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 Subject "Análisis cluster - Procesamiento de datos"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Perú: demanda de planificación familiar, en áreas pequeñas
    (Universidad Nacional Mayor de San Marcos, 2010) Bravo Alonso, Johnny Iván; Vallenas Ochoa, Justo Guillermo
    El propósito de este trabajo fue el de estimar las tasa de prevalencia de uso actual de métodos anticonceptivos para los departamentos y provincias del Perú en el año 2007, utilizando datos de la Encuesta Demográfica y de Salud Familiar 2007 (ENDES 2007), obtenido de la pagina del INEI y el Censo de población y vivienda 2007. El método utilizado fue el de combinación lineal, que permite combinar dos fuentes de datos, una de áreas mayores para el cálculo de las tasas de prevalencia departamentales (ENDES 2007) y la otra sobre áreas menores para los porcentajes de mujeres unidas en edad fértil, en cada provincia obtenida del Censo 2007. El requisito principal es que las variables independientes que intervinieron en las estimaciones estuvieran en ambas fuentes. Además se agruparon los departamentos por medio del análisis cluster, sobre las componentes obtenidas por el análisis factorial, con lo cual permitió caracterizar los grupos de departamentos por niveles socioeconómicos, al agrupar los departamentos se logró tener mejores estimaciones para la utilización del análisis discriminante, y determinar las dos variables que más explican el uso actual de métodos anticonceptivos y para confirmar que las variables escogidas son las mejores, se utilizó la regresión logística. Las tasas de prevalencia de uso actual de métodos anticonceptivos a nivel departamental y provincial resultaron de combinar linealmente las tasas de los grupos de departamentos con los ponderadores departamentales y provinciales del Censo 2007. Este método permitió calcular las tasas de prevalencia para los 25 departamentos y las 195 provincias. Además permitió estimar el número de usuarias actuales para esos niveles. Las tasas más bajas fueron para los departamentos de Huancavelica (68,3%), Loreto (68,4%), Huánuco (68,5%), Ucayali y Cusco (68,7%), entre otros.
  • Thumbnail Image
    Item
    Segmentación de clientes de Corporación Lindley de la región Lima mediante el análisis cluster bietápico en octubre de 2016
    (Universidad Nacional Mayor de San Marcos, 2016) Manrique Pachas, Cesar Pedro; Navarro Huamaní, Luis Alberto
    Describe el método del análisis cluster bietápico y su aplicación para segmentar la cartera de clientes de Corporación Lindley de la región Lima en octubre de 2016. El método de análisis cluster bietápico es una herramienta de exploración diseñada para descubrir las agrupaciones naturales (o conglomerados) de un conjunto de datos. Este método combina los métodos jerárquicos y no jerárquicos (o de partición) permitiendo analizar a la vez variables de distinto tipo (categóricas y continuas) y puede ser utilizado en bases de datos grandes.
  • Thumbnail Image
    Item
    Segmentación de clientes en un supermercado según su comportamiento de compras
    (Universidad Nacional Mayor de San Marcos, 2021) Sánchez Rivera, Diana Guadalupe; Huamán Gutiérrez, Zoraida Judith
    El presente trabajo tiene como objetivo determinar grupos de clientes en la empresa para aplicar un marketing focalizado y programas de fidelización. Una adecuada segmentación proporciona un mejor entendimiento sobre cada grupo de clientes dando a la empresa una mejor visión para el otorgamiento de sus productos y que generen mayor valor. Para la realización del objetivo, se realizará el algoritmo de clasificación no supervisada de k-means siguiendo los pasos principales como estableciendo el valor de k, asignando los centroides más cercanos a los datos y actualizando hasta que los centroides se establezcan, junto a este método se analizó la técnica de RFM para estudiar el comportamiento del cliente con sus tres variables principales Recencia: Periodo desde la última compra, Frecuencia: Número de compras realizadas en el último periodo y Monetario: dinero gastado durante un cierto periodo. Los resultados ayudaran a crear segmentos de clientes efectivos a conocer mejor a los clientes mediante su comportamiento de compras y poder otorgarles mejores beneficios y ofertas de campañas.