UNIVERSIDAD GALILEO

LICENCIATURA EN TECNOLOGIA Y ADMINISTRACION DE EMPRESAS

FINANZAS ADMINISTRARTIVAS 3
LC. EDDY MALDONADO

EJERCICIO SEMANA 3

FELICIANO AGUILAR HECTOR LEONEL

16008508
DOMINGO 10:AM-12:OO PM
MAZATENANGO SUCHITEPEQUEZ
Ejercicio 1
Proyecto Inversión (miles) Rendimiento
1 Q 45.00 12%
2 Q 47.00 8%
3 Q 45.00 9%
4 Q 23.00 5%
5 Q 26.00 5%
6 Q 46.00 9%
7 Q 23.00 7%
8 Q 13.00 14%
9 Q 32.00 11%
10 Q 36.00 8%

Analice:
La variable predictora es el monto de la inversión y la variable dependiente es el rendimiento.
Coeficiente de correlación
0.0197133541
Coeficiente de determinación
0.0003886163
La relación es positiva porque el resultado se acerca a 1.

No es necesario realizar la predicción de pronostico lineal.

Ejercicio 2
Costos
operativos
Semana Tipo de cambio (miles)
1 Q 7.3546 Q 345.00
2 Q 7.3676 Q 434.00
3 Q 7.3691 Q 500.00
4 Q 7.3756 Q 550.00
5 Q 7.3567 Q 336.00
6 Q 7.3554 Q 332.00
7 Q 7.3687 Q 349.00
8 Q 7.3850 596.096185
Analice:
La variable predictora es Tipo de cambio y la variable dependiente son los costos operativos.
Coeficiente de correlación
0.8362554416
Coeficiente de determinación
0.6993231636
La relación es positiva porque el resultado se acerca a 1.

Pronostico de la semana 8
596.096184845
Ejercicio 3
Mes Inversión Interés PIB Consumo
Enero Q 345.00 0% Q 45.00 Q 430.00
Febrero Q 456.00 0% Q 40.00 Q 460.00
Marzo Q 376.00 0% Q 32.00 Q 402.00
Abril Q 356.00 0% Q 37.00 Q 409.00
Mayo Q 564.00 0% Q 41.00 Q 399.00
Junio Q 423.00 0% Q 40.00 Q 398.00
Julio Q 434.00 0% Q 37.00 Q 412.00
Agosto Q 324.00 0% Q 32.00 Q 409.00
Septiembre Q 567.00 0% Q 33.00 Q 422.00
Octubre Q 765.00 0% Q 47.00 Q 460.00

Noviembre Q 571.56 9% Q 45.00 Q 450.00

Las variables predictoras son PIB y Consumo.

Resumen

Estadísticas de la regresión

Coeficiente de
correlación
múltiple 0.8641853738

Coeficiente de
determinación
R^2 0.7468163603
R^2 ajustado 0.5949061764
Error típico 15.508850949
Observaciones 9

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 3 3547.37771124 1182.45923708 4.9161704724 0.05943903
Residuos 5 1202.62228876 240.524457751
Total 8 4750

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 339.97866973 45.042479847 7.5479563044 0.0006467913 224.193289199 455.76405025
345 0.0694580815 0.057355466 1.2110106734 0.2800027967 -0.0779788375 0.2168950005
0 0 0 65535 #NUM! 0 0
45 1.2240508996 1.5971441845 0.7663997474 #NUM! -2.8815389299 5.3296407291
La relación es positiva, ya que se acerca a 1.
 Inferior 95.0% Superior 95.0%
224.193289199 455.764050252
-0.0779788375 0.2168950005
0 0
-2.8815389299 5.3296407291
Ejercicio 4
Fecha Inventario
10/1/2017 Q 325.00
10/2/2017 Q 349.00
10/3/2017 Q 350.00
10/4/2017 Q 410.00
10/5/2017 Q 390.00
10/6/2017 Q 380.00
10/7/2017 Q 350.00
10/8/2017 Q 310.00
10/9/2017 Q 290.00
10/10/2017 Q 300.00
10/11/2017 Q 311.13
10/12/2017 Q 304.90
10/13/2017 Q 298.67
10/14/2017 Q 292.44
10/15/2017 Q 286.21

La decisión no seria apropiada ya que la tendencia es mucho menor y si se compra esa

cantidad tendríamos inventarios elevados y la rotación seria mas lenta.

Tener una idea de que puede suceder en días posteriores con los datos que ya tenemos.
Tomar decisiones de compra de mercadería de forma eficiente.
Evaluar los días que tienen mayor cantidad de inventario y analizar a que se debe.
Ejercicio 5

Numero de Volumen del

Tiempo en vehículos de Kilómetros producto
entrega reparto Costo de desde la entregado
No. Pedido (horas) disponibles entrega bodega (m3)
1 2.00 5 Q 150.00 8.00 50.00
2 5.00 2 Q 126.00 9.00 25.00
3 8.00 3 Q 190.00 10.00 30.00
4 9.00 5 Q 200.00 50.00 12.00
5 5.00 4 Q 350.00 45.00 65.00
6 4.00 2 Q 200.00 80.00 12.00
7 7.00 5 Q 150.00 93.00 52.00
8 8.00 2 Q 400.00 12.00 68.00
9 2.00 3 Q 300.00 65.00 98.00
10 6.00 4 Q 120.00 32.00 12.00

Analice
Saber cuantas personas realizan la entrega y cuantas personas van en el vehículo.
Hora de inicio y final de reparto.

Resumen

Estadísticas de la regresión

Coeficiente de
correlación
múltiple 0.82396098

Coeficiente de
determinación
R^2 0.67891169
R^2 ajustado 0.42204105
Error típico 22.1447906
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 5184.44125 1296.11031 2.64301002 0.15757493
Residuos 5 2451.95875 490.391751
Total 9 7636.4

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 3.64034287 35.3488146 0.10298345 0.92197901 -87.226678 94.5073636 -87.226678

Tiempo en
entrega (horas) -5.373735 3.03843058 -1.768589 0.13719675 -13.184269 2.43679945 -13.184269

Numero de
vehículos de
reparto
disponibles 5.39173729 6.31847691 0.85332864 0.43244554 -10.850425 21.6338993 -10.850425
Costo de
entrega 0.22816494 0.07998591 2.85256418 0.03571622 0.02255461 0.43377526 0.02255461

Kilómetros
desde la
bodega 0.00259003 0.2421334 0.01069672 0.99187909 -0.6198337 0.62501376 -0.6198337

Estrategias de
solución.
Revisar las distancias y generar rutas de reparto por región, para que los camiones que tienen mayor
recorrido, puedan tener prioridad en ser despachados al inicio de labores.
Aprovechar de mejor forma el cubicaje de los vehículos de reparto para crear eficiencia.
Superior 95.0%
 94.5073636

2.43679945

21.6338993

0.43377526

0.62501376

es que tienen mayor