Trabajos de investigación EP Estadística

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/5159

Browse

Browsing Trabajos de investigación EP Estadística by browse.metadata.advisor "Norabuena Figueroa, Emerson Damián"

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Análisis de Series de Tiempo y Machine Learning para proyectar una eficiente gestión de subsidios ante EsSalud
    (Universidad Nacional Mayor de San Marcos, 2023) Valverde Shuan, Keyla Fiorela; Norabuena Figueroa, Emerson Damián
    Determina los factores o variables que generan una buena gestión de subsidios antes Essalud, gestionado por la empresa HumaSer. Para ejecutar dicho objetivo se cuenta con el apoyo de un sistema que nos brinda una supervisión interna y diligencias de gestión, con la finalidad de salvaguardar los recursos contra pérdidas por ineficacias operativas mediante Essalud; se comienza a reconocer los primordiales riesgos en el largo proceso y luego mejoramos la gestión; ejecutando acciones que nos ayude a disminuir y prevenir la posibilidad de los montos no recuperados en cada una de las cuentas adquiridas por los clientes, previniendo retrasos, pérdidas, y obedeciendo las normas interpuestas. La investigación está elaborada con los registros obtenidos por cada uno de los clientes, dicha información fue analizada a fin de conocer el estado en el cual se encuentran los tramites de subsidios por incapacidad y bajo esa perspectiva desarrollar un plan de trabajo. Ante ello se realiza el uso de la técnica de Regresión lineal múltiple (Machine Learning – supervisado) y el modelo de series de tiempo, propuestos por Box – Jenkins con el propósito de encontrar variables que nos indique o nos brinde una administración eficiente en la gestión de subsidios y por otro lado, visualizar el comportamiento de la data a través del tiempo con la finalidad de realizar pronósticos adecuados. Esta técnica ayudará a alcanzar el objetivo, debido a que son utilizadas para identificar outliers, correlaciones y explicar la influencia que genera las variables predictoras en nuestra variable dependiente en una gran cantidad de datos y que permita predecir los resultados para llegar a mejorar la efectividad en la toma de decisiones
  • Thumbnail Image
    Item
    Modelo de Regresión Logístico en datos no balanceados para predecir la reincorporación de alumnos ausentes en la Universidad Continental
    (Universidad Nacional Mayor de San Marcos, 2023) Quispe Conde, Sandro; Norabuena Figueroa, Emerson Damián
    Aplica la metodología Undersampling a un conjunto de datos desbalanceados de alumnos en condición de ausencia para ver su impacto en las predicciones hechas por el Modelo de Regresión Logística. Se utiliza un conjunto de datos de alumnos en condición de ausencia de la Universidad Continental, en el cual se necesita saber qué alumnos se reincorporarán en el periodo 2023-2. Se observa que la gran mayoría no se reincorpora, ya que dicho porcentaje es del 90% aproximadamente según la información histórica que maneja la universidad. Es decir; se evidencia un desbalance de clases en la variable respuesta. La reincorporación estudiantil universitaria es el retorno del alumno a su centro de estudios luego que dicho alumno se ausentó de la universidad. Se utiliza la lista de alumnos ausentes al cerrarse la matrícula del 2022-1, donde el estado de reincorporación es la variable respuesta la cual se conoce en el cierre de matrícula del siguiente periodo académico (2022-2) y la cual es desbalanceada. Con dicha información consolidada se construye un modelo de Regresión Logística tradicional y otro aplicando la metodología Undersampling, la cual es útil para corregir el desbalance y generar mejores predicciones, que es lo que se muestra en este trabajo al comparar sus resultados con los resultados del modelo cuando no se utiliza dicha metodología. Lo anteriormente descrito es propio de un enfoque cuantitativo, además de tener las características de un diseño no experimental dado que no se manipulan las variables independientes. Después de obtener y comprar resultados se decidirá sí se va a utilizar dicha metodología para elaborar predicciones para el 2023-2.
  • Thumbnail Image
    Item
    Segmentación de clientes de una empresa de casa de apuestas deportivas del Perú en el año 2023
    (Universidad Nacional Mayor de San Marcos, 2023) Lopez Vega, Arturo Emerson; Norabuena Figueroa, Emerson Damián
    Sostiene como fin, agrupar la cartera de clientes inmerso ámbito mercantil, y mundial cuyo fin es que la empresa pueda tomar mejor las decisiones en las estrategias en cuanto a la captación de clientes. Para ello se desarrolla una segmentación en los usuarios con la finalidad de asociarlas por sus características particulares de conducta empleando la técnica de análisis de conglomerados como K medias. Cabe señalar que se emplea estas técnicas visto que la información recopilada tiene contiene datos atípicos, como también, está segmentada por faces, por lo cual se emplea indicadores de validación clúster cuya finalidad es realizar una buena segmentación en los usuarios y así tomar buenas decisiones.
  • Thumbnail Image
    Item
    Segmentación y perfil de fraude en clientes retirados de una empresa de telecomunicaciones de Perú en el año 2022 - 2023
    (Universidad Nacional Mayor de San Marcos, 2023) Palacios Valdiviezo, Edgardo Dante; Norabuena Figueroa, Emerson Damián
    Establece una segmentación en clientes de baja de una empresa de telecomunicaciones en el periodo 2022 al 2023. Actualmente la empresa presenta alrededor de 300 mil clientes activos aproximadamente (el ente regulador de telecomunicaciones OSIPTEL considera a clientes activos aquellos que se encuentran vigente y con el servicio suspendido en la compañía) pero a su vez presenta un aproximado de 110 mil clientes dados de baja en su histórico, donde se considera cliente de baja a aquel que ha solicitado su retiro de la empresa ya sea por APC (a pedido de cliente), por deuda o por PF (posible fraude). Debido a ello la empresa no solo ve en necesidad seguir recibiendo altas (llámese alta a los clientes que pidieron el servicio y se les instalo el mismo) sino de controlar las bajas ya sea con mejores medidas comerciales de retención o de una posible detección de fraude antes que se den a la baja por deuda, este último mencionado es el tipo de baja más frecuente y presenta perdidas para la empresa por los artefactos que se usan para la mejor navegación del cliente como lo es el mesh (repetidor de señal de internet) y la ont donde se conecta el puerto para la recepción de la fibra óptica y brinde el servicio con el plan solicitado por el cliente. Por lo cual, se realiza una segmentación de los clientes dados de bajas en 2 fases donde la primera fase será el uso de una metodología tradicional como k-means y en caso de encontrar los datos atípicos realizar otro tipo de Clusterizacion a fin de tener todos los clientes con su respectivo perfil, esto con la finalidad de establecer mejoras en las políticas de riesgo que establece la empresa tanto para la aceptación y retención de clientes.