Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pasta Quinuahaba Parte 2
Pasta Quinuahaba Parte 2
DEMANDA INSATISFECHA
89500000
89000000 89059714.001691
88500000
88206464.0693611
88000000
87500000
87353214.1370311
87000000
86500000 86499964.2047012
86000000
85646714.2723712
85500000
85000000
9059714.001691
EL PRESENTE PROYECTO NOS DIRIGIREMOS
AL 0.36% DE LA DEMANDA INSATISFECHA
AÑO VENTAS
2019 68,774 75,651.21
2020 69,799 76,778.41 74,000
PROYECCION DE VENTAS
2021 70,832 77,914.73
73,000
2022 71,873 79,060.08
72,000
2023 72,922 80,214.36
71,000
70,000
69,000
68,000
67,000
66,000
2018.5 2019 2019.5 2020 2020.5 2021 20
Col umn C Col umn D
OYECCION DE VENTAS (CAJAXAÑO)
COSTOS VARIABLES
AÑOS 2020 2021 2022
MATER. PRIMA E INSUMOS 2,763.36 2,804.54 2,846.05
COSTOS INDIRECTOS 14,636.56 14,677.74 14,719.25
TOTAL COSTOS VARIABLES 19,419.93 19,503.28 19,587.29
COSTOS FIJOS
2020 2021 2022
MANO DE OBRA DIRECTA S/ 144,000.00 S/ 144,000.00 S/ 144,000.00
GASTOS INDIRECTOS 1,500.00 1,500.00 1,500.00
TOTAL S/ 145,500 S/ 145,500 S/ 145,500
ventas programadas
AÑOS 2020 2021 2022
75651 69799 70832
PRECIO DE VENTA
AÑOS 2020 2021 2022
PAQUETE 500 G S/3.60 S/4.01 S/4.07
PUNTO DE EQUILIBRIO
AÑOS 2020 2021 2022
40848.0 36605.7 36091.9
2023 2024
2,887.88 2,930.05
14,761.08 14,803.25
19,671.97 19,757.29
2023 2024
S/ 144,000.00 S/ 144,000.00
1,500.00 1,500.00
S/ 145,500 S/ 145,500
2023 2024
71873 72922
2023 2024
S/4.12 S/4.18 formula
CVU 0.26
IO
2023 2024
35628.1 35174.2
IBRIO
2023 2024
S/ 146,932 S/ 146,913
PLAN DE PRODUCCION
2022 2023
71,872.80 72,922.15
5,989.40 6,076.85
12.00 12.00
2022 2023
5989 6077
499 506
12.00 12.00
2022 2023
249.56 253.20
20.80 21.10
12.00 12.00 12.00
REQUERIMIENTOS
MAQUINARIA Y EQUIPO
PRODUCCION
MAQUINARIA CANTIDAD PRECIO UNIT. (S/.) PRECIO TOTAL (S/.)
Máquina extrucción 1 39,960 39,960
Máquina Amasadora 1 7,559 7,559
Máquina secadora 1 43,290 43,290
Máquina Cortadora 1 23,310 23,310
Máquina Empacadora 1 26,640 26,640
TOTAL MAQUINARIA 5 90,809
ADMINISTRACION Y VENTAS
Requerimiento por
Descripcion Unidad de salida Precio Producto
Harina de Kiwicha Kg 6.80 0.120
Harina de Quinua Kg 3.50 0.578
Harina de Haba Kg 3.80 3.699
Harina de Huevo Kg 0.50 0.172
Sal Kg 1.00 0.140
Preservante natural Kg 18.00 0.040
Harina de Trigo Kg 2.80 0.002
Agua (Lt) L 2.00 0.003
BOPP Unidades 0.20 13.089
Etiquetas Unidades 0.50 0.873
4.634
REQURIMIENTO DE PERSONAL
SUEL
PERSONAL PUESTO N° DE TRABAJADORES
S/. PARCIAL
PERSONAL DE AREA DE PRODUCCION
JEFE DE 1 S/ 2,000.00
MOI PRODUCCION
OPERARIO 10 S/ 1,000.00
PERSONAL DE AREA DE OPERACIÓN
AREA ADMINISTRATIVA Gerente general 1 S/2,000
AREA DE VENTAS ADMINISTRADOR 1 S/1,500
TOTAL 13
VIDA UTIL DEPRECIACIÓN ANUAL DEPRECIACION MENSUAL
10 3,996 333
10 756 63 Área Requerida (m2)
10 4,329 361 1,023
10 2,331 194
10 2,664 222
14,076 1,173
DEMANDA
INSATISFECHA 75651 69799
SUELDOS
TOTAL MES S/. TOTAL AÑO S/. JORNADA
8h/d
S/ 2,000.00 S/ 24,000.00 80
S/ 10,000.00 S/ 120,000.00 40
S/ 2,000.00 S/ 24,000.00
S/ 1,500.00 S/ 18,000.00
