Tarea 2 corte datos de rotacion

Datos de rotacion:

Variables antiguedad, Equilibrio Trabajo Vida, Capacitaciones y Campo Educacion.

library(readxl)
Datos_Rotacion <- read_excel("Datos_Rotacion.xlsx")
Datos_Rotacion$Equilibrio_Trabajo_Vida <- as.factor(Datos_Rotacion$Equilibrio_Trabajo_Vida)

# Relacionar las variables rotación, antigüedad, equilibrio trabajo-vida, capacitaciones

require(table1)
table1(~Antiguedad | Rotacion, data = Datos_Rotacion)

	No (N=1233)	Si (N=237)	Overall (N=1470)
Antiguedad
Mean (SD)	7.37 (6.10)	5.13 (5.95)	7.01 (6.13)
Median [Min, Max]	6.00 [0, 37.0]	3.00 [0, 40.0]	5.00 [0, 40.0]

table1(~Antiguedad + Equilibrio_Trabajo_Vida + Capacitaciones + `Campo_Educacion` | Rotacion, data = Datos_Rotacion)

	No (N=1233)	Si (N=237)	Overall (N=1470)
Antiguedad
Mean (SD)	7.37 (6.10)	5.13 (5.95)	7.01 (6.13)
Median [Min, Max]	6.00 [0, 37.0]	3.00 [0, 40.0]	5.00 [0, 40.0]
Equilibrio_Trabajo_Vida
1	55 (4.5%)	25 (10.5%)	80 (5.4%)
2	286 (23.2%)	58 (24.5%)	344 (23.4%)
3	766 (62.1%)	127 (53.6%)	893 (60.7%)
4	126 (10.2%)	27 (11.4%)	153 (10.4%)
Capacitaciones
Mean (SD)	2.83 (1.29)	2.62 (1.25)	2.80 (1.29)
Median [Min, Max]	3.00 [0, 6.00]	2.00 [0, 6.00]	3.00 [0, 6.00]
Campo_Educacion
Ciencias	517 (41.9%)	89 (37.6%)	606 (41.2%)
Humanidades	20 (1.6%)	7 (3.0%)	27 (1.8%)
Mercadeo	124 (10.1%)	35 (14.8%)	159 (10.8%)
Otra	71 (5.8%)	11 (4.6%)	82 (5.6%)
Salud	401 (32.5%)	63 (26.6%)	464 (31.6%)
Tecnicos	100 (8.1%)	32 (13.5%)	132 (9.0%)

Ajustar un modelo logístico

## Ajustar un modelo logístico

Datos_Rotacion$Rotacion_bin = as.numeric(Datos_Rotacion$Rotacion == "Si")

mod = glm(Rotacion_bin ~ Antiguedad + Equilibrio_Trabajo_Vida + Capacitaciones + `Campo_Educacion` + Cargo, 
          data = Datos_Rotacion, family = "binomial")

summary(mod)

## 
## Call:
## glm(formula = Rotacion_bin ~ Antiguedad + Equilibrio_Trabajo_Vida + 
##     Capacitaciones + Campo_Educacion + Cargo, family = "binomial", 
##     data = Datos_Rotacion)
## 
## Coefficients:
##                              Estimate Std. Error z value Pr(>|z|)    
## (Intercept)                  -1.93645    0.78899  -2.454  0.01411 *  
## Antiguedad                   -0.04375    0.01751  -2.498  0.01250 *  
## Equilibrio_Trabajo_Vida2     -0.82285    0.29965  -2.746  0.00603 ** 
## Equilibrio_Trabajo_Vida3     -1.09241    0.27820  -3.927 8.61e-05 ***
## Equilibrio_Trabajo_Vida4     -0.78215    0.34267  -2.282  0.02246 *  
## Capacitaciones               -0.15746    0.06106  -2.579  0.00992 ** 
## Campo_EducacionHumanidades    0.71130    0.63790   1.115  0.26482    
## Campo_EducacionMercadeo       0.27811    0.26606   1.045  0.29589    
## Campo_EducacionOtra          -0.13095    0.35744  -0.366  0.71411    
## Campo_EducacionSalud         -0.03032    0.18548  -0.163  0.87013    
## Campo_EducacionTecnicos       0.59746    0.24726   2.416  0.01568 *  
## CargoDirector_Manofactura     0.91898    0.79222   1.160  0.24605    
## CargoEjecutivo_Ventas         1.93238    0.74236   2.603  0.00924 ** 
## CargoGerente                  0.69322    0.85908   0.807  0.41970    
## CargoInvestigador_Cientifico  1.72958    0.74104   2.334  0.01960 *  
## CargoRecursos_Humanos         1.87593    0.85946   2.183  0.02906 *  
## CargoRepresentante_Salud      0.89721    0.79963   1.122  0.26185    
## CargoRepresentante_Ventas     2.94476    0.76563   3.846  0.00012 ***
## CargoTecnico_Laboratorio      2.30860    0.73781   3.129  0.00175 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 1298.6  on 1469  degrees of freedom
## Residual deviance: 1170.3  on 1451  degrees of freedom
## AIC: 1208.3
## 
## Number of Fisher Scoring iterations: 6

