FINANZAS INDUSTRIALES

INGENIERA INDUSTRIAL

VII UNIDAD: HERRAMIENTAS ESTADSTICAS Y

PRESUPUESTOS

Ing. Jos Daz Alemn

CONTENIDO
UNIDAD: HERRAMIENTAS ESTADSTICAS Y PRESUPUESTOS
1. Conceptos bsicos
2. Etapas de un estudio estads5co
3. Medidas de tendencia central
4. Medidas de dispersin, variacin o variabilidad
5. Medidas de asociacin lineal
Prc5ca 01
Prc5ca 02
Prc5ca 03
Prc5ca 04

Ing. Jos Daz Alemn

 CONTENIDO
UNIDAD: HERRAMIENTAS ESTADSTICAS Y PRESUPUESTOS

OBJETIVOS
Iden5car variables independientes y dependientes.
Aplicar las herramientas estads5cas que se u5lizan dentro de los
proyectos.
Realizar proyecciones de todo 5po de variables.

Ing. Jos Daz Alemn

1. CONCEPTOS BSICOS
La Estads5ca es una ciencia que facilita la solucin de problemas en los
cuales necesitamos conocer caracters5cas sobre el comportamiento de
algn suceso o evento.
Nos permite inferir el comportamiento de sucesos iguales o similares sin
necesidad de que estos ocurran.
Esto nos da la posibilidad de tomar decisiones acertadas y a 5empo, as
como realizar proyecciones del comportamiento del suceso.
Slo se realizan los clculos y el anlisis con los datos obtenidos de una
muestra de la poblacin y no con toda la poblacin.
Estads8ca:
Es la ciencia que se encarga de recolectar, organizar, resumir y analizar datos
para despus obtener conclusiones. Se divide en
Estads5ca Descrip5va y
Estads5ca Inferencial.





Ing. Jos Daz Alemn

 1. CONCEPTOS BSICOS
Estads8ca descrip8va:
Se encarga de la recoleccin, organizacin, presentacin y anlisis de los
datos de una poblacin.
Estads8ca inferencial:
Se encarga de analizar la informacin presentada por la estads5ca
descrip5va mediante tcnicas que nos ayuden a conocer, con determinado
grado de conanza, a la poblacin. Lo que nos permite tomar decisiones.

Poblacin:
Conjunto denido de TODOS los INDIVIDUOS, de donde se observa cierta
caracters5ca.
Al nmero de integrantes de la poblacin se llama tamao de la poblacin
y se representa con la letra N.
Las poblaciones pueden ser nitas o innitas.

Ing. Jos Daz Alemn

1. CONCEPTOS BSICOS

Poblacin Estads8ca:
Conjunto de TODOS los DATOS que se ob5enen al realizar la medicin de
una variable en los elementos de una poblacin.
Muestra:
Subconjunto de una poblacin, que intenta reejar las caracters5cas de la
poblacin lo mejor posible.
El nmero de individuos que integran la muestra, llamado tamao de la
muestra se representa con la letra n.
Individuo:
Es el elemento de la poblacin o de la muestra que aporta informacin
sobre lo que se estudia.
Variable:
Caracters5ca o propiedad de los individuos que se desea estudiar y se
puede medir o calicar; cambia o vara con el 5empo en un individuo dado,
o cambia o vara de elemento a elemento.
Ej. Edad, peso, sexo, estado civil, nmero de hijos, etc.

Ing. Jos Daz Alemn

 1. CONCEPTOS BSICOS
Dato:
Valor que se ob5ene al realizar la medicin de la caracters5ca de la
variable en estudio.
Pueden ser univariados, bivariados o mul5variados.
La naturaleza de los datos pueden ser datos cuan5ta5vos o datos
cualita5vos.
Datos Cuan8ta8vos (nmeros):
Valores obtenidos al medir peso, estatura, temperatura, nmero de hijos.
Datos Cualita8vos (categoras):
Se ob5enen al calicar la caracters5ca en cues5n como el sexo, estado
civil, grado mximo de estudios.
Variable Dicotmica:
Slo puede tomar dos valores (s no, 0 1, hombre mujer, bueno
malo, encendido apagado).

