Trabajo de Estadistica Parte I

UNIVERSIDAD NACIONAL INGENIERIA
“ ALGORITMOS DE MINERÍA DE DATOS PARA PREDECIR LA DESERCIÓN

DE CLIENTES EN EL BANCO BCP”
AUTOR:
BAZAN
RUIZ
DOCENTE:
MG. GERMAN ELIAS POMACHAGUA PEREZ
CURSO:
ESTADISTICA
2021
Índice
INTRODUCCION 3
ENCUESTA 4
BASE DE DATOS 6
OBJETIVOS 9
1.1 Objetivo general 9
1.2 Objetivos específicos 9
POBLACION Y MUESTRA 10
Población en Estudio 10
Unidad Estadística 10
Muestra 10
LAS VARIABLES 10
Características o variables: 10
TABLAS ESTADISTICAS 12
De una variable 12
De dos variables 12
TABLAS DE FRECUENCIA 14
TABLA DE FRECUENCIA DE EDAD 14
TABLA DE FRECUENCIA DE INGRESO MENSUAL 15
TABLA DE FRECUENCIA DE TIEMPO EN EL BANCO (MESES) 17
MEDIDAS ESTADISTICO DESCRIPTIVO 19
10 ENUNCIADOS PROBLEMAS DE PROBLABILIDADES DE SU DATA DE TRABAJO 20
CONCLUSIONES 24
RECOMENDACIONES 25
BIBLIOGRAFIA: 26
Índice Tablas
Tabla 1: Base de Datos de los clientes del Banco de Crédito 5

Tabla 2: Clientes desertores del Banco de Crédito 11
Tabla 3: Situación laboral de los Clientes del Banco de Crédito 12
Tabla 4: Situación laboral de los clientes desertores y no desertores del BCP 12
Tabla 5: Clientes deudores o no deudores por género 12
Tabla 6: Situación laboral de los clientes deudores y no deudores 13
INTRODUCCION
La investigación de este proyecto se desarrolló a partir de la necesidad de
realizar un análisis para obtener información que le faciliten al banco evaluar la
situación actual de sus clientes y evitar la baja de sus servicios. En algunos casos, los
clientes tienen abandonar la entidad bancaria BCP por las siguientes razones, la mala
atención al cliente por parte de los promotores de servicios bancarios, problemas por
el servicio de tarjeta de créditos y el alza de precios de las comisiones fuera del
mercado.
La mala atención al cliente por parte de los promotores de servicios bancarios
es la principal queja que recibe el sistema financiero, se pudo conocer en un informe
de quejas y reclamaciones según la información que maneja la Superintendencia
Financiera. De acuerdo con la información recolectada por la Superintendencia
Financiera se logra concluir que ahora son más los clientes que se acercan a esta
entidad para dar sus razones y las inconformidades luego de algún problema ocurrido
con los bancos, fondos de pensiones, aseguradoras, compañías de financiamiento, o
entidades de crédito.
Nuestro objetivo es desarrollar un modelo predictivo para determinar la
deserción de clientes basado en minería de datos con los algoritmos de árbol de
clasificación y regresión logística. Este modelo predictivo se basó en una similitud de
los pasos de la metodología CRISP-DM que contribuye en el análisis de datos e influye
positivamente en el desarrollo de los modelos predictivos. Como resultados se dio que