Predicciones con el modelo logístico

Datos_Rotacion$Equilibrio_Trabajo_Vida <- as.factor(Datos_Rotacion$Equilibrio_Trabajo_Vida)
# Cargar paquetes necesarios
require(table1)

# Asegurar que Campo_Educacion tenga los niveles correctos
Datos_Rotacion$Campo_Educacion <- factor(Datos_Rotacion$Campo_Educacion, 
                                         levels = c("Ciencias", "Humanidades", "Mercadeo", 
                                                    "Otra", "Salud", "Tecnicos"))

# Asegurar que Equilibrio_Trabajo_Vida sea un factor
Datos_Rotacion$Equilibrio_Trabajo_Vida <- as.factor(Datos_Rotacion$Equilibrio_Trabajo_Vida)

# Datos de rotación
# Relacionar las variables Rotacion, Edad, Estado_Civil e Ingreso_Mensual
table1(~Edad | Rotacion, data = Datos_Rotacion)

	No (N=1233)	Si (N=237)	Overall (N=1470)
Edad
Mean (SD)	37.6 (8.89)	33.6 (9.69)	36.9 (9.14)
Median [Min, Max]	36.0 [18.0, 60.0]	32.0 [18.0, 58.0]	36.0 [18.0, 60.0]

table1(~Edad + Estado_Civil + Ingreso_Mensual + Equilibrio_Trabajo_Vida | Rotacion, data = Datos_Rotacion)

	No (N=1233)	Si (N=237)	Overall (N=1470)
Edad
Mean (SD)	37.6 (8.89)	33.6 (9.69)	36.9 (9.14)
Median [Min, Max]	36.0 [18.0, 60.0]	32.0 [18.0, 58.0]	36.0 [18.0, 60.0]
Estado_Civil
Casado	589 (47.8%)	84 (35.4%)	673 (45.8%)
Divorciado	294 (23.8%)	33 (13.9%)	327 (22.2%)
Soltero	350 (28.4%)	120 (50.6%)	470 (32.0%)
Ingreso_Mensual
Mean (SD)	6830 (4820)	4790 (3640)	6500 (4710)
Median [Min, Max]	5200 [1050, 20000]	3200 [1010, 19900]	4920 [1010, 20000]
Equilibrio_Trabajo_Vida
1	55 (4.5%)	25 (10.5%)	80 (5.4%)
2	286 (23.2%)	58 (24.5%)	344 (23.4%)
3	766 (62.1%)	127 (53.6%)	893 (60.7%)
4	126 (10.2%)	27 (11.4%)	153 (10.4%)

# Ajustar un modelo logístico
Datos_Rotacion$Rotacion_bin <- as.numeric(Datos_Rotacion$Rotacion == "Si")

mod <- glm(Rotacion_bin ~ Edad + Estado_Civil + Ingreso_Mensual + Equilibrio_Trabajo_Vida + Campo_Educacion, 
           data = Datos_Rotacion, family = "binomial")

summary(mod)

