendiente de Sentencia" luego llegar a "Sentenciado" o "Auto Final". En este caso,
como no hay una lnea directa se tiene que hacer un "transbordo", es decir salir de " Trmite ",
pasar por "Pendiente de Sentencia " y de ah? Finalmente a "Sentencia" o "Auto Final". Esto
Trmite Sentencia:
5.8.-Probabilidad Incondicional
P(Xn=i)=Elin(n
-
Estas probabilidades pueden manejarse en el vector Go, as:
= {O, 1, 0, 0, 0, 0)
rin+1 = n * P
74
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
Entonces calcularamos 15
sus probabilidades de nuestro expediente, convendr advertir que hay una fuerte
probabilidad de que se demore meses ms de lo que manda la ley, pero sin embargo queda
satisfactoria con el fin del proceso. Podramos concluir que estas probabilidades resumen
Lima; por un lado existe una demora real para terminar el proceso, y por otro lado resulta
Esto resulta obvio por el tema que estamos tratando, ya que usualmente se trata
de estados que pueden repetirse continuamente. Por ejemplo: un expediente puede estar en
SISTEMA DE INFORMACION PENAL NEL QUEZADA LUCIO
regresar o dar marcha atrs- es decir, queremos saber a que estados puede llegar ubicndose
en un determinado estado.
Tramite + + + + + +
Pendiente O O + + O +
Sentencia
Sentenciado O O O + O O
Informe Final O O O O + O
Auto Final O O O O O +
pasar de cualquier estado a cualquier otro, salvo en los tres estados absorbentes y en estado
transitorio
76
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
CAPITULO HI
a.- El nmero de clientes que llegan a la mesa de partes del Sistema de Informacin Penal en
busca de servicio, durante un minuto. Tienen una distribucin de Poisson con parmetro A
77
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
sistema en un minuto seguido por una baja probabilidad que llegue un usuario. Pero tambin
se aprecia que la mayor probabilidad se concentra en que lleguen de 5 a 8 usuarios por hora
en busca de servicio, la mayor probabilidad se centra en que llegan 6 usuarios por hora a la
b.-E1 tiempo entre llegadas en el Sistema de informacin penal tiene una distribucin
exponencial con parmetro 2=0.1140, cuya funcin densidad est dada por.
{2e_2x para x O
f (x)=
O para x < O
78
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
crece, y la probabilidad de que tiempo entre llegadas sea una hora es poco probable casi
imposible.
c.- El tiempo de servicio en el Sistema Penal tienen distribucin exponencial con parmetro
px
Pe para x O
f (x)
O para x < O
y la probabilidad de que tiempo servicio sea una hora es casi imposible por que la
d.- El proceso de conteo { N(0} es un proceso de Poisson por que N(0)=0, El proceso tiene
( Mx
le para x = 0,1,2,...
0 para otros valores de x
# p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad
80
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
e.- El tiempo de espera en el Sistema Penal es un proceso de Poisson, el tiempo de arribo del
n-simo usuario, Sn, (tiempo de espera hasta el usuario n-simo), entonces Sn, tiene una
Ae ( 1121n-1
para t O
f (t) = (n -1)!
para t < O
# Tiempo p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad p(x): Probabilidad
(Min) (5 usuario) (10 usuario) (20 usuario) (30 usuario) (40 usuario)
Se nota que las probabilidades del tiempo de espera estn compartidas en todos
81
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
f.- Para el clculo de los diferentes valores como los tiempos, nmero de usuarios en cada
L = X W; Lq = X; Wq Ls = X Ws
Se observa que el nmero promedio de arribos por minuto es 0.1140 sea para
uno o varios servidores (1 a 5 servidores) por que es un solo Cola, el nmero promedio de
servidores aumenta. El tiempo promedio que un cliente est en el sistema (W) decrece si el
nmero de servidores crece, del mismo modo sucede para el tiempo promedio que un cliente
est en la lnea de espera. ( Wq) y el tiempo promedio que un cliente est recibiendo servicio
(Ws) en forma general los tiempos de servicios y el nmero de usuarios decrecen de acuerdo
al nmero de servidores.
