El análisis de la marcha desempeña roles importantes en varias aplicaciones como la terapia de ejercicio, la biometría y el control de robots. También se puede utilizar para prevenir y mejorar trastornos del movimiento y monitorear condiciones de salud. Implementamos un módulo portátil equipado con un sensor IMU MPU-9250 y módulos Bluetooth implementados en una placa Arduino Uno R3 para el análisis de la marcha. Los ciclos de marcha se identificaron en función de los valores de inclinación medidos por el acelerómetro integrado en el sensor IMU. Al superponer los ciclos de marcha que ocurrieron durante el período de caminata, se pudieron analizar utilizando métodos estadísticos. Descubrimos que los sujetos podían ser identificados utilizando los puntos característicos de la marcha extraídos a través del proceso de modelado estadístico. Para validar la viabilidad de la identificación de patrones de marcha basados en características, construimos varios modelos de aprendizaje automático y comparamos la precisión de su identificación de patrones de marcha. Basándonos en esto, también investigamos si había una diferencia significativa entre los patrones de marcha de las personas que usaban teléfonos celulares mientras caminaban y las que no lo hacían.