Valores atípicos
Yennifer Ñañajuari
2023-12-23
Caso telefonía
Caso telefonía
Una empresa de telefonía local, constantemente evalua la satisfacción de sus cliente cuando visitan el CAC (Centro de atención al cliente). La compañia registra datos de :
La compañia registra datos de :
El género del cliente
La sucursal donde fue atendido
Numero de reclamos hasta la fecha
Numero de llamada que ha realizado al CAC
Edad
Minutos consumidos de su plan
Monto de pago del cliente
Tiempo de espera el cliente hasta ser atendido en el CAC
Opinion frente a la atencion
# Carga de datos
telefonia<- read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Estadistica-R/master/Caso_telefon%C3%ADa.csv",
encoding = "latin1", sep = ";", stringsAsFactors = T)
# Mostrar datos
head(telefonia)Detección de outtliers univariado - gráfica
El análisis solo se realiza para variable cuantitativas
Gráfico de cajas
Gráfico de cajas y bigotes
#Gráfico de cajas y bigotes
boxplot(telefonia$Edad)
Segun los resultados, la edad no tiene valores atipicos
Obteniendo valores atipicos para la variable monto de pago
boxplot(telefonia$Monto)
Para todo
boxplot(telefonia)
Para tiempo de atencion
boxplot(telefonia$Tiempo)
Según los resultados, se identifica valores atipicos. Vamos a identificarlo y plantear estrategia de corrección
# Calcular el RIC (RIC =Q# _ Q1)
q1 <- quantile(telefonia$Tiempo, 0.25)
q3 <- quantile(telefonia$Tiempo, 0.75)
RIC <- q3 - q1
RIC## 75%
## 3.875# LImites o bigotes (Superior e inferior)
bigote_inferior <- q1-1-5*RIC
bigote_superior <- q3+1.5*RIC
# Identificar los valores a típicos
outliers_det <- telefonia$Tiempo[telefonia$Tiempo < bigote_inferior | telefonia$Tiempo > bigote_superior]
outliers_det## [1] 16.9 14.5 11.5 20.5 11.5 20.5 16.5 26.6 22.7 12.5 23.7 36.0 16.9 14.5 11.7
## [16] 20.5Correción
Eliminar los atípicos
telefonia_sin_atipicos <- telefonia[!telefonia$Tiempo %in% outliers_det,]
telefonia_sin_atipicosPara confirmar vamos a realizar un gráfico de cajas con la nueva data
boxplot(telefonia_sin_atipicos$Tiempo)