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 :

El género del cliente
La sucursal donde fue atendido
Número de reclamos hasta la fecha
Número 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
Opinión frente a la atención

El principal objetivo es realizar un análisis de satisfacción del cliente

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

# Mostrar datos
head(telco)

# Resumen
summary(telco)

##      Código         Género          Sucursal     Reclamos         Llamadas     
##  CLIPE1 : 1   Femenino :38   Suc. Centro:23   Min.   : 1.000   Min.   : 1.000  
##  CLIPE10: 1   Masculino:42   Suc. Este  :22   1st Qu.: 2.000   1st Qu.: 3.000  
##  CLIPE11: 1                  Suc. Norte :16   Median : 3.000   Median : 5.000  
##  CLIPE12: 1                  Suc. Sur   :19   Mean   : 3.587   Mean   : 4.912  
##  CLIPE13: 1                                   3rd Qu.: 4.250   3rd Qu.: 7.000  
##  CLIPE14: 1                                   Max.   :11.000   Max.   :13.000  
##  (Other):74                                                                    
##       Edad          Minutos          Monto            Tiempo      
##  Min.   :20.00   Min.   :17.50   Min.   : 74.10   Min.   : 0.300  
##  1st Qu.:26.00   1st Qu.:31.62   1st Qu.: 84.17   1st Qu.: 1.700  
##  Median :30.50   Median :37.45   Median : 89.95   Median : 3.300  
##  Mean   :30.29   Mean   :37.49   Mean   : 92.31   Mean   : 6.034  
##  3rd Qu.:35.00   3rd Qu.:43.15   3rd Qu.: 99.00   3rd Qu.: 5.575  
##  Max.   :40.00   Max.   :62.20   Max.   :119.10   Max.   :36.000  
##                                                                   
##       Opinión  
##  Bueno    :15  
##  Excelente:14  
##  Muy Bueno:18  
##  Pésimo   :24  
##  Regular  : 9  
##                
##

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(telco$Edad)

Según los resultados, la edad no tiene valores atípicos

Obteniendo valores atípicos para la variable monto de pago

boxplot(telco$Monto)

Para todo

boxplot(telco)

Para tiempo

boxplot(telco$Tiempo)

Según los resultados, se identifica valores atípicos. Vamos a identificarlo y plantear estrategia de corrección

# 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 lo valores atípicos
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

Correción

Eliminar los atípicos

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

Para confirmar vamos a realizar un gráfico de cajas con la nueva data

boxplot(telco_sin_atipicos$Tiempo)

Sesion Atipicos