S/ 15,500.00 S/ 186,000.00
INVERSION EN ACTIVOS FIJOS TANGIBLES
INVERSION EN LOCAL
Área Requerida (m2) Compra de Terreno IGV Total
1,023 946,660 --- 946,660
70832 71873 72922
C.U
RENDIMIENTO 2500 500g/d
TOTAL
S/ 0.1061 7%
S/ 0.0511 3%
S/ 0.0540 3%
S/ 0.0026 0%
S/ 0.0002 0%
S/ 1.1543 73%
S/ 0.0012 0%
S/ 0.0023 0%
S/ 1.37 87%
TOTAL
S/ 0.20 13%
S/ 1.57 100%
PU PARCIAL
S/ 80.0 S/ 0.26
S/ 40.0 S/ 0.38
S/ 0.64
PU PARCIAL
S/ 15.0000 S/ 0.048
S/ 12.0000 S/ 0.038
S/ 13.0000 S/ 0.042
S/ 10.0000 S/ 0.032
S/ 0.160
Costo de materiales
MP COSTO unitario cantidad IGV
Requerimiento de MP en volumen
MANO DE OBRA
CARGO CANTIDAD SALARIO UNITARIO SALARIO ANUAL TOTAL
2023
84.34 AÑO 2019 2020 2021 2022
539.46
DEMANDA INSATISFECHA 68,773.82 69,798.56 70,831.57 71,872.80
25.09
20.46 1000000
5.79
0.36
2023
S/ 295.20
S/ 2,049.94
S/ 12.54
S/ 20.46
S/ 104.22
S/ 0.73
2023
S/ 2,483.09
S/ 446.96
S/ 2,930.05
ON
2023
S/ 2,930.05
S/ 144,000.00
S/ 146,930.05
2023
72,922.15
FINANCIAMIENTO CON EL METODO ALEMAN
ESTADO DE RESULTADOS
CONCEPTO 0 1 2
VENTAS 3,040,027.24 3,344,029.96
Costos Variables -284,816 -284,816
Costos Fijos -146,900 -146,900
Costos Administrativos -128,318 -128,318
Depreciación -5,633.20 -5,633.20
Amortización -3,965 -3,965
Utilidad Bruta 2,755,211 3,059,214
Impuesto (30%) -826,563.34 -917,764.15
UTILIDAD DES 1,928,647.78 2,141,449.69
BALANCE GENERAL
BALANCE GENERAL
AJA ECONOMICO
3 4 5 Inversión
3,678,432.96 4,046,276.26 4,450,903.88 % Depreciación
-14,719.25 -14,761.08 -14,803.25 Vida Útil contable
-146,900.00 -146,900.00 -146,900.00 Depreciación
-128,317.63 -128,317.63 -128,317.63
-5,633.20 -5,633.20 -5,633.20
-3,965.29 -3,965.29 -3,965.29
3,663,713.72 4,031,515.17 4,436,100.64
-1,099,114.11 -1,209,454.55 -1,330,830.19
2,564,599.60 2,822,060.62 3,105,270.45
5,633.20 5,633.20 5,633.20
3,965.29 3,965.29 3,965.29
27,671.00
50,764.57
2,574,198.09 2,831,659.11 3,193,304.50
7,041,715.09 9,873,374.20 13,066,678.70
E RESULTADOS
3 4 5
3,678,432.96 4,046,276.26 4,450,903.88
-284,816 -284,816 -284,816
-146,900 -146,900 -146,900
-128,318 -128,318 -128,318
-5,633.20 -5,633.20 -5,633.20
-3,965 -3,965 -3,965
3,393,617 3,761,460 4,166,088
-1,018,085.05 -1,128,438.04 -1,249,826.33
2,375,531.79 2,633,022.10 2,916,261.43
CE GENERAL
ESTADO DE RESULTADOS
Estado de Resultados 0 1 2
INGRESOS 3,040,027 3,344,030
Costos variables -14,637 -14,678
Costos fijos -146,900 -146,900
Amortizacion Intangible -3,965 -3,965
Depreciación 5,633 5,633
UTILIDAD 2,880,159 3,184,120
Impuestos 30% -864,048 -955,236
2,016,111 2,228,884
BALANCE GENERAL
163,820.70
-32,764 -32,764 -32,764
2,530,457 2,743,259 3,119,882
6,952,966 9,696,225 12,816,107
DE RESULTADOS
3 4 5
3,648,033 3,952,035 4,256,038
-14,719 -14,761 -14,803
-146,900 -146,900 -146,900
-3,965 -3,965 -3,965
5,633 5,633 5,633
3,488,081 3,792,042 4,096,003
-1,046,424 -1,137,613 -1,228,801
2,441,657 2,654,430 2,867,202
RAL
ESCENARIOS
DATOS VALOR ESPERADO Min MP
Precio 3.96 3 3.96
Cantidad 844,800 840000
CVU 1.26 1 1.26
COK 10% 5 10
Costo Fijo 146,900
Gastos operativos 128,318
