Sei sulla pagina 1di 41

UPAO

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

17/11/2018 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 qué nivel de actividad comienza esa
utilidad.
• Para determinarlo se puede utilizar el análisis 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 comúnmente en las
empresas/organizaciones para determinar la posible
rentabilidad de vender determinado producto
17/11/2018 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

17/11/2018 Dr. Ing° MANUEL URCIA CRUZ. 3


REPRESENTACION GRAFICA DEL PUNTO DE EQUILIBRIO.

17/11/2018 Dr. Ing° MANUEL URCIA CRUZ. 4


Ventajas y limitaciones del punto de equilibrio
• VENTAJAS
• Los gráficos son fáciles de construir e interpretar.
• Provee directrices en relación a la cantidad de equilibrio, márgenes de seguridad y
niveles de utilidad/pérdida a distintos niveles de producción.
• Se pueden establecer paralelos a través de la construcción de gráficos comparativos
para distintas situaciones.
• La ecuación entrega un resultado preciso del punto de equilibrio.
• LIMITACIONES
• Es poco realista asumir que el aumento de los costos es siempre línea, ya que no
todos los costos cambian en forma proporcional a la variación en el nivel de
producción.
• No todos los costos pueden ser fácilmente clasificables en fijos y variables.
• Se asume que todas las unidades producidas se venden, lo que resulta poco
probable.
• Es poco probable que los costos fijos se mantengan constantes a distintos niveles de
producción, dadas las diferentes necesidades de la empresa

17/11/2018 Dr. Ing° MANUEL URCIA CRUZ. 5


Los Pronósticos.

•Son estimaciones cualitativas o


cuantitativas de una mas variables que
forman un evento futuro en función de
información pasada.

17/11/2018 Dr. Ing° MANUEL URCIA CRUZ. 6


Tipos de pronósticos
Por su plazo:  De corto plazo
 De largo plazo
Según el entorno a  Micro
pronosticar  Macro
Según el  Cualitativo
procedimiento  Cuantitativo
empleado
Las técnicas cuantitativas pueden
ser:
Estadísticas Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones

Determinísticas Son de tipo causal,


establecen relación entre
la variable a pronosticar y
otras variables
Con relación a las técnicas cuantitativas
estadísticas se presentan dos enfoques:

• Los datos se pueden descomponer en


componentes de tendencia, cíclicos,
estacionales y aleatorios.
• Modelos econométricos de series de
tiempo y Box-Jenkins.
Componentes de series de tiempo:

• Una serie de tiempo consta de datos que


se reúnen, registran u observan sobre
incrementos sucesivos de tiempo.
• Se requiere un enfoque sistemático para
analizarlas.
Descomposición clásica de series de
tiempo:
Componente Descripción
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminución
en la serie sobre un periodo amplio.
Cíclico Es la fluctuación en forma de onda
alrededor de la tendencia.
Estacional Es un patrón de cambio que se repite a
sí mismo año tras año.
Aleatorio Mide la variabilidad de las series de
tiempo después de retirar los otros
componentes.
Selección de una técnica de
pronóstico: Datos estacionarios
• Las fuerzas que 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 población
o la inflación.
• La serie se puede transformar en una serie estable.
• La serie es un conjunto de errores de pronóstico, de
una técnica de pronóstico que se considera adecuada.
Selección de una técnica de
pronóstico: Datos con tendencia
• Productividad creciente y nueva tecnología
producen cambios.
• El incremento de la población elevan la
demanda por productos.
• El poder de compra se afecta por la inflación.
• Aumenta la aceptación en el mercado de un
producto.
Selección de una técnica de
pronóstico: Datos con estacionalidad

• El clima influye en la variable de interés.


• El año calendario influye en la variable.
Selección de una técnica de
pronóstico: Series cíclicas

• El ciclo del negocio influye sobre la


variable.
• Cambios en el gusto popular.
• Cambios en la población.
• Cambios en el ciclo de vida del producto.
Medición del error en el pronóstico

• Se compara la precisión de dos o más


técnicas de pronóstico.
• Se mide la confiabilidad de una técnica de
pronóstico.
• Se busca la técnica óptima.
5. Fórmulas de medición del error en el
pronóstico
Desviación absoluta media :
n

 Y  Yˆ t t
DAM  t 1
n
Error medio cuadrado :

 
n
Yt  Yˆt
2

EMC  t 1
n
Modelos de series de tiempo
Modelos no formales:
• Estas técnicas suponen que los periodos
recientes son los mejores para
pronosticar el futuro.
• El método más sencillo es el método del
último valor:
Pronóstico = último valor
6.1. Método del último 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 móviles:
• Este método no considera la media de
todos los datos, sino solo los más recientes.
• Se puede calcular un promedio móvil de n
periodos.
• El promedio móvil es la media aritmética de
los n periodos más recientes.
Promedios móviles:
promedio móvil
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 método de suavizamiento exponencial puede dar


una ponderación mayor a las observaciones más
recientes.
• Las ponderaciones se asigna mediante la constante
, 0 <  < 1.
• El modelo se expresa como:
pronóstico =  (último valor) + (1 - )(último pronóstico)
Métodos 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
Descomposición 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 población, cambios en la productividad,
cambios tecnológicos, etc.
• En este tipo de análisis la variable independiente
es el tiempo.
Tendencia lineal
• El método más empleado para describir una
tendencia lineal es el de mínimos cuadrados, para
encontrar una línea 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
Año 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
80
75
70
65
60
55
50
45

40
35
30
1994 1995 1996 1997 1998 1999 2000 2001
www.auladeeconomia.com
6.4.1. Tendencia lineal: ejemplo
X Y XY X²
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
Tendencia lineal: fórmulas

n xy   x  y
b
n x   x 
2 2

a
 y
b
 x
n n
www.auladeeconomia.com
Tendencia lineal
t Yt Y´t et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
www.auladeeconomia.com
8 75
9
6.4.1. Tendencia lineal
• Se puede calcular el coeficiente de determinación, a fin
de evaluar qué tan correcta es la estimación de la recta
de regresión.
• El coeficiente de determinación r² 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 Fórmula
confianza
68% 1 y’ ± Se
95% 2 y’ ± 2Se
99% 3 y’ ± 3Se
7. Aplicación de varios métodos a datos
desestacionalizados
• Los datos muestran alguna tendencia creciente a lo largo
del tiempo, además de una marcada estacionalidad. Se
procederá 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 realizará a través del
cálculo de factores estacionales:
Factor estacional = Prom. periodo / prom. global
Año 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. Aplicación de varios métodos 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
Aplicación de varios métodos a datos
desestacionalizados
Año Factor
T 1 2 3 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
Año 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
Aplicación de varios métodos a datos
desestacionalizados
• Se aplican varios métodos de pronóstico para
finalmente seleccionar el mejor pronóstico.
• A. Método de pronóstico del último valor
• B. Promedios móviles
• C. Suavizamiento exponencial
• D. Suavizamiento exponencial con tendencia
Otros métodos:
• Modelos de tendencia con ajuste estacional
• Modelo de promedios móviles integrados
autorregresivos (ARIMA o Box-Jenkins)
• Pronósticos causales (modelos econométricos)
• Métodos de pronósticos subjetivos

Potrebbero piacerti anche