## 
## Call:
## glm(formula = Rotacion_bin ~ Edad + Estado_Civil + Ingreso_Mensual + 
##     Equilibrio_Trabajo_Vida + Campo_Educacion, family = "binomial", 
##     data = Datos_Rotacion)
## 
## Coefficients:
##                              Estimate Std. Error z value Pr(>|z|)    
## (Intercept)                 3.572e-01  4.319e-01   0.827 0.408248    
## Edad                       -2.764e-02  9.736e-03  -2.839 0.004527 ** 
## Estado_CivilDivorciado     -2.218e-01  2.226e-01  -0.996 0.319101    
## Estado_CivilSoltero         8.311e-01  1.650e-01   5.036 4.76e-07 ***
## Ingreso_Mensual            -9.604e-05  2.453e-05  -3.915 9.05e-05 ***
## Equilibrio_Trabajo_Vida2   -7.955e-01  2.993e-01  -2.658 0.007859 ** 
## Equilibrio_Trabajo_Vida3   -1.063e+00  2.766e-01  -3.842 0.000122 ***
## Equilibrio_Trabajo_Vida4   -7.670e-01  3.417e-01  -2.245 0.024766 *  
## Campo_EducacionHumanidades  1.017e+00  4.817e-01   2.111 0.034733 *  
## Campo_EducacionMercadeo     7.133e-01  2.356e-01   3.028 0.002461 ** 
## Campo_EducacionOtra        -1.470e-01  3.549e-01  -0.414 0.678787    
## Campo_EducacionSalud       -1.182e-01  1.850e-01  -0.639 0.522905    
## Campo_EducacionTecnicos     5.494e-01  2.469e-01   2.225 0.026101 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 1298.6  on 1469  degrees of freedom
## Residual deviance: 1173.5  on 1457  degrees of freedom
## AIC: 1199.5
## 
## Number of Fisher Scoring iterations: 5

