FASE 2

Materia: Probabilidad y Estadística para Ciencia de Datos

Docente: Moisés Alberto Jiménez Cruz
Alumno: Hugo Gerardo Irungaray Ríos

Instrucciones:
Caso de estudio: elige un área de interés en tu empresa donde puedas recopilar datos relevantes. Puede ser producción, calidad, ventas,
recursos humanos, marketing, etc. Genera bases de datos reales con la información disponible en el área seleccionada. A continuación, se
presentan las instrucciones detalladas para cada parte de la actividad. Es recomendable que uses la información que obtuviste para el
avance del reto:

1. Introducción a la distribución normal y su aplicación en cálculo de probabilidades.

Contexto del caso: entender la distribución de una variable relevante en tu área de interés.
Actividades:
 Elige una variable cuantitativa relevante (tiempo de producción, ventas diarias, tiempo de respuesta de servicio al cliente,
etc.).
 Recopila los datos necesarios para esta variable.
 Analiza si la variable sigue una distribución normal.
 Utiliza R Studio para graficar una distribución normal y calcular probabilidades.
 Resume tus hallazgos en un documento de Word.

2. Estimación y cálculo de intervalos de confianza.

Contexto del caso: estimar el promedio de una variable con un alto nivel de confianza. Prepara R Studio para realizar los cálculos.
Actividades:
 Calcula la estimación puntual y el intervalo de confianza del 95% para la variable seleccionada.
 Documenta el procedimiento y los cálculos en un documento de Word.

3. Inferencia sobre medias y pruebas de hipótesis.

Contexto del caso: determinar si una variable ha cambiado significativamente respecto a un período anterior. Prepara R Studio
para realizar los cálculos.
Actividades:
 Realiza una prueba de hipótesis para determinar si el promedio de la variable ha cambiado.
 Documenta el procedimiento y los resultados en un documento de Word.

4. Análisis de desviaciones estándar y pruebas relacionadas.

Contexto del caso: evaluar la variabilidad de una variable en tu área de interés. Prepara R Studio para realizar los cálculos.

Actividades:
 Calcula el intervalo de confianza para la desviación estándar de la variable.
 Realiza pruebas para una y dos desviaciones estándar.
 Documenta el procedimiento y los resultados en un documento de Word.
5. Análisis de varianza (ANOVA).
Contexto del caso: comparar la media de una variable entre diferentes grupos en tu área de interés. Prepara R Studio para realizar
los cálculos.
Actividades:
 Realiza un ANOVA para determinar si existen diferencias significativas entre los grupos seleccionados (ej., diferentes
departamentos, diferentes turnos de trabajo, etc.).
 Documenta el procedimiento y los resultados en un documento de Word.

6. Correlación y regresión lineal.

Contexto del caso: entender la relación entre dos variables en tu área de interés. Prepara R Studio para realizar los cálculos.
Actividades:
 Calcula el coeficiente de correlación entre dos variables seleccionadas (ej., tiempo de producción y número de defectos,
ventas y gastos en marketing, etc.).
 Realiza un análisis de regresión lineal para predecir una variable en función de la otra.
 Documenta el procedimiento y los resultados en un documento de Word.

7. Análisis de series de tiempo.

Contexto del caso: prever tendencias futuras en una variable temporal en tu área de interés. Prepara R Studio para realizar los
cálculos.
Actividades:
 Realiza un análisis de series de tiempo para identificar componentes y aplicar el método de mínimos cuadrados.
 Analiza las tendencias lineales y no lineales en los datos temporales recopilados.
 Documenta el procedimiento y los resultados en un documento de Word.

