Marina Correa

ACTIVIDAD 10

library("readr")

ds1 <- read_csv("C:/Users/marin/OneDrive/ligamx.csv")

ds1$promedio <- (ds1$C21+ds1$A21+ds1$C22+ds1$A22+ds1$C23)/5

ds2 <- ds1[,-c(1)]

cor(ds2)

#3. Hay una correlación entre el precio del equipo y los puntos obtenidos

ds2$dfinal <- as.numeric(ds2$Final >=1)

ds2$dfinal <- as.factor(ds2$dfinal)

summary(ds2)

rl <- glm(dfinal ~ Precio, data = ds2, family = binomial)

summary(rl)

rl1 <- glm(dfinal ~ promedio, data = ds2, family = binomial)

summary(rl1)

ds2$dcam <- as.numeric(ds2$Campeon>=1)

ds2$dcam <- as.factor(ds2$dcamp)

summary(ds2)

rl2 <- glm(dcam ~ Precio, data = ds2, family = binomial)

summary(rl2)

rl3 <- glm(dcam ~ promedio, data = ds2, family = binomial)

summary(rl3)

#No se puede utilizar el método porque P es muy grande

ds2$dprom <- as.numeric(ds2$promedio >= 27)

ds2$dprom <- as.factor(ds2$dprom)

rl4 <- glm(dprom ~ Precio, data = ds2, family = binomial)

summary(rl4)

rl5 <- glm(dprom ~ Precio, data = ds2, family = binomial)

summary(rl5)

rl4$fitted.values

ds2$prediccion <- as.numeric(rl4$fitted.values>=0.5)

ds2$comparacion <- ds2$prediccion == ds2$dprom

ds2$dprom <- as.numeric(ds2$promedio >= 27)

ds2$dprom <- as.factor(ds2$dprom)

ds2$equipo <- ds1$Equipo

#No es acertado para chivas, pachuca y cruz azul

newpi <- data.frame(Precio = 39.5)

probabilidad <- predict(rl4,newdata = newpi, type="response")

print(probabilidad)

#Tiene una probabilidad de 17.44% de clasificar