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
g.- La probabilidad de que el servidor est ocupado es igual a la probabilidad de que haya uno
el sistema es igual a:
oo
k
.1=k
Se sabe: Costo total = Costo del servicio + Costo de esperar, para nuestro
Cst 5 10 15 20 25
ms servidores mayor costo pero mejor servicio, entonces se debe encontrar el nmero ptimo
de servidores.
que deseamos asociar y el tipo de estado en que termina el proceso. Del mismo modo, el costo
de servicio en la segunda etapa depender del tipo de proceso y la probabilidad que deseamos
asociar y el tipo de estado en que termina el proceso penal. El cuadro muestra las
Especial Sumario Ordinario Fiscalia Tramite Int Final Pend. Senten. Auto Final
84
RESULTADOS Y DISCUSION NEL QUEZADA LUCIO
Ejemplo:
n
T = E ti
=i
Supongamos que el proceso es sumario y es sentencia la probabilidad que termine el proceso
es 0.2434 el tiempo que termina el proceso ser de 8 meses. Entonces, el tiempo total ser.
T TN1 TN2
Donde
85
CONCLUSIONES Y SUGERENCIAS NEL QUEZADA LUCIO
CAPITULO IV
CONCLUSIONES Y SUGERENCIAS:
1. CONCLUSIONES
1. El tiempo de Servicio del Sistema de informacin Penal, est representado por la suma de
ejemplo para Un servidor es de 6.55 minutos por cada usuario, 2.39 minutos con dos
servidores, 1.46 minutos con Tres Servidores, etc. El tiempo de servicio de la Segunda
probabilidad que termine un proceso Sumario en 5 meses es de 18% por Informe Final,
20% por Sentencia y 42% por Auto Final, la probabilidad que termine el proceso crece
tiempo de llegadas y el tiempo de servicio de los usuarios. Adems, los usuarios son
86
CONCLUSIONES Y SUGERENCIAS NEL QUEZADA LUCIO
exponencialmente.
3. Los estados del Sistema de Informacin Penal actan como estados de una Cadena de
4. La Matriz de Transicin no alcanza un estado estable (Matriz No-Ergodica) por que tiene
estados absorbentes, es decir, la Probabilidad de que salga del estado "j" es diferente a la
5. Por ltimo el tiempo de servicio en la Primera Etapa es muy corto comparado con el
tiempo de servicio de la Segunda Etapa pero tiene la misma importancia por que el
usuario dispone de tiempo muy corto para la primera etapa, mientras que para la segunda
2.- SUGERENCIAS:
1. Para medir el tiempo de respuesta del Sistema de Informacin Penal tambin se puede
utilizar los tiempos medios de respuesta en cada uno de las etapas o nodos, como se
aprecia en la primera etapa, es decir utilizar el Teorema de Burque que es igual a la suma
por que si aplicamos teora de colas tendramos muchas ecuaciones incompatibles que son
3. Las muestras tomadas deben ser relativamente grandes con la finalidad que se ajusten
mejor los datos observados, en el supuesto caso que un proceso no tiene distribucin
exponencial bien definida, es recomendable aplicar otro tipo de proceso o en todo caso
4. El modelo de colas que fue aplicado en la primera etapa se puede modelar por un proceso
excepto la tasa inicial que es cero, esto debido a que tiene distribucin exponencial
depende de ello para lograr resultados satisfactorios, tambin es necesario contar con
mayores recursos econmicos que permita mejorar la aplicacin del proceso Penal con la
88
BIBLIOGRAFIA
- Introductory Mathematical Statistics. Principies and Methods. Kreyszig, E. Wiley and Sons.
- Papoulis, Probability, Random Variables, and Stochastic Processes, 2' ed., Nueva York,
McGraw-Hill, 1984.
- [COX] D.R. Cox y H.D. Miller, The Theory of Stochastic Processes, Londres, Methuen,
1965.
