M3 - Pensamiento Algorítmico

MÓDULO
Área: NEGOCIOS
3 Curso: PENSAMIENTO ALGORÍTMICO

Módulo: Diseño de Algoritmos, diagramas de flujo y árboles de
decisión.
Área: NEGOCIOS M3
Curso: PENSAMIENTO ALGORÍTMICO
Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Índice
Introducción ......................................................................................................................................................... 1
1. Diseño de algoritmos y diagramas de flujo ...................................................................................................... 2
1.1. Partes y propiedades de un algoritmo ....................................................................................................................... 2
1.1.1. Partes de un algoritmo ........................................................................................................................................ 2
1.1.2. Propiedades de un algoritmo .............................................................................................................................. 3
1.2. Estructura de un algoritmo ......................................................................................................................................... 3
1.3. Representación de algoritmos usando diagramas de flujo ........................................................................................ 4
2. Árboles de decisión........................................................................................................................................... 8
2.1. Árboles de decisión..................................................................................................................................................... 8
2.2. Problemas simples de decisión ................................................................................................................................. 10
Cierre .................................................................................................................................................................. 17
Área: NEGOCIOS M3
Curso: PENSAMIENTO ALGORÍTMICO

Mapa de Contenido
Diseño de algoritmos,
diagramas de flujo y árboles
de decisión
Diseño de
algoritmos y Árboles de decisión
diagramas de flujo
Propiedades y
partes de un Árboles de decisión
algoritmo
Estructura de Problemas simples

un algoritmo de decisión
Representación de
algoritmos usando
diagramas de flujo
Área: NEGOCIOS M3
Curso: PENSAMIENTO ALGORÍTMICO Pág. 1

RESULTADO DE Representa algoritmos basados en fórmulas simples que permitan resolver
APRENDIZAJE problemas sencillos planteados a través de diagramas de flujo y árboles de
DEL MÓDULO decisión.
Introducción
En los módulos previos conocimos los distintos tipos de datos como enteros, reales, caracteres, de cadena y
lógicos y también pudimos construir expresiones con estos tipos de datos en base a operadores aritméticos y
lógicos de tal forma de poder construir una asignación a una variable en base a una combinación de
expresiones. Con toda esta base como conocimiento adquirido, nos corresponde avanzar hacia la construcción
de diagramas de flujo para el desarrollo de los algoritmos con el fin de poder elaborar la secuencia de pasos,
comenzando por un inicio de proceso, declarar las variables y sus tipos de datos, inicializar las variables y
contadores, ingresar los datos de entrada, comenzar con el proceso mismo del algoritmo, en base a
asignaciones de variables, mediante expresiones hasta finalmente, entregar uno o varios resultados
dependiendo de los requerimientos de la solución y poner término al proceso.
También veremos en este módulo, el concepto de árboles de

decisión con el fin de poder a aprender a elaborar una
metodología gráfica para evaluar en base a varias alternativas,
considerando probabilidad de ocurrencia, costos y beneficios.
Usaremos esta técnica en base a nodos de decisión y de
probabilidad para casos reales que pueden ocurrir en el ámbito
personal o de empresas.
Área: NEGOCIOS M3

1. Diseño de algoritmos y diagramas de flujo
1.1. Partes y propiedades de un algoritmo

1.1.1. Partes de un algoritmo
Todo algoritmo debe obedecer a la estructura básica de un sistema, es decir: entrada, proceso y salida,
entonces las partes de un algoritmo son:
Dónde:
a. Entrada
Corresponde al insumo, a los datos necesarios que requiere el proceso para ofrecer los resultados esperados.
b. Proceso
Son los pasos necesarios para obtener la solución del problema o la situación planteada.
c. Salida
Son los resultados arrojados por el proceso como solución.
Por ejemplo, si vemos el caso de un algoritmo que realiza la sumatoria de los dos números que se ingresan, se
tiene:
EJEMPLO
Entrada
Valores de las variables A y B que se ingresan.
Proceso
Asignar a la variable Suma, el valor de A más el valor de B.
Salida
Resulta la impresión del valor de la variable Suma, que contiene la sumatoria de los valores de A y B.
Área: NEGOCIOS M3

