ANÁLISIS DEL DISCRIMINANTE EN R EJEMPLO

Entorno de trabajo

rm(list=ls())     
graphics.off()    

library(foreign)
library(ggplot2)
library(MASS)
Alumnos<-read.csv("E:/Alumnos.csv")
View(Alumnos)

La base de datos se puede descargar de Alumnos.csv

Aplicar el modelo.

Alumnos$aprobado<-factor(Alumnos$aprobado, levels = c(0,1), labels = c("Reprueba","Aprueba"))
head(Alumnos)
library(MASS)
dis=lda(aprobado~hrs_estudio+hrs_fiesta+hrs_camino_escuela+calificacion_mate, data=Alumnos,prior=c(0.5,0.5))
dis
## Call:
## lda(aprobado ~ hrs_estudio + hrs_fiesta + hrs_camino_escuela + 
##     calificacion_mate, data = Alumnos, prior = c(0.5, 0.5))
## 
## Prior probabilities of groups:
## Reprueba  Aprueba 
##      0.5      0.5 
## 
## Group means:
##          hrs_estudio hrs_fiesta hrs_camino_escuela calificacion_mate
## Reprueba    5.166667   2.500000           2.333333          2.833333
## Aprueba     7.500000   2.083333           1.333333          7.750000
## 
## Coefficients of linear discriminants:
##                           LD1
## hrs_estudio         0.2329660
## hrs_fiesta          0.1542990
## hrs_camino_escuela -0.7837048
## calificacion_mate   0.4242002

Nueva observación

#   Supongamos que entra un alumno nuevo. Y que:
#     hrs_estudio =4.3
#     hrs_fiesta  =1.5
#     hrs_camino  =1.3
#     calif_mate  =8.0
nuevo.alumno=rbind(c(4.3,1.5,1.3,8.0))

colnames(nuevo.alumno)=colnames(Alumnos[,2:5])
nuevo.alumno=data.frame(nuevo.alumno)
nuevo.alumno

Predicción

predict(dis,newdata =nuevo.alumno)
## $class
## [1] Aprueba
## Levels: Reprueba Aprueba
## 
## $posterior
##     Reprueba   Aprueba
## 1 0.03727149 0.9627285
## 
## $x
##         LD1
## 1 0.9710006