el modelo que mejor explica la deserción de clientes fue el árbol de clasificación que
obtuvo como variable predictora principal el comportamiento transaccional de los
clientes
ENCUESTA
BASE DE DATOS
Tabla 1: Base de Datos de los clientes del Banco de Crédito
Tiempo
Eda Estado Situación Ingreso en el Deserto
Genero Deudor
d civil laboral mensual banco r
(meses)
Masculin Independient
29 o Casado e 2100 4 Deudor No
Femenin Divorciad Independient
36 o o e 1700 40 Deudor No
Masculin Divorciad
68 o o Dependiente 1800 84 Deudor No
Femenin Divorciad Independient No
56 o o e 14700 58 deudor No
Masculin Independient No
64 o Soltero e 3300 42 deudor No
Masculin
22 o Soltero Dependiente 2500 27 Deudor Si
Femenin Divorciad
38 o o Dependiente 2200 29 Deudor Si
Femenin
25 o Soltero Dependiente 2600 61 Deudor No
Femenin No
45 o Casado Dependiente 2300 13 deudor No
Masculin No
Masculin Divorciad No
47 o o Dependiente 11400 89 deudor No
69 o Casado e 2200 19 deudor No
Masculin No
66 o Soltero Dependiente 2600 7 deudor No
Masculin No
Femenin Independient
Masculin Divorciad Independient No
Masculin No
Masculin No
Femenin No
Femenin
58 o Casado Dependiente 1100 46 Deudor No
32 o Soltero e 9300 68 Deudor Si
Masculin Divorciad Independient No
Masculin Divorciad Independient
68 o Viudo e 4900 55 Deudor No
Femenin Independient No
Femenin
Masculin
Femenin Divorciad
Femenin
Femenin No
51 o Casado e 1600 6 Deudor Si
Masculin No
Masculin
54 o Soltero Dependiente 2900 7 Deudor Si
55 Masculin Casado Independient 1600 40 No No
o e deudor
Femenin
Femenin No
Masculin Divorciad
Femenin No
Femenin
Femenin Divorciad No
26 o Soltero e 1200 53 Deudor No
Femenin No
49 o Casado No labora 0 78 deudor No
Femenin No
Masculin No
Femenin No
69 o Viudo Dependiente 14100 27 deudor No
Masculin No
33 o Soltero No labora 0 95 deudor Si
Masculin
Masculin
Masculin
Masculin No
Masculin
53 o Casado No labora 0 8 Deudor Si
Masculin Divorciad
71 o o Dependiente 1800 74 Deudor Si
Femenin No
Masculin
Femenin
Femenin No
Masculin
Masculin No
18 o Soltero e 930 6 Deudor No
56 o o No labora 0 46 deudor Si
Masculin
69 o Viudo e 1300 27 Deudor No
Masculin Divorciad
47 Femenin Casado Dependiente 10500 85 Deudor No
o
Femenin No
Fuente: Elaboración propia
OBJETIVOS
1.1 Objetivo general
Desarrollar un modelo predictivo para determinar la deserción de clientes del
banco BCP aplicando minería de datos con los algoritmos de árbol de clasificación y
regresión logística.
1.2 Objetivos específicos
OE1: identificar los factores que tienen mayor influencia en la deserción de clientes en
el banco BCP usando los algoritmos de árbol de clasificación y regresión logística.
OE2: Comprobar que el modelo predictivo con el algoritmo de Árbol de clasificación y
regresión logística tenga una eficacia mayor al 70% para predecir la deserción de
clientes en la entidad bancaria BCP.
OE3: analizar el comportamiento transaccional de los clientes desertores y no
desertores del banco BCP mediante los diagramas de dispersión con los datos
obtenidos mediante las encuestas virtuales.

POBLACION Y MUESTRA
Población en Estudio
- TODOS LOS CLIENTES DEL ANALISIS EN EL BANCO BCP
Unidad Estadística
- UN CLIENTE DEL ANALISIS EN EL BANCO BCP
Muestra
- 100 CLIENTES DEL ANALISIS EN EL BANCO BCP
LAS VARIABLES
Características o variables:
VD: Deserción de clientes

Se define como el desertor del cliente al abandono de un producto o servicio,
ello se refiere a que el cliente tome la decisión de no volver a comprar un servicio en
particular o dejar de ser un cliente habitual del servicio (Colgate y Hedge 2001).
VI: Algoritmos de la minería de datos
Es el proceso de detectar la información procesable de los conjuntos grandes
de datos. Utiliza el análisis matemático para deducir los patrones y tendencias que
existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la
exploración tradicional de los datos porque las relaciones son demasiado complejas o
porque hay demasiados datos. Estos patrones y tendencias se pueden recopilar y
definir como un modelo de minería de datos. Los modelos de minería de datos se
pueden aplicar en escenarios como los siguientes: Pronóstico, Riesgo y Probabilidad,
Recomendaciones, Búsqueda de Secuencias y Agrupación (Microsoft, 2016).
Tipos de variable:
V CUALITATIVA
V CUANTITAVA
TABLAS ESTADISTICAS
De una variable
Tabla 2: Clientes desertores del Banco de Crédito
Porcentaj Porc.
Desertor Conteo e Acum
Si 12 12 12
No 88 88 100
N= 100
Interpt:
Situación
Laboral Conteo Porcentaje Porc. Acum
Dependiente 50 50 50
Independiente 46 46 96
No labora 4 4 100
N= 100
Tabla 3: Situación laboral de los Clientes del Banco de Crédito
De dos variables
Tabla SEQ Tabla \* ARABIC 4: Situación laboral de los clientes

desertores y no desertores del BCP
Filas: Situación laboral Columnas: Desertor

Si No Todo
Dependiente 4 46 50
8.00 92.0 100.0
0 0
10.87 89.13 100.0
0
No labora 3 1 4
75.0 25.0 100.0
0 0 0
Todo 12 88 100
12.00 88.0 100.0
0 0
Contenido de la celda
Conteo
% de la fila
Filas: Genero Columnas: Deudor