1.1.2. Propiedades de un algoritmo
Entre las propiedades de los algoritmos tenemos:
a. Siempre debe terminar.

b. Debe tener instrucciones concretas, es decir, sin ninguna ambigüedad.
c. Todos sus pasos deben ser simples y tener un orden definido.
d. Debe ser eficiente y rápido. Para un problema existen múltiples soluciones, y debemos escoger la que
consuma menos tiempo y recursos.
e. Debe funcionar sean cuales sean sus datos de entrada.
1.2. Estructura de un algoritmo

Nos interesa ahora poder conocer cuál es la estructura detallada de un algoritmo con todas sus partes
funcionales y tal como establece Joyanes (2003):
El algoritmo en pseudocódigo debe tener una estructura muy clara y similar a un programa, de modo que
se facilite al máximo su posterior codificación. Interesa por tanto conocer las secciones en las que se divide
un programa, que habitualmente son:
a. La cabecera.
b. El cuerpo del programa:
— Bloque de declaraciones.
— Bloque de instrucciones.
La cabecera contiene el nombre del programa. El cuerpo del programa contiene a su vez otras dos partes: el
bloque de declaraciones y el bloque de instrucciones. En el bloque de declaraciones se definen o declaran las
constantes con nombre, los tipos de datos definidos por el usuario y también las variables. Suele ser
conveniente seguir este orden. La declaración de tipos suele realizarse en base a los tipos estándar o a otros
definidos previamente, aunque también hay que considerar el método directo de enumeración de los valores
constituyentes. El bloque de instrucciones contiene las acciones a ejecutar para la obtención de los resultados.
Las instrucciones o acciones básicas a colocar en este bloque se podrían clasificar del siguiente modo:
a. De inicio/fin. La primera instrucción de este bloque será siempre la de inicio y la última la de fin.
b. De asignación. Esta instrucción se utiliza para dar valor a una variable en el interior de un programa.
c. De lectura. Toma uno o varios valores desde un dispositivo de entrada y los almacena en memoria en
las variables que aparecen listadas en la propia instrucción.
d. De escritura. Envía datos a un dispositivo de salida.
e. De bifurcación. Estas instrucciones no realizan trabajo efectivo alguno, pero permiten controlar el que
se ejecuten o no otras instrucciones, así como alterar el orden en el que las acciones son ejecutadas.
Las bifurcaciones en el flujo de un programa se realizarán de modo condicional, esto es en función del
resultado de la evaluación de una condición. El desarrollo lineal de un programa se interrumpe con
este tipo de instrucciones y, según el punto a donde se bifurca, podremos clasificarlas en bifurcaciones
hacia adelante o hacia atrás. Las representaremos mediante estructuras selectivas o repetitivas.
Área: NEGOCIOS M3

1.3. Representación de algoritmos usando diagramas de flujo
El diagrama de flujo es una de las técnicas de representación gráfica de un algoritmo más utilizadas y consiste
en el uso de símbolos gráficos estandarizados. A continuación, en la Figura 1, presentamos los símbolos más
utilizados en los diagramas de flujo con su función respectiva:
Símbolos usados en diagrama de flujo1
Terminal: representa el comienzo (inicio) y el final (fin) de un programa.

