EJERCICIO DE COSTOS

REPOSTERIA: "COSAS RICAS"

Introducción

"COSAS RICAS" es una sociedad de hecho, propiedad de dos hermanos, dedicada a la

producción de Masas de Confitería de calidad.

El inmueble donde desarrollan la actividad consta de una oficina, el local de ventas y de una
sala de elaboración.

La venta se realiza en forma minorista únicamente y el cliente compra la mercadería en el local

de la empresa.

La situación frente al IVA (Impuesto al Valor Agregado) es de Responsable no Inscripto, por lo

tanto el mismo está incluido en los precio de compra y de venta.

El importe mensual retirado por los empresarios en concepto de retribución incluye sus cargas
sociales pues son trabajadores autónomos.

Los propietarios desarrollan actividades en la empresa, donde uno de ellos se ocupa de la

producción y el otro de la administración y ventas.

Los propietarios desean hacer un estudio profundo de la situación de su empresa y requieren a

un profesional que les informe:

 Cuáles son sus costos fijos y variables.

 Cuál es el costo por cada docena de Masas de Confitería.
 Cuál es el margen de contribución.
 Cuál es el punto de equilibrio de la empresa.
 Cuál es el resultado económico mensual.

Para ello aportan los datos que se exponen a continuación:

1. MATERIAS PRIMAS

En la elaboración de masas surtidas se utilizan las siguientes materias primas:

(A los efectos del cálculo se determina que 1 docena de masas surtidas pesa 1 Kg.)

Cantidad por
Precio por Costo por
Materia Prima Unidad Docena de
Unidad ($) Docena ($)
masas

Harina Kg. 0,50 0,490 Kg. 0,24

Leche entera Litro 0,50 0,230 Lt. 0,12

Manteca Kg. 3,00 0,200 Kg. 0,45

Azúcar Kg. 0,50 0,050 Kg. 0,02

Huevo Docena 0,90 1 0,08

Levadura Kg. 2,40 0,015 Kg. 0,04

Sal, esencias, etc. Kg. 0,80 0,015 Kg. 0,02

TOTAL & & & $ 0,97

1. MATERIAS PRIMAS

2. MANO DE OBRA

Las Masas son elaboradas por 2 (dos) personas que cobran a razón de $ 0,15 cada una, por
docena producida. Dicho importe incluye las cargas sociales.

3. GASTOS MENSUALES DE LA EMPRESA

 
Alquiler del local 300,00
 
Servicios públicos 100,00
 
Transporte 100,00
 
Publicidad 300,00
 
Papelería 100,00
 
Mantenimiento 200,00
 
Otros gastos 200,00

  Remuneración socios (con

1.200,00
aportes sociales)

  Impuestos
145,20
(Provinciales y Municip.)

 
TOTAL $ 2.595,20

4. MUEBLES Y EQUIPOS (Depreciación)

La depreciación o amortización es la pérdida de valor que sufren las instalaciones y equipos

durables por efecto del paso del tiempo, esto es, de su vida útil. El empresario debe
considerarlo en sus costos previendo que al término de su vida útil debe reponerlos y por lo
tanto, debe hacer un ahorro para ese momento. En el caso de esta empresa tenemos que
considerar el monto del costo de depreciación de acuerdo a la tabla siguiente:

Muebles Valor Vida útil Depreciación Depreciación

y Equipos ($) (años) (anual) (mensual)

Equipos e Instalaciones de
15.000,00 10 1.500,00 125,00
Producción y Venta
Computadora 1.000,00 4 250,00 20,83

Escritorio / sillas 600,00 10 60,00 5,00

Otros muebles 400,00 10 40,00 3,33

& & & TOTAL: $ 154,16

5. VENTAS

El promedio mensual de ventas de esta empresa es de 4.000 docenas de Masas surtidas y el

precio de venta por docena es de $ 2,40.

El importe total de las ventas mensuales es entonces:

Ventas mensuales = 4.000 docenas x $ 2,40 = $ 9.600,00

RESOLUCIÓN DEL EJERCICIO

1. COSTOS VARIABLES

1.1 COSTOS VARIABLES UNITARIOS

Los costos variables unitarios, en este caso, se identifican con las materias primas que
intervienen en el proceso de elaboración en forma directa y la mano de obra de los dos (2)
empleados que cobran por producción.

1.2 COSTOS VARIABLES MENSUALES

El costo variable total resulta de multiplicar las unidades de producto por el costo variable
unitario.