Convertir probabilidades en valores binarios con umbral de 0.2

# Obtener probabilidades de rotación para cada individuo
probas <- mod$fitted.values
probas[2]

##          2 
## 0.07225154

# Convertir probabilidades en valores binarios con umbral de 0.2
predi <- probas > 0.2
predi

##     1     2     3     4     5     6     7     8     9    10    11    12    13 
##  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE 
##    14    15    16    17    18    19    20    21    22    23    24    25    26 
## FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE 
##    27    28    29    30    31    32    33    34    35    36    37    38    39 
##  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE 
##    40    41    42    43    44    45    46    47    48    49    50    51    52 
## FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE  TRUE 
##    53    54    55    56    57    58    59    60    61    62    63    64    65 
## FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE 
##    66    67    68    69    70    71    72    73    74    75    76    77    78 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE 
##    79    80    81    82    83    84    85    86    87    88    89    90    91 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##    92    93    94    95    96    97    98    99   100   101   102   103   104 
##  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE 
##   105   106   107   108   109   110   111   112   113   114   115   116   117 
## FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   118   119   120   121   122   123   124   125   126   127   128   129   130 
## FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE 
##   131   132   133   134   135   136   137   138   139   140   141   142   143 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE 
##   144   145   146   147   148   149   150   151   152   153   154   155   156 
##  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE 
##   157   158   159   160   161   162   163   164   165   166   167   168   169 
## FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   170   171   172   173   174   175   176   177   178   179   180   181   182 
##  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE  TRUE 
##   183   184   185   186   187   188   189   190   191   192   193   194   195 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE 
##   196   197   198   199   200   201   202   203   204   205   206   207   208 
## FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE 
##   209   210   211   212   213   214   215   216   217   218   219   220   221 
##  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE 
##   222   223   224   225   226   227   228   229   230   231   232   233   234 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE 
##   235   236   237   238   239   240   241   242   243   244   245   246   247 
##  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE 
##   248   249   250   251   252   253   254   255   256   257   258   259   260 
## FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE 
##   261   262   263   264   265   266   267   268   269   270   271   272   273 
##  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   274   275   276   277   278   279   280   281   282   283   284   285   286 
## FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE 
##   287   288   289   290   291   292   293   294   295   296   297   298   299 
##  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE 
##   300   301   302   303   304   305   306   307   308   309   310   311   312 
## FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE 
##   313   314   315   316   317   318   319   320   321   322   323   324   325 
##  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE 
##   326   327   328   329   330   331   332   333   334   335   336   337   338 
## FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE 
##   339   340   341   342   343   344   345   346   347   348   349   350   351 
## FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   352   353   354   355   356   357   358   359   360   361   362   363   364 
## FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE 
##   365   366   367   368   369   370   371   372   373   374   375   376   377 
## FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE 
##   378   379   380   381   382   383   384   385   386   387   388   389   390 
## FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE 
##   391   392   393   394   395   396   397   398   399   400   401   402   403 
## FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE 
##   404   405   406   407   408   409   410   411   412   413   414   415   416 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE 
##   417   418   419   420   421   422   423   424   425   426   427   428   429 
## FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE 
##   430   431   432   433   434   435   436   437   438   439   440   441   442 
## FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##   443   444   445   446   447   448   449   450   451   452   453   454   455 
## FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE 
##   456   457   458   459   460   461   462   463   464   465   466   467   468 
## FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE 
##   469   470   471   472   473   474   475   476   477   478   479   480   481 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE 
##   482   483   484   485   486   487   488   489   490   491   492   493   494 
## FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE 
##   495   496   497   498   499   500   501   502   503   504   505   506   507 
## FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   508   509   510   511   512   513   514   515   516   517   518   519   520 
## FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE 
##   521   522   523   524   525   526   527   528   529   530   531   532   533 
## FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE 
##   534   535   536   537   538   539   540   541   542   543   544   545   546 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE  TRUE 
##   547   548   549   550   551   552   553   554   555   556   557   558   559 
##  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE 
##   560   561   562   563   564   565   566   567   568   569   570   571   572 
##  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   573   574   575   576   577   578   579   580   581   582   583   584   585 
## FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE 
##   586   587   588   589   590   591   592   593   594   595   596   597   598 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE 
##   599   600   601   602   603   604   605   606   607   608   609   610   611 
##  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##   612   613   614   615   616   617   618   619   620   621   622   623   624 
## FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE 
##   625   626   627   628   629   630   631   632   633   634   635   636   637 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   638   639   640   641   642   643   644   645   646   647   648   649   650 
## FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   651   652   653   654   655   656   657   658   659   660   661   662   663 
## FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE 
##   664   665   666   667   668   669   670   671   672   673   674   675   676 
##  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE 
##   677   678   679   680   681   682   683   684   685   686   687   688   689 
##  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE  TRUE 
##   690   691   692   693   694   695   696   697   698   699   700   701   702 
##  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE 
##   703   704   705   706   707   708   709   710   711   712   713   714   715 
## FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE 
##   716   717   718   719   720   721   722   723   724   725   726   727   728 
## FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE 
##   729   730   731   732   733   734   735   736   737   738   739   740   741 
## FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   742   743   744   745   746   747   748   749   750   751   752   753   754 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE 