Puede representar también una parada o interrupción programada que
sea necesario realizar en un programa.
Entrada/Salida: representa cualquier tipo de introducción de datos en la

memoria desde los periféricos (entrada) o registro de la información
procesada en un periférico (salida).
Proceso: representa cualquier tipo de operación que pueda originar

cambio de valor, formato o posición de la información almacenada en
memoria, operaciones aritméticas, de transferencia, etc.
NO Decisión: representa operaciones lógicas o de comparación entre dos

datos y en función del resultado determina cuál de los distintos caminos
alternativos del programa se debe seguir, normalmente tiene dos salidas:
SI
SI y NO.
Decisión múltiple: en función del resultado de la comparación se

seguirá uno de los diferentes caminos de acuerdo con dicho
resultado.
Conector: sirve para enlazar dos partes cualesquiera de un ordinograma a

través de un conector en la salida y otro conector en la entrada. Se refiere
a la conexión en la misma página del diagrama.
Indicador de dirección o línea de flujo: indica el sentido de

ejecución de las operaciones.
Línea conectora: sirve de unión entre dos símbolos
1
Fuente: Adaptado de Joyanes 2005.
Área: NEGOCIOS M3

Conector: sirve para la conexión entre dos puntos del diagrama
situado en páginas diferentes.
Llamada a subrutina o a un proceso determinado: una subrutina es un

módulo independiente del programa principal, que recibe una
entrada procedente de dicho programa, realiza una tarea
determinada y al terminar, regresa al programa principal.
Pantalla: se utiliza en ocasiones en lugar del símbolo de E/S.
Impresora: se utiliza en ocasiones en lugar del símbolo de E/S.
Teclado: se utiliza en ocasiones en lugar del símbolo de E/S.
Comentarios: se utiliza para añadir comentarios

clasificadores a otros símbolos del diagrama de flujo. Se
pueden dibujar a cualquier lado del símbolo
Figura 1.
Veamos ahora un ejemplo de cómo construir un diagrama de flujo para el caso de un viaje donde nos
interesa calcular el tiempo de viaje, en función de la distancia y de la velocidad promedio de viaje.
En este caso podemos apreciar en el diagrama de flujo de la Figura 2:
• Dos símbolos de terminal que representan el inicio y fin del proceso viaje
• Un símbolo de proceso donde se asigna a la variable tiempo el resultado de dividir la distancia por la
velocidad
• Cinco símbolos de entrada/salida donde hay dos de entrada que aparecen de color violeta, que
corresponden al ingreso de los datos de distancia (dist) y velocidad (vel) y tres de salida que aparecen en
color verde, de los cuales se registran los dos mensajes del ingreso de los datos de distancia y velocidad y
el registro final con el cálculo o resultado del tiempo de viaje.
Área: NEGOCIOS M3

Diagrama de flujo proceso de viaje2
Figura 2.
Obsérvese además que el diagrama de flujo en base a su estructura, tiene una cierta secuencia de pasos donde
hay unos que se realizan antes y otros después. Fácilmente podemos llevar del plano del diagrama de flujo a
la escritura del algoritmo:
Podemos ver también otro ejemplo donde interesa calcular la superficie de un terreno en base a los datos
proporcionados por el usuario (ancho y largo) y dependiendo de su elección, el algoritmo entregue el resultado
expresado en unidades de Hectárea o metro cuadrado.
2
Fuente: Elaboración propia a partir de PSeInt.
Área: NEGOCIOS M3

Veamos primero el algoritmo desarrollado:
Luego, el diagrama de flujo correspondiente se ilustra en la Figura 3.
Diagrama de flujo proceso de cálculo de superficie3
Figura 3.
3
Fuente: Elaboración propia a partir de PSeInt.
Área: NEGOCIOS M3

2. Árboles de decisión
En la vida real, ya sea en el plano personal o en el de una organización, es necesario tomar alguna decisión en
base a diferentes alternativas que pueden implicar ciertas ventajas, demandar mayores costos que otras o bien
generar mayores beneficios. También podemos especificar la probabilidad de ocurrencia de las distintas
alternativas.
2.1. Árboles de decisión