Ing. Jos Daz Alemn

Es aquella que puede

1. CONCEPTOS BSICOS
tomar valores
comprendidos entre
dos nmeros.
Por ejemplo: La altura
Es aquella que toma de los 5 amigos:
valores aislados, es DATOS CUANTITATIVOS 1,73; 1,82; 1,77; 1,69;
decir no admite 1,75
valores intermedios Se dividen en
entre dos valores
especficos.
Por ejemplo: El Discretos Continuos
nmero de hermanos
de 5 amigos: Se miden en escalas
2, 1, 0, 1, 3

Razn Intervalos

Se representan en Se resumen en medidas de

Grficos Tablas Centralidad Variabilidad

Frecuencia Media Varianza

Histogramas
Agrupada

Boxplot Mediana Rango

Frecuencia no
Agrupada Coeficiente de
Diagramas de Moda
Dispersin Variacin

Ing. Jos Daz Alemn

 1. CONCEPTOS BSICOS
En la variable CUANTITATIVA se pueden dis5nguir dos 5pos: con5nua y
discreta.
Variable Con8nua:
Si la variable puede tomar cualquier nmero real entre dos valores dados
(decimal o entero). Ej. El peso de un individuo.
Variable Discreta:
Si la variable slo puede tomar nmeros enteros. Ej. El nmero de hijos de
un individuo.







Ing. Jos Daz Alemn

1. CONCEPTOS BSICOS
Se representan en :
Escala de Intervalo:
En ella existe un orden entre los valores de la variable y adems una
NOCIN DE DISTANCIA aunque no se puedan realizar operaciones.
El cero o punto de inicio no es nico, es ms bien un punto de referencia.
Ejemplo: Escalas de temperatura, la edad de la Tierra, la lnea del 5empo
de la humanidad.
Escala de Razn:
La magnitud 5ene SENTIDO FSICO, existe el cero absoluto, existe orden, se
puede determinar cuntas veces es mayor uno que otro.
Ejemplo: peso, estatura, edad, distancia, dinero, etc.

Ing. Jos Daz Alemn

 1. CONCEPTOS BSICOS Presenta modalidades no
numricas, en las que existe un
orden.
Presenta modalidades no Por ejemplo:
numricas que no admiten -La nota en un examen: suspenso,
un criterio de orden aprobado, notable, sobresaliente.
Ejemplo: el estado civil: -Puesto conseguido en una prueba
soltero, casado deportiva: 1, 2, 3.
DATOS CUALITATIVOS
-Medallas de una prueba deportiva:
oro, plata, bronce.
Se miden en escala

Nominal Ordinal

Se representan en

Grficos Tablas

Diagramas de Barras Frecuencia

Diagramas de Sectores Contingencia

Ing. Jos Daz Alemn

1. CONCEPTOS BSICOS
En la variable CUALITATIVA se pueden dis5nguir dos 5pos: con5nua y
discreta.
Variable Nominal:
Est asociada a variables cualita5vitas y es denominada de este modo si no
se pueden hacer operaciones aritm5cas entre sus valores, pues stos son
nicamente ETIQUETAS.
Ejemplo: sexo, cdigo postal, estado civil, nmero telefnico, nmero al
correr en un maratn, deporte favorito, carrera a estudiar, etc.
Variable Ordinal:
Los valores de la variable que 5enen un ORDEN con un nivel especco,
pero no se pueden hacer operaciones aritm5cas entre ellas.
Ejemplo:
Psimo Malo Regular Bueno Excelente
Primaria Secundaria Preparatoria Licenciatura

