“Año del Bicentenario, de la consolidación de nuestra Independencia, y de la conmemoración de las heroicas batallas de Junín y Ayacucho”


## Tema: Evaluacion sustitutoria

## Curso: Estadística Aplicada a la Computación

## Docente: Victor Manuel Guevara Ponce

# Integrante:

Carlos Alejandro Jimenez Perez

# Indice

I. Casos

1.1 Caso I: Electro Media ASC.
1.1.1Descripcion del caso
1.1.2Variables y tipos de variables
1.2 Caso II: PLaza Via
1.2.1Descripcion del caso
1.2.2Objetivo
1.2.3Poblacion
1.2.4Muestra
1.2.5Unidad de analisis
1.2.6Variables y tipos de variables
1.2.7Tablas de distribucion de frecuencia
1.2.8Graficos estadisticos
1.2.9Medidas estadisticas

Caso I: Electro Media SAC.

Descripcion del caso

La tienda del rubro electrodomésticos “ElectroMedia SAC” registra ciertas variables de sus clientes cuando realizan una compra. El objetivo es agrupar a sus clientes con características similares de compra, para luego enviar correos electrónicos promocionales a personas que probablemente puedan realizar una compra de sus productos.

#Cargar bibliotecas
library(ggplot2)
library(readxl)
#Cargar datos
Electro_data <- read_excel("ElectroMedia.xlsx")
print(Electro_data)
## # A tibble: 12 × 5
##     Edad `Casa Propia` `Número de hijos` `Estado civil` `Marca de tv adquirido`
##    <dbl> <chr>                     <dbl> <chr>          <chr>                  
##  1    66 Si                            2 Viudo          Samsung                
##  2    52 Si                            3 Casado         Samsung                
##  3    22 No                            0 Casado         LG                     
##  4    25 No                            1 Soltero        LG                     
##  5    66 Si                            2 Divorciado     Samsung                
##  6    39 Si                            2 Casado         LG                     
##  7    26 No                            2 Soltero        LG                     
##  8    40 Si                            1 Casado         LG                     
##  9    53 Si                            2 Divorciado     LG                     
## 10    64 Si                            3 Casado         Samsung                
## 11    58 Si                            2 Casado         LG                     
## 12    33 No                            1 Casado         Samsung

Variables y tipos de variables

Edad: Cuantitativa continua
Casa propia: Cualitativa nominal
Numero de hijos: Cuantitativa discreta
Estado civil: Cualitativa nominal
Marca de tv adquirido: Cualitativa nominal

Caso II: Plaza via

Descripcion del caso

“Plaza Vía” Es un supermercado local que continuamente realiza análisis de sus clientes, los análisis que se hacen son, por ejemplo: seguimiento de compras, satisfacción del cliente, quejas y reclamos, entre otros.

Objetivo

El objetivo principal de este estudio es realizar análisis continuos de los clientes de “Plaza Vía” en áreas clave como seguimiento de compras, satisfacción del cliente, quejas y reclamos, entre otros. El objetivo es entender mejor el comportamiento de los clientes y mejorar la experiencia general de compra en el supermercado.

Poblacion

La población objetivo de este estudio son los clientes de “Plaza Vía”, es decir, todas las personas que realizan compras en este supermercado.

Muestra

La muestra consistirá en una selección representativa de los clientes de “Plaza Vía”. Esto puede lograrse mediante métodos de muestreo aleatorio, estratificado u otros métodos de muestreo probabilístico o no probabilístico, dependiendo de la disponibilidad de recursos y la precisión requerida en los resultados.

Unidad de analisis

La unidad de análisis en este estudio será la transacción de compra individual. Cada transacción realizada por un cliente en “Plaza Vía” será analizada para comprender mejor los hábitos de compra, la satisfacción del cliente, las quejas y reclamos asociados, entre otros aspectos relevantes.

Variables y tipos de variables

Local: Cualitativa nominal
Genero: Cualitativa nominal
Pago: Cualitativa nominal
Opinion: Cualitativa ordinal
Producto Marca: Cuantitativa discreta
Productos: Cuantitativa discreta
Monto Pagado: Cuantitativa continua
Visita mensual: Cuantitativa discreta

#Cargar datos
Plaza_data <- read_excel("PLAZA VIA.xlsx")
head(Plaza_data)
## # A tibble: 6 × 8
##   Local     Género   Pago     Opinión  `Producto Marca` Productos `Monto Pagado`
##   <chr>     <chr>    <chr>    <chr>               <dbl>     <dbl>          <dbl>
## 1 Surco     femenino TCrédito Regular                 3        17            419
## 2 Surco     femenino Contado  Muy Bue…                3        13            323
## 3 San Borja femenino TCrédito Malo                    1        11             84
## 4 San Borja femenino TCrédito Regular                 0        11             65
## 5 San Borja femenino TCrédito Buena                   3        15            371
## 6 San Borja femenino TDébito  Buena                   3        17            419
## # ℹ 1 more variable: `Visita Mensual` <dbl>

Tablas de frecuencia

# Crear tabla de distribución de frecuencia
tabla_frecuencia <- table(Plaza_data$Local, Plaza_data$Género)

# Mostrar la tabla de distribución de frecuencia
print(tabla_frecuencia)
##                
##                 femenino masculino
##   Centro civico       10         3
##   San Borja           26        10
##   Surco               18         6

Frecuencia de Combinaciones:

La tabla muestra la frecuencia de cada combinación de las variables “Local” y “Género”. Por ejemplo, hay 26 registros de clientes femeninos en San Borja, 18 en Surco y 10 en el centro civico; del mismo modo hay 10 registros de clientes masculinos en San Borja, 6 en surco y 3 en el centro civico.

