PROYECCTOS DE INVERSION CONTA 5TO A INTEGRANTES 1.2.3.4.- Alejo Chambilla, Lucrecia Quispe Barrera, Paola Quispe Valer
Views 19 Downloads 0 File size 304KB
PROYECCTOS DE INVERSION CONTA 5TO A
INTEGRANTES 1.2.3.4.-
Alejo Chambilla, Lucrecia Quispe Barrera, Paola Quispe Valeriano, Leonela Yessica Limachi Mamani, Julio Cesar
La empresa Delimix desea introducir una nueva marca de gaseosas en el mercado Limeño, para esto los ejecutivos de determinar algunos datos que deberían servir para poder conocer la tendencia de la demanda así como realizar una pro lineal. Los datos encontrados del mercado son los siguientes:
Año
Poblacion
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
8,464,581 9,004,873 10,350,429 11,897,045 13,674,765 15,718,120 16,545,390 17,416,200 18,332,842 19,297,729
Año
Poblacion
Consumo de gaseosa (Lts. X año)
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 SUMA PROM
8,464,581 9,004,873 10,350,429 11,897,045 13,674,765 15,718,120 16,545,390 17,416,200 18,332,842 19,297,729 140,701,974 14,070,197
3,845,000 5,450,456 5,099,346 8,890,987 6,681,064 9,678,206 4,542,730 4,557,329 13,289,998 10,506,650 72,541,766 7,254,177
DESARROLLO
A) Valor de b =
639,225,960,046,746 1,413,312,679,042,184
B) Valor de a =
890,379.279
C) Y = a + bX
Y = 0.452+890,379.28(X)
0.452
D) La muestra de 10 puntos revela un coeficiente de correlacion simple de 0.3211, una relacion lineal ciertamente p informacion de que los puntos de los datos, caen lejos de la linea de regresion, entonces R2 explica que el mod tanto no es fiable, en este caso podriamos tomar otras variables, como ventas anuales y trimestrales para que nu confiable.
E)
F)
Año
Poblacion 2018 19,915,256.33 2019 20,552,544.53 2020 21,066,358.14 2021 21,593,017.10 2022 22,132,842.52 Tasa de crecimiento poblacional Tasa de crecimiento poblacional
Consumo 9,897,833.21 10,186,071.73 10,418,464.05 10,656,666.17 10,900,823.34 3.20% 2.50%
Año
Poblacion
Consumo de gaseosa (Lts. X año)
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
8,464,581.00 9,004,873.00 10,350,429.00 11,897,045.00 13,674,765.00 15,718,120.00 16,545,390.00 17,416,200.00 18,332,842.00 19,297,729.00 19,915,256.33 20,552,544.53 21,066,358.14 21,593,017.10 22,132,842.52
3,845,000.00 5,450,456.00 5,099,346.00 8,890,987.00 6,681,064.00 9,678,206.00 4,542,730.00 4,557,329.00 13,289,998.00 10,506,650.00 9,897,833.21 10,186,071.73 10,418,464.05 10,656,666.17 10,900,823.34
Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año)
G 14,000,000.00 12,000,000.00 10,000,000.00 8,000,000.00
f(x) = 0.452289128602424 x + 890379.278689915 R² = 0.506613851209413
Consumo de gaseosa ( año)
Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año) 14,000,000.00 12,000,000.00 10,000,000.00
f(x) = 0.452289128602424 x + 890379.278689915 R² = 0.506613851209413
Consumo de gaseosa ( año) Linear (Consumo de ga (Lts. X año))
8,000,000.00 6,000,000.00 4,000,000.00 2,000,000.00 0.00 5,000,000.00
10,000,000.00
15,000,000.00
20,000,000.00
25,000,000.00
n el mercado Limeño, para esto los ejecutivos del área de investigación de mercados pudieron ndencia de la demanda así como realizar una proyección de la misma a través de una regresión
Consumo de gaseosa (Lts. X año) 3,845,000 5,450,456 5,099,346 8,890,987 6,681,064 9,678,206
Consumo de gaseosa (Lts. X añ
4,542,730 4,557,329 13,289,998
14,000,000 12,000,000
10,506,650 10,000,000 8,000,000
xy
x2
6,000,000
32,546,313,945,000 49,080,664,072,088 52,780,418,719,434 105,776,472,433,415 91,361,980,149,960 152,123,203,292,720 75,161,239,514,700 79,371,353,329,800 243,643,433,514,316 202,754,484,397,850 1,084,599,563,369,283
71,649,131,505,561 81,087,737,746,129 107,131,380,484,041 141,539,679,732,025 186,999,197,805,225 247,059,296,334,400 273,749,930,252,100 303,324,022,440,000 336,093,095,796,964 372,402,344,557,441 2,121,035,816,653,886
4,000,000 2,000,000 0
f(x) = 0.452289128602424 x + 890379.27868991 R² = 0.321105521212608
mple de 0.3211, una relacion lineal ciertamente positiva entre Y y X. El bajo R2 proporciona a de regresion, entonces R2 explica que el modelo no se ajusta a los datos observados, por lo , como ventas anuales y trimestrales para que nuestro modelo de ajuste y pueda ser mas
X año) GASEOSA (Lts. X año)
15 Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año)
X año) GASEOSA (Lts. X año)
15
.00
Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año) Linear (Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año))
25,000,000.00
mo de gaseosa (Lts. X año) GASEOSA (Lts. X año)
452289128602424 x + 890379.278689911 Consumo de gaseosa (Lts. X año) 21105521212608 GASEOSA (Lts. X año) Linear (Consumo de gaseosa (Lts. X año) GASEOSA (Lts. X año))
años, puesto que los dueños están evaluando si les conviene continuar con el negocio o no. Para realizar esta evaluación contrataron a un especialista en proyectos y le pidieron que analizara la información de los últimos años de la empresa, los cuales se presentan a continuación:
Año
Empanadas vendidas
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
250 750 650 1,200 1,565 1,325 1,200 1,350 1,270 1,435
Año (x)
Empanadas vendidas (y)
XY
X2
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 20,125 2,013
250 750 650 1,200 1,565 1,325 1,200 1,350 1,270 1,435 10,995 1,100
502,000 1,506,750 1,306,500 2,413,200 3,148,780 2,667,225 2,416,800 2,720,250 2,560,320 2,894,395 22,136,220 2,213,622
4,032,064 4,036,081 4,040,100 4,044,121 4,048,144 4,052,169 4,056,196 4,060,225 4,064,256 4,068,289 40,501,645 4,050,165
DESARROLLO
1 2 3 4 5 6 7 8 9 10 SUMA PROM
A) Valor de b =
B) Valor de a =
87,825 106.45454545455 825 -213140.27273
Em 1,800 1,600 1,400
f(x) = 106.4 R² = 0.6079
1,200 1,000 800 600 400 200
0 2006 2008 2010 2
C) Y = a + bX
Y = -213140.27 + 106.45(x)
D) La muestra de 10 puntos revela un coeficiente de correlacion de 0.6079, una relacion lineal ciertamente positiva entre los años y las empanadas vendidas. De ahí se puede concluir que a medida que va pasando los años, aumenta la venta de empanadas, ya que existe una confiabilidad del 60%, se podria buscar evaluar otras variables para el ajuste del modelo.