8. Reporte y conclusión.
Elabora un reporte en un documento de Word que incluya:
 Portada: con la información que indique tu profesor.
 Introducción: explica la importancia de realizar análisis estadísticos para la toma de decisiones en la empresa.
 Cálculos: procedimiento detallado para los cálculos realizados.
 Resultados: presenta los resultados obtenidos y una interpretación de estos.
 Conclusión: justifica los resultados y presenta un análisis relacionado con la toma de decisiones estratégicas en la
empresa.
Análisis de los Grupos de Clientes.
El siguiente análisis de distribución se centra en la variable "Grupo de clientes", que clasifica a los clientes según sus grupos,
cada uno con su propio conjunto de comportamientos o características (grupos A, B, C, D, y E, en este caso).
Nuestro objetivo: Evaluar si la distribución de los grupos sigue un patrón normal, esto con el fin de que nos proporcione
información que pueda llegar a ser clave para generar estrategias de segmentación, toma de decisiones, estrategias de mejora
y estrategias comerciales basadas en las características de los grupos.

El estudio utiliza datos históricos extraídos de la base de datos proporcionada, aplicando técnicas estadísticas en R Studio para
calcular medidas de tendencia central y evaluar la normalidad de los datos. El análisis de las frecuencias y probabilidades es
clave para tomar decisiones informadas.
Interpretación de las Frecuencias Absolutas y Relativas
1. Frecuencia Absoluta:
o Grupo A y E (208 clientes c/u): Estos grupos tienen la mayor incidencia, lo que podría indicar un enfoque
estratégico o una preferencia natural de los clientes por las características asociadas a estos grupos.
o Grupos B y C (190 clientes c/u): Ligeramente menos representados. Esto podría sugerir oportunidades de
expansión o áreas de mejora para atraer más clientes hacia estos grupos.
o Grupo D (203 clientes): Se encuentra en un punto intermedio, lo cual podría reflejar un balance adecuado en
las estrategias aplicadas para este grupo.
2. Frecuencia Relativa:
o Todos los grupos tienen frecuencias similares, lo que sugiere una segmentación equilibrada. Esto es positivo
para garantizar que las estrategias de la empresa no estén sobrecargadas o subutilizadas en un grupo
específico, indicadores de una gestión deficiente.
Probabilidades Teóricas (Resultados de distribución normal)
1. Probabilidades Altas (Grupos A y E, -2.91%):
o Estos valores indican que estos grupos están dentro de las expectativas del modelo normal ajustado. Su mayor
frecuencia puede interpretarse como un punto de fortaleza en la distribución de los clientes.
2. Probabilidades Moderadas (Grupos B y C, -2.46%):
o Las probabilidades más bajas para estos grupos pueden sugerir que la empresa debería investigar si hay
barreras o factores que limitan la captación de clientes en estas categorías.
3. Probabilidades Notablemente Diferentes (Grupo D, -4.04%):
o Este grupo tiene una probabilidad teórica significativamente más alta en comparación con los demás. Esto
podría interpretarse como una anomalía o una oportunidad estratégica que la empresa debería analizar más a
fondo.

Resultados de la Prueba Shapiro-Wilk

 P-valor (0.06654):
o Este resultado sugiere que las frecuencias no presentan una desviación significativa de la normalidad.

Los resultados obtenidos confirman que la segmentación de los clientes es equilibrada y válida desde un punto de vista
estadístico, dando a entender que la estructura actual que maneja la empresa es funcional, también ofrecen oportunidades
claras para ajustar estrategias y asignación de recursos según la importancia de cada grupo

Recomendaciones
o Grupos A y E: Reconocer y consolidar estrategias que refuercen la captación y fidelización de clientes,
aprovechando la sólida representación de estos grupos.
o Grupos B y C: Diseñar campañas específicas para mejorar la atracción de clientes hacia estos grupos, cerrando
posibles brechas identificadas en la distribución.
o Grupo D: Dado su mayor peso relativo y probabilidad, asignar recursos adicionales para aprovechar su
potencial estratégico.
o Utilizar la distribución equilibrada como punto de referencia para establecer metas de captación que
mantengan la proporcionalidad entre grupos.
Estimación y Cálculo de Intervalos de Confianza

Objetivo
Estimar el promedio de clientes por grupo con un alto nivel de confianza (95%) y evaluar la dispersión de la variable. Este
análisis ayuda a validar la estabilidad y consistencia en la distribución de los grupos.