Ing. Jos Daz Alemn

 2. ETAPAS DE UN ESTUDIO
ESTADSTICO
Un anlisis estads5co se lleva a cabo siguiendo las etapas habituales en el
llamado mtodo ciendco cuyas etapas son:
Planteamiento del problema: consiste en denir el obje5vo de la
inves5gacin y precisar el universo o poblacin.
Recogida de la informacin: consiste en recolectar los datos necesarios
relacionados al problema de inves5gacin.
Anlisis descrip8vo: consiste en resumir los datos disponibles para extraer
la informacin relevante en el estudio.
Inferencia estads8ca: consiste en suponer un modelo para toda la
poblacin par5endo de los datos analizados para obtener conclusiones
generales.
Diagns8co: consiste en vericar la validez de los supuestos del modelo
que nos han permi5do interpretar los datos y llegar a conclusiones sobre la
poblacin

Ing. Jos Daz Alemn

2. ETAPAS DE UN ESTUDIO
ESTADSTICO

Esquema de las etapas de un estudio estadstico

AREA DE INTERES DATOS

ORGANIZAR Y RESUMIR
Tema de Investigacin ESTADSTICA DESCRIPTIVA
-Antecedentes Previos (Tablas, Grficos, Medidas
Descriptivas, etc.)
-Objetivos
-Preguntas de INTERPRETACIN
Investigacin
Muestra
-Posibles Hiptesis Poblacin o Muestra?
-Unidad de Anlisis
-Poblacin Poblacin
INFERENCIA ESTADSTICA
-Variables
CONCLUSIONES

Probabilidad
INFORMACIN

Ing. Jos Daz Alemn

 3. MEDIDAS DE TENDENCIA
CENTRAL
Media aritm8ca
Para datos no agrupados:

n


x
i =1
i

X=
n
Para datos agrupados: k
m f
i =1
i i
X=
n
Donde: mi: punto medio de la clase i
fi: frecuencia absoluta de la clase i
k: cantidad de clases
Ing. Jos Daz Alemn

3. MEDIDAS DE TENDENCIA
CENTRAL
Mediana
Es el valor que ocupa la posicin central de un conjunto de
observaciones, una vez que han sido ordenados en forma ascendente o
descendente. Divide al conjunto de datos en dos partes iguales.
Para datos no agrupados:
Si n es impar: posicin donde se ubica la mediana es igual a (n+1)/2.

M E = x( k ) x( k ) = dato del centro

Si n es par: (n+1)/2 no es entero, por lo tanto la mediana ser igual al
promedio de las dos posiciones centrales.
x( k ) + x( k +1)
ME = x( k ) = dato del centro
2

Ing. Jos Daz Alemn

 3. MEDIDAS DE TENDENCIA
CENTRAL
Mediana
Para datos agrupados: clase mediana es la que con5ene a la
observacin que ocupa la posicin n/2.
n +1
F(xm1 )
Me = Lm + 2 Cm
f (xm )

Donde: Lm: lmite inferior de la clase mediana.
F(xm-1): frecuencia acumulada de la clase anterior a la clase mediana.
f(xm): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.

Ing. Jos Daz Alemn

3. MEDIDAS DE TENDENCIA
CENTRAL
Moda
Observacin o clase que 5ene la mayor frecuencia en un conjunto de
observaciones.
Un conjunto de datos puede ser unimodal, bimodal o mul5modal.
Es la nica medida de tendencia central que se puede determinar para
datos de 5po cualita5vo.
Para datos no agrupados: es simplemente la observacin que ms se
repite. 1
Para datos agrupados: Mo = Lim + Cm
1 + 2
Donde: Lim: lmite inferior de la clase modal.
1: diferencia entre de la clase modal y la anterior.
2: diferencia entre de la clase modal y la posterior.
Cm: amplitud de la clase modal (clase de mayor frecuencia).