Un árbol de decisión es un mapa de los posibles resultados de una serie de decisiones relacionadas. Permite
que un individuo o una organización comparen posibles acciones entre sí según sus costos, probabilidades y
beneficios. Se pueden usar para dirigir un intercambio de ideas informal o trazar un algoritmo que anticipe
matemáticamente la mejor opción.
Un árbol de decisión, por lo general, comienza con un único nodo y luego se ramifica en resultados posibles.
Cada uno de esos resultados crea nodos adicionales, que se ramifican en otras posibilidades. Esto le da una
forma similar a la de un árbol.
Hay tres tipos diferentes de nodos: nodos de probabilidad, nodos de decisión y nodos terminales. Un nodo de
probabilidad, representado con un círculo, muestra las probabilidades de ciertos resultados. Un nodo de
decisión, representado con un cuadrado, muestra una decisión que se tomará, y un nodo terminal muestra el
resultado definitivo de una ruta de decisión.
La estructura de un árbol de decisión (ver Figura 4) según indica Lucidchart.com (2017) consta de los siguientes
elementos:
Símbolos de un árbol de decisión4
Nodo de decisión: indica una decisión que se tomará.
Nodo de probabilidad: Muestra múltiples resultados

inciertos.
4
Fuente: Lucidchart.com
Área: NEGOCIOS M3

Ramificaciones alternativas: Cada ramificación indica un
posible resultado o acción.
Alternativa rechazada: Muestra una alternativa que no

estaba seleccionada.
Nodo terminal: Indica un resultado definitivo.
Figura 4.
Los árboles de decisión se utilizan bastante en los modelos de minería de datos o exploración de datos
especialmente cuando se debe evaluar distintas alternativas y son ampliamente utilizados en sectores como el
bancario y las compañías aseguradoras para tomar decisiones respecto a la concesión de créditos o el cálculo
de las pólizas, respectivamente, dado que permiten determinar qué características relativas a los usuarios son
las que comportan mayor o menor riesgo, siendo posible segmentar a los usuarios en función de dichas
características.
Un árbol de decisión es una secuencia de condiciones que son interrogadas con respecto a los datos de entrada,
tomando una decisión parcial que lleva hacia una rama u otra, repitiendo este proceso hasta llegar a una hoja
donde se toma una decisión final.
Para poder explicar con una situación real, citaremos un ejemplo de Gironés (2017) donde
explica que:
Por ejemplo, en el hundimiento del Titanic, mostrado en la Figura 2.2, de las 2201 personas a bordo solamente
sobrevivieron 711 (un 32,3 %). Si se tuviera que tomar una decisión sobre todos los embarcados, esta sería “no
sobrevivieron”, dado que es correcta en el 67,7 % de los casos. Pero si analizamos la supervivencia con respecto
a otras variables disponibles, la primera condición es el sexo, dado que las mujeres a bordo del Titanic (344 de
470, un 73,2 %) sobrevivieron en mayor proporción que los hombres (367 de 1731, un 21,2 %). Esto genera
una partición del conjunto de entrada en dos conjuntos disjuntos; tras la primera condición (el nodo raíz), por
una rama del árbol solo quedarán hombres y por la otra, mujeres. La decisión con respecto a las mujeres sería
“sobrevivieron”, dado que lo hicieron en un 73,2 %. En cambio, en el caso de los hombres, la decisión sería “no
sobrevivieron”, la cual sería cierta en un 78,8 % de los casos. Se puede observar que la precisión de la predicción
ha aumentado para ambas hojas con respecto a la primera predicción. Esto siempre sucede al menos para una
hoja, dado que el procedimiento seguido intenta mejorar la predicción anterior. De la misma manera, en el
Área: NEGOCIOS M3