Depreciación 5,633
Amort. Intang 3,965
Reeinversión 5,633
Valor residual 27,671
IR 30%
Tangibles 40,489
Intangibles 3,965
KW 50,765
Tasa de interés 24%
prestamo 163,820.70
Amortización 32,764.14
ESTADO DE RESULTADOS
Estado de Resultados 0 1 2 3
INGRESOS 3,345,408 3,679,949 4,014,490
Costos variables -14,637 -14,678 -14,719
Costos fijos -146,900 -146,900 -146,900
Amortizacion Intangible 3,965 3,965 3,965
Depreciación 5,633 5,633 5,633
UTILIDAD 3,193,470 3,527,970 3,862,469
Impuestos 30% -958,041 -1,058,391 -1,158,741
2,235,429 2,469,579 2,703,728
BALANCE GENERAL
Año 4 Año 5
1,098,240 1,182,720
3.96 3.96 -291,522.112 van
4,349,030 4,683,571 tir
1.0028131084
4,349,030.40 4,683,571.20 1.0028278968
-14,761 -14,803
-146,900 -146,900
-10,693 -10,693
-5,633 -5,633
3,965 3,965 Inversión 273,034.50
27,671 % Depreciación 20%
-20,863 -11,549 Vida Útil contable 5
4,349,030 4,683,571 Depreciación S/49,072.70
-1,304,709 -1,405,071
3,044,321 3,278,500
5,633.20 5,633.20
-3,965 -3,965
163,820.70
-32,764 -32,764
3,013,225 3,411,224
10,647,829 14,059,053
4 5
4,349,030 4,683,571
-14,761 -14,803
-146,900 -146,900
3,965 3,965
5,633 5,633
4,196,968 4,531,466
-1,259,090 -1,359,440
2,937,877 3,172,027
Año 4 Año 5
10,647,829 14,059,053
-50,765 -50,765
219,343 224,976
-19,826 -19,826
-5,633 -5,633
10,790,948 14,207,805
273,034 273,034
2,937,877 3,172,027
7,408,735.82 10,346,613.28
10,619,648 13,791,674
171,300 -416,131
10%
-10%
10358723.48
2126%
CRITERIOS DE DECISIÓN
COK 10%
VANF S/. 10,358,723.48
TIRF 2126%
B/C 95.85
DECISION
95.8481200955
ESCENARIOS
Min MP MX
Costo unitario 2.33 2 2.33 4
Precio 3.96 3 3.96 5
Cantidad 844800.00 840000 855000
CVU 1.26 1 1.26 2
COK 10% 5 10 13
Costo Fijo 146,900
Valor residual 27,671
Inversion 286,365.08
0 1 2 3 4
Indicadores de Evaluación
VAN $4,393,954
TIR 429.47%
OS
DS
DS PERT
PERT
Unif disc
PERT
Triangular
$3,373,079
$3,345,408
$27,671
$2,115,284
$146,900
$1,968,384
$1,257,795
Tablas Tornado y Araña
Resumen Estadístico
Una de las herramientas de simulación más poderosas es la Tabla Tornado, ya que captura los impactos estadísticos de cada variable sobre el modelo resultante. Es decir, la herramienta impacta de manera automática cada variable
precedente en el modelo que se ha especificado de antemano, captura las fluctuaciones sobre el modelo final del pronóstico o el resultado final, y organiza las perturbaciones categorizadas en orden de importancia. Precedentes son
todas las entradas y las variables intermedias que afectan el modelo resultante. Por ejemplo, si el modelo consiste de A = B + C, donde C = D + E, entonces B, D, E son los precedentes para A (C no es un precedente ya que sólo es un
valor de cálculo intermedio). El rango y el número de valores perturbados es especificado por el usuario y puede establecerse para probar valores extremos en lugar de pequeñas perturbaciones alrededor de los valores esperados. En
ciertos casos, los valores extremos pueden tener un impacto desequilibrado mayor o menor (por ejemplo, no linealidades pueden ocurrir cuando se incrementa o disminuye una economía de escala y su alcance llega a valores mayores