Análisis:
Datos Procesados:
o Media: 199.8
o Desviación Estándar: 9.176
o Tamaño de Muestra: n = 5 (número de grupos de clientes)
Resultados:
Límites del intervalo de confianza del 95%:
o Límite inferior: 191.76
o Límite superior: 207.84
Esto sugiere:
o Los grupos de clientes tienen una distribución bien balanceada, ya que el promedio esperado se encuentra
dentro de un rango estrecho.
o Esto refleja que la segmentación actual probablemente responde a una estrategia eficiente de asignación de
clientes.
o Los límites del intervalo pueden servir para planificar recursos, asegurando que los grupos reciban atención
adecuada y proporcional, sin disparidades significativas.
Inferencia sobre
Medias y Pruebas de
Hipótesis

Objetivo: Saber si el promedio de las frecuencias de los grupos de clientes (A, B, C, D, E) es significativamente diferente de un
valor hipotético de referencia establecido en 200 realizando una prueba de hipótesis t para muestras únicas considerando:
 Hipótesis Nula (H0): El promedio de las frecuencias es igual al valor de referencia (200).
 Hipótesis Alternativa (H1): El promedio de las frecuencias es diferente del valor de referencia (200).
Resultados:
o Estadístico t: -0.0487
 Este valor mide cuántas desviaciones estándar se encuentra la media muestral por debajo o por encima del
valor de referencia. En este caso, el valor t cercano a 0 indica que la media observada es prácticamente igual al
valor hipotético de 200, lo que refuerza la validez de la hipótesis nula.
o P-valor: 0.9635
 El p-valor representa la probabilidad de observar un estadístico t tan extremo o más, bajo la hipótesis nula.
Dado que el p-valor es mayor al nivel de significancia típico (0.05), no se rechaza la hipótesis nula. Esto indica
que no hay evidencia suficiente para concluir que el promedio de las frecuencias sea diferente de 200.

Esto implica que la distribución observada está alineada con las expectativas iniciales, lo que refuerza la validez de la
segmentación existente.
Esto sugiere:
 Mantener el enfoque actual en la asignación proporcional de recursos y estrategias entre los grupos de clientes.
 Realizar un monitoreo periódico para asegurar que las frecuencias no sufran desviaciones importantes que puedan
requerir ajustes en las estrategias de marketing o asignación de recursos.
Análisis de Desviaciones
Estándar y Pruebas
Relacionadas

Objetivo
Evaluar la variabilidad de la cantidad de clientes entre los grupos y realizar pruebas para una y dos desviaciones estándar.

Evaluación de la Variabilidad de los Grupos de Clientes

Objetivo:
Determinar si la variabilidad de las frecuencias de los grupos de clientes (A, B, C, D, E) es consistente con la desviación
estándar muestral esperada, utilizando una prueba de hipótesis chi-cuadrada. Este análisis permite evaluar la estabilidad y
consistencia en la distribución de los datos.

Hipótesis:
 Hipótesis Nula (H0): La variabilidad observada es consistente con la desviación estándar esperada.
 Hipótesis Alternativa (H1): La variabilidad observada difiere de la desviación estándar esperada.
Resultados:
o Estadístico Chi-Cuadrada:
 Valor calculado: 4.00
 Este valor mide la relación entre la varianza observada y la varianza esperada, indicando qué tan cerca están
las dos métricas.
o Valores Críticos Chi-Cuadrada (α = 0.05):
 Límite inferior: 0.48
 Límite superior: 11.14
o Evaluación:
 Dado que el estadístico chi-cuadrada (4.00) se encuentra entre los límites críticos (0.48 y 11.14), se acepta H0,
lo que implica que la variabilidad observada es consistente con la desviación estándar esperada.
Esto sugiere:
  Los grupos de clientes presentan una variabilidad bien controlada y alineada con la estrategia de asignación de
clientes.