CVM = 4.000 X $ 1,27 = $ 5.080.=

2. COSTOS FIJOS

2.1. COSTO FIJO MENSUAL

El costo fijo total es la sumatoria de todos los costos fijos mensuales.

2.2. COSTO FIJO UNITARIO

Producción mensual = 4.000 docenas

Costo Fijo Total

Costo Fijo Unitario =

Cantidad
$ 2.749,36

COSTO FIJO UNITARIO = = $ 0,69

4000

3. COSTO TOTAL UNITARIO

El costo de cada docena de masas de confitería es:

Costo Total unitario = Costo Variable unitario + Costo Fijo unitario

Costo Total Unitario = 1,27 + 0,69 = $ 1,96

4. MARGEN DE CONTRIBUCIÓN

Margen de Contribución = Precio de venta unitario - Costo variable unitario

MC = $ 2,40 - $ 1,27 = $ 1,13

En este caso el margen de contribución unitario de $ 1,13 es el que nos permite cubrir el costo
fijo unitario de $ 0,69 y nos queda una ganancia por unidad (docena de masas) de $ 0,44.

5. PUNTO DE EQUILIBRIO
El cálculo del punto de equilibrio se realiza aplicando la siguiente fórmula:

Costo Fijo Total

Punto de Equilibrio =
Margen de Contribución

El resultado expresa las cantidad de unidades mínimas a vender para que la empresa no
tenga pérdidas ni ganancias.

2.749,36

Punto de Equilibrio = = 2.433 docenas

1,13

Esto quiere decir que la empresa debe vender un mínimo de 2.433 docenas de masas en el
mes para no perder dinero. Por lo tanto, si se quiere expresar el punto de equilibrio en pesos
para saber cuánto tiene que facturar para no perder ni ganar, tenemos:

Punto de Equilibrio en pesos = 2.433 docenas x $ 2,40 = $ 5.839,20

Que es el Punto de equilibrio expresado en términos del monto de dinero facturado en el mes.

6. CALCULO DE LA “UTILIDAD” O “PERDIDA” MENSUAL

Costo Total = Costo Fijo Total + Costo Variable Total

Costo Total = $ 2.749,36 + $ 5.080,00 = $ 7.829,36

Utilidad = Ingresos Totales - Costos Totales

Utilidad = $ 9.600,00 - $ 7.829,36 = $ 1.770,64

Calcular la Utilidad como porcentaje del Costo Total y de la Venta Total:

Utilidad 1.770,64

       
Utilidad sobre Costo = x 100 = x 100 = 22,62 %
Costo total 7.829,36
Utilidad 1.770,64

       
Utilidad sobre Ventas = x 100 = x 100 = 18,44 %
Venta total 9.600,00

Es decir que a la empresa le queda una utilidad bruta (antes de impuesto a las ganancias)
sobre costos del 22,62 % y sobre ventas de 18,44 %, después de retribuir a los dueños de la
misma.

Colección de problemas
Métodos numéricos
Ejercicio 1 (nivel: 1r ciclo )

La función tiene una raíz en . Empezando con

y , usar ocho iteraciones del método de la bisección para aproximar la
raíz. Tabular el error después de cada iteración y también las estimaciones del error
máximo. ¿El error real siempre es menos que la estimación del error máximo? Los
errores reales continúan disminuyendo?

Solución ( nicco )

De forma general, para hallar una raíz de , dado que es contínua en el

intervalo , donde el signo de es opuesto al signo de , esto es

, usaremos el siguiente algoritmo del método de la bisección:

A continuación se presenta la tabla con los valores obtenidos para las ocho iteraciones
correspondientes:
(Iteración)
Para ocho iteraciones obtenemos , que es el valor de más próximo al
valor exacto. El error máximo y el error real para cada iteración vienen dados como
sigue:
     

Vemos que el error real es siempre de menor magnitud que el error máximo, es decir, se
cumple que:
(1.1)

Además, los errores reales disminuyen con cada iteración ya que cada una de ellas es
una mejor aproximación que la anterior al valor exacto de la raíz.