E)
F)
Año (x)
Empanadas vendidas (y)
2018 2019 2020 2021 2022
1,685.00 1,791.45 1,897.91 2,004.36 2,110.82
Año (x)
Empanadas vendidas (y)
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
250 750 650 1,200 1,565 1,325 1,200 1,350 1,270 1,435 1,685.00 1,791.45 1,897.91 2,004.36 2,110.82
Empanadas vendidas 2,500 2,000 1,500
f(x) = 106.454545454543 x − 213140.272727268 R² = 0.840304374489798 Empanadas vendidas (y) Linear (Empanadas vendidas (y))
1,000 500 0 2005
2010
2015
2020
2025
o. Para realizar esta mación de los últimos
Empanadas vendidas 1,800 1,600 1,400
f(x) = 106.454545454544 x − 213140.272727271 R² = 0.607902316494304
1,200 1,000 800 600 400 200 0 2006 2008 2010 2012 2014 2016 2018
Empanadas vendidas (y) Linear (Empanadas vendidas (y))
n lineal ciertamente dida que va pasando los odria buscar evaluar
das
2727268 Empanadas vendidas (y) Linear (Empanadas vendidas (y))
gustaría saber cuál sería el futuro de su negocio a través de un estudio concreto del mismo. Esta familia ha solicitado la ayuda de un proyectista y su tarea es analizar los datos de la siguiente tabla:
Año 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Empanadas vendidas 1,100 850 650 950 1,200 1,535 850 1,605 1,100 1,435
DESARROLLO
1 2 3 4 5 6 7 8 9 10 SUMA PROM
Año (x)
Empanadas vendidas (y)
xy
x2
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 20,125 2,013
1,100 850 650 950 1,200 1,535 850 1,605 1,100 1,435 11,275 1,128
2,208,800 1,707,650 1,306,500 1,910,450 2,414,400 3,089,955 1,711,900 3,234,075 2,217,600 2,894,395 22,695,725 2,269,573
4,032,064 4,036,081 4,040,100 4,044,121 4,048,144 4,052,169 4,056,196 4,060,225 4,064,256 4,068,289 40,501,645 4,050,165
A) Valor de b =
47,875 825
B) Valor de a =
-115,658.48
58.030
Emp 1,800 1,600 1,400 1,200
f(x) = 58.03030303 R² = 0.3056620695
1,000 800 600 400 200
0 2006 2008 2010 2012 2
C) Y = a + bX
Y = -115,658.48 + 58.030(x)
D) La muestra de 10 puntos revela un coeficiente de correlacion simple de 0.3057, una relacion lineal ciertamente positiva entre años y empanadas vendidas. De ahí se puede concluir de que R2 tiene como respuesta el 30%, dandonos a conocer que los puntos que representan la venta de empanadas estan muy dispersas.
E)
F)
Año (x)
Empanadas vendidas (y)
2018 2019 2020
1,446.67 1,504.70 1,562.73
Año (x)
Empanadas vendidas (y)
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
250 750 650 1,200 1,565 1,325 1,200 1,350 1,270 1,435 1,446.67 1,504.70 1,562.73
Empanadas vendidas 1,800 1,600 1,400
f(x) = 82.2885447885454 x − 164536.122211123 R² = 0.640673122914746
1,200 1,000
Empanadas ven Linear (Empana
800 600 400 200 0 2006 2008 2010 2012 2014 2016 2018 2020 2022
G) No, para ver los errores podemos aplicar la formula de la desviacion estandar para encontrar mas a fondo la dispersion de los puntos, ya que los puntos se alejan de la linea de tendencia, sugeriria que se haga un modelo de regresión multiple, aumentando una variable independiente claro. Despues de ello aplicar una prueba de significancia para determinar si la relación entre las variables es estadisticamente significativa.
mo. Esta familia ha
Empanadas vendidas
1,800
1,600
1,400
1,200
1,000
f(x) = 58.030303030298 x − 115658.484848475 R² = 0.305662069514471 Empanadas vendidas (y) Linear (Empanadas vendidas (y))
800 600 400 200 0 2006 2008 2010 2012 2014 2016 2018
relacion lineal que R2 tiene como mpanadas estan muy
vendidas
211123
Empanadas vendidas (y) Linear (Empanadas vendidas (y))
0 2022
encontrar mas a fondo eriria que se haga un es de ello aplicar una camente significativa.