Prueba 2

Razonamiento Cuantitativo con Datos I, UAI 2021-2

library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.5 v dplyr 1.0.7
## v tidyr 1.1.4 v stringr 1.4.0
## v readr 2.0.2 v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()

Las 2000 compañías top según Forbes

Cada año, la empresa de medios Forbes publica una lista de las 2000 compañías top en el mundo. Las
compañias son rankeadas según diversas métricas como su tamaño, su valor de mercado, ventas, ganancias,
etc.
En la base de datos forbes-2k-2020.csv encontrará datos de estas compañías para el año 2020. Las
descripción de las variables es la siguiente:
• Rank: El lugar en el ranking Forbes de la compañía en el año 2020.
• Company: Nonbre de la compañía.
• Country_Territory: País o territorio al que la compañía pertenece.
• Sales: Ventas totales de la compañía durante 2020, en billones de USD.
• Profits: Ganancias totales de la compañía durante 2020, en billones de USD.
• Assets: Activos la compañía, en billones de USD
• Market_Value: Valor de mercado de la compañía, en billones de USD.
• Sector: Sector en el que se especializa la compañía.
forbes_2020 <- read_csv("forbes-2k-2020.csv")

## Rows: 2000 Columns: 7

## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (2): Company, Country_Territory
## dbl (5): Rank, Sales, Profits, Assets, Market_Value
##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

1
Pregunta 1 (10 ptos.)
Versión 1
¿Qué empresas Chilenas tienen un valor de mercado de más de 5 billones de USD?
forbes_2020 %>%
filter(Country_Territory == "Chile" & Market_Value > 5)

## # A tibble: 2 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1097 Falabella Chile 13.4 420. 24.4 6.8
## 2 1294 BCI-Banco Credito Chile 3.8 572. 66.9 5.3

Versión 2
¿Cuántas empresa de Estados Unidos tienen ganancias menores a 300 billones de USD durante 2020?
forbes_2020 %>%
filter(Country_Territory == "United States" & Profits < 300)

## # A tibble: 339 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 3 JPMorgan Chase United States 143. 30 3139. 292.
## 2 4 Berkshire Hathaway United States 255. 81.4 818. 455.
## 3 8 Bank of America United States 112. 24.1 262 209.
## 4 9 Apple United States 268. 57.2 320. 1286.
## 5 11 AT&T United States 179. 14.4 545. 219.
## 6 13 Alphabet United States 166. 34.5 273. 919.
## 7 13 ExxonMobil United States 256 14.3 363. 197.
## 8 13 Microsoft United States 139. 46.3 285. 1359
## 9 17 Wells Fargo United States 98.9 14.3 1981. 119.
## 10 18 Citigroup United States 104. 17.1 2220. 101.
## # ... with 329 more rows

Versión 3
¿Cuáles son las empresas Australianas con ventas totales por más de 100 billones de US durante 2020?
forbes_2020 %>%
filter(Country_Territory == "Australia" & Sales > 100)

## # A tibble: 1 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1605 Dexus Australia 642 1.1 12.5 6.5

Pregunta 2 (10 ptos.)

Versión 1
¿Cuáles son las 3 empresas francesas que están más abajo del ranking Forbes?
forbes_2020 %>%
filter(Country_Territory == "France") %>%
tail(3)

2
## # A tibble: 3 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1830 Bureau Veritas France 5.7 412. 7.9 9.3
## 2 1872 SEB SA France 8.2 425 8.8 6
## 3 1915 Klepierre France 1.8 364. 27.7 5.8

Versión 2
Entre las 10 empresas que están más abajo en el ranking Forbes, ¿cuáles son chinas?
forbes_2020 %>%
tail(10) %>%
filter(Country_Territory == "China")

## # A tibble: 2 x 7
## Rank Company Country_Territo~ Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1995 Founder Securities China 1.4 115. 18.6 8.3
## 2 1999 Zhejiang Century Hua~ China 2.2 365. 4.7 12.1

Versión 3
Entre las 10 compañías que están más arriba en el ranking Forbes, ¿cuántas tiene activos por menos de 1000
billones de USD?
forbes_2020 %>%
head(10) %>%
filter(Assets < 1000)

## # A tibble: 4 x 7
## Rank Company Country_Territo~ Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 4 Berkshire Hathaway United States 255. 81.4 818. 455.
## 2 5 Saudi Arabian Oil Co~ Saudi Arabia 330. 88.2 398. 1685.
## 3 8 Bank of America United States 112. 24.1 262 209.
## 4 9 Apple United States 268. 57.2 320. 1286.