APENDICE
APENDICE NEL QUEZADA LUCIO
posibilidad de relacin entre un sistema y su ambiente implica que el primero debe absorber
referirse a objetos o procesos. Una vez identificados los elementos pueden ser organizados en
un modelo.
(negentropa, informacin).
distintos caminos llega a un mismo estado final. El fin se refiere a la mantencin de un estado
APENDICE NEL QUEZADA LUCIO
de equilibrio fluyente. "Puede alcanzarse el mismo estado final, la misma meta, partiendo de
recursos provenientes del ambiente. Estos recursos pueden consistir en flujos energticos,
materiales o informativos.
menores avanza hasta el lmite en el que surge un nuevo nivel de emergencia correspondiente
cualidades y atributos que no se sustentan en las partes aisladas y que, por otro lado, los
elementos o partes de un sistema actualizan propiedades y cualidades que slo son posibles en
particular del sistema en ese momento, alcanzando de tal modo una suerte de "totalidad"
distinguir entre una estructura primaria (referida a las relaciones internas) y una
decirse que la frontera del sistema es aquella lnea que separa al sistema de su entorno y que
input a la importacin de los recursos (energa, materia, informacin) que se requieren para
persigue identificar y mensurar relaciones sistmicas complejas. Todo sistema real tiene la
tanto de los objetivos del modelador como de su capacidad para distinguir las relaciones
simplificacin.
Servicio: Son los outputs de un sistema que van a servir de inputs a otros
materia, informacin) de sus ambientes y esta es una caracterstica propia de todos los
112
APENDICE NEL QUEZADA LUCIO
sistemas vivos. Un sistema abierto significa que establece intercambios permanentes con su
entra y ninguno sale fuera del sistema. Estos alcanzan su estado mximo de equilibrio al
tambin aplicado a sistemas que se comportan de una manera fija, rtmica o sin variaciones,
tienen las mismas propiedades que los sistemas (sinergia) y su delimitacin es relativa a la
posicin del observador de sistemas y al modelo que tenga de stos. Desde este ngulo se
113
APENDICE NEL QUEZADA LUCIO
meses, plazo que puede ser ampliado por 60 das ms, cumplido ello sern remitidos al Fiscal
Provincial para que dictamine sobre su mrito, quien puede solicitar se ample la instruccin
Proceso Penal Sumario: El procedimiento sumario se rige bajo las normas del
Decreto Legislativo 124, que los delitos que se tramitarn bajo las normas de dicho
dispositivo legal, se sujetan bajo las normas del proceso ordinario ya comentado, siendo su
plazo de 60 das, este plazo podr prorrogarse por no ms de 30 das. Vencido dicho plazo el
Fiscal Provincial emitir el pronunciamiento de ley. Con dicho pronunciamiento los autos se
ponen de manifiesto en el Juzgado por el trmino de 10 das plazo para que los abogados
defensores presenten los informes escritos que correspondan. Vencido ste ltimo plazo el
Juez deber emitir la resolucin de fin del proceso que corresponda en el plazo de 15 das.
Sexual) La Dependencia Penal una vez recibida la querella formulado por el agraviado citar
al querellado, para la diligencia de comparendo la que no podr ser antes del Sto da ni para
despus del dcimo de la notificacin. De no concurrir a la diligencia sern citados para una
segunda diligencia de comparendo, la que una vez realizada el Juez invitar a una conciliacin
de realizarse sta se sentar el acta respectiva. Si no la hay previo al examen del Juez
formalizar acta con las firmas de los intervinientes y emitir sentencia. Si la calumnia,
114
APENDICE NEL QUEZADA LUCIO
das, una sumaria investigacin y fallarn dentro del trmino de 5 das, bajo responsabilidad.
jurdica del procesado, ya sea imponiendo sancin penal o absolvindolo de la denuncia fiscal
Auto Final: Resolucin dictada en el proceso penal que sin tener la calidad de
Informe Final: Aquel que realiza el Juez Penal al final de la instruccin, opinando
encuentra en trmite de instruccin esto es antes de que los actuados judiciales se hayan dejado en
remite el expediente judicial al Ministerio Pblico para que ste emita dictamen de ley, opinando
115