caso de los hombres, la siguiente condición es la edad, dado que los niños sobrevivieron en una proporción
mayor que los adultos. En cambio, en el caso de las mujeres, la siguiente condición es la clase en la cual
viajaban, dado que las mujeres que lo hacían en primera clase sobrevivieron más que las que lo hacían en
segunda y mucho más que las que lo hacían en tercera clase. De hecho, las mujeres de tercera clase tuvieron
una tasa de supervivencia inferior al 50 %, mientras que el resto sobrevivió en más de un 90 %. Nótese que
cada rama puede contener una secuencia de condiciones diferentes, lo cual aporta información sobre el
problema a resolver. De hecho, este árbol de decisión representa razonablemente bien la típica frase “las
mujeres (no pobres) y los niños primero” usada en catástrofes de este tipo.
Árbol de decisión de Titanic5
n = 2201
1490 / 711 1
67,7% / 32,3%
sexo
hombres mujeres
1731 470
1364 / 367 2 126 / 344 3
78,8% / 21,2% 26,8% / 73,2%
edad clase
niños adultos otras tercera
4 5 6 7
64 1667 274 196
35 / 29 1329 / 338 254 / 20 90 / 106
54,7% / 45,3% 79,7% / 20,3% 92,7% / 7,3% 45,9% / 54,1%
Figura 5.
2.2. Problemas simples de decisión

Vamos a ver algunos problemas simples donde debemos tomar una decisión en base a la evaluación de las
diversas alternativas, analizando el costo y la calidad de los productos:
5
Fuente: Gironés (2017)
Área: NEGOCIOS M3

La gerencia de una empresa de retail debe decidir si debe construir una instalación pequeña o
grande en otra ciudad. La demanda ahí puede ser baja o alta, con probabilidades estimadas de
un 40% y 60%, respectivamente. Si se construye la instalación pequeña y la demanda resulta
ser alta, el gerente puede decidir no expandirse (ganancia MM$223) o expandirse (ganancia
MM$270). Si se construye una instalación pequeña y la demanda es baja, no hay razón para
expandirse y la ganancia estimada en este caso es de MM$200. Por otro lado, si se construye una instalación
grande y la demanda resulta ser baja, la opción es no hacer nada (ganancia MM$40) o estimular la demanda
con publicidad local. La respuesta a la publicidad puede ser modesta o considerable, con probabilidades
estimadas de un 30% y 70%, respectivamente. Si es modesta, la ganancia estimada será sólo de MM$20; si la
respuesta es considerable, la ganancia aumenta a MM$220, y por último, si construye una instalación grande
y la demanda resulta ser alta, la ganancia estimada es de MM$800.
De esta forma la primera decisión consiste en construir una instalación pequeña o grande (ver Figura 6). Si la
instalación es pequeña y la demanda es baja (con probabilidad de un 40%) no se hace nada y se obtiene
MM$200 de ganancia, sin embargo, si la instalación es pequeña y la demanda es alta (con probabilidad de un
60%), nos enfrentamos a una segunda decisión: expandirse (con ganancia estimada de MM$270) o no
expandirse (con ganancia estimada de MM$223).
Árbol de decisión de empresa6
Demanda baja
4 MM$ 200
40%
Instalación pequeña 6 MM$ 270

2 expandir
60%
5
Demanda alta
7 MM$ 223
no expandir
Demanda alta
8 MM$ 800
60%
No hacer nada
10 MM$ 40
3
Instalación grande
Respuesta moderada
40% 12 MM$ 20
9 30%
Demanda baja
publicidad 11
Figura 6
70%
13 MM$ 220
Respuesta considerable
6
Fuente: Elaboración propia.
Área: NEGOCIOS M3

Por otro lado, si se decide por una instalación grande la demanda puede ser alta (con probabilidad de un 60%)
en cuyo caso la ganancia es de MM$800 (y no se hace nada más) o la demanda puede ser baja (con probabilidad
de un 40%), enfrentándose en este último caso a una nueva decisión: estimular o no la demanda. Si no se hace
nada (es decir, si no se estimula la demanda) la ganancia será de MM$40 y si se estimula (realizar publicidad)
la respuesta puede ser moderada (con probabilidad de un 30%) y ganancia estimada de MM$20 o considerable
(con probabilidad estimada de un 70%) y ganancia de MM$220.
La gerencia por tanto debe construir la instalación grande (ruta de color verde) con una ganancia esperada de
MM$544 (MM$544=MM$160*0,4+MM$800*0,6 y además MM$160=MM$20*0,3+MM$220*0,7).
La ganancia esperada asociada a la instalación pequeña es de MM$242