Tabla 5: Clientes deudores o no deudores por género
Deudor No deudor Todo
Femenino 23 30 53
43.40 56.60 100.0
0
Masculino 22 25 47
46.81 53.19 100.0
0
Todo 45 55 100
45.00 55.00 100.0
0
Conteo
% de la fila
Filas: Situación laboral Columnas: Deudor

Tabla 6: Situación laboral de los clientes deudores y no deudores
Deudor No deudor Todo
Dependiente 23 27 50
46.00 54.00 100.0
0
45.65 54.35 100.0
0
No labora 1 3 4
25.00 75.00 100.0
0
Todo 45 55 100
45.00 55.00 100.0
0
Conteo
% de la fila

TABLAS DE FRECUENCIA
TABLA DE FRECUENCIA DE EDAD
Procedimientos:
1)R=Xmax-Xmin
Maximo 72
Minimo 18
R= 54
2) m=1+3.3log(n)
m= 7.6
m= 8

3) C=R/m tal que
Cm>=R
C= 6.75
C= 7
4) R'=Cm 56
5)a=R'-R 2
min 18
max 74
Tabla de Frecuencia:
m Li Ls Clase fi hi Fi2 Hi3
1 18 25 25 14 0.14 14 0.14
2 25 32 32 14 0.14 28 0.28
3 32 39 39 10 0.1 38 0.38
4 39 46 46 9 0.09 47 0.47
5 46 53 53 11 0.11 58 0.58
6 53 60 60 18 0.18 76 0.76
7 60 67 67 12 0.12 88 0.88
8 67 74 74 12 0.12 100 1
100 1
Interpretaciones:
F2 28 personas tienen entre 18 y 32 años

h5 el 11% tiene entre 46 y 53 años
f4 9 personas tienen entre 39 y 46 años
H6 el 76% tiene entre 18 y 60 años
F5 58 personas tienen entre 18 y 53 años
TABLA DE FRECUENCIA DE INGRESO MENSUAL
Procedimientos:
1)R=Xmax-Xmin
Maximo 14700
Minimo 0
R= 14700
2) m=1+3.3log(n)
m= 7.6
m= 8

3) C=R/m tal que
Cm>=R
C= 1837.5
C= 1838
4) R'=Cm 14704
5)a=R'-R 4
min 0
max 14704
m li ls Clase fi hi Fi2 Hi2

1 0 1838 1838 29 0.29 29 0.29
2 1838 3676 3676 47 0.47 76 0.76
3 3676 5514 5514 5 0.05 81 0.81
4 5514 7352 7352 0 0 81 0.81
5 7352 9190 9190 4 0.04 85 0.85
6 9190 11028 11028 6 0.06 91 0.91
7 11028 12866 12866 4 0.04 95 0.95
8 12866 14704 14704 5 0.05 100 1
100 1
Interpretaciones:
¿Cuál es el rango de sueldo donde hay más clientes?

el 47% de los clientes tiene sueldos entre 1838 y 3676 soles
f3 Son 5 clientes que tienen ingresos mensuales entre 3676 y 5514

soles
H5 El 85% de los clientes tienen sueldos entre 0 y 9190 soles
h6 El 6% de los clientes tienen sueldos entre 9190 y 11028
F4 Hay 81 clientes que tienen ingresos mensuales entre 0 y 7352
TABLA DE FRECUENCIA DE TIEMPO EN EL BANCO (MESES)
Procedimientos:
1)R=Xmax-Xmin
Maximo 96
Minimo 4
R= 92
2) m=1+3.3log(n)
m= 7,6
m= 8

3) C=R/m tal que Cm>=R
C= 11,5
C= 12
4) R'=Cm 96
5)a=R'-R 4
min 4
max 100
m Li Ls Clase fi hi FI2 HI3