Pregunta 3 (5 ptos.)
Versión 1
Construya una tabla que contenga sólo el lugar en el ranking, el nombre de la compañía y sus ventas.
forbes_2020 %>% select("Rank", "Company", "Sales")

## # A tibble: 2,000 x 3
## Rank Company Sales
## <dbl> <chr> <dbl>
## 1 1 ICBC 177.
## 2 2 China Construction Bank 162.
## 3 3 JPMorgan Chase 143.
## 4 4 Berkshire Hathaway 255.
## 5 5 Agricultural Bank of China 149.
## 6 5 Saudi Arabian Oil Company (Saudi Aramco) 330.
## 7 7 Ping An Insurance Group 155
## 8 8 Bank of America 112.

3
## 9 9 Apple 268.
## 10 10 Bank of China 135.
## # ... with 1,990 more rows

Versión 2
Construya una tabla que contenga sólo el lugar en ranking, el nombre y las ganancias totales de cada
compañía.
forbes_2020 %>% select("Rank", "Company", "Profits")

## # A tibble: 2,000 x 3
## Rank Company Profits
## <dbl> <chr> <dbl>
## 1 1 ICBC 45.3
## 2 2 China Construction Bank 38.9
## 3 3 JPMorgan Chase 30
## 4 4 Berkshire Hathaway 81.4
## 5 5 Agricultural Bank of China 30.9
## 6 5 Saudi Arabian Oil Company (Saudi Aramco) 88.2
## 7 7 Ping An Insurance Group 18.8
## 8 8 Bank of America 24.1
## 9 9 Apple 57.2
## 10 10 Bank of China 27.2
## # ... with 1,990 more rows

Versión 3
Construya una tabla que contenga sólo el lugar en ranking, el nombre y el valor de mercado de la compañía.
forbes_2020 %>% select("Rank", "Company", "Market_Value")

## # A tibble: 2,000 x 3
## Rank Company Market_Value
## <dbl> <chr> <dbl>
## 1 1 ICBC 242.
## 2 2 China Construction Bank 204.
## 3 3 JPMorgan Chase 292.
## 4 4 Berkshire Hathaway 455.
## 5 5 Agricultural Bank of China 147.
## 6 5 Saudi Arabian Oil Company (Saudi Aramco) 1685.
## 7 7 Ping An Insurance Group 187.
## 8 8 Bank of America 209.
## 9 9 Apple 1286.
## 10 10 Bank of China 113.
## # ... with 1,990 more rows

Pregunta 4 (5 ptos.)
Versión 1
Ordene de mayor a menor las empresas, según su Market Value.
forbes_2020 %>% arrange(desc(Market_Value))

## # A tibble: 2,000 x 7
## Rank Company Country_Territo~ Sales Profits Assets Market_Value

4
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 5 Saudi Arabian Oil C~ Saudi Arabia 330. 88.2 398. 1685.
## 2 13 Microsoft United States 139. 46.3 285. 1359
## 3 9 Apple United States 268. 57.2 320. 1286.
## 4 22 Amazon United States 296. 10.6 221. 1233.
## 5 1677 77 Bank Japan 908 175 79.3 998
## 6 1742 Deutsche Pfandbrief~ Germany 575 200. 63.8 989
## 7 1896 Aareal Bank Germany 1.5 162. 46.2 978
## 8 1170 Top Frontier Invest~ Philippines 19.5 207. 36.2 930
## 9 1247 Halkbank Turkey 9 253. 76.3 930
## 10 1474 Cattolica Assicuraz~ Italy 8.3 84.1 41.2 922
## # ... with 1,990 more rows

Versión 2
Ordene de menor a mayor las empresas, según su Profit.
forbes_2020 %>% arrange(Profits)

## # A tibble: 2,000 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1549 Wayfair United States 9.1 -985. 3 11.7
## 2 535 McKesson United States 225. -917 60.9 25
## 3 1985 Alnylam Pharmaceuticals United States 220 -886. 2.4 14.9
## 4 579 Altria Group United States 20.5 -880 52.6 72.9
## 5 1597 Goodyear United States 14.2 -869 16.7 1.7
## 6 1855 Central Bank of India India 3.6 -803. 48.9 1.2
## 7 558 EXOR Netherlands 161. -801. 194. 12.7
## 8 880 Liberty Global United Kingdom 11.5 -796. 49 12.3
## 9 1446 S-Oil South Korea 20.4 -785. 13.4 6.7
## 10 1288 Lotte Shopping South Korea 15.1 -780. 29.4 2.3
## # ... with 1,990 more rows

Versión 3
Ordene de mayor a menor las empresas, según sus ventas.
forbes_2020 %>% arrange(desc(Sales))