(MM$242=MM$200*0,4+MM$270*0,6).
Se debe notar que esta decisión sobre el tamaño de la instalación es la única que se toma ahora (ver Figura7).
Las decisiones siguientes se tomarán después de ver si la demanda es baja o alta.
Árbol de decisión de empresa con mejor alternativa7
Ev = MM$ 200
Demanda baja
4 MM$ 200
40%
Instalación pequeña 6 MM$ 270

2 expandir
Ev = MM$ 242 Ev = MM$ 270
60%
5
Demanda alta
Ev = MM$ 270
7 MM$ 223
no expandir
1 Ev = MM$ 544 Ev = MM$ 223
Ev = MM$ 800
Demanda alta
8 MM$ 800
60%
Ev = MM$ 544
No hacer nada
10 MM$ 40
3
Instalación grande MM$ 20
Respuesta moderada
40% 1
9 30%
Demanda baja 2
Ev = MM$ 160 Ev = MM$ 20
Ev = MM$ 160
11
publicidad
MM$ 220
70%
Respuesta considerable 13
Figura 7. Ev = MM$ 220
7
Área: NEGOCIOS M3

Veamos ahora otro ejemplo de un caso de árbol de decisión donde se debe decidir entre la
oferta de suministro de dos proveedores de materias primas.
Ejemplo
Una empresa compra la materia prima a dos proveedores A y B, cuya calidad se muestra en la Tabla Piezas y
probabilidades de proveedores siguiente:
Tabla Piezas y probabilidades de proveedores
Piezas Probabilidad para Probabilidad para

defectuosas el proveedor A el proveedor B
1% 80% 40%
2% 10% 30%
3% 10% 30%
Los pedidos que realiza la empresa ascienden a 1.000 piezas. Una pieza defectuosa puede ser reparada por 1
dólar. Si bien tal y como indica la tabla la calidad del proveedor B es menor, éste está dispuesto a vender las
1.000 piezas por 10 dólares menos que el proveedor A.
Evaluar y tomar la decisión del proveedor que resulta más conveniente de utilizar.
Solución:
Paso 1 Paso 2
Vamos a enumerar las diferentes alternativas de Enumeraremos en la Tabla Porcentaje de Piezas
decisión: defectuosas de proveedores para cada una de las
Proveedor A alternativas de decisión, los estados de la
Proveedor B naturaleza asociados a la misma:
Tabla Porcentaje de Piezas defectuosas de proveedores
Alternativas Estados de la naturaleza

1% piezas defectuosas
Proveedor A 2% piezas defectuosas
Proveedor B 2% piezas defectuosas
Área: NEGOCIOS M3

Paso 3
El árbol de decisión con un nodo de decisión y sus nodos de probabilidad en base a sus proveedores se ilustra
en la Figura 8.
Árbol de decisión de proveedores8
1% piezas
defectuosas
2% piezas
defectuosas
Proveedor
A
3% piezas
defectuosas
1% piezas
defectuosas
Proveedor
2% piezas
B
defectuosas
3% piezas
defectuosas
Figura 8.
Paso 4
Asignaremos las probabilidades a priori de cada uno de los estados de la naturaleza de acuerdo con los valores
del enunciado de la Tabla Piezas y probabilidades de proveedores, según se ilustra en la Figura 9:
Árbol de decisión con probabilidades9
1% piezas
defectuosas 80
2% piezas %
defectuosas 10
Proveedor %
A 10
3% piezas %
defectuosas
1% piezas
defectuosas 40
Proveedor %
2% piezas
B
defectuosas 30
%
Figura 9. 30
3% piezas %
defectuosas
8
9
Área: NEGOCIOS M3