Predominancia de Género por Local:

Se observa que en San Borja hay una mayor frecuencia de clientes femeninos en comparación con Surco y el centro civico. Esto podría ser útil para adaptar estrategias de marketing específicas según la ubicación.

Equilibrio o Desbalance:

Al observar las frecuencias, se puede evaluar si hay un equilibrio en la distribución de género en cada ubicación o si existe un desbalance significativo. Esto podría indicar oportunidades para ajustar estrategias y servicios según la demografía de cada local.

#tabla de distribucion de frecuencia agrupada por intervalos

# Crear intervalos
intervalos_visitas <- cut(Plaza_data$`Visita Mensual`, breaks = c(0, 5, 10, 15), include.lowest = TRUE)

# Crear tabla de distribución de frecuencia
tabla_frecuencia_visitas <- table(intervalos_visitas)

# Mostrar la tabla de distribución de frecuencia
print(tabla_frecuencia_visitas)
## intervalos_visitas
##   [0,5]  (5,10] (10,15] 
##      26      19      28

Distribución de Frecuencia:

La tabla muestra que hay 26 registros en el intervalo [0,5], 19 registros en el intervalo (5,10], y 28 registros en el intervalo (10,15]. Esto indica la frecuencia de visitas mensuales agrupadas en tres rangos específicos.

Mayor Concentración en el Rango (10,15]:

La mayor frecuencia de visitas mensuales se encuentra en el intervalo (10,15], con 28 registros. Esto sugiere que hay un número significativo de clientes que realizan visitas mensuales en el rango de 10 a 15 visitas.

Frecuencia de Visitas Bajas:

Hay un número relativamente bajo de registros en el intervalo [0,5], indicando que hay menos clientes con visitas mensuales en el rango más bajo. Esto podría ser una oportunidad para explorar estrategias que fomenten visitas más frecuentes en este grupo. ### Graficos estadisticos {#graficos}

# Crear el gráfico de barras
ggplot(Plaza_data, aes(x = Pago, fill = Opinión)) +
  geom_bar(position = "dodge", color = "black") +
  labs(title = "Relación entre Método de Pago y Opinión del Cliente",
       x = "Método de Pago",
       y = "Frecuencia") +
  scale_fill_manual(values = c("Muy Bueno" = "green", "Bueno" = "yellow", "Regular" = "orange", "Malo" = "red"))

Distribución de Opiniones por Método de Pago:

El gráfico de barras muestra cómo se distribuyen las opiniones del cliente para cada método de pago. Puedes observar si hay diferencias notables en las proporciones de opiniones positivas, neutras y negativas entre los diferentes métodos de pago.

Identificación de Tendencias:

Puedes identificar si hay algún método de pago que tienda a recibir más opiniones positivas o negativas en comparación con otros. Esto podría proporcionar información valiosa sobre la satisfacción del cliente en relación con los métodos de pago utilizados.

Mejoras Potenciales:

Si hay un método de pago que está asociado predominantemente con opiniones negativas, podría ser una señal para investigar y mejorar la experiencia del cliente en relación con ese método específico.

Medidas estadisticas

# Cargar datos (reemplaza 'Plaza_data' con el nombre real de tu conjunto de datos)
datos <- Plaza_data
# Calcular medidas estadísticas para Productos
media_productos <- mean(datos$Productos)
mediana_productos <- median(datos$Productos)
desviacion_productos <- sd(datos$Productos)

# Calcular medidas estadísticas para Monto Pagado
media_monto_pagado <- mean(datos$`Monto Pagado`)
mediana_monto_pagado <- median(datos$`Monto Pagado`)
desviacion_monto_pagado <- sd(datos$`Monto Pagado`)

# Mostrar resultados
cat("Medidas estadísticas para Productos:\n")
## Medidas estadísticas para Productos:
cat("Media: ", media_productos, "\n")
## Media:  15.79452
cat("Mediana: ", mediana_productos, "\n")
## Mediana:  17
cat("Desviación estándar: ", desviacion_productos, "\n\n")
## Desviación estándar:  4.642673
cat("Medidas estadísticas para Monto Pagado:\n")
## Medidas estadísticas para Monto Pagado:
cat("Media: ", media_monto_pagado, "\n")
## Media:  206.0959
cat("Mediana: ", mediana_monto_pagado, "\n")
## Mediana:  144
cat("Desviación estándar: ", desviacion_monto_pagado, "\n")
## Desviación estándar:  145.7341

Medidas estadísticas para Productos:

Media (Promedio): La cantidad promedio de productos adquiridos por los clientes es de aproximadamente 15.79. Esto indica que, en promedio, los clientes compran alrededor de esa cantidad de productos en cada transacción.

Mediana (Valor Central): La mediana de la cantidad de productos es 17. Dado que la mediana es similar a la media, la distribución de la cantidad de productos parece ser relativamente simétrica.

Desviación Estándar: La dispersión promedio de la cantidad de productos con respecto a la media es de aproximadamente 4.64. Una desviación estándar moderada sugiere que la mayoría de los clientes compran una cantidad de productos cercana a la media, con cierta variabilidad alrededor de ese valor.

Medidas estadísticas para Monto Pagado:

Media (Promedio): El monto pagado promedio por tus clientes es de aproximadamente 206.10. Esto indica el gasto promedio de los clientes en cada transacción.

Mediana (Valor Central): La mediana del monto pagado es 144. Si la mediana y la media son cercanas, sugiere que la distribución de montos pagados podría ser relativamente simétrica.

Desviación Estándar: La dispersión promedio de los montos pagados con respecto a la media es de aproximadamente 145.73. Una desviación estándar alta indica que hay una variabilidad significativa en los montos pagados por los clientes, lo que significa que algunos clientes gastan mucho más o mucho menos que la media.