Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial

Descripción del Articulo

Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
Detalles Bibliográficos
Autor: Ramírez Soplin, Magally Loidit
Formato: tesis de grado
Fecha de Publicación:2014
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/2280
Enlace del recurso:https://hdl.handle.net/20.500.12996/2280
Nivel de acceso:acceso abierto
Materia:Regresión logística multinomial
Bancos
Crédito
Consumidores
Métodos estadísticos
Aplicaciones del ordenador
Evaluación
Perú
Perfil de clientes
Clientes crediticios
Técnicas de segmentacion
http://purl.org/pe-repo/ocde/ford#4.05.00
id UNAL_f2cef1b6058cf400308dec9741275301
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/2280
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
title Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
spellingShingle Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
Ramírez Soplin, Magally Loidit
Regresión logística multinomial
Bancos
Crédito
Consumidores
Métodos estadísticos
Aplicaciones del ordenador
Evaluación
Perú
Perfil de clientes
Clientes crediticios
Técnicas de segmentacion
http://purl.org/pe-repo/ocde/ford#4.05.00
title_short Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
title_full Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
title_fullStr Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
title_full_unstemmed Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
title_sort Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
author Ramírez Soplin, Magally Loidit
author_facet Ramírez Soplin, Magally Loidit
author_role author
dc.contributor.author.fl_str_mv Ramírez Soplin, Magally Loidit
dc.subject.none.fl_str_mv Regresión logística multinomial
Bancos
Crédito
Consumidores
Métodos estadísticos
Aplicaciones del ordenador
Evaluación
Perú
Perfil de clientes
Clientes crediticios
Técnicas de segmentacion
topic Regresión logística multinomial
Bancos
Crédito
Consumidores
Métodos estadísticos
Aplicaciones del ordenador
Evaluación
Perú
Perfil de clientes
Clientes crediticios
Técnicas de segmentacion
http://purl.org/pe-repo/ocde/ford#4.05.00
dc.subject.ocde.none.fl_str_mv http://purl.org/pe-repo/ocde/ford#4.05.00
description Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
publishDate 2014
dc.date.accessioned.none.fl_str_mv 2017-01-13T13:59:09Z
dc.date.available.none.fl_str_mv 2017-01-13T13:59:09Z
dc.date.issued.fl_str_mv 2014
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.other.none.fl_str_mv E13.R35-T BAN UNALM
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/2280
identifier_str_mv E13.R35-T BAN UNALM
url https://hdl.handle.net/20.500.12996/2280
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv Universidad Nacional Agraria La Molina
Repositorio institucional - UNALM
reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/9d750ab8-e225-459f-ad57-e9680c403b0f/download
https://repositorio.lamolina.edu.pe/bitstreams/7d404e60-3277-4ca2-88a0-a5502163bdb6/download
https://repositorio.lamolina.edu.pe/bitstreams/bd484e40-15b2-44c3-8e91-3462fbc129ec/download
https://repositorio.lamolina.edu.pe/bitstreams/563cbdb5-8a6f-4b30-83fc-bc2ba577e9dd/download
https://repositorio.lamolina.edu.pe/bitstreams/1814f470-fa71-4372-b037-fb7681d1ab4c/download
https://repositorio.lamolina.edu.pe/bitstreams/5b3eedc7-dffe-4184-88a1-5f27c2184fed/download
bitstream.checksum.fl_str_mv 0bb26e8ca330e31e85f83d2e623f7a7b
b78614a81aa27668e0ed92d984a1485d
f6a33c7e4866e3256910eeb63e0c3efa
73a861191edab2376a64776dbdfdad19
1f2e1157b2b6e61fffb6e586307fc183
b7e4cb1a02adb01990da0b9f38d57fe8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1845706873122062336
