BANCOS
Luisa Pabón y Alberto Olmos
2025-03-24
#BANCOS
Análisis del Desempeño de los Bancos y sus Cuentas Activas
Un grupo de analistas financieros ha sido contratado para evaluar el desempeño de varias entidades bancarias con base en sus cuentas activas, el monto total de préstamos otorgados y la tasa de morosidad.
El objetivo del estudio es determinar si existen diferencias significativas entre los bancos en cuanto a la gestión de sus cuentas y el riesgo crediticio. Para ello, se ha recopilado información de 100 sucursales bancarias, pertenecientes a diferentes bancos.
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondatos <- read.csv("BANCO ESTADISTICA.csv")
head(datos)## Banco Cuentas_Activas Monto_Prestamos Tasa_Morosidad
## 1 Banco B 27710 388558.8 5.23
## 2 Banco B 407173 414262.1 2.05
## 3 Banco A 64698 319015.4 6.48
## 4 Banco A 244139 349751.0 7.16
## 5 Banco C 459014 144663.4 8.01
## 6 Banco C 491145 496513.3 0.96La base de datos consiste en
dim(datos)## [1] 100 4##Resumen estadistico
# Resumen estadístico de las variables numéricas
summary(datos)## Banco Cuentas_Activas Monto_Prestamos Tasa_Morosidad
## Length:100 Min. : 11219 Min. : 18200 Min. :0.510
## Class :character 1st Qu.:133573 1st Qu.:140559 1st Qu.:2.710
## Mode :character Median :268280 Median :274116 Median :5.025
## Mean :261842 Mean :269174 Mean :5.056
## 3rd Qu.:394820 3rd Qu.:387324 3rd Qu.:7.165
## Max. :496139 Max. :496513 Max. :9.750De acuerdo a la anterior información de los bancos nos expresan:
Que en las cuentas activas tenemos una variación entre 11219 y 496139, con una media de 261,842. Hay una gran diferencia entre bancos.
Seguimos con la cuenta de Monto prestamos las cuales oscilan entre 18200 y 496513, con una media de 269,174 informandonos así que algunos bancos otorgan muchos más préstamos que otros.
Por ultimo encontramos la tasa de morosidad en donde su rango va de 0.51% a 9.75% La mayoría de los bancos tienen tasas entre 2.71% y 7.165%.
library(ggplot2)
ggplot(datos, aes(x = Banco, y = Cuentas_Activas, fill = Banco)) +
geom_boxplot() +
labs(title = "Distribución de Cuentas_Activas por Banco",
x = "Banco",
y = "Cuentas_Activas") +
theme_minimal()
satisfaccion_Banco <- datos %>%
group_by(Banco) %>%
summarise(Satisfacción_Porcentaje = mean(Cuentas_Activas) * 100)
print(satisfaccion_Banco)## # A tibble: 4 × 2
## Banco Satisfacción_Porcentaje
## <chr> <dbl>
## 1 Banco A 23750863.
## 2 Banco B 26774536.
## 3 Banco C 30474518.
## 4 Banco D 24288425conclusión
En el Banco A, el 23.75% de los clientes están satisfechos.
En el Banco B, el 26.77% de los clientes están satisfechos.
En el Banco C, el 30.47% de los clientes están satisfechos.
En el Banco D, el 24.29% de los clientes están satisfechos.
Conclusión: La satisfacción es mayor en el Banco C, mientras que el Banco A tiene el menor porcentaje de satisfacción.
ggplot(datos, aes(x = Banco, fill = as.factor(Cuentas_Activas))) +
geom_bar(position = "dodge") +
labs(title = "Número de Clientes con Cuentas Activas por Banco",
x = "Banco",
y = "Cantidad",
fill = "Cuentas Activas") +
theme_minimal() +
theme(legend.position = "none") 
# Cargar librerías necesarias
library(ggplot2)
library(readr)
library(dplyr)
datos <- read_csv("BANCO ESTADISTICA.csv")## Rows: 100 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (1): Banco
## dbl (3): Cuentas_Activas, Monto_Prestamos, Tasa_Morosidad
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.# Ver las primeras filas para entender las variables disponibles
head(datos)## # A tibble: 6 × 4
