Caso de telefonia

Una empresa de telefonia local, constantemente evalua la ssatisfaccion de su cliente cuando visitan elCAC. La compañia registra datoss de : -genero del cliente -La sucursal donde fue atentido -Numero reclamos hasta la fecha -Numero realizadas por el CAC -Edad -Minutos consumidos por el plan -Monto pago del cliente -Tiempo de espera -opinion frente la atencion

El principal objetivo es realziar un analisis de satisfaccion del cliente

telco <- read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Estadistica-R/master/Caso_telefon%C3%ADa.csv",
                  encoding = "latin1", sep = ";", stringsAsFactors = T)
head(telco)

#Deteccion de outtiers univariado-Grafica

El analisis solo se realiza para variables cualitativas

##Greafico de cajas

boxplot(telco$Edad)

Segun los resultado la edad no tiene valores atipicos

Obteniend valores atipicos para la variable monto de pago

boxplot(telco$Monto)

##Para el tiempo

boxplot(telco$Tiempo)

Segun los resultados se identifica valores atipicos.Vamos a identificarlo y planer registro de correcion

#Calcular el RIC (RIC = Q3 -Q1)
q1 <-quantile(telco$Tiempo, 0.25)
q3 <-quantile(telco$Tiempo, 0.75)

RIC <-q3 - q1

RIC
##   75% 
## 3.875
#Limites o bigotes (superior e inferior)
bigote_inferior <-q1-1.5*RIC
bigote_inferior
##     25% 
## -4.1125
bigote_superior <-q3+1.5*RIC
bigote_superior
##     75% 
## 11.3875
#Identificar valores atipicos
outliers_det <-telco$Tiempo[telco$Tiempo < bigote_inferior| telco$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] 20.5

##Coreccion ###Elimincar los atipicos

telco_sin_atipicos <- telco[!telco$Tiempo %in% outliers_det,]
telco_sin_atipicos

para confirmar vamos a relizar un grafico de cajas con la nueva data

boxplot(telco_sin_atipicos$Tiempo)

##Correccion por transformación

##Correccion por imputacion