Ing. Jos Daz Alemn
 4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.
-Rango
-Varianza
MEDIDAS DE DISPERSIN -Desviacin Estndar

Datos Cuantitativos Varianza

x Rango n n
1 n
x1 ( xi x ) 2 xi
2

n
( xi ) 2
1 n
R = max( xi ) min( xi ) s 2 = i =1
= i =1 i =1
= xi2 x 2
x2 n n n i =1
!
Desviacin Tpica o Estndar
xn
s = s2

Comparacin entre Variables

Se refiere al comportamiento de las variables cuantitativas en un Coeficiente de Variacin
grupo. Por ejemplo: Si se tiene un conjunto de personas a las que s
se les mide Estatura, Peso, Edad: Entre estas variables cul cv =
presenta mayor variacin? x
Ing. Jos Daz Alemn

4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.
Media, Desviacin tpica, Coeficientes de Asimetra y Apuntamiento
para datos Agrupados (tabla de frecuencias)

Tabla de frecuencia (para variable cuantitativa) 2) La Desviacin tpica para datos

Centro agrupados esta dada por:
Intervalo de clase Amplitud F f FAA fra
k
I1 c1 a1 n1 f1
sc = (c j xc ) 2 f j
I2 c2 a2 n2 f2 j =1
.
. ! ! ! !
Ik ck ak nk fk n 1 3) El Coeficiente de Asimetra para datos
agrupados esta dado por:
Total n 1
k

Sea cj la marca de clase (o centro de clase) y fj la (c j xc ) 3 f j

frecuencia relativa de la clase j, donde j=1, 2,, k. CAc =
j =1

s c3
1) La Media para datos agrupados es igual a la
suma de los productos de las marcas de clase 4) El Coeficiente de apuntamiento para
por sus frecuencias relativas, de la forma: datos agrupados esta dada por:
k
k
Mediac = xc = c j f j (c j xc ) 4 f j
j =1
j =1 CAp c =
s c4

Ing. Jos Daz Alemn

 4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.

Rango. Varianza.
Desviacin Tpica. Coeficiente de variacin.

Rango (amplitud o recorrido):

Est determinado por los dos valores extremos de los datos
muestrales, es simplemente la diferencia entre la mayor y menor
observacin.
Es una medida de dispersin absoluta, ya que depende solamente
de los datos y permite conocer la mxima dispersin.
Casi no se emplea debido a que depende nicamente de dos
valores. No proporciona una medida de variabilidad de las
observaciones con respecto al centro de la distribucin.
Notacin: R

Ing. Jos Daz Alemn

4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.

Varianza
Es un valor numrico que mide el grado de dispersin relativa
porque depende de la posicin de los datos x1,x2,,xn con
respecto a la media.
Es el promedio al cuadrado de las desviaciones de cada
observacin con respecto a la media.
Notacin: s2, 2, var(X)
Si la varianza de un conjunto de observaciones es grande se
dice que los datos tiene una mayor variabilidad que un
conjunto de datos que tenga un varianza menor

Ing. Jos Daz Alemn

 4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.

Varianza
Si la varianza de un conjunto de observaciones es grande se
dice que los datos tiene una mayor variabilidad que un
conjunto de datos que tenga un varianza menor.
Para datos NO agrupados:
n
2

2
(x x )
i =1
i
s =
n
n
2

2
x
i =1
i
2
s = x
n
Ing. Jos Daz Alemn

4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.

Varianza
Para datos agrupados en una distribucin de frecuencias:

k
2
(m
i x ) fi
s2 = i =1

n
k
2
i fi
m
2
s2 = i =1
(x )
n
Ing. Jos Daz Alemn
 4. MEDIDAS DE DISPERSIN,
VARIACIN O VARIABILIDAD.

Desviacin Estndar o Tpica

Es la raz cuadrada de la varianza.
Notacin: s, .
s = s2
Coeficiente de Variacin
Es una medida de dispersin relativa que permite comparar el
nivel de dispersin de dos muestras de variables estadsticas
diferentes.
No tiene dimensiones.
Notacin: CV
s
CV =
x

