Look-up in Google Scholar
Full metadata record
Ramírez Soplin, Magally Loidit
2017-01-13T13:59:09Z
2017-01-13T13:59:09Z
2014
E13.R35-T BAN UNALM
https://hdl.handle.net/20.500.12996/2280
Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática (es_PE)
El presente estudio de investigación se centró en identificar los perfiles más adecuados, en una muestra de 8, 504 clientes que realizaron transacciones crediticias en el primer trimestre del año. Se agruparon los casos mediante las técnicas de segmentación: K-means, Bietápico y Kohonen, utilizando variables cuantitativas y categóricas. De las tres técnicas, la que obtuvo mayor medida de silueta de cohesión y separación, fue K-means, indicando una estructura “buena” en cuanto a la cohesión al interior de los grupos y la separación de los mismos. Por otro lado, también se analizó las proporciones de los conglomerados, siendo la técnica K-means la que presentó las proporciones más adecuadas en función a las variables de historial crediticio y transacciones realizadas. Posterior a la obtención de los conglomerados, se procedió al proceso de obtención de la reglas de clasificación, mediante la técnica de regresión logística multinomial, la cual nos permitirá realizar predicciones futuras. El procedimiento se aplicó a la muestra particionada, es decir, una parte de entrenamiento y otra de comprobación. Finalmente, se obtuvo una adecuada tasa de eficiencia en ambas muestras. Además, los análisis permitieron identificar a dos conglomerados que muestran una alerta para la empresa, es decir necesitan ser gestionados de forma oportuna, ya que constituyen un futuro comportamiento de no pago de acuerdo a la caracterización obtenida de dichos conglomerados. (es_PE)
Trabajo de suficiencia profesional (es_PE)
application/pdf (en_US)
spa (es_PE)
Universidad Nacional Agraria La Molina (es_PE)
info:eu-repo/semantics/openAccess (en_US)
https://creativecommons.org/licenses/by-nc-nd/4.0/ (*)
Universidad Nacional Agraria La Molina (es_PE)
Repositorio institucional - UNALM (es_PE)
Regresión logística multinomial (es_PE)
Bancos (es_PE)
Crédito (es_PE)
Consumidores (es_PE)
Métodos estadísticos (es_PE)
Aplicaciones del ordenador (es_PE)
Evaluación (es_PE)
Perú (es_PE)
Perfil de clientes (es_PE)
Clientes crediticios (es_PE)
Técnicas de segmentacion (es_PE)
Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial (es_PE)
info:eu-repo/semantics/bachelorThesis (en_US)
Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación (es_PE)
Estadística e Informática (es_PE)
Título Profesional (es_PE)
Ingeniero Estadístico e Informático (es_PE)
http://purl.org/pe-repo/ocde/ford#4.05.00 (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons