You are on page 1of 41

UPAO

INGENIERIA INDUSTRIAL
ANALISIS DE DECISIONES.
SEMANA 4 P: El punto de equilibrio, su anlisis grafico.
Tablas de ingresos y egresos.
Dr. Ing Manuel Urcia Cruz.

8/24/17 Dr. Ing MANUEL URCIA CRUZ. 1


.

ANALISIS DEL PUNTO DE EQUILIBRIO


Todo gerente necesita saber por anticipado, si un nuevo
producto o una nueva empresa, va a producir utilidad o
no y en qu nivel de actividad comienza esa utilidad.
Para determinarlo se puede utilizar el anlisis de punto
de equilibrio. Es el punto en donde los ingresos totales
recibidos se igualan a los costos asociados con la venta
de un producto (IT = CT). Un punto de equilibrio es
usado comnmente en las empresas/organizaciones
para determinar la posible rentabilidad de vender
determinado producto
8/24/17 Dr. Ing MANUEL URCIA CRUZ. 2
INGRESO TOTAL = COSTO TOTAL
IT = CANTIDAD PRODUCIDA EN UN PERIODO DETERMINADO x PRECIO DE VENTA DE CADA UNIDAD
PRODUCIDA
IT= QxPVu
CT= COSTOS FIJOS INCURRIDOS EN UN PERIODO DETERMINADO + LA CANTIDAD PRODUCIDA EN ESE
PERIODO X COSTO VARIABLE DE CADA UNIDAD PRODUCIDA.
CT = CF + QxCVU
Igualando las dos ecuaciones tenemos:
QXPVu =CF + QXCVU
DESPEJANDO. (QXPV) (QXCVU) = CF
SACANDO FACTOR COMUN Q
Q(PVu CVU) = CF
ENTONCES:
Q= CF/PVu -CVU

8/24/17 Dr. Ing MANUEL URCIA CRUZ. 3


REPRESENTACION GRAFICA DEL PUNTO DE EQUILIBRIO .

8/24/17 Dr. Ing MANUEL URCIA CRUZ. 4


Ventajas y limitaciones del punto de equilibrio
VENTAJAS
Losgrficossonfcilesdeconstruireinterpretar.
Proveedirectricesenrelacinalacantidaddeequilibrio, mrgenesde seguridad y
niveles deutilidad/prdida adistintos niveles de produccin.
Se puedenestablecerparalelosa travs delaconstruccinde grficos comparativos
para distintas situaciones.
Laecuacin entregaunresultado precisodelpuntodeequilibrio.
LIMITACIONES
Es pocorealista asumirqueelaumento deloscostos essiempre lnea,yaque no todos
los costos cambian en forma proporcional a la variacin en el nivel de produccin.
No todoslos costos pueden ser fcilmente clasificables enfijos yvariables.
Seasumequetodas lasunidades producidassevenden, loqueresulta poco probable.
Es poco probablequelos costos fijos semantenganconstantesa distintos niveles de
produccin, dadas las diferentes necesidades de la empresa

8/24/17 Dr. Ing MANUEL URCIA CRUZ. 5


Los Pronsticos.

Son estimaciones cualitativas o


cuantitativas de una mas variables que
forman un evento futuro en funcin de
informacin pasada.

8/24/17 Dr. Ing MANUEL URCIA CRUZ. 6


Tipos de pronsticos
Por su plazo: De corto plazo
De largo plazo
Segn el entorno a Micro
pronosticar Macro
Segn el Cualitativo
procedimiento Cuantitativo
empleado
Las tcnicas cuantitativas pueden ser:

Estadsticas Se enfocan en patrones y en


cambios en los patrones y
sus perturbaciones

Determinsticas Son de tipo causal,


establecen relacin entre
la variable a pronosticar y
otras variables
Con relacin a las tcnicas
cuantitativas estadsticas se
presentan dos enfoques:
Los datos se pueden descomponer en
componentes de tendencia, cclicos,
estacionales y aleatorios.
Modelos economtricos de series de
tiempo y Box-Jenkins.
Componentes de series de
tiempo:
Una serie de tiempo consta de datos que
se renen, registran u observan sobre
incrementos sucesivos de tiempo.
Se requiere un enfoque sistemtico para
analizarlas.
Descomposicin clsica de series de
tiempo:
Componente Descripcin
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminucin
en la serie sobre un periodo amplio.
Cclico Es la fluctuacin en forma de onda
alrededor de la tendencia.
Estacional Es un patrn de cambio que se repite a
s mismo ao tras ao.
Aleatorio Mide la variabilidad de las series de
tiempo despus de retirar los otros
componentes.
Seleccin de una tcnica de
pronstico: Datos
Las fuerzas queestacionarios
generan la serie se han estabi-lizado y
el medio permanece relativamente sin cambios.
Se puede lograr la estabilidad haciendo correcciones
sencillas a factores como crecimiento de la poblacin
o la inflacin.
La serie se puede transformar en una serie estable.
La serie es un conjunto de errores de pronstico, de
una tcnica de pronstico que se considera adecuada.
Seleccin de una tcnica de
pronstico: Datos con
tendencia
Productividad creciente y nueva tecnologa
producen cambios.
El incremento de la poblacin elevan la
demanda por productos.
El poder de compra se afecta por la inflacin.
Aumenta la aceptacin en el mercado de un
producto.
Seleccin de una tcnica de
pronstico: Datos con
estacionalidad
El clima influye en la variable de inters.
El ao calendario influye en la variable.
Seleccin de una tcnica de
pronstico: Series cclicas