Paso 5
Calcularemos ahora el costo por cada rama del árbol.
El costo de cada rama se obtiene a partir del número de unidades defectuosas. Siendo los pedidos de 1.000
piezas, las unidades defectuosas serán:
En el caso de 1% defectuosas: 1.000 piezas x 1% / defectuosas = 10 piezas / defectuosas

Si cada pieza defectuosa puede ser reparada por 1 dólar, el costo de la reparación asciende a:
En el caso de 1% defectuosas: 10 piezas/defectuosas x 1 dólar / pieza defectuosa = 10 dólares

En el caso de 2% defectuosas: 20 piezas / defectuosas x 1 dólar / pieza defectuosa = 20 dólares
En el caso de 3% defectuosas: 30 piezas/defectuosas x 1 dólar / pieza defectuosa = 30 dólares
Aplicaremos la información calculada en el árbol de la Figura 10:
Árbol de decisión con costos10
80% 20
10% 30
Proveedor A
10% 40
40% 10
Proveedor B
30% 20
30% 30
Figura 10.
En el caso del proveedor A el costo es 10 dólares superior al del proveedor B, tal y como indica el enunciado
del ejercicio.
10
Área: NEGOCIOS M3

Paso 6 Paso 7
Se resuelve el árbol de decisión de derecha a Dado que los valores que se han calculado son
izquierda. Dado que la etapa final es probabilista se costos, se debe elegir la alternativa cuyo costo sea
debe aplicar el criterio de la esperanza matemática menor y colocar el resultado encima del nodo
con el objetivo de determinar el costo esperado de correspondiente. El costo esperado de comprar la
cada alternativa de decisión: pieza al proveedor A es de 23 dólares según se
(20 x 0,8) + (30 x 0,1) + (40 x 0,1) = 23 dólares calculó en el paso anterior, mientras que el de
(10 x 0,4) + (20 x 0,3) + (30 x 0,3) = 19 dólares comprar la pieza al proveedor B es de 19 dólares,
Ahora colocaremos el resultado encima del nodo por lo que se deberá comprar la pieza el proveedor
de probabilidad correspondiente: B dado que el costo es menor, según se ilustra en la
Figura 11.
Árbol de decisión con evaluación de costos11
80% 20
23
10% 30
Proveedor A
10% 40
19 3% piezas defectuosas
40% 10
Proveedor B 19 2% piezas defectuosas
30% 20
30% 30
Figura 11.
11
Área: NEGOCIOS M3

Cierre
En este módulo hemos aprendido que las partes que componen un algoritmo son la entrada, el proceso y la
salida como tres grandes bloques, también hemos visto la estructura de un algoritmo compuesto por una
cabecera y un cuerpo formado por un bloque de declaraciones y un bloque de instrucciones, donde en el
bloque de declaraciones se definían o declaraban las constantes con nombre, los tipos de datos definidos por
el usuario y también las variables y por otra parte en el bloque de instrucciones, se realizan las acciones a
ejecutar para la obtención de los resultados, tales como el inicio/fin, la asignación, la escritura y lectura de
datos, y la bifurcación que aportan para el desarrollo más fino y elaborado para poder realizar algoritmos.
Hemos aprendido a desarrollar algoritmos en base a diagramas de flujos mediante el uso de símbolos
terminales de inicio/fin, de entrada/salida para leer y escribir, de proceso para realizar la asignación de
expresiones a una o más variables y de bloques de decisión para seguir una alternativa u otra de ejecución,
que nos permitirán pensar en modo algorítmico, siguiendo una metodología secuencial y estructurada para
poder contribuir al desarrollo de un programa basado en uno o más algoritmos.
Finalmente hemos aprendido que los árboles de decisión nos aportan en nuestras decisiones personales, de
emprendimiento o de innovación en una empresa, facilitando el análisis de varias alternativas a partir de un
tema principal realizando la evaluación de las distintas alternativas en base a la probabilidad de ocurrencia,
costos y beneficios.
Sin duda que los conceptos y ejemplos desarrollados en este módulo permitirán que el alumno disponga de las
herramientas base para lograr el aprendizaje de un pensamiento algorítmico aplicable a cualquier situación de
una empresa.
APORTE A TU FORMACIÓN
Con el aprendizaje logrado del diseño de algoritmos, diagramas de flujo y árboles de decisión permitirán al alumno
que pueda desempeñarse en la vida laboral realizando diseños de algoritmos mediante el uso efectivo de diagramas
de flujo y pseudocódigos para dar solución a cualquier problemática que ocurra en el negocio de una empresa, área
o gerencia funcional. Por otra parte, el alumno al momento de aprobar los aprendizajes esperados relacionados con
el análisis de árboles de decisión, estará capacitado para poder realizar una evaluación de una determinada solución
en base a diversas alternativas que tienen probabilidades de ocurrencia, costos y beneficios.