## Banco Cuentas_Activas Monto_Prestamos Tasa_Morosidad
## <chr> <dbl> <dbl> <dbl>
## 1 Banco B 27710 388559. 5.23
## 2 Banco B 407173 414262. 2.05
## 3 Banco A 64698 319015. 6.48
## 4 Banco A 244139 349751. 7.16
## 5 Banco C 459014 144663. 8.01
## 6 Banco C 491145 496513. 0.96# Ver nombres de las columnas
colnames(datos)## [1] "Banco" "Cuentas_Activas" "Monto_Prestamos" "Tasa_Morosidad"# Convertir la variable categórica en factor (Reemplazar 'Banco' si es otra variable)
datos$Banco <- as.factor(datos$Banco)
ggplot(datos, aes(x = Banco)) +
geom_bar(fill = "skyblue", color = "black") +
labs(title = "Distribución de Bancos",
x = "Bancos",
y = "Frecuencia") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas si hay muchos bancos
#Intervalo de confianza para la media
library(dplyr)
datos_A <- filter(datos, Cuentas_Activas == Cuentas_Activas)
print(datos_A) ## # A tibble: 100 × 4
## Banco Cuentas_Activas Monto_Prestamos Tasa_Morosidad
## <fct> <dbl> <dbl> <dbl>
## 1 Banco B 27710 388559. 5.23
## 2 Banco B 407173 414262. 2.05
## 3 Banco A 64698 319015. 6.48
## 4 Banco A 244139 349751. 7.16
## 5 Banco C 459014 144663. 8.01
## 6 Banco C 491145 496513. 0.96
## 7 Banco D 204206 299076. 2.86
## 8 Banco B 486779 249442. 7.55
## 9 Banco B 390831 68070. 9.38
## 10 Banco D 76392 230254. 8.8
## # ℹ 90 more rowsknitr::kable(datos_A) | Banco | Cuentas_Activas | Monto_Prestamos | Tasa_Morosidad |
|---|---|---|---|
| Banco B | 27710 | 388558.80 | 5.23 |
| Banco B | 407173 | 414262.10 | 2.05 |
| Banco A | 64698 | 319015.39 | 6.48 |
| Banco A | 244139 | 349751.02 | 7.16 |
| Banco C | 459014 | 144663.41 | 8.01 |
| Banco C | 491145 | 496513.30 | 0.96 |
| Banco D | 204206 | 299076.40 | 2.86 |
| Banco B | 486779 | 249441.98 | 7.55 |
| Banco B | 390831 | 68069.59 | 9.38 |
| Banco D | 76392 | 230254.11 | 8.80 |
| Banco A | 243600 | 280172.31 | 1.78 |
| Banco C | 221370 | 444557.51 | 3.88 |
| Banco A | 231870 | 473135.20 | 8.76 |
| Banco C | 69044 | 172659.76 | 0.84 |
| Banco B | 433355 | 101720.30 | 7.02 |
| Banco D | 279055 | 257924.71 | 4.80 |
| Banco C | 397497 | 461979.64 | 8.55 |
| Banco A | 369912 | 422449.02 | 7.97 |
| Banco D | 125763 | 405842.47 | 4.70 |
| Banco D | 180264 | 248281.58 | 8.75 |
| Banco A | 359537 | 404790.25 | 8.63 |
| Banco A | 417789 | 180354.83 | 4.34 |
| Banco C | 425674 | 72295.89 | 6.23 |
| Banco B | 139893 | 18200.48 | 2.74 |
| Banco D | 185162 | 242985.83 | 7.92 |
| Banco D | 427552 | 31779.96 | 4.24 |
| Banco C | 346749 | 268345.44 | 9.44 |
| Banco A | 149986 | 472014.22 | 0.98 |
| Banco D | 339532 | 303654.76 | 5.95 |
| Banco B | 178424 | 405194.16 | 2.62 |
| Banco A | 64443 | 408187.88 | 5.03 |
| Banco B | 385754 | 234115.91 | 9.42 |
| Banco B | 334313 | 109901.27 | 1.45 |
| Banco C | 86833 | 181607.11 | 1.66 |
| Banco D | 326546 | 128246.02 | 0.97 |
| Banco A | 129004 | 277468.63 | 7.23 |
| Banco D | 170238 | 268490.31 | 7.04 |
| Banco B | 301150 | 481290.74 | 1.75 |
| Banco A | 117933 | 320597.36 | 8.48 |
| Banco D | 291104 | 106300.82 | 9.60 |
| Banco A | 50560 | 202262.30 | 4.31 |
| Banco C | 391416 | 210375.45 | 5.99 |
| Banco A | 24096 | 353849.14 | 6.70 |
| Banco A | 431383 | 345295.45 | 6.29 |
| Banco C | 107557 | 428953.36 | 0.89 |
| Banco A | 222944 | 429564.92 | 2.25 |
| Banco B | 461567 | 332723.69 | 5.45 |
| Banco D | 188334 | 68155.54 | 3.30 |
| Banco A | 483511 | 485868.66 | 1.03 |
| Banco B | 186929 | 434314.39 | 2.27 |
| Banco B | 86837 | 399008.62 | 5.21 |
| Banco B | 43083 | 436171.30 | 0.61 |
| Banco D | 318139 | 126621.45 | 3.57 |
| Banco D | 123180 | 54046.00 | 6.12 |
| Banco A | 480228 | 270762.72 | 2.14 |