Recomendaciones:
1. Continuar con la asignación actual entre los grupos de clientes, ya que la variabilidad observada está dentro de los
límites esperados.
2. Analizar más a fondo las características individuales de cada grupo para identificar oportunidades adicionales de
optimización y personalización de estrategias comerciales.
Análisis de Retención de Clientes Utilizando ANOVA

Objetivo: Determinar si existen diferencias significativas en la antigüedad promedio de los clientes (en años, desde su fecha de
alta) entre los diferentes grupos (A, B, C, D, E). Este análisis ayuda a evaluar la retención de clientes y a identificar posibles
diferencias en el tiempo que los clientes de distintos grupos llevan en la empresa.

Cálculo de la antigüedad en años:

 Se extrajo la columna Fecha de Alta de la base de datos, que contiene las fechas de ingreso de los [Link] fecha
actual se obtuvo usando la función [Link]() en R, y se comparó con las fechas de alta.
 La diferencia entre estas fechas se calculó en años, utilizando las funciones de formato para extraer únicamente el año
(format([Link](), "%Y")), dando lugar a una nueva variable, Años de Antigüedad.

 Resultados:
o Suma de Cuadrados del Grupo: 41.153
o Sum of Squares Residual: 22,386
 o Grados de Libertad (df): 4 (grupos), 994 (residuales)
o Error estándar residual: 4.745
o F-statistic: 0.457
o p-value: 0.767
 Esto sugiere:
o No hay
diferencias
significativas
entre las medias
de antigüedad
de los grupos de
clientes. lo cual
puede reflejar
un patrón
homogéneo en
la retención
o Los resultados demuestran que las estrategias de captación y retención aplicadas en la empresa impactan a
los grupos de manera uniforme.

Estos resultados refuerzan la hipótesis de que las estrategias de retención está funcionando de manera uniforme entre los
grupos, aunque se recomienda monitorear constantemente para identificar posibles áreas de mejora.

Recomendaciones:
 Continuar aplicando estrategias de retención equilibradas entre los grupos.
 Monitorear si estas tendencias cambian en el tiempo, buscando oportunidades para mejorar la fidelización de ciertos
grupos específicos
 Implementar encuestas de satisfacción permitirá identificar factores específicos que afectan la lealtad de los clientes
en cada grupo, ayudando a personalizar estrategias de retención.
Análisis de Correlación y Regresión Lineal: Antigüedad y Grupo de Clientes
Objetivo
Determinar si existe una relación significativa entre la antigüedad de los clientes (en años) y el grupo al que pertenecen (A, B,
C, D, E). Este análisis busca explorar si los grupos están relacionados con la retención de clientes en la empresa.

Análisis
Datos Procesados:
 Variable 1: Antigüedad (en años, calculada a partir de la fecha de alta de los clientes).
 Variable 2: Grupo de Clientes (convertido a valores numéricos: A=1, B=2, C=3, D=4, E=5).
Método Utilizado:
o Coeficiente de Correlación de Pearson: Mide la relación lineal entre ambas variables.
o Modelo de Regresión Lineal: Explora si es posible predecir la antigüedad de los clientes en función del grupo al que
pertenecen.

Resultados
Coeficiente de Correlación de Pearson:
o Valor: -0.0135
o Interpretación: Existe una correlación muy débil y negativa entre la antigüedad de los clientes y los grupos a
los que pertenecen, lo que indica que las variables no están relacionadas significativamente.
Modelo de Regresión Lineal:
o Fórmula: Antigüedad = 11.45941 - 0.04483 * GrupoNum
o Resumen del Modelo:
 Intercepto: 11.45941 (promedio de antigüedad cuando GrupoNum=0).
 Pendiente: -0.04483 (indica que la antigüedad decrece levemente con el número del grupo, aunque
no de forma significativa).
 R-cuadrado: 0.0001844 (el grupo explica el 0.018% de la variación en la antigüedad).
 P-valor del Modelo: 0.6682 (no significativo, lo que indica que no hay evidencia de una relación lineal
significativa entre las variables).