1 4 16 16 19 0,19 19 0,19
2 16 28 28 15 0,15 34 0,34
3 28 40 40 12 0,12 46 0,46
4 40 52 52 12 0,12 58 0,58
5 52 64 64 14 0,14 72 0,72
6 64 76 76 8 0,08 80 0,8
7 76 88 88 11 0,11 91 0,91
8 88 100 100 9 0,09 100 1
100 1
Interpretaciones:
f3 12 Clientes se encuentran en el banco tienen entre 28 y 40

meses
F4 58 Clientes se encuentran en el banco tienen entre 4 y 52
meses
h2 el 15% de clientes tienen entre 16 y 28 meses en el banco
H6 el 80% de los clientes tiene entre 4 y 76 meses en el banco
f5 14 Clientes se encuentran en el banco tienen entre 52 y 64
meses
FALTA GRAFICO DE BARRAS, SECTORES Y CAJAS

MEDIDAS ESTADISTICO DESCRIPTIVO
Estadísticas de la Edad
Error
estándar
de la
Variable N N* Media media Desv.Est. Varianza CoefVar Mínimo Q1 Mediana
Edad 100 0 46.23 1.65 16.49 272.04 35.68 18.00 31.00 47.50
N para Asimetrí
Variable Q3 Máximo Modo moda a Curtosis
Edad 59.75 72.00 69 5 -0.12 -1.29
Deciles
D2:28
D4:41
Percentiles
P12:25
P42:41.84
FALTA INTERPRETACION
Estadísticas del Ingreso mensual
Error
estándar
de la
Variable N N* Media media Desv.Est. Varianza CoefVar Mínimo Q1
Ingreso mensual 100 0 3794 374 3744 14018730 98.68 0 1725
N para Asimetrí
Variable Mediana Q3 Máximo Modo moda a Curtosis
Ingreso 2400 3225 14700 2400 7 1.63 1.37
mensual
Deciles
D3:1900
D6:2560
Percentiles
P18:1518
P62:2600
Estadísticas del Tiempo en el banco
Error
estándar
de la
Variable N N* Media media Desv.Est. Varianza CoefVar Mínimo
Tiempo en 100 0 46.11 2.77 27.72 768.46 60.12 4.00
el banco
(meses)
N para
Variable Q1 Mediana Q3 Máximo Modo moda Asimetría Curtosis
Tiempo en el banco (meses) 23.50 43.50 67.75 96.00 27 4 0.19 -1.15
Deciles
D4:34.4
D7:63.4
Percentiles
P24:23
P71:64
GRÁFICAS


ENUNCIADOS PROBLEMAS PROBABILIDAD
PROBLABILIDADES DE SU DATA DE TRABAJO
1) ¿De cuantas formas podemos distribuir 10 bonos de buen pagador (entre clientes
no deudores)?
Personas no deudoras: 19
55 55 ! 11 x 12 x 13 x 14 x 15 x 16 x 17 … x 55
C = =
10 10! x 35! 9!
¿ 29248649430 formas
2) ¿Cuál es la probabilidad de que al elegir una persona al azar este sea soltero?
Tamaño total de la población: 100 personas

Personas casadas: 39 personas
Personas solteras: 29 personas
Personas Viudas: 3 personas
Personas Divorciadas: 29 personas
3 39
Viudos Casados
29 29
Divorciados Solteros
29/100 = 29%
3) ¿Cuál es la probabilidad de elegir una persona al azar y esta sea casada pero no sea
mujer?
19 20
mujeres hombres
Población total: 100 personas

Personas casadas: 39 personas
Por género:
● 19 mujeres
● 20 hombres
20/100 = 20%
4) ¿De cuantas formas podemos escoger 2 hombres dependientes y 3 mujeres

casadas?
Los hombres dependientes son 27 y las mujeres casadas 19
27! 19 !
c= x =340119
2 ! x 25 ! 3 ! x 16 !
5) ¿Cuál es la probabilidad de que al elegir una persona al azar esta se encuentre en el
rango de la edad de 25 a 32 años?
m Li Ls Clase fi hi Fi Hi
1 2 0.1 0.1
1 8 5 25 14 4 14 4
2 3 0.1 0.2
2 5 2 32 14 4 28 8
3 3 0.3
3 2 9 39 10 0.1 38 8
3 4 0.0 0.4
4 9 6 46 9 9 47 7
4 5 0.1 0.5
5 6 3 53 11 1 58 8
5 6 0.1 0.7
6 3 0 60 18 8 76 6
6 6 0.1 0.8
7 0 7 67 12 2 88 8
6 7 0.1 10
8 7 4 74 12 2 0 1
10
0 1
Con el cuadro obtenemos que la probabilidad de tomar a una persona en ese

rango de edad es de 14%
6) ¿Qué probabilidad hay de que al elegir una persona al azar este sea desertor?
Dentro del grupo de las 100 personas hay 12 desertores.
Casos a favor 12desertores