##   755   756   757   758   759   760   761   762   763   764   765   766   767 
##  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   768   769   770   771   772   773   774   775   776   777   778   779   780 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE 
##   781   782   783   784   785   786   787   788   789   790   791   792   793 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE 
##   794   795   796   797   798   799   800   801   802   803   804   805   806 
## FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##   807   808   809   810   811   812   813   814   815   816   817   818   819 
## FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE 
##   820   821   822   823   824   825   826   827   828   829   830   831   832 
##  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE 
##   833   834   835   836   837   838   839   840   841   842   843   844   845 
## FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE 
##   846   847   848   849   850   851   852   853   854   855   856   857   858 
##  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE 
##   859   860   861   862   863   864   865   866   867   868   869   870   871 
## FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE 
##   872   873   874   875   876   877   878   879   880   881   882   883   884 
##  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE 
##   885   886   887   888   889   890   891   892   893   894   895   896   897 
## FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##   898   899   900   901   902   903   904   905   906   907   908   909   910 
## FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE 
##   911   912   913   914   915   916   917   918   919   920   921   922   923 
## FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE 
##   924   925   926   927   928   929   930   931   932   933   934   935   936 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE 
##   937   938   939   940   941   942   943   944   945   946   947   948   949 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE 
##   950   951   952   953   954   955   956   957   958   959   960   961   962 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE 
##   963   964   965   966   967   968   969   970   971   972   973   974   975 
## FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE 
##   976   977   978   979   980   981   982   983   984   985   986   987   988 
## FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE 
##   989   990   991   992   993   994   995   996   997   998   999  1000  1001 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE 
##  1002  1003  1004  1005  1006  1007  1008  1009  1010  1011  1012  1013  1014 
##  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE 
##  1015  1016  1017  1018  1019  1020  1021  1022  1023  1024  1025  1026  1027 
## FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##  1028  1029  1030  1031  1032  1033  1034  1035  1036  1037  1038  1039  1040 
## FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE 
##  1041  1042  1043  1044  1045  1046  1047  1048  1049  1050  1051  1052  1053 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE 
##  1054  1055  1056  1057  1058  1059  1060  1061  1062  1063  1064  1065  1066 
## FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE 
##  1067  1068  1069  1070  1071  1072  1073  1074  1075  1076  1077  1078  1079 
## FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE 
##  1080  1081  1082  1083  1084  1085  1086  1087  1088  1089  1090  1091  1092 
## FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE 
##  1093  1094  1095  1096  1097  1098  1099  1100  1101  1102  1103  1104  1105 
## FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE 
##  1106  1107  1108  1109  1110  1111  1112  1113  1114  1115  1116  1117  1118 
##  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE 
##  1119  1120  1121  1122  1123  1124  1125  1126  1127  1128  1129  1130  1131 
## FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE 
##  1132  1133  1134  1135  1136  1137  1138  1139  1140  1141  1142  1143  1144 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##  1145  1146  1147  1148  1149  1150  1151  1152  1153  1154  1155  1156  1157 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE 
##  1158  1159  1160  1161  1162  1163  1164  1165  1166  1167  1168  1169  1170 
## FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE 
##  1171  1172  1173  1174  1175  1176  1177  1178  1179  1180  1181  1182  1183 
##  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE 
##  1184  1185  1186  1187  1188  1189  1190  1191  1192  1193  1194  1195  1196 
## FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE 
##  1197  1198  1199  1200  1201  1202  1203  1204  1205  1206  1207  1208  1209 
## FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE 
##  1210  1211  1212  1213  1214  1215  1216  1217  1218  1219  1220  1221  1222 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE 
##  1223  1224  1225  1226  1227  1228  1229  1230  1231  1232  1233  1234  1235 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE 
##  1236  1237  1238  1239  1240  1241  1242  1243  1244  1245  1246  1247  1248 
## FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE 
##  1249  1250  1251  1252  1253  1254  1255  1256  1257  1258  1259  1260  1261 
##  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE 
##  1262  1263  1264  1265  1266  1267  1268  1269  1270  1271  1272  1273  1274 
## FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE 
##  1275  1276  1277  1278  1279  1280  1281  1282  1283  1284  1285  1286  1287 
##  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE 
##  1288  1289  1290  1291  1292  1293  1294  1295  1296  1297  1298  1299  1300 
## FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE 
##  1301  1302  1303  1304  1305  1306  1307  1308  1309  1310  1311  1312  1313 
## FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE 
##  1314  1315  1316  1317  1318  1319  1320  1321  1322  1323  1324  1325  1326 
##  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE 
##  1327  1328  1329  1330  1331  1332  1333  1334  1335  1336  1337  1338  1339 
##  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE 
##  1340  1341  1342  1343  1344  1345  1346  1347  1348  1349  1350  1351  1352 
##  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE 
##  1353  1354  1355  1356  1357  1358  1359  1360  1361  1362  1363  1364  1365 
## FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE 
##  1366  1367  1368  1369  1370  1371  1372  1373  1374  1375  1376  1377  1378 
##  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE 
##  1379  1380  1381  1382  1383  1384  1385  1386  1387  1388  1389  1390  1391 
## FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE 
##  1392  1393  1394  1395  1396  1397  1398  1399  1400  1401  1402  1403  1404 
##  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
##  1405  1406  1407  1408  1409  1410  1411  1412  1413  1414  1415  1416  1417 
## FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE 
##  1418  1419  1420  1421  1422  1423  1424  1425  1426  1427  1428  1429  1430 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE 
##  1431  1432  1433  1434  1435  1436  1437  1438  1439  1440  1441  1442  1443 
## FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE 
##  1444  1445  1446  1447  1448  1449  1450  1451  1452  1453  1454  1455  1456 
## FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE 
##  1457  1458  1459  1460  1461  1462  1463  1464  1465  1466  1467  1468  1469 
## FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
##  1470 
## FALSE

real <- Datos_Rotacion$Rotacion

resultado <- data.frame(real, predi)

Matriz de confusión

# Matriz de confusión
table(resultado)

##     predi
## real FALSE TRUE
##   No   947  286
##   Si   108  129

# Accuracy
accuracy <- (951 + 113) / 1470  # El modelo clasifica bien el 72% de los registros

# Tasa de error
error_rate <- 1 - accuracy

# Sensibilidad
sensibilidad <- 113 / (124 + 113)  # El modelo clasifica bien el 47% de los positivos

# Especificidad
especificidad <- 951 / (951 + 282)  # El modelo clasifica bien el 77% de los negativos

# Distribución de Rotacion en porcentaje
table(Datos_Rotacion$Rotacion) / 1470 * 100

## 
##       No       Si 
## 83.87755 16.12245