Ing. Jos Daz Alemn

5. MEDIDAS DE ASOCIACIN LINEAL

- Covarianza Datos
MEDIDAS DE ASOCIACIN LINEAL - Correlacin Cuan5ta5vos

x
Recordemos que: Hasta ahora hemos estudiado las medidas
x1
tendencia central (Media, Mediana, Moda) y dispersin
x2 (Varianza y Desviacin Estndar) para una Variable
! Cuan@ta@va (x).
xn Covarianza: Es una medida de Variabilidad Conjunta entre
dos variables (x1 , x2) o bien (x , y)
n
1
x y cov( x , y ) = ( xi x )( yi y )
x(1) y( 1 )
n i =1
x( 2 ) y( 2 ) Si Cov(x,y) es posi5va: la asociacin entre x e y es directamente
! !
proporcional, es decir que cuando x aumenta y tambin aumenta; y
x(n ) y( n ) viceversa.
Si Cov(x,y) es nega5va: la asociacin entre x e y es inversamente
proporcional, es decir que cuando x aumenta y disminuye; y viceversa.
Si Cov(x,y) es cero: no existe asociacin entre x e y.
Ing. Jos Daz Alemn
 5. MEDIDAS DE ASOCIACIN LINEAL
- Covarianza Datos
MEDIDAS DE ASOCIACIN LINEAL - Correlacin Cuan5ta5vos

Correlacin: Se reere al grado de asociacin entre dos variables (x1 , x2) o

bien (x , y)
Coeciente de Correlacin de Pearson (r): Mide el grado de Asociacin
Lineal entre dos variables Cuan@ta@vas
n
x y
cov( x , y ) x y nx y i i
x(1) y( 1 ) r= 1 r 1
sx s y r = i =1
x( 2 ) y( 2 ) ( n 1 )s x s y
! !
y( n )
Si r es posi5vo: la asociacin entre x e y es directamente
x(n )
proporcional, es decir que cuando x aumenta y tambin
aumenta; y viceversa. Si r=1: la asociacin lineal es perfecta.
Si r es nega5vo: la asociacin entre x e y es inversamente
proporcional, es decir que cuando x aumenta y disminuye; y
viceversa. Si r=-1: la asociacin lineal es perfecta.
Si r es cero: no existe asociacin entre x e y.
Ing. Jos Daz Alemn

5. MEDIDAS DE ASOCIACIN LINEAL

EJEMPLO : Representacin grfica de las variables x e y

r=1 r=-1

Ing. Jos Daz Alemn

 5. MEDIDAS DE ASOCIACIN LINEAL
Datos Cuantitativos

REGRESION LINEAL SIMPLE

Objetivo 1 Objetivo 2
Determinar si dos variables estn x y Estudiar si los valores de una variable
asociadas y en qu sentido se da la x(1) y( 1 ) pueden ser utilizados para predecir el
asociacin. valor de la otra
x( 2 ) y( 2 )
! !
x(n ) y( n )
Determinar si existe relacin Estudiar la dependencia de una
entre las variables x e y: variable respecto de la otra:
Coeficiente de Correlacin Modelo de Regresin
Trminos
Variable Respuesta (=variable dependiente)
Variable Explicativa (=variable Independiente)
Relacin Lineal (modelo lineal)
Parmetros (intercepto y pendiente)
Intercepto (respuesta media)
Pendiente (efecto de la variable explicativa sobre la respuesta)
Error (residuo)

Ing. Jos Daz Alemn

5. MEDIDAS DE ASOCIACIN LINEAL

Datos Cuantitativos

REGRESION LINEAL SIMPLE

x y
x(1) y( 1 ) Notacin
x( 2 ) y( 2 ) Variable Respuesta: y
Variable Explicativa: x
! !
y( n )
Modelo de Regresin Lineal Simple: yi=+xi+ei
x(n ) Intercepto:
Pendiente:
Error: e
Modelo Estimado
(recta de regresin) Mtodo de Estimacin: Mnimos Cuadrados
a = y bx
n n n Residuos o Errores
y = a + bx n xy xi yi ei = y i y i
i =1 i =1 i =1
b= 2
n
n
2
n x xi
i =1 i =1
Ing. Jos Daz Alemn
 5. MEDIDAS DE ASOCIACIN LINEAL