o menores de la variable) y sólo un rango mayor captura este impacto no lineal.
Una Tabla Tornado organiza todas las entradas que le dan forma al modelo, empezando con la variable de entrada que tiene el impacto más grande sobre los resultados. La tabla se obtiene afectando cada dato ingresado precedente en
un rango consistente (por ejemplo, ±10% del caso base) una a la vez, y comparando sus resultados con el caso base. Una Tabla Araña, como su nombre lo indica, se asemeja a una araña con un cuerpo central y varias piernas saliendo
de ella. La pendiente positiva indica una relación positiva, mientras que una pendiente negativa indica una relación negativa entre las variables relacionadas. Por lo tanto, las tablas arañas pueden utilizarse para visualizar relaciones
lineales y no lineales. Las Tabla Tornado y Araña ayudan a identificar los factores críticos de éxito del resultado de una celda para poder identificar las entradas y simularlas. Las variables críticas identificadas que son inciertas son las
únicas que no deben ser simuladas. No pierda su tiempo simulando variables que puedan ser inciertas o tienen poco impacto en los resultados.
Resultados
Resumen Estadístico
Las tablas de Sensibilidad son perturbaciones dinámicas creadas después de una simulación. Las tablas de Sensibilidad son perturbaciones dinámicas en el sentido de
que múltiples supuestos son impactadas simultáneamente y sus interacciones son capturadas en las fluctuaciones de los resultados. En contraste, las tablas Tornado son
perturbaciones estáticas, lo que significa que cada precedente o supuesto variable es perturbado en un monto prefijado y las fluctuaciones en el resultado se tabulan. Por
lo tanto, las tablas Tornado identifican que variables muestran en su resultados un mayor impacto y por lo tanto son adecuadas para determinar que variables simular (por
eso se utilizan antes de la simulación), ya que las tablas de Sensibilidad identifican el impacto de los resultados cuando interactúan múltiples variables y se simulan de
manera conjunta en el modelo (es decir, se utilizan después de una simulación).
Las tablas de Correlación No Lineal de Rango, indican los rangos que tienen las correlaciones entre cada supuesto y el pronóstico objetivo, y se describen desde el valor
absoluto más alto hasta el valor absoluto más bajo. Las correlaciones positivas se muestran en verde mientras que las negativas se muestran en rojo. El rango de
correlación se utiliza en lugar de un coeficiente de correlación regular ya que captura los efectos no lineales entre las variables. En contraste, el Porcentaje de Variación
Explicado, calcula que tanto de la variación en la variable del pronóstico puede explicarse por las variaciones en cada una de los supuestos por si misma en un ambiente
dinámico simulado. Estas tablas muestran la sensibilidad del pronóstico objetivo para los supuestos simulados.