El ciclo del negocio influye sobre la


variable.
Cambios en el gusto popular.
Cambios en la poblacin.
Cambios en el ciclo de vida del producto.
Medicin del error en el pronstico

Se compara la precisin de dos o ms


tcnicas de pronstico.
Se mide la confiabilidad de una tcnica de
pronstico.
Se busca la tcnica ptima.
5. Frmulas de medicin del error en
el pronstico
Desviacin absoluta media :
n

Y t Yt
DAM t 1
n
Error medio cuadrado :


n
2
Yt Yt
EMC t 1
n
Modelos de series de
tiempo
Modelos no formales:
Estas tcnicas suponen que los periodos
recientes son los mejores para
pronosticar el futuro.
El mtodo ms sencillo es el mtodo del
ltimo valor:
Pronstico = ltimo valor
6.1. Mtodo del ltimo valor
t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
6.2. Metodos de promedio

Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el periodo
siguiente.
Promedios simples:
t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
Promedios mviles:
Este mtodo no considera la media de
todos los datos, sino solo los ms recientes.
Se puede calcular un promedio mvil de n
periodos.
El promedio mvil es la media aritmtica de
los n periodos ms recientes.
Promedios mviles:
promedio mvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6 64 56.67 55.5
Metodos de suavizamiento
exponencial
El mtodo de suavizamiento exponencial puede dar
una ponderacin mayor a las observaciones ms
recientes.
Las ponderaciones se asigna mediante la constante
, 0 < < 1.
El modelo se expresa como:
pronstico = (ltimo valor) + (1 - )(ltimo pronstico)
Mtodos de suavizamiento
exponencial
t Yt =0.1 =0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6 64 46.67 54.38
Descomposicin de series
de tiempo
Las tendencias son movimientos a largo plazo en
una serie de datos a lo largo del tiempo.
La tendencia puede ser descrita por una recta o
por una curva.
Las tendencias se dan por varias causas: cambios
en la poblacin, cambios en la productividad,
cambios tecnolgicos, etc.
En este tipo de anlisis la variable independiente
es el tiempo.
Tendencia lineal
El mtodo ms empleado para describir una
tendencia lineal es el de mnimos cuadrados, para
encontrar una lnea de mejor ajuste para un
conjunto de puntos.
Y = a + bX
Y = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
6.4.1. Tendencia lineal:
ejemplo
Ao Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000 7 71
2001 8 75
6.4.1. Tendencia lineal: ejemplo

www.auladeeconomia.com
6.4.1. Tendencia lineal:
ejemplo
X Y XY X
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
Tendencia lineal: frmulas

n xy x y
b
n x x
2 2

a
y
b
x
n n
www.auladeeconomia.com
Tendencia lineal
t Yt Yt et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
www.auladeeconomia.com9
6.4.1. Tendencia lineal
Se puede calcular el coeficiente de determinacin, a fin
de evaluar qu tan correcta es la estimacin de la recta
de regresin.
El coeficiente de determinacin r se calcula como:

n xy x y
2


n x x n y y
2
r 2 2 2 2
6.4.1. Tendencia lineal

Nivel de Z Frmula
confianza
68% 1 y Se
95% 2 y 2Se
99% 3 y 3Se
7. Aplicacin de varios mtodos a datos
desestacionalizados
Los datos muestran alguna tendencia creciente a lo largo
del tiempo, adems de una marcada estacionalidad. Se
proceder a desestacionalizar los datos, lo que permite
observar hasta donde las variaciones se deben a efectos
estacionales o bien, a otros factores.
El proceso de ajuste estacional se realizar a travs del
clculo de factores estacionales:
Factor estacional = Prom. periodo / prom. global
Ao Trim. Yt
1 1 13618
2 12930
3 13138
4 16532
2 1 14514
2 14128
3 15568
4 17448
3 1 13984
2 13644
3 15898
4 19300
7. Aplicacin de varios mtodos a
datos desestacionalizados
20000

19000

18000

17000

16000

15000

14000

13000

12000

11000

10000
1 2 3 4 1 2 3 4 1 2 3 4
Trim estres
Aplicacin de varios mtodos a
datos desestacionalizados
Ao
1 2 3 Factor
T Suma Prom Estac.
1 13618 14514 13984 42116 10529 0.9323
2 12930 14128 13644 40702 10175 0.9010
3 13138 15568 15898 44604 11151 0.9873
4 16532 17448 19300 53280 13320 1.1794
Total 45175.50
Prom. 11293.88
Ao Trim. Yt Yt ajust.
1 1 13618.00 14607.27
2 12930.00 14351.12
3 13138.00 13306.33
4 16532.00 14017.29
2 1 14514.00 15568.36
2 14128.00 15680.79
3 15568.00 15767.47
4 17448.00 14793.96
3 1 13984.00 14999.86
2 13644.00 15143.59
3 15898.00 16101.70
4 19300.00 16364.25
Aplicacin de varios mtodos a
datos desestacionalizados
Se aplican varios mtodos de pronstico para
finalmente seleccionar el mejor pronstico.
A. Mtodo de pronstico del ltimo valor
B. Promedios mviles
C. Suavizamiento exponencial
D. Suavizamiento exponencial con tendencia
Otros mtodos:
Modelos de tendencia con ajuste estacional
Modelo de promedios mviles integrados
autorregresivos (ARIMA o Box-Jenkins)
Pronsticos causales (modelos economtricos)
Mtodos de pronsticos subjetivos

You might also like