Encontrar la raíz cerca de de empezando con . ¿Cuán

exacta es la estimación despues de cuatro iteracciones del método de Newton? ¿cuántas
iteraciones requiere el método de la bisección para lograr la misma exactitud?. Tabule el
número de dígitos correctos en cada iteracción del método de Newton y observe si se
duplican cada vez. (Solución )

Solución ( nicco )

Para obtener una solución a mediante el método de Newton, dada la función

diferenciable y una aproximación inicial , utilizamos el siguiente algoritmo:

En nuestro caso, dada la aproximación inicial y las funciones

y , para iteraciones, tenemos la

siguiente tabla de los valores obtenidos:
 0

En este método iterativo debería cumplirse que el número de decimales de exactitud se

duplica en cada iteración. Como podemos comprobar en la tabla, esto se cumple para
con tres decimales exactos, y con seis decimales
exactos. La tolerancia alcanzada mediante el método de Newton es de .
Para saber cuántas iteraciones son necesarias para lograr dicha tolerancia mediante el

método de la bisección, con el intervalo , hay que encontrar un número

entero que satisfaga:
   

por tanto, tenemos

   

Vemos pues, que para el método de la bisección se necesitarían, aproximadamente, el

doble de iteraciones que para el método de Newton.

Ejemplo 1

Usar el método de Newton-Raphson, para aproximar la raíz de f ( x )  e  x  ln x ,

x0  1 y hasta que a  1% . 
comenzando con

Solución
En este caso, tenemos que

De aquí tenemos que:

 x0  1 y obtenemos:
Comenzamos con

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se pidió.

Resumimos los resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

1  
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%

De lo cual concluímos que la aproximación obtenida es:

Ejemplo 2
Usar el método de Newton-Raphson para aproximar la raíz de
f ( x)  arctan x  x  1 , comenzando con x0  0 y hasta que a  1% . 

Solución
En este caso, tenemos que

La cual sustituímos en la fórmula de Newton-Raphson para obtener:

x0  0 para obtener:
Comenzamos sustituyendo
 0 .5  0
a   100%  100%
En este caso tenemos un error aproximado de 0 .5

Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultado en la

siguiente tabla:

Aprox. a la raíz Error

aprox.
0  
0.5 100%
0.5201957728 3.88%
0.5202689918 0.01%

De lo cual concluímos que la aproximación obtenida es:

Ejemplo 3
Usar el método de Newton-Raphson para aproximar raíces cuadradas de números
reales positivos. 

Solución 

Sea R  0 . Queremos calcular x tal que x  R ; elevando al cuadrado x 2  R ,

o bien:

x2  R  0

Esto nos sugiere definir la función f ( x)  x  R de donde

2
f ( x)  2 x . Al sustituir
estos datos en la fórmula de Newton-Raphson nos da:

xi2  R
xi 1  xi 
2 xi

La cual simplificada nos da:

1 R
xi 1   xi  
2 xi 

Esta fórmula era conocida por los antiguos griegos (Herón).

Para fijar un ejemplo de su uso, pongamos R  26 y apliquemos la fórmula

x0  5 . Resumimos los resultados en la siguiente tabla:
obtenida, comenzando con

Aprox. a la raíz Error aprox.

5  
5.1 1.96%
 5.099019608 0.019%
5.099019514 0.0000018%

De lo cual concluímos que 26  5.099019514 , la cual es correcta en todos sus

dígitos!

La misma idea puede aplicarse para crear algoritmos que aproximen raíces n-
ésimas de números reales positivos.

Observe que cuando el método de Newton-Raphson converge a la raíz, lo hace de

una forma muy rápida y de hecho, observamos que el error aproximado disminuye
a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo
establecer formalmente las cotas para los errores en cada uno de los métodos que
hemos estudiado, cabe mencionar que si existen estas cotas que miden con mayor
precisión la rapidez ó lentitud del método en estudio.

Ejemplo 1
Usar el método de iteración del punto fijo para aproximar la raíz de 

, comenzando con   y hasta que  . 

Solución
Como ya aclaramos anteriormente, el método sí converge a la raíz.
Aplicando la fórmula iterativa tenemos,

Con un error aproximado de

Aplicando nuevamente la fórmula iterativa tenemos,

Y un error aproximado de  .

Intuimos que el error aproximado se irá reduciendo muy lentamente. En

efecto, se necesitan hasta 13 iteraciones para lograr reducir el error
aproximado menor al 1%. El resultado final que se obtiene es:

Con un error aproximado igual al . 

Ejemplo 2
Usar el método de iteración del punto fijo para aproximar la raíz de 

, comenzando con   y hasta que  . 

Solución
Si despejamos la  del término lineal, vemos que la ecuación equivale
a
 de donde, 

 En este caso, tenemos que  . Un vistazo a la gráfica,

nos convence que , para , lo que es suficiente para

deducir que el método sí converge a la raíz buscada.