Probabilidad= = =12 %
Casos totales 100 personas
7) Al escoger 3 personas al azar, ¿Cuál es la probabilidad que este al menos una
mujer?
C ( 1003 )−C 530 x C 473

( 3 100!
! x 97 ! )−C
53 !
53 !
xC
47 !
3! x 44 !
( 161700 )−1 x 16215=145485
145485
Probabilidad¿ = 89.97%
161700
8) ¿Qué probabilidad hay de tomar 5 personas y 3 de ellas sean deudores?
45 55 45 ! 55 !
C xC x
( C
3
100
5
2
=
)(
3 ! 42! 2! 53 !
100 !
5 ! 95 !
)
43 x 44 x 45 55 x 54 85140 2970
x x
( 3x2 2
100 x 99 x 98 x 97 x 96
5x 4 x 3 x2
=
)(
6 2
9034502400
120
)
( 14190 x 1485
75287520 )
=0,2798890174626
Probabilidad =27,98%
9) ¿Se toman 2 deudoras al azar cual es la probabilidad que al menos una sea casada?
20 25 20 25 20 ! 25 ! 20 ! 25!
C xC + C xC x x
( )( )
+
1 1 2 0 1! 19 ! 1! 24 ! 2 ! 18! 0 ! 25 !
=
45 45!
C
2 2 ! 43 !
20 x 25+190 x 1 500+190 x 1
( 990 )(=
990 )
( 690
990 )
=0.696969
10) ¿De cuentas formas puedo repartir 3 descuentos entre los no deudores menores de
50?
Deudores menores de 50 = 29
29 29 ! 27 x 28 x 29
C =C = =3654
3 3 ! x 26 ! 3 x2
SUCESO INDEPENDIENTE
11) Se tiene 100 personas de los cuales 45 son deudores y 55 no deudores, ¿Cuál es la
probabilidad que ambos sean deudores (si al extraer uno lo devolvemos a la base
de datos)?
Suceso Independiente:
Sea:
A=Primer cliente deudor
B=Segundo cliente deudor
P( A)=45/100=0.45
P( B)=45 /100=0.45
Luego:
45 45
P ( A ∩ B )=P ( A ) P ( B )= X =0.45∗0.45=0.2025
100 100
SUCESO DEPENDIENTE
12) Se tiene 100 personas de los cuales 12 son desertores y 88 no desertores, ¿Cuál es
la probabilidad que ambos sean desertores (si al extraer uno, no lo devolvemos a la
base de datos)?
Suceso Dependiente:
Sea:
A=Primer cliente desertor
B=Segundo cliente desertor
P( A)=12 /100=0.12
P( B/ A)=11 /99=0.111111
P ( A ∩ B )=P ( A ) P ( BA )= 100
12 11
x =0.0133333
99
PROBABILIDAD TOTAL
13) Se dispone de 2 cajas en las cuales pondremos los nombres de los clientes no
deudores, distribuidos de la siguiente forma:
● En la primera caja hay 17 mujeres y 11 hombres

● En la segunda caja hay 13 mujeres y 14 hombres
¿Cuál es la probabilidad de que al escoger al azar una de las dos cajas nos salga
mujer?
1 17 1 13
x + x
2 28 2 27
17 13
RPTA : + =0.544312
56 54
TEOREMA DE BAYES
14) El 50% de nuestros clientes son dependientes, el 46% son independientes y el 4%

no labora, el 54% de los dependientes son hombres, el 39.13% de los
independientes son hombres y el 50% de los que no laboran son hombres. ¿Cuál es
la probabilidad de que un hombre elegido al azar sea dependiente?
B
A
P ( )=
i
( A)
P ( Ai ) x P
i
B
P( A ) xP
1
( AB )+ P ( A ) x P ( AB )+ P ( A ) x P ( AB )
1
2
2
3
3
0.5 x 0.54
P ( Dependiente /hombre ) =
0.5 x 0.54+0.46 x 0.3913+0.04 x 0.5
0.27
¿
0.27+0.179998+0.02
0.27
¿ =0.57447 ≅ 57,44 %
0.469998
TEOREMA DE BAYES
15) El 50% de nuestros clientes son dependientes, el 46% son independientes y el 4%

no labora, el 54% de los dependientes son hombres, el 39.13% de los
independientes son hombres y el 50% de los que no laboran son hombres. ¿Cuál es
la probabilidad de que una mujer elegida al azar sea independiente?
0.46 x 0.6087
P ( Independiente /mujer )=
0.5 x 0.46+0.46 x 0.6087+0.04 x 0.5
0.280002
¿
0.23+0.280002+0.02
0.280002
¿ =0.528303 ≅ 52,83 %
0.530002