## # A tibble: 2,000 x 7
## Rank Company Country_Territory Sales Profits Assets Market_Value
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 1913 Chimera Investment United States 987 414. 27.1 1.5
## 2 1846 DocuSign United States 974 -208. 1.9 19.2
## 3 1744 Celltrion South Korea 968 255. 3.4 23.1
## 4 1905 Medical Properties Trust United States 968 378. 15.2 9
## 5 1772 Juroku Bank Japan 953 108. 59.8 663
## 6 1977 Shenzhen Goodix Technology China 938 303. 1.1 15
## 7 1830 Duke Realty United States 935 402. 8.6 12.8
## 8 1725 Seattle Genetics United States 917 -159. 2.2 23.6
## 9 1677 77 Bank Japan 908 175 79.3 998
## 10 1818 RingCentral United States 903 -53.6 1.5 20.1
## # ... with 1,990 more rows

5
Pregunta 5 (10 ptos.)
Versión 1
Calcule la mediana de las ventas totales de las empresas Chinas.
forbes_2020 %>%
filter(`Country_Territory` == "China") %>%
summarise(median(Sales))

## # A tibble: 1 x 1
## `median(Sales)`
## <dbl>
## 1 9.8

Versión 2
Calcule la media del valor de mercado de las empresas Chilenas.
forbes_2020 %>%
filter(`Country_Territory` == "Chile") %>%
summarise(mean(Market_Value))

## # A tibble: 1 x 1
## `mean(Market_Value)`
## <dbl>
## 1 3.9

Versión 3
Calcule el promedio de ganancias de las empresas Estados Unidos durante 2020.
forbes_2020 %>%
filter(`Country_Territory` == "United States") %>%
summarise(mean(Profits))

## # A tibble: 1 x 1
## `mean(Profits)`
## <dbl>
## 1 237.

Pregunta 6 (20 ptos)

Versión 1
a. (10 ptos.) Un inversor sólo desea invertir en empresas de Japón o Alemania. Si para asegurar su
inversión lo desea hacer en empresas con un valor de mercado sea mayor a 150 billones de USD, ¿en
cuál de los dos países tendrá más opciones para invertir?
forbes_2020 %>%
filter(Country_Territory == "Japan" & Market_Value > 150) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 18

6
(4 puntos)
forbes_2020 %>%
filter(Country_Territory == "Germany" & Market_Value > 150) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 4

(4 puntos)
R: Invertir en Japón (n=18); (2 puntos)
b. (10 ptos.) Se define el valor contable de una empresa como el valor de los activos de la empresa menos
el valor de los pasivos. Supongamos que para las empresas de la base de datos el valor de los pasivos es
igual a dos tercios del valor de los activos. Construya una nueva columna donde se determina el Valor
Contable de las empresas en cuestión.
forbes_2020 %>% mutate(V_contable = Assets-(2/3)*Assets)

## # A tibble: 2,000 x 8
## Rank Company Country_Territo~ Sales Profits Assets Market_Value V_contable
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 ICBC China 177. 45.3 4322. 242. 1441.
## 2 2 China Co~ China 162. 38.9 3822 204. 1274
## 3 3 JPMorgan~ United States 143. 30 3139. 292. 1046.
## 4 4 Berkshir~ United States 255. 81.4 818. 455. 273.
## 5 5 Agricult~ China 149. 30.9 3698. 147. 1232.
## 6 5 Saudi Ar~ Saudi Arabia 330. 88.2 398. 1685. 133.
## 7 7 Ping An ~ China 155 18.8 1219. 187. 406.
## 8 8 Bank of ~ United States 112. 24.1 262 209. 87.3
## 9 9 Apple United States 268. 57.2 320. 1286. 107.
## 10 10 Bank of ~ China 135. 27.2 3387 113. 1129
## # ... with 1,990 more rows

(5 puntos)
Diremos que una empresa es Consistentemente Rentable si su valor de mercado es mayor que su valor
comercial. Determine el porcentaje de empresas, en la base de datos, que son Consistentemente Rentables.
forbes_2020 %>% mutate(Rentable = if_else(Market_Value > Assets-(2/3)*Assets, "1","0")) %>%
filter(Rentable == "1") %>%
count()/2000

## n
## 1 0.5665

7
EL 57% de las empresas son consistemente rentables
(5 puntos)
Versión 2
a. (10 ptos.) Un inversor sólo desea invertir en empresas de Franacia o China. Si para asegurar su inversión
lo desea hacer en empresas con un valor de mercado sea mayor a 200 billones de USD, ¿en cuál de los
dos países tendrá más opciones para invertir?
forbes_2020 %>%
filter(Country_Territory == "France" & Market_Value > 200) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 0
#(4 puntos)
forbes_2020 %>%
filter(Country_Territory == "China" & Market_Value > 200) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 5
#(4 puntos)