| Banco B | 75236 | 466258.51 | 2.20 |
| Banco B | 458659 | 110111.70 | 4.44 |
| Banco A | 271756 | 289103.56 | 1.86 |
| Banco B | 70477 | 111767.38 | 8.86 |
| Banco A | 431391 | 83857.66 | 9.75 |
| Banco D | 135096 | 460124.01 | 3.29 |
| Banco B | 393927 | 251601.26 | 5.96 |
| Banco C | 158290 | 97662.71 | 5.02 |
| Banco B | 184009 | 108138.97 | 5.20 |
| Banco C | 30506 | 381019.51 | 5.33 |
| Banco C | 336616 | 124081.77 | 6.62 |
| Banco C | 445631 | 301639.16 | 7.18 |
| Banco D | 423013 | 325132.71 | 4.75 |
| Banco B | 316387 | 147796.59 | 6.49 |
| Banco A | 66849 | 340739.89 | 6.91 |
| Banco C | 66443 | 70885.67 | 4.75 |
| Banco C | 405755 | 30729.03 | 9.72 |
| Banco A | 210159 | 296238.56 | 9.71 |
| Banco C | 472262 | 56249.86 | 4.79 |
| Banco D | 187190 | 77147.42 | 0.51 |
| Banco C | 149200 | 342563.49 | 8.09 |
| Banco B | 372040 | 264749.91 | 5.24 |
| Banco A | 137574 | 256256.86 | 2.92 |
| Banco A | 97745 | 98635.71 | 9.04 |
| Banco B | 372787 | 386912.89 | 0.98 |
| Banco A | 492901 | 360879.97 | 3.16 |
| Banco D | 357525 | 83582.08 | 9.08 |
| Banco A | 222202 | 375457.33 | 3.78 |
| Banco B | 264804 | 169058.16 | 5.54 |
| Banco B | 411959 | 349909.56 | 4.01 |
| Banco A | 174369 | 279325.51 | 3.71 |
| Banco C | 454082 | 191451.51 | 4.65 |
| Banco A | 56145 | 113974.57 | 6.26 |
| Banco B | 302377 | 79399.18 | 2.38 |
| Banco B | 68333 | 190081.59 | 5.27 |
| Banco C | 279782 | 494992.13 | 8.20 |
| Banco A | 385191 | 280554.30 | 7.97 |
| Banco C | 413389 | 303051.43 | 1.54 |
| Banco B | 11219 | 382225.24 | 4.68 |
| Banco A | 13797 | 197700.11 | 1.66 |
| Banco B | 330858 | 263061.78 | 5.78 |
| Banco C | 496139 | 443357.76 | 2.54 |
| Banco A | 479547 | 207306.46 | 3.48 |
| Banco D | 349849 | 486117.93 | 2.14 |
| Banco D | 169545 | 464335.35 | 2.80 |
datos_B <- filter(datos, Banco == "Banco B")
media_B <- mean(datos_A$Monto_Prestamos, na.rm = TRUE)
sd_B <- sd(datos_B$Monto_Prestamos, na.rm = TRUE)
n_B <- nrow(datos_B)
error_B <- qt(0.975, df = n_B - 1) * sd_B / sqrt(n_B)
IC_A <- c(media_B - error_B, media_B + error_B)
cat("Media:", media_B, "\nIC 95%:", IC_A[1], "a", IC_A[2], "\n")## Media: 269173.5
## IC 95%: 213955.4 a 324391.6Intervalo de confianza para la proporción
num_satisfechos_B<- sum(datos_B$Satisfecho)## Warning: Unknown or uninitialised column: `Satisfecho`.n_B <- nrow(datos_B)
p_B <- num_satisfechos_B / n_B
error_p_B <- qnorm(0.975) * sqrt((p_B * (1 - p_B)) / n_B)
IC_p_B <- c(p_B - error_p_B, p_B + error_p_B)
cat("Clientes satisfechos en Banco B:", num_satisfechos_B, "\n")## Clientes satisfechos en Banco B: 0cat("Tamaño de la muestra (n):", n_B, "\n")## Tamaño de la muestra (n): 28cat("Proporción muestral de clientes satisfechos en la muestra fue de:", round(p_B, 4), "\n")## Proporción muestral de clientes satisfechos en la muestra fue de: 0cat("Intervalo de confianza (95%) de la población de clientes satisfechos esta entre:", round(IC_p_B[1], 4), "y", round(IC_p_B[2], 4), "\n")## Intervalo de confianza (95%) de la población de clientes satisfechos esta entre: 0 y 0#Intervalo de confianza para la dif de proporciones
library(dplyr)
# Filtrar datos por Banco A y Banco B
datos_A <- filter(datos, Banco == "Banco A")
datos_B <- filter(datos, Banco == "Banco B")
# Valor crítico Z para un 95% de confianza
z_critico <- qnorm(0.975)
# Imprimir resultados
cat("Proporción de clientes satisfechos en Banco A:", round(p_B, 4), "\n")## Proporción de clientes satisfechos en Banco A: 0cat("Proporción de clientes satisfechos en el Banco B:", round(p_B, 4), "\n")## Proporción de clientes satisfechos en el Banco B: 0