REGRESION LINEAL SIMPLE

MODELO DE REGRESIN LINEAL SIMPLE

yi=+xi+ei

DATOS MODELO ESTIMADO

x y
x(1) y( 1 )
y = a + bx
x( 2 ) y( 2 )
ESTIMADORES ERRORES
! !
x(n ) y( n )
a = y bx ei = y i y i

n n n
n xy xi yi
i =1 i =1 i =1
b= 2
n n
2
n x xi
i =1 i =1
Ing. Jos Daz Alemn

PRCTICA 01
Aplicacin del Modelo de Regresin Lineal Simple
Se cuenta con las mediciones sobre el ingreso y el consumo promedio
en un n de semana de los demandantes de ropa de verano, y estamos
interesados en determinar si existe algn 5po de relacin entre ambas
variables.
Consumidor Ingreso $ Ventas i x y xy x2
i x y Total 84,000 9,560 58,630,000 556,000,000
1 3,000 550
Promedio 6,000 683
2 6,000 680
3 5,000 640 Desv Std 1,927 54
4 5,000 660 Varianza 3,714,286 2,878
5 3,000 620 Coef
6 4,000 650 determ 0.8775
7 9,000 740
8 8,000 750
9 9,000 730
10 7,000 690
11 6,000 730
12 5,000 680
13 8,000 730
14 6,000 710

Ing. Jos Daz Alemn

 PRCTICA 01

Aplicacin del Modelo de Regresin Lineal Simple

Se cuenta con las mediciones sobre el ingreso y el consumo promedio en
un n de semana de los demandantes de ropa de verano, y estamos
interesados en determinar si existe algn 5po de relacin entre ambas
variables.
b = 0.0244
a = 536.32

y = 536.3187 + 0.0244 x

Interpretacin de los resultados

- Existe asociacin o dependencia entre el ingreso y el nivel de compras
(r=0,88); a medida que el ingreso aumenta el nivel de compras aumenta.
- Desde los resultados del modelo de regresin lineal simple, se 5ene que
la compra promedio es de 536.4 Soles. Cuando el ingreso aumenta en
una unidad la compra se incrementa en 0.0244 Soles.

Ing. Jos Daz Alemn

PRCTICA 01

El resultado es que hemos es5mado las ventas para diferentes niveles de

Ingreso, estableciendo adems la diferencia entre la variable es5mada y
su valor original
Consumidor Ingreso $ Ventas Ventas
i x y y est error
1 3,000 550 610 60
2 6,000 680 683 3
3 5,000 640 658 18
4 5,000 660 658 -2
5 3,000 620 610 -10
6 4,000 650 634 -16
7 9,000 740 756 16
8 8,000 750 732 -18
9 9,000 730 756 26
10 7,000 690 707 17
11 6,000 730 683 -47
12 5,000 680 658 -22
13 8,000 730 732 2
14 6,000 710 683 -27
Ing. Jos Daz Alemn
 PRCTICA 01

En Excel, se puede gracar las variables independientes y dependientes, y

es5mar la curva de tendencia que ms se ajuste al comportamiento de las
variables

Compras segn nivel de Ingreso

800

700

600
y = 0.0244x + 536.32
500

400 y
Lineal (y)
300

200

100

0
0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000

Ing. Jos Daz Alemn

PRCTICA 02

Una compaa inversionista considera que el nmero de vehculos (y) que

circulan por una determinada autopista a ms de 120 km/h, est en funcin
del nmero de accidentes (x) que ocurren en ella. Durante 5 das obtuvo los
siguientes resultados:

Accidentes xi 5 7 2 1 9

Vehculos yi 15 18 10 8 20

a) Calcular el coeciente de correlacin lineal.
b) Si ayer se produjeron 6 accidentes, cuntos vehculos podemos suponer
que circulaban por la autopista a ms de 120 km/h?
c) Es buena la prediccin?

Ing. Jos Daz Alemn

 PRCTICA 03

A un inversionista, que Se cuenta con la siguiente

acostumbra realizar inversiones
siempre que obtenga una
rentabilidad mnima del 18%
anual, le ofrecen en venta un
negocio que se encuentra en
funcionamiento dedicado a la
fabricacin de casas rodantes
para ejecutivos. Un estudio de
valoracin del negocio contratado
por el actual propietario, defini su
valor en $ 19,000,000. El
inversionista decide realizar una
evaluacin financiera con base en
la informacin histrica aportada
por el propietario, para tomar la
decisin de comprar o no el
negocio.
informacin de las unidades
vendidas.
AO CANTIDAD
2008 180
2009 192
2010 197
2011 200
2012 205
2013 215
2014 210
2015 216

Ing. Jos Daz Alemn

PRCTICA 03
Los costos actuales de produccin por unidad, u5lizando el sistema de costeo
variable, estn discriminados as:

MANO DE OBRA GASTOS DE
PRODUCCION ESTIMADA (und) MATERIAL DIRECTO DIRECTA FABRICACION CUV

200 4,500,000 2,000,000 1,200,000 38,500

Por cada unidad vendida se ob5ene una u5lidad del 80% sobre el costo unitario total
(cuando se u5liza el sistema de costeo variable, el costo unitario total es igual al
costo unitario variable). Los equipos de produccin 5enen un valor de $ 5,000,000
con una vida 5l de 10 aos, se deprecian en lnea recta y ya han sido depreciados en
$ 1,500,000. Los equipos de ocina ya estn depreciados y, por lo tanto, su valor en
libros es cero y no se espera venderlos por ningn valor. Los gastos operacionales son
de $ 180,000 anuales. Se espera un incremento del 3% en todos los gastos y costos,
que corresponde a la inacin anual promedio es5mada para los prximos 5 aos. El
valor de rescate es igual al valor en libros de los ac5vos jos al nal del horizonte de
evaluacin que se dene en 5 aos, sin tener en cuenta la recuperacin del capital de
trabajo. La tasa de impuestos es del 30%

Ing. Jos Daz Alemn

 PRCTICA 03

Es5mar:
La proyeccin de las ventas para los prximos 5 aos
Indicar que curva es la que ms de ajusta a la tendencia que muestran los datos
Pronos5car el Estado de Resultados de la empresa para los prximos 5 aos
Qu decisin debe tomar el inversionista?

Ing. Jos Daz Alemn

PRCTICA 04
Un inversionista est estudiando la conveniencia de construir una planta para la
fabricacin de paales desechables con una inversin inicial de $ 80.000.000, de
los cuales $ 20.000.000 corresponden al valor del terreno, $ 40.000.000 al valor de la
planta, $ 8.000.000 al capital de trabajo y $ 12.000.000 a gastos preopera5vos
(licencias, permisos, gastos de cons5tucin, comisiones y en general todos los gastos
en que se incurre antes de que el proyecto entre en operacin). La planta 5ene una
vida 5l de 10 aos y se deprecia en lnea recta. Segn el estudio de mercado,
por el cual el inversionista pag $ 15.000.000, se es5ma que el volumen de ventas ser
de 100.000 unidades durante el primer ao con un incremento del 4 % anual. El
incremento en ventas no requiere de una ampliacin de la planta. El precio de venta
unitario es de $ 890 y el costo unitario total es de $ 650, valores que sufren cada ao
un incremento igual a la inacin que se es5ma en el 4 % anual para los prximos 5
aos. Se prev que la planta puede venderse al nal del ao 5 en $ 22.000.000, que el
capital de trabajo inicial se recupera en un 100 % y que las inversiones adicionales en
capital de trabajo no se recuperan. Los gastos operacionales se es5man en $ 3.000.000
con un incremento del 3 % anual y la tasa de tributacin es del 35 %. Con un horizonte
de evaluacin de 5 aos, calcular:

Ing. Jos Daz Alemn

 PRCTICA 04

Calcular:
La Rentabilidad del proyecto en s con una tasa de oportunidad del
inversionista del 15 % efec5va anual.
Rentabilidad del proyecto si los terrenos son de propiedad del inversionista,
los cuales podran arrendarse durante 5 aos con un pago nico en el
primer ao por $ 10.000.000
Rentabilidad del inversionista si el capital de trabajo se nancia con un
crdito a 3 aos a una tasa del 18 % efec5vo anual con el pago de cuotas
anuales iguales

Ing. Jos Daz Alemn