TABLA DE ANÁLISIS DE ESCENARIOS
10 15 20 25 30 35 40 45 50
50.00 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366 S/.63,223,083 S/.47,210,800 S/.31,198,516 S/.15,186,233 -S/.826,050
55.00 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366 S/.63,223,083 S/.47,210,800 S/.31,198,516 S/.15,186,233
60.00 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366 S/.63,223,083 S/.47,210,800 S/.31,198,516
65.00 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366 S/.63,223,083 S/.47,210,800
70.00 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366 S/.63,223,083
75.00 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650 S/.79,235,366
80.00 S/.223,345,916 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933 S/.95,247,650
85.00 S/.239,358,200 S/.223,345,916 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216 S/.111,259,933
90.00 S/.255,370,483 S/.239,358,200 S/.223,345,916 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500 S/.127,272,216
95.00 S/.271,382,766 S/.255,370,483 S/.239,358,200 S/.223,345,916 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783 S/.143,284,500
100.00 S/.287,395,050 S/.271,382,766 S/.255,370,483 S/.239,358,200 S/.223,345,916 S/.207,333,633 S/.191,321,350 S/.175,309,066 S/.159,296,783
Suavizado Exponencial Doble
Resumen Estadístico
El método de suavizado exponencial doble se utiliza cuando los datos muestran una tendencia pero no una estacionalidad. Este modelo no es apropiado cuando se
quieren predecir datos transversales. El suavizado exponencial doble aplica una suavización simple dos veces, una vez para los datos originales, y luego para los
resultados del suavizado simple de los datos. Una ponderación alfa como parámetro se utiliza en el primer suavizado o el simple (SES) mientras una ponderación
beta como parámetro se utiliza en el segundo o suavizado exponencial doble (SED), un valor bajo de beta otorga menos peso a las tendencias más recientes y un
valor elevado de beta le otorga un mayor peso a estas tendencias . Este acercamiento es muy útil cuando los datos son históricos y no estacionarios. El programa
encuentra los parámetros óptimos para alfa y beta automáticamente a través de un proceso de optimización que minimiza los errores de pronóstico.
La prueba que mejor se ajusta para el pronóstico del promedio móvil simple es la media de la raíz cuadrada de los errores al cuadrado (RMSE - Root Mean Squared
Error). La RMSE calcula la raíz cuadrada de la desviación al cuadrado promedio de los valores ajustados contra los datos actuales.
El Error Cuadrático Medio (MSE - Mead Squared Error) es una medida de error absoluto que ajusta los errores (la diferencia entre los datos históricos y los datos del
pronóstico ajustados pronosticados por el modelo) para prevenir que los errores positivos y negativos se cancelen entre sí. Esta medida también tiende a exagerar
errores grandes ponderándolos con mayor importancia que los errores pequeños, cuadrándolos, lo cual puede ayudar cuando se comparan diferentes modelos de
series de tiempo. El Error de la Media al Cuadrado (RMSE) es la raíz cuadrada del MSE y es la medida más popular de error, también conocida como función de
perdida cuadrática. El RMSE puede definirse como el promedio de los valores absolutos de los errores del pronóstico y es muy apropiado cuando el costo de los
errores del pronóstico es proporcional al tamaño absoluto del error del pronóstico. El RMSE se utiliza como un criterio de selección para el mejor ajuste de modelos
de series de tiempo.
El Porcentaje de la Media del Error Absoluto (MAPE - Mean Absolute Percentage Error ) es una medida estadística de error relativo, como un porcentaje promedio
del error de los datos históricos y es más apropiado cuando el costo de los errores del pronóstico tiene una relación más cercana al porcentaje del error que a un
valor numérico de error. Finalmente, una medida asociada es la estadística de la U de Theil, la cual mide la credibilidad del pronóstico del modelo. Es decir, si la
estadística de la U de Theil es menor a 1.0, entonces el método utilizado para el pronóstico proporciona un estimado que es estadísticamente mejor que adivinar.
