dc.contributor.author |
Campoverde López, Juan Rafael |
|
dc.contributor.author |
Reyes Ramos, Sonnia Paola, Directora |
|
dc.date.accessioned |
2022-04-04T19:34:39Z |
|
dc.date.available |
2022-04-04T19:34:39Z |
|
dc.date.issued |
2015 |
|
dc.identifier.citation |
Campoverde, J. (2015). Desarrollo de un modelo estadístico para medir la posibilidad de morosidad de clientes en una empresa de retail [Tesis de grado]. Escuela Superior Politécnica del Litoral |
es_EC |
dc.identifier.uri |
http://www.dspace.espol.edu.ec/handle/123456789/52454 |
|
dc.description.abstract |
El Modelo estadístico la probabilidad de que un cliente sea moroso en la empresa XYZ S.A. La misma es una empresa de retail que se dedica a la venta de productos sobre todo del
hogar y nos proporcionó los datos para trabajar. Este estudio tiene como fin
determinar el comportamiento de la variable de interés, la misma que será
explicada por un conjunto de variables que contienen características personales
y socio demográficas de los clientes de la empresa.
En el primer capítulo, tenemos el planteamiento del problema de nuestro
estudio, en segundo lugar la justificación del presente trabajo, donde con el
modelo estadístico permitirá a la empresa tomar decisiones importantes con los
clientes futuros morosos y disminuir la probabilidad de cartera castigada. Y al
final planteamos el objetivo general y los objetivos específicos del presente
estudio. En el segundo capítulo encontramos la metodología a utilizar en el presente
trabajo. Iniciamos definiendo la población objetivo, que en nuestro caso son los
clientes que fueron aperturados en la empresa hasta Junio 2015 en la empresa
vii
XYZ S.A. Luego se procede a describir cada una de las técnicas que
utilizaremos en el análisis de datos univariado, inferencial y multivariado.
En el tercer capítulo, tenemos el análisis de datos univariado, inferencial y
multivariado. En la parte univariada e inferencial analizaremos las variables a
utilizar en el modelo de regresión logística binomial, utilizando tablas, diagramas
de barras y pasteles en la parte descriptiva y tablas de contingencia en la parte
inferencial para determinar independencia entre las variables. Por tener
variables categóricas solo utilizaremos estas técnicas. Y en la parte
especializada como técnica multivariada utilizaremos la regresión logística
binomial al poseer una variable dicotómica como respuesta.
Para terminar con nuestro estudio, en la última sección encontramos las
conclusiones y recomendaciones de mayor importancia que obtuvimos con los
resultados del presente trabajo |
es_EC |
dc.language.iso |
es |
es_EC |
dc.publisher |
ESPOL. FCNM |
es_EC |
dc.subject |
Modelo estadístico |
es_EC |
dc.subject |
Morosidad de clientes |
es_EC |
dc.title |
Desarrollo de un modelo estadístico para medir la posibilidad de morosidad de clientes en una empresa de retail |
es_EC |
dc.type |
Thesis |
es_EC |