Utilizando el libro de texto del curso: Realizar lo siguiente 1) Preparación del dataset (pag. 154 - sec. 4.6.1), 2) Laboratorio Regresión Logística (pag. 156 - sec. 4.6.2), 3) Análisis de Discriminante Lineal (pag. 161 - sec. 4.6.3)

1) Preparación del dataset (pag. 154 - sec. 4.6.1),

2) Laboratorio Regresión Logística (pag. 156 - sec. 4.6.2),

predict(glm.fit, newdata=data.frame(Lag1=c(1.2,1.5),Lag2=c(1.1,-0.8)),type="response")
        1         2 
0.4791462 0.4960939 

3) Análisis de Discriminante Lineal (pag. 161 - sec. 4.6.3)

sum(lda.pred$posterior[,1]>.9)
[1] 0
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