 Esto sugiere:
 o El análisis confirma que no existe una relación significativa entre la antigüedad de los clientes y el grupo al que
pertenecen.
o El modelo de regresión lineal no es útil para predecir la antigüedad en función del grupo.
o El gráfico de dispersión muestra claramente que no hay un patrón discernible entre las variables.
 La línea de regresión es prácticamente horizontal, reflejando la falta de relación entre las variables. Esto indica que la
retención de clientes parece ser independiente del grupo asignado, lo que podría reflejar estrategias homogéneas de
retención aplicadas entre los grupos.
o

Recomendaciones
 Monitorear otras variables relacionadas para explorar si factores adicionales como la localización, preferencias de
compra o frecuencia de interacción tienen un impacto más significativo en la antigüedad.
 Realizar análisis complementarios para implementar técnicas más avanzadas para explorar posibles relaciones no
lineales o analizar subgrupos específicos para obtener insights más detallados.

Análisis de Series de Tiempo: Tendencia de Antigüedad Promedio por Grupo

Objetivo
Determinar la tendencia de la antigüedad promedio de los clientes según su grupo. Este análisis busca identificar posibles
patrones temporales que puedan influir en la toma de decisiones estratégicas relacionadas con la retención de clientes.

Cálculo de la Antigüedad Promedio:

 Se utilizó la columna Fecha de Alta de la base de datos para calcular la antigüedad de los clientes en años.
 Para cada grupo de clientes (A, B, C, D, E), se calculó el promedio de la antigüedad mediante una función de
agregación en R Studio.
  Los datos se graficaron para visualizar diferencias entre grupos y patrones relevantes en la antigüedad promedio.

Interpretación del Gráfico:

 Ejes:
o Eje X: Grupos de clientes (A, B, C, D, E).
o Eje Y: Antigüedad promedio de los clientes (en años).

Resultados:
 Antigüedad Promedio por Grupo (en años):
o Grupo A: 11.6

o Grupo B: 11.2
o Grupo C: 11.0
o Grupo D: 11.3
o Grupo E: 11.5
 Esto sugiere:
o El Grupo A presenta la mayor antigüedad promedio (11.6 años), lo cual podría estar relacionado con una alta
lealtad o un proceso de captación temprana.
o El Grupo C tiene la menor antigüedad promedio (11.0 años), indicando una posible área de mejora en la
retención de clientes de este grupo.
o Los demás grupos (B, D, E) tienen antigüedades promedio similares, reflejando una consistencia en la
estrategia de retención.

Recomendaciones:
o Analizar las características y comportamientos del Grupo C para identificar factores que puedan estar afectando su
retención.
o Mantener las estrategias actuales en los grupos A, B, D y E, ya que muestran una retención relativamente estable.
o Realizar encuestas de satisfacción y análisis de lealtad para comprender mejor los factores que influyen en la
antigüedad de los clientes.

Conclusión General
Distribución de Clientes:
 La distribución es equilibrada y consistente con las expectativas iniciales, validada mediante intervalos de confianza y
pruebas de hipótesis.
 Las estrategias de segmentación actuales son efectivas y no requieren ajustes inmediatos.
Análisis de Antigüedad (ANOVA):
 No se encontraron diferencias significativas en la antigüedad promedio entre los grupos.
 Esto indica un trato homogéneo hacia los clientes, independientemente de su grupo.
Correlación y Regresión Lineal:
 Existe una relación mínima entre la antigüedad y los grupos, demostrando que la antigüedad no depende del grupo al
que pertenece el cliente.
 Refuerza la uniformidad en la atención y retención de clientes.
Análisis de Series de Tiempo:
 La antigüedad promedio de los clientes por grupo se mantiene estable, indicando una estrategia eficaz.
 Se recomienda monitorear estas tendencias para identificar áreas de mejora en grupos específicos.

Este desarrollo permitió identificar patrones clave en la base de datos de clientes, aportando información valiosa para la toma
de decisiones estratégicas en la empresa. A lo largo de los distintos puntos analizados, se aplicaron herramientas y técnicas
estadísticas, cada una revelando aspectos relevantes de la dinámica de los grupos de clientes y su antigüedad en la empresa.
Este análisis proporciona una base sólida para ajustar estrategias, asegurando que los recursos se asignen de manera eficiente
y que las decisiones se tomen con base en datos confiables.