R: Invertir en China (n=5); (2 puntos)

b. (10 ptos.) Se define el valor contable de una empresa como el valor de los activos de la empresa menos
el valor de los pasivos. Supongamos que para las empresas de la base de datos el valor de los pasivos es
igual a dos tercios del valor de los activos. Construya una nueva columna donde se determina el Valor
Contable de las empresas en cuestión.
forbes_2020 %>% mutate(V_contable = Assets-(2/3)*Assets)

## # A tibble: 2,000 x 8
## Rank Company Country_Territo~ Sales Profits Assets Market_Value V_contable
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 ICBC China 177. 45.3 4322. 242. 1441.
## 2 2 China Co~ China 162. 38.9 3822 204. 1274
## 3 3 JPMorgan~ United States 143. 30 3139. 292. 1046.
## 4 4 Berkshir~ United States 255. 81.4 818. 455. 273.
## 5 5 Agricult~ China 149. 30.9 3698. 147. 1232.
## 6 5 Saudi Ar~ Saudi Arabia 330. 88.2 398. 1685. 133.
## 7 7 Ping An ~ China 155 18.8 1219. 187. 406.
## 8 8 Bank of ~ United States 112. 24.1 262 209. 87.3
## 9 9 Apple United States 268. 57.2 320. 1286. 107.
## 10 10 Bank of ~ China 135. 27.2 3387 113. 1129
## # ... with 1,990 more rows

8
(5 puntos)
Diremos que una empresa es Consistentemente Rentable si su valor de mercado es mayor que su valor
comercial. Determine el porcentaje de empresas, en la base de datos, que son Consistentemente Rentables.
forbes_2020 %>% mutate(Rentable = if_else(Market_Value > Assets-(2/3)*Assets, "1","0")) %>%
filter(Rentable == "1") %>%
count()/2000

## n
## 1 0.5665

EL 57% de las empresas son consistemente rentables

(5 puntos)
Versión 3
a. (10 ptos.) Un inversor sólo desea invertir en empresas de Rusia o India Si para asegurar su inversión lo
desea hacer en empresas con un valor de mercado sea mayor a 150 billones de USD, ¿en cuál de los dos
países tendrá más opciones para invertir?
forbes_2020 %>%
filter(Country_Territory == "Russia" & Market_Value > 50) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 2

(4 puntos)
forbes_2020 %>%
filter(Country_Territory == "India" & Market_Value > 50) %>%
count()

## # A tibble: 1 x 1
## n
## <int>
## 1 4

(4 puntos)
R: Invertir en India (n=4); (2 puntos)
b. (10 ptos.) Se define el valor contable de una empresa como el valor de los activos de la empresa menos
el valor de los pasivos. Supongamos que para las empresas de la base de datos el valor de los pasivos es
igual a dos tercios del valor de los activos. Construya una nueva columna donde se determina el Valor
Contable de las empresas en cuestión.
forbes_2020 %>% mutate(V_contable = Assets-(2/3)*Assets)

## # A tibble: 2,000 x 8

9
## Rank Company Country_Territo~ Sales Profits Assets Market_Value V_contable
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 ICBC China 177. 45.3 4322. 242. 1441.
## 2 2 China Co~ China 162. 38.9 3822 204. 1274
## 3 3 JPMorgan~ United States 143. 30 3139. 292. 1046.
## 4 4 Berkshir~ United States 255. 81.4 818. 455. 273.
## 5 5 Agricult~ China 149. 30.9 3698. 147. 1232.
## 6 5 Saudi Ar~ Saudi Arabia 330. 88.2 398. 1685. 133.
## 7 7 Ping An ~ China 155 18.8 1219. 187. 406.
## 8 8 Bank of ~ United States 112. 24.1 262 209. 87.3
## 9 9 Apple United States 268. 57.2 320. 1286. 107.
## 10 10 Bank of ~ China 135. 27.2 3387 113. 1129
## # ... with 1,990 more rows

(5 puntos)
Diremos que una empresa es Consistentemente Rentable si su valor de mercado es mayor que su valor
comercial. Determine el porcentaje de empresas, en la base de datos, que son Consistentemente Rentables.
forbes_2020 %>% mutate(Rentable = if_else(Market_Value > Assets-(2/3)*Assets, "1","0")) %>%
filter(Rentable == "1") %>%
count()/2000

## n
## 1 0.5665

EL 57% de las empresas son consistemente rentables

(5 puntos)

10