spelling d773e85a-b979-4300-8c94-77694352da60-1Ramírez Soplin, Magally Loidit2017-01-13T13:59:09Z2017-01-13T13:59:09Z2014E13.R35-T BAN UNALMhttps://hdl.handle.net/20.500.12996/2280Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e InformáticaEl presente estudio de investigación se centró en identificar los perfiles más adecuados, en una muestra de 8, 504 clientes que realizaron transacciones crediticias en el primer trimestre del año. Se agruparon los casos mediante las técnicas de segmentación: K-means, Bietápico y Kohonen, utilizando variables cuantitativas y categóricas. De las tres técnicas, la que obtuvo mayor medida de silueta de cohesión y separación, fue K-means, indicando una estructura “buena” en cuanto a la cohesión al interior de los grupos y la separación de los mismos. Por otro lado, también se analizó las proporciones de los conglomerados, siendo la técnica K-means la que presentó las proporciones más adecuadas en función a las variables de historial crediticio y transacciones realizadas. Posterior a la obtención de los conglomerados, se procedió al proceso de obtención de la reglas de clasificación, mediante la técnica de regresión logística multinomial, la cual nos permitirá realizar predicciones futuras. El procedimiento se aplicó a la muestra particionada, es decir, una parte de entrenamiento y otra de comprobación. Finalmente, se obtuvo una adecuada tasa de eficiencia en ambas muestras. Además, los análisis permitieron identificar a dos conglomerados que muestran una alerta para la empresa, es decir necesitan ser gestionados de forma oportuna, ya que constituyen un futuro comportamiento de no pago de acuerdo a la caracterización obtenida de dichos conglomerados.Trabajo de suficiencia profesionalapplication/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Agraria La MolinaRepositorio institucional - UNALMreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMRegresión logística multinomialBancosCréditoConsumidoresMétodos estadísticosAplicaciones del ordenadorEvaluaciónPerúPerfil de clientesClientes crediticiosTécnicas de segmentacionhttp://purl.org/pe-repo/ocde/ford#4.05.00Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomialinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUEstadística e InformáticaUniversidad Nacional Agraria La Molina. Facultad de Economía y PlanificaciónIngeniero Estadístico e InformáticoTítulo Profesionalhttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionalTHUMBNAILE13-R35-T.pdf.jpgE13-R35-T.pdf.jpgGenerated Thumbnailimage/jpeg4198https://repositorio.lamolina.edu.pe/bitstreams/9d750ab8-e225-459f-ad57-e9680c403b0f/download0bb26e8ca330e31e85f83d2e623f7a7bMD56E13-R35-T-resumen.pdf.jpgE13-R35-T-resumen.pdf.jpgGenerated Thumbnailimage/jpeg3322https://repositorio.lamolina.edu.pe/bitstreams/7d404e60-3277-4ca2-88a0-a5502163bdb6/downloadb78614a81aa27668e0ed92d984a1485dMD57ORIGINALE13-R35-T.pdfE13-R35-T.pdfTexto completoapplication/pdf894307https://repositorio.lamolina.edu.pe/bitstreams/bd484e40-15b2-44c3-8e91-3462fbc129ec/downloadf6a33c7e4866e3256910eeb63e0c3efaMD51E13-R35-T-resumen.pdfE13-R35-T-resumen.pdfResumenapplication/pdf117341https://repositorio.lamolina.edu.pe/bitstreams/563cbdb5-8a6f-4b30-83fc-bc2ba577e9dd/download73a861191edab2376a64776dbdfdad19MD55TEXTE13-R35-T.pdf.txtE13-R35-T.pdf.txtExtracted texttext/plain49051https://repositorio.lamolina.edu.pe/bitstreams/1814f470-fa71-4372-b037-fb7681d1ab4c/download1f2e1157b2b6e61fffb6e586307fc183MD53E13-R35-T-resumen.pdf.txtE13-R35-T-resumen.pdf.txtExtracted texttext/plain2464https://repositorio.lamolina.edu.pe/bitstreams/5b3eedc7-dffe-4184-88a1-5f27c2184fed/downloadb7e4cb1a02adb01990da0b9f38d57fe8MD5420.500.12996/2280oai:repositorio.lamolina.edu.pe:20.500.12996/22802025-06-16 14:53:11.947https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.pe
score 12.789326
Identificación de perfiles de clientes crediticios aplicando técnicas de segmentación y regresión logística multinomial
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares