Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VALORIZACIÓN DE EMPRESAS
FUSIONES Y ADQUISICIONES
Integrantes
Caparó Rafael1 , Arévalo Diego2
Lima-Perú
2019
1 rcaparoc@uni.edu.pe, 2 jarevaloc@uni.pe
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Índice
1. INTRODUCCIÓN 1
3. OBJETIVOS 2
3.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2. Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
4. Ejercicios internacionales 3
4.1. Hipótesis General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2. Ejercicios de la Universidad AM de Texas . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2.1. Ejercicio 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2.2. Ejercicio 2.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2.3. Ejercicio 3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.2.4. Ejercicio 3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.2.5. Ejercicio 3.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
6. METODOLOGÍA 12
6.1. Modelo Logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2. Modelo Logit Dicotómico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.3. Modelo Logit de Respuesta Multiple . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.4. Modelo de Regresión Logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.5. Características de Modelo Logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6.6. Descripción de la Solución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
7. DATOS 17
7.1. VARIABLE ENDÓGENA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
7.2. VARIABLES EXÓGENAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8. RESULTADOS 18
9. CONCLUSIONES 25
1
10.BIBLIOGRAFÍA 25
11.ANEXOS 26
1. INTRODUCCIÓN
¿Qué variables son las que determinan que una familia sea considerada pobre y no pueda cubrir
la canasta básica de consumo?
3. OBJETIVOS
3.1. Objetivo General
Construir un modelo econométrico logit para medir las el grado de influencia de las principales
variables en la pobreza de la región Puno en el 2018.
Hacer uso de la metodología de modelos logit para representar la relación entre las variables.
2
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
4. Ejercicios internacionales
4.1. Hipótesis General
Algunas de la variables en estudio son estadísticamente significativas y tienen una fuerte incidencia
en la probabilidad de ser pobre.
SALIDA:
1
https://www.tamu.edu/
2
https://drive.google.com/file/d/1JICl0HZcthzyuTKPo8vJYyhwD7Ybjemg/view?usp=sharing
3
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Simule del modelo anterior usando ruido correlacionado (simulamos a partir de un AR (2))
Solución
set . seed (5)
ar2 <- arima . sim ( list ( order = c (2 ,0 ,0) , ar = c (1.5 , -0.75) ) , n =144)
plot . ts ( ar2 , axes = F ) ; box () ; axis (2)
axis (1 , seq (0 ,144 ,24) )
abline ( v = seq (0 ,144 ,12) , lty = " dotted " )
Periodogram <- abs ( fft ( ar2 ) / 144) * * 2
frequency = 2 * pi * c (0:143) / 144
plot ( frequency , Periodogram , type = " o " )
SALIDA:
{} son variables aleatorias iid con media cero y varianza uno.
Xt+1 = Xt + t donde {} son variables aleatorias iid con media cero y varianza uno.
Solución
Como su media y su varianza no dependen del tiempo podemos decir que es debilmente esta-
cinario o es estacionario de segudo orden.
4
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Por definicion tanto la media como la varianza no estan definida, por tanto es no estacioanria.
El cuato caso es u AR(1), por eso es que estacionario debilmene , lo que quire decir que dicho
proceso es estacionario en el sentido debil.
como ek caso 1 podemos decir, Como su media y su varianza no dependen del tiempo podemos
decir que es debilmente estacinario o es estacionario de segudo orden.
como nos dice que (Ut , Vt ) es estrictamente estacionario eso corroborá que depende del tiempo
ya que son dos seriies ARMA(2,1).
Salida:
5
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Se observa un pico entre 30 y 40 además que las desviaciones respecto a 0 son muy evidentes debido
al tamaño de 200.
para toda |z| < 1 y z elemento del conjunto de los números complejos.
La definición establece que toda solución del polinomio auto-regresivo debe ser diferente de cero y
debe tener módulo mayor a uno. La región determinada por z tal que |z| = 1 , se denomina círculo
unitario.Sea los modelos auto-regresivos generales. P∞
P∞ de causalidad es equivalente a la existencia de constantes {ψ} tal que j=0 |ψj | < ∞ y
El concepto
Xt = j=0 ψj Xt−j .Es decir, se puede representar como un proceso estacionario-causal
6
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Solución
La demostración consiste en resolver la ecuación del polinomio auto-regresivo garantizando que la
solución sea de un proceso causal; es decir |X|mayor o igual a 1.La ecaucion sería:
1 − φ1 X − φ2 X 2 = 0
7
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
8
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
de personas y sus capacidades y oportunidades en varias dimensiones, antes que de bienes y dinero.
Con base en esto, la Oxford Poverty and Human Development Initiative (OPHI) ha desarrollado un
Índice de Pobreza Multidimensional, el cual tiene en cuenta las dimensiones de educación, salud y
condiciones de vida bajo determinadas ponderaciones (Alkire y Santos, 2010).
En el caso del Perú, tenemos que entre los trabajos que aplican este enfoque destaca el de Vásquez
(2012), quien ajusta ponderaciones para medir la pobreza multidimensional con base en lo propuesto
por Alkire y Foster (2011) como sigue:
Primero, un determinante clave de la pobreza es el acceso a servicios. Tanto el enfoque de pobreza
multidimensional como el de necesidades básicas insatisfechas ponen marcado énfasis en esto. Tener
acceso a agua potable, sistema de desagüe, electricidad, telefonía, etcétera es de suma importancia
para reducir la vulnerabilidad de los hogares y la afectación al rendimiento escolar de los niños y a
la productividad y empleabilidad de los padres. Dado el contexto de lo precedente, el desarrollo de
infraestructura es absolutamente necesario para la reducción de la pobreza. Siguiendo a Reinikka y
Svensson (1999), podemos definir a la infraestructura como aquel capital complementario que ofrece
los servicios de soporte necesarios para la operación de las actividades privadas. Así, un hogar que
no tiene acceso a agua potable ni sistema de desagüe ni electricidad ni telefonía ve muy seriamente
mermadas sus posibilidades de inserción en los mercados y, por tanto, de mejora económica.
9
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
La encuesta se realizó en el ámbito nacional, en el área urbana y rural, en los 24 departamentos del
país y en la Provincia Constitucional del Callao. Las variables que se usarán son:
Variable Endógena:
Pobreza: El término “pobreza” tiene distintos significados en las ciencias sociales. Y no existe con-
senso debido a que existen hasta:
“... once posibles formas de interpretar esta palabra: necesidad, estándar de vida, insuficiencia de
recursos, carencia de seguridad básica, falta de titularidades, privación múltiple, exclusión, desigual-
dad, clase, dependencia y padecimiento inaceptable. Todas estas interpretaciones serían mutuamente
excluyentes, aunque varias de ellas pueden ser aplicadas a la vez, y algunas pueden no ser aplicables
en toda situación.
10
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Los hogares pobres son aquellos que no han alcanzado dichos logros. En el 2010, la OPHI (Oxford
Poverty & Human Development Iniciative) de la Universidad de Oxford estableció una metodología
para expresar dicho estimadores de logro en un sólo índice: el Indice de Pobreza Multidimensional
(MPI).
Este trabajo calcula dicho índice para Chile, lo que no se había hecho antes, y lo emplea para analizar
la evolución de la pobreza en el país entre el 2000 y el 2009 tanto a nivel nacional como regional.
El MPI descompone la información global en términos de la proporción de personas en situación de
pobreza (head count ratio) y de la intensidad de las carencias.
De acuerdo con este índice Chile se ubica entre los países con más bajo nivel de pobreza tanto en
una perspectiva mundial como para Sudamérica.
Mortalidad Infantil
Nutrición
Escolaridad
Asistencia
Electricidad
Agua Potable
Sanidad
Piso
Activos
Agua.
Alimentación.
Ambiente Sano.
Educación.
Hábitat y Vivienda.
11
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Salud.
6. METODOLOGÍA
6.1. Modelo Logit
Este modelo permite, además de obtener estimaciones de la probabilidad de un suceso, identificar
los factores que determinan dichas probabilidades, así como la influencia o peso relativo que éstos
tienen sobre las mismas.
Este tipo de modelo arroja como resultado un índice, cuyos determinantes son conocidos, el cual
permite efectuar ordenaciones, las cuales al realizarse, posibilitan, con algún método de estratifica-
ción, generar clasificaciones en las que se le asocia a cada elemento una calificación. Existen muchos
criterios para llevar a cabo la asociación índice - calificación, muchos de ellos con base en índices
de muestreo, donde el criterio es puramente estadístico. Otros criterios podrían considerarse como
subjetivos.
Para el caso más sencillo, el de una única variable explicativa, se trata de encontrar la relación que
existe entre la variable explicativa y la endógena. Las posibilidades que se plantean son:
12
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Que la función que relaciona ambas variables sea una función lineal, caso en el cual se tiene, lo que
se ha denominado, el modelo lineal de probabilidad. Este asume que la relación entre las variables
explicativas y la variable explicada tiene un comportamiento lineal, suposición que en muchos casos
no se da, dando esta situación origen a los modelos de regresión no lineales, dentro de los cuales
se encuentran ubicados los modelos Probit y Logit, siendo este último el que interesa y del cual
a continuación se hace un análisis detallado sobre su estructura y los fundamentos teóricos que lo
soportan.
La modelización Logit es similar a la regresión tradicional salvo que utiliza como función de estima-
ción la función logística en vez de la lineal. Con la modelización Logit, el resultado del modelo es la
estimación de la probabilidad de que un nuevo individuo pertenezca a un grupo o a otro, mientras
que por otro lado, al tratarse de un análisis de regresión, también permite identificar las variables
más importantes que explican las diferencias entre grupos. Existen distintos tipos de modelos Logit
en función de las características que presenten las alternativas que definen a la variable endógena.
Esta variable permite medir el número de grupos existentes en el análisis, los modelos Logia se
pueden clasificar así:
Logit dicotómico: se utiliza cuando el número de alternativas son dos y excluyentes entre sí.
Logit con datos no ordenados: se utiliza cuando las alternativas que presenta la variable endó-
gena no indican ningún orden.
Logit multinomial: se utiliza cuando los regresores del modelo hacen referencia a las observa-
ciones muestrales, por lo que varían entre observaciones pero no entre alternativas.
Logit condicional: se utiliza cuando los regresores del modelo hacen referencia a las alternativas,
por lo que sus valores varían entre alternativas pudiendo hacerlo o no entre observaciones.
Logit con datos ordenados: se utiliza cuando las alternativas de la variable endógena represen-
tan un orden entre ellas.
13
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Ŷi = Xi β + i
Sea:
P (y = 1) = p = probabilidad de que una familia sea pobre. P (y = 0) = (1 − p) = probabilidad de
que una familia no sea pobre. Haciendo una transformación:
p̂i = Xi β + i
14
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
elogiti
pi = P rob(Yi = 1) =
1 + elogiti
Lo cual podemos decir que estas probabilidades efectivamente van entre 0 y 1.
El modelo de regresión logística sería el siguiente
pi X
logiti = Ln(RP ) = Ln =α+ βk Xki
1 − pi
k
Y su transformación a probabilidades:
P
eα+ k βk Xki
pi = P rob(Yi = 1) P
1 + eα+ k βk Xki
ó
1 P
P 1 + e−(α+ k βk Xki
)
1+ eα+ k βk Xki
Y su probabilidad estimada:
1
p̂i = P rob(Yi = 1) = ˆ
1 + elogiti
El modelo Logit supone que el logaritmo de la razón de probabilidades esta linealmente rela-
cionado con las variables explicadoras. item En el modelo Logit los coeficientes de regresión
expresan el cambio en el logaritmo de las probabilidades, cuando una de las variables explica-
doras cambia en una unidad, permaneciendo constantes las demás (Gujarati 2010).
15
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
16
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Segundo: Para aplicar el modelo logit buscamos bibliografía que nos permita entender la metodología
y los supuestos necesarios para poder realizar un buen modelo.
7. DATOS
7.1. VARIABLE ENDÓGENA
Pobreza: El diccionario de la Lengua Española de la Real Academia Española expresa el significado
del adjetivo pobre como "necesitado, menesteroso y falto de lo necesario para vivir, o que lo tiene
con mucha escasez". Igualmente, define el sustantivo pobreza como "necesidad, estrechez, carencia
de lo necesario para el sustento de la vida". De estas definiciones queda claro que:
De lo anterior, se deduce que el término pobreza en su uso cotidiano lleva implícita la comparación
entre la situación de una persona, familia o grupo humano y la concepción de quien habla o escribe,
sobre lo que es necesario para vivir o sustentar la vida. Es decir, el concepto de pobreza lleva
inevitablemente la comparación entre una situación observada y una condición normativa. Mientras
esta norma es implícita en el lenguaje cotidiano, debe ser explícita en el científico.
Viviendas particulares por número de hogares Según el Censo Especial del Cerro San Cosme,
del total de viviendas particulares, con personas presentes, que suman 1 mil 811 viviendas, el
95,5 % alberga un solo hogar, lo que representa en términos absolutos 1 mil 729 viviendas; el
3,2 % alberga dos hogares; el 1,1 % alberga tres hogares y el 0,2 % de viviendas, alberga cuatro
y cinco hogares.
Tipo de hogar
La información que recoge el Censo Especial del Cerro San Cosme del distrito de La Victoria,
posibilita el estudio sobre la forma de organización de los hogares, los mismos que generalmente
lo hacen alrededor de una pareja de cónyuges con o sin hijos. Para la conformación de los tipos
de hogar, con los resultados censales del Cerro San Cosme, se ha tomado como referencia la
tipología de la Comisión Económica para América Latina y el Caribe (CEPAL), que clasifica
a los hogares como nucleares, extendidos, compuestos, unipersonales y sin núcleo.
Jefatura de hogar
La organización del hogar, se sustenta en la red básica de relaciones sociales, que se desarrollan
y se orientan a satisfacer las necesidades primordiales de sus miembros, y variará dependiendo
de las características del sexo y edad del jefe de hogar. Estas variables fueron investigadas en
el Censo del Cerro San Cosme.
17
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Educación:
Se denomina educación a la facilitación del aprendizaje o de la obtención de conocimientos, habilida-
des, valores y hábitos en un grupo humano determinado, por parte de otras personas más versadas
en el asunto enseñado y empleando diversas técnicas de la pedagogía: la narración, el debate, la
memorización o la investigación.
La educación es un proceso complejo en la vida del ser humano, que ocurre fundamentalmente en
el seno de la familia y luego en las distintas etapas de la vida escolar o académica que el individuo
transite (desde el kindergarten hasta la universidad).
Sin embargo, no solo el conocimiento organizado y compartimentado de las ciencias y los saberes es
educación: también lo son las tradiciones locales, las creencias familiares o los modos de conducta
heredados.
El resultado final del proceso educativo es incierto, ya que el ser humano nunca deja de aprender,
por ende, de cambiar sus conductas y sus preceptos. Sin embargo, las etapas iniciales de la vida se
consideran cruciales para la formación y educación del individuo (tanto en aspectos formales como
en materia afectiva, ciudadana, etc.), ya que serán responsables del modo de actuar que el individuo
presente en su adultez.
Salud:
La definición de salud dada por la Organización Mundial de la Salud en 1948 es la siguiente: "La
salud es un estado de bienestar físico, mental y social completo, y no meramente la ausencia del
mal o la enfermedad". Por lo tanto, contempla el estado saludable de la persona desde el punto
de la calidad de vida y no simplemente desde la manifestación de síntomas o el padecimiento de
enfermedades.
De ahí que estar sano, sentirse sano, no se defina por el hecho de no estar enfermo, sino contemplando
una visión más amplia que abarca las múltiples facetas del desarrollo humano.
Actitud vital y salud
Esta visión global de la salud humana requiere que cada uno, como persona y no como paciente,
piense y reconozca la implicación de la actividad diaria en su salud. Son muchos los factores que
solemos obviar al respecto, tanto a nivel físico como mental o social.
Por ejemplo, no descansar lo suficiente, tener hábitos no saludables, no cuidar la alimentación u
obsesionarse con frecuencia, son acciones que conforman una actitud ante la vida. Dicha actitud
afecta a nuestra salud, seamos capaces de verlo o no.
8. RESULTADOS
Primero: Utilizamos el paquete estadístico R para hacer el análisis descriptivo.
1. Se vio la relación entre la pobreza y la no pobreza en la región de Puno.
18
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Donde:
1: Pobre
0: No pobre
19
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
2. Se vio la relación entre los que si tienen títulos de propiedad y los que no lo tienen.
1: Si
0: No
3. La relación entre los que sí tienen agua potable y las que no la tienen.
1: Si
0: No
4. La relación entre los que sí tienen acceso a electricidad con los que no lo tienen.
20
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
1: Si
0: No
5. La relación entre los que sí tienen teléfono fijo y los que no lo tienen.
1: Si
0: No
6. La relación entre los que sí tienen teléfono celular con los que no lo tienen.
21
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
1: Si
0: No
1: Sin nivel
2: Educación inicial
3: Primaria incompleta
22
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
4: Primaria completa
5: Secundaria incompleta
6: Secundaria completa
8. La relación entre las personas que si están en ESSALUD y las que no.
1: Si
0: No
23
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
1: Si
0: No
Tener teléfono fijo puede está relacionado negativamente con el nivel de pobreza.
24
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
9. CONCLUSIONES
Se concluyó que la pobreza en la región Puno puede ser explicada por sus bajos niveles de
educación y bajos niveles de propiedad, lo cual implicaría que una buena política para la
reducción de la pobreza sea aplicándola a esos sectores.
Según la definición de pobreza multidimensional, se podría decir que la región Puno también
es pobre en educación, y por ser un tema de vital importancia debería ser un prioridad en las
políticas públicas.