Aplicando la fórmula iterativa, tenemos:

Con un error aproximado del 100%.

Aplicando nuevamente la fórmula iterativa, tenemos:

Con un error aproximado igual al 28.41%.

En este ejemplo, el  método solo necesita de 5 iteraciones para reducir el error menor al
1%. Resumimos los resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

0  

-0.2 100%

-0.1557461506 28.41%

-0.1663039075 6.34%
 -0.163826372 1.51%

-0.164410064 0.35%

De donde vemos que la aproximación buscada es:

Veremos a continuación un ejemplo del metódo de la Punto Fijo con la

siguiente ecuación:

Comenzar >>>

# Fx Gx Nuevo Xm
1 6 -3.2 6
2 -19.968 -1.423487544484 -19.968
3 11.692075744767 -5.286954775047 11.692075744767
4 -137.06733727676 -0.55264093506638 -137.06733727676
5 15.278575889954 -12.256666831521 15.278575889954
6 -1837.5252497571 -0.10580199505242 -1837.5252497571
7 15.893013650839 -15.822877723262 15.893013650839
8 -3961.2932828992 -0.063652847694363 -3961.2932828992
9 15.936089251016 -15.935434638196 15.936089251016
10 -4046.549064545 -0.062760338437828 -4046.549064545
11 15.93699245737 -15.937225498684 15.93699245737
12 -4047.9153117412 -0.062746289826028 -4047.9153117412
13 15.937006671952 -15.937253488903 15.937006671952
14 -4047.9366679087 -0.062746070290919 -4047.9366679087
15 15.93700689408 -15.937253926252 15.93700689408

Hemos terminado de analizar el método de Punto Fijo, en este ejemplo

con un error de 0.0001; vemos que el metódo NO CONVERGE.

Ejemplo 2
Usar el método de la secante para aproximar la raíz de 

, comenzando con    y  , y hasta que  

. 

Solución

Tenemos los valores    y  , que sustituímos

en la fórmula de la secante para obtener la aproximación  :

Con un error aproximado de:

Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

0  

1 100%

0.823315073 21.4%

0.852330280 3.40%

0.853169121 0.09%

  De lo cual concluímos que la aproximación a la raíz es:

Veremos a continuación un ejemplo del metódo de la secante, con la

siguiente ecuación:

Comenzar >>>

X
Xd Fxi Fxd Nuevo Xm Error
i
1 -3 -2 -14 6 -2.3 -0.3
2 -3 -2.3 -14 1.533 -2.51 -0.21
- -
3 -2.51 -2.3 -2.323251 1.533 2.320725552 0.02072555205
0505 0473
- - -
1.1803871495
4 -2.51 2.320725552 -2.323251 2.395969027 0.07524347577
748
0505 827 6506
- - - - -
1.1803871495
5 2.3959690272.3207255520.15043075408 2.346075325 0.02534977303
748
827 0505 291 0876 7123
6 - - - 0.7409631953 - -
2.3959690272.3460753250.15043075408 0987 2.390329227 0.04425390235
 827 0876 291 4407 3135
- - - - -
0.7409631953
7 2.3903292272.3460753250.04789074483 2.382860983 0.03678565791
0987
4407 0876 039 0056 7969
- - - - -
0.0871912946
8 2.3903292272.3828609830.04789074483 2.389875835 0.00701485278
68852
4407 0056 039 7919 63751
- - - - -
0.0871912946
9 2.3898758352.3828609830.03966723120 2.387388854 0.00452787134
68852
7919 0056 9549 3541 85732
- - - - -
1 0.0053886529
2.3898758352.3873888540.03966723120 2.389098184 0.00170933037
0 350926
7919 3541 9549 7273 31688
- - - - -
1 0.0053886529
2.3890981842.3873888540.02556923808 2.387593289 0.00020443474
1 350926
7273 3541 7972 098 381393
- - - - -
1 0.0016883143
2.3890981842.3875932890.02556923808 2.387855237 0.00026194808
2 877866
7273 098 7972 1823 438618
- - - - -
1 0.0016883143
2.3878552372.3875932890.00305391029 2.387609513 1.62248874002
3 877866
1823 098 82061 9854 74E-05

Hemos terminado de analizar el método de la secante, en este ejemplo

con un error de 0.0001; se encuentra la última raiz(Xm):
-2.3876969957131 con 13 iteracciones.