M3 - Pensamiento Algorítmico

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

M3 - Pensamiento Algorítmico

Cargado por

Copyright:

Formatos disponibles

MÓDULO

3 Curso: PENSAMIENTO ALGORÍTMICO

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Estructura de Problemas simples

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

También veremos en este módulo, el concepto de árboles de

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

1.1. Partes y propiedades de un algoritmo

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

a. Siempre debe terminar.

1.2. Estructura de un algoritmo

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Símbolos usados en diagrama de flujo1

Terminal: representa el comienzo (inicio) y el final (fin) de un programa.

Entrada/Salida: representa cualquier tipo de introducción de datos en la

Proceso: representa cualquier tipo de operación que pueda originar

NO Decisión: representa operaciones lógicas o de comparación entre dos

Decisión múltiple: en función del resultado de la comparación se

Conector: sirve para enlazar dos partes cualesquiera de un ordinograma a

Indicador de dirección o línea de flujo: indica el sentido de

Línea conectora: sirve de unión entre dos símbolos

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Llamada a subrutina o a un proceso determinado: una subrutina es un

Pantalla: se utiliza en ocasiones en lugar del símbolo de E/S.

Impresora: se utiliza en ocasiones en lugar del símbolo de E/S.

Teclado: se utiliza en ocasiones en lugar del símbolo de E/S.

Comentarios: se utiliza para añadir comentarios

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Luego, el diagrama de flujo correspondiente se ilustra en la Figura 3.

Diagrama de flujo proceso de cálculo de superficie3

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

2.1. Árboles de decisión

Símbolos de un árbol de decisión4

Nodo de decisión: indica una decisión que se tomará.

Nodo de probabilidad: Muestra múltiples resultados

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Alternativa rechazada: Muestra una alternativa que no

Nodo terminal: Indica un resultado definitivo.

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Árbol de decisión de Titanic5

niños adultos otras tercera

2.2. Problemas simples de decisión

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Árbol de decisión de empresa6

Instalación pequeña 6 MM$ 270

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

La ganancia esperada asociada a la instalación pequeña es de MM$242

Árbol de decisión de empresa con mejor alternativa7

Instalación pequeña 6 MM$ 270

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Tabla Piezas y probabilidades de proveedores

Piezas Probabilidad para Probabilidad para

Tabla Porcentaje de Piezas defectuosas de proveedores

Alternativas Estados de la naturaleza

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

Árbol de decisión de proveedores8

Árbol de decisión con probabilidades9

Diseño de Algoritmos, diagramas de flujo y árboles de decisión.

En el caso de 1% defectuosas: 1.000 piezas x 1% / defectuosas = 10 piezas / defectuosas

En el caso de 1% defectuosas: 10 piezas/defectuosas x 1 dólar / pieza defectuosa = 10 dólares

Aplicaremos la información calculada en el árbol de la Figura 10:

Árbol de decisión con costos10