Trabajo de Estadistica Parte I

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo de Estadistica Parte I

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL INGENIERIA

“ ALGORITMOS DE MINERÍA DE DATOS PARA PREDECIR LA DESERCIÓN

Tabla 1: Base de Datos de los clientes del Banco de Crédito 5

La investigación de este proyecto se desarrolló a partir de la necesidad de

realizar un análisis para obtener información que le faciliten al banco evaluar la

el servicio de tarjeta de créditos y el alza de precios de las comisiones fuera del

La mala atención al cliente por parte de los promotores de servicios bancarios

es la principal queja que recibe el sistema financiero, se pudo conocer en un informe

de quejas y reclamaciones según la información que maneja la Superintendencia

Financiera. De acuerdo con la información recolectada por la Superintendencia

con los bancos, fondos de pensiones, aseguradoras, compañías de financiamiento, o

Nuestro objetivo es desarrollar un modelo predictivo para determinar la

deserción de clientes basado en minería de datos con los algoritmos de árbol de

clasificación y regresión logística. Este modelo predictivo se basó en una similitud de

los pasos de la metodología CRISP-DM que contribuye en el análisis de datos e influye

positivamente en el desarrollo de los modelos predictivos. Como resultados se dio que

obtuvo como variable predictora principal el comportamiento transaccional de los

Tabla 1: Base de Datos de los clientes del Banco de Crédito

Fuente: Elaboración propia

1.1 Objetivo general

Desarrollar un modelo predictivo para determinar la deserción de clientes del

1.2 Objetivos específicos

el banco BCP usando los algoritmos de árbol de clasificación y regresión logística.

OE2: Comprobar que el modelo predictivo con el algoritmo de Árbol de clasificación y

clientes en la entidad bancaria BCP.

OE3: analizar el comportamiento transaccional de los clientes desertores y no

obtenidos mediante las encuestas virtuales.

- TODOS LOS CLIENTES DEL ANALISIS EN EL BANCO BCP

- UN CLIENTE DEL ANALISIS EN EL BANCO BCP

- 100 CLIENTES DEL ANALISIS EN EL BANCO BCP

VD: Deserción de clientes

ello se refiere a que el cliente tome la decisión de no volver a comprar un servicio en

VI: Algoritmos de la minería de datos

Es el proceso de detectar la información procesable de los conjuntos grandes

existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la

porque hay demasiados datos. Estos patrones y tendencias se pueden recopilar y

definir como un modelo de minería de datos. Los modelos de minería de datos se

pueden aplicar en escenarios como los siguientes: Pronóstico, Riesgo y Probabilidad,

Recomendaciones, Búsqueda de Secuencias y Agrupación (Microsoft, 2016).

Fuente: Elaboración propia

Tabla SEQ Tabla \* ARABIC 4: Situación laboral de los clientes

Filas: Situación laboral Columnas: Desertor

Filas: Genero Columnas: Deudor

Deudor No deudor Todo

Fuente: Elaboración propia

Filas: Situación laboral Columnas: Deudor

Deudor No deudor Todo

Fuente: Elaboración propia

TABLA DE FRECUENCIA DE EDAD

Fuente: Elaboración propia

F2 28 personas tienen entre 18 y 32 años

Fuente: Elaboración propia

TABLA DE FRECUENCIA DE INGRESO MENSUAL

m li ls Clase fi hi Fi2 Hi2

¿Cuál es el rango de sueldo donde hay más clientes?

f3 Son 5 clientes que tienen ingresos mensuales entre 3676 y 5514

TABLA DE FRECUENCIA DE TIEMPO EN EL BANCO (MESES)

m Li Ls Clase fi hi FI2 HI3

Fuente: Elaboración propia

f3 12 Clientes se encuentran en el banco tienen entre 28 y 40

Fuente: Elaboración propia

FALTA GRAFICO DE BARRAS, SECTORES Y CAJAS

Estadísticas del Ingreso mensual