Tamanho da fonte: 

O trabalho realizado apresenta técnicas estatísticas para análise de dados bancários, dando enfoque maior na regressão logística. Nesta metodologia é possível ajustar um modelo quando a variável dependente tem resposta binária, como é o caso apresentado neste projeto. A fim de ilustrar a metodologia apresentada, foram aplicados dois exemplos.  Um dos conjuntos foi simulado
No segundo exemplo foi usado um conjunto de dados de Kaggle, com informações de clientes de um Banco. Foi ajustado um modelo e foi estudado técnicas de validação. Neste exemplo, o objetivo foi conseguir identificar clientes com alta propensão a desistir do serviço e evitar proativamente este desfecho, já́ que o custo de adquirir um novo cliente é em geral maior do que manter um cliente antigo, mesmo oferecendo vantagens. A variável resposta indica se o cliente fechou sua conta ou continua sendo um cliente até o corte de tempo registrado.
Desta forma, foi ajustado um modelo de regressão logística e foram calculadas algumas métricas afim de verificar a qualidade do modelo para tais dados, além da curva ROC e também o gráfico KS. Como conclusão, o modelo ajustado separa bem os clientes que encerram a conta daqueles que não encerram, concluindo assim o objetivo proposto no projeto.

modelo logístico, estimação