10. BIBLIOGRAFÍA
[1] Urbina Padilla, D. y Quispe, M. R. (2017).“La pobreza monetaria desde la perspectiva de
la pobreza multidimensional:el caso peruano”.(1-22).[Archivo pdf]. Recuperado de https://
repositorio.ulima.edu.pe/bitstream/handle/ulima/5815/Urbina_Dante.pdf?sequence=
3&isAllowed=y.
[3] Lizardi, C., Caballero, M.L. (2012).“Un enfoque multidimensional de la pobreza en Chile: Su
evolución temporal y regional”.(1-38)
[7] OPHI. (23 de Agosto del 2013). Porque Medidas de Pobreza Multidimensional?. [Archivo de vi-
deo]. Recuperado de https://ophi.org.uk/porque-medidas-de-pobreza-multidimensional-2/.
[8] Landazuri, S.Y. (2012). “Un Análisis de la pobreza multidimensional, una Aplicación para
Santiago de Chile de Cali en el año 2012” (Tesís de Grado). Universidad de Santiago de Cali.
[10] Di Capua, L., Brun, C. y Pellegrini J.L. (2015). “Desigualdad Multidimensional de los Hogares:
Tipos de Hogares y Variables Predictorias”. La Plata, Argentina: Económica; vol.61.
25
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
[12] Casa Presidencial Costa Rica. (29 de Octubre del 2015). ¿Qué es el Indice de Pobreza Multidi-
mensional?. [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=VaC6r5-Ko5s.
[13] RED MÁS Noticias. (22 de Marzo del 2017). Pobreza Multidimensional. [Archivo de video].
Recuperado de https://www.youtube.com/watch?v=HiNePPTDcMw.
[14] Universidad de los Andes. (27 de Marzo del 2017). Conversatorio en Uniandes: Índice de
Pobreza Multidimensional en Colombia. [Archivo de video]. Recuperado de https://www.
youtube.com/watch?v=a054RTJIAZA.
[15] Prosperidad.Social. (2 de Octubre del 2017). ¿Cómo se mide la pobreza en Colombia? IPM
implementado en el país. [Archivo de video]. Recuperado https://www.youtube.com/watch?
v=0uVIffkaMAg.
11. ANEXOS
26
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
27
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
28
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
29
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
30
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
31
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
32
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
33
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
Código R utlizado
# importamos datos
data <- read . delim ( ’ clipboard ’)
# nombres de , las variables
names ( data )
attach ( data )
# POBREZA
barplot ( prop . table ( table ( data $ POBREZA ) ) , main = " Distribucion de la Pobreza " ,
xlab = " Categoria de Pobreza " , ylab = " Densidad Acumulada " , col = c ( " orange " ,"
blue " ) )
summary ( POBREZA ) # nos da la mediana , media , max , min ,.. datos num é rico del
boxplot
# TP
barplot ( prop . table ( table ( data $ TP ) ) , main = " Distribucion del TP " , xlab = "
Categoria de TP " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( TP ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# AP
barplot ( prop . table ( table ( data $ AP ) ) , main = " Distribucion del AP " , xlab = "
Categoria de AP " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( AP ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# EL
barplot ( prop . table ( table ( data $ EL ) ) , main = " Distribucion del EL " , xlab = "
Categoria del EL " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( EL ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# TF
barplot ( prop . table ( table ( data $ TF ) ) , main = " Distribucion del TF " , xlab = "
Categoria de TF " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( TF ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# CL
barplot ( prop . table ( table ( data $ CL ) ) , main = " Distribucion del CL " , xlab = "
Categoria de CL " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( CL ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# NE
barplot ( prop . table ( table ( data $ NE ) ) , main = " Distribucion del NE " , xlab = "
Categoria de NE " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
lines ( density ( NE , na . rm = T ) , col = " red " , lwd =2) # curva de distribuci ó n del NE
34
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
aproximada
boxplot ( NE , main = " grafico de cajas de NE " , col = " green " ) # mostramos " el
grafico de cajas de pbi , en el cual nos da los umbrales para los
cuartiles inferior y superior
summary ( NE ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# ES
barplot ( prop . table ( table ( data $ ES ) ) , main = " Distribucion del ES " , xlab = "
Categoria de ES " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( ES ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
# SIS
barplot ( prop . table ( table ( data $ SIS ) ) , main = " Distribucion del SIS " , xlab = "
Categoria de SIS " , ylab = " Densidad Acumulada " , col = c ( " orange " ," blue " ) )
summary ( SIS ) # nos da la mediana , media , max , min ,.. datos num é rico del boxplot
35
Facultad de Ing. Económica, Estadística Y CC.SS Valorización de empresas, Fusiones y Adq.
36