El Mejor Modelo: Suavizado Exponencial Doble Segundo Mejor Modelo: Aditivo de Holt-Winter
Alfa 0.2558 Alfa 0.2612
Beta 0.1727 Beta 0.1565
RMSE 0.0001 Gamma 0.1389
MSE 0.0000 Estacionalidad 4
MAD 0.0001 RMSE 0.0001
MAPE 0.12% MSE 0.0000
U de Theil 0.8238 MAD 0.0001
MAPE 0.12%
U de Theil 0.8379
Tercero Mejor Modelo: Multiplicativo de Holt-Winter Cuarto Mejor Modelo: Promedio Móvil Doble
Alfa 0.2601 9
Beta 0.1568 RMSE 0.0001
Gamma 0.1435 MSE 0.0000
Estacionalidad 4 MAD 0.0001
RMSE 0.0001 MAPE 0.14%
MSE 0.0000 U de Theil 0.8714
MAD 0.0001
MAPE 0.12%
U de Theil 0.8389
Quinto Mejor Modelo: Suavizado Exponencial Simple Sexto Mejor Modelo: Promedio Móvil Simple
Alfa 0.6043 2
RMSE 0.0001 RMSE 0.0001
MSE 0.0000 MSE 0.0000
MAD 0.0001 MAD 0.0001
MAPE 0.14% MAPE 0.15%
U de Theil 0.9179 U de Theil 0.9231
Séptimo Mejor Modelo: Aditivo Estacional Octavo Mejor Modelo: Multiplicativo Estacional
Alfa 0.5812 Alfa 0.5794
Gamma 0.2543 Gamma 0.2617
Estacionalidad 4 Estacionalidad 4
RMSE 0.0001 RMSE 0.0001
MSE 0.0000 MSE 0.0000
MAD 0.0001 MAD 0.0001
MAPE 0.14% MAPE 0.14%
U de Theil 0.9254 U de Theil 0.9263
Ajuste de Distribución de Variables Múltiples
Resumen Estadístico
Matriz de Correlación
Variable1 Variable2
Variable1 1
Variable2 0.0013 1
Datos históricos
CVU CF Año Tasa de Inflación
1.26 146,900 1964 7.88%
0.03 125517 1965 7.89%
11.27 13135 1966 7.88%
3.87 158489 1967 7.87%
16.17 89889 1968 7.90%
11.70 117087 1969 7.91%
9.60 100113 1970 7.89%
7.01 70766 1971 7.90%
17.92 158885 1972 7.90%
16.46 116446 1973 7.92%
14.93 11505 1974 7.90%
3.48 22578 1975 7.91%
17.18 2051 1976 7.91%
14.21 21192 1977 7.93%
10.27 4260 1978 7.94%
6.08 94021 1979 7.92%
0.30 126469 1980 7.93%
1.83 168035 1981 7.93%
7.29 194531 1982 7.93%
2.95 57839 1983 7.94%
3.32 150334 1984 7.95%
19.77 193066 1985 7.95%
8.91 101840 1986 7.96%
2.38 171917 1987 7.95%
0.09 150481 1988 7.97%
0.18 14313 1989 7.97%
7.56 26490 1990 7.97%
10.63 72176 1991 7.97%
11.42 108689 1992 7.98%
12.04 117820 1993 8.00%
12.14 116367 1994 8.00%
3.32 197125 1995 7.98%
13.26 163060 1996 8.00%
9.02 28413 1997 7.98%
7.04 79434 1998 7.99%
1.14 75259 1999 8.00%
12.15 70748 2000 7.97%
15.67 146623 2001 7.99%
16.05 198260 2002 8.00%
10.40 106662 2003 8.01%
6.04 188263 2004 8.02%
17.52 32704 2005 8.02%
14.53 2661 2006 8.01%
19.12 169951 2007 8.02%
18.51 175579 2008 8.00%
10.79 119333 2009 8.04%
2.85 56850 2010 8.02%
9.24 85855 2011 8.05%
4.71 130345
17.24 133952
4.19 17273