dados = read.table("ClientesConcessionaria.csv",header=T,sep=";",dec=",")
# Variável Status:    0 =  adimplente
#                     1 =  inadimplente
names(dados)
table(dados$Status)
#
head(dados)
# Sorteio para amostras equilibradas
df.1 <- dados[dados$Status==1,]
df.0 <- dados[dados$Status==0,]
n = 27
df.1.s <- df.1[sample(nrow(df.1), n), ]
df.0.s <- df.0[sample(nrow(df.0), n), ]
df.samp = merge(df.1.s,df.0.s,all=TRUE)
rm(df.1,df.0,df.1.s,df.0.s,n)
#
table(df.samp$Status)
names(df.samp)
#
##################################################################
# Análise Discriminante ##########################################
library(DiscriMiner)
modelo.D <- linDA(df.samp[,3:5], df.samp$Status)
modelo.D[]

dados2 <- dados[,3:5]
classifica = classify(modelo.D, dados2)
dados$Score0 <- classifica$scores[,1]
dados$Score1 <- classifica$scores[,2]
dados$classificações <- classifica$pred_class
#
# Tabulação cruzada: Status  versus  Classificação prevista
tab.D <- table(dados$Status,dados$classificações)
tab.D
# 
# Acerto total do modelo
acerto.D <- (tab.D[1] + tab.D[4])/sum(tab.D)
acerto.D
#
##################################################################
# Regressão Logística ############################################
modelo.RL = glm(Status ~ Renda + Dependentes + 
VinculoEmpr, family = "binomial",data=df.samp)
modelo.RL
summary(modelo.RL)
# Gravando resultados
df.samp$prob.RL = modelo.RL$fitted.values
df.samp$gx.RL = modelo.RL$linear.predictors
df.samp$prev.RL = round(modelo.RL$fitted.values)
#
# Tabulação cruzada: Status  versus  Classificação prevista
tab.RL = table(df.samp$prev.RL,df.samp$Status)
tab.RL
# Acerto total do modelo
acerto.RL <- (tab.RL[1] + tab.RL[4])/sum(tab.RL)
acerto.RL
#
dados$Prob = predict(dados,object = modelo.RL,type ="response")
dados$Linear = predict(dados,object = modelo.RL)
head(dados)
dados$Prev = round(predict(dados,object = modelo.RL,type ="response"))
head(dados)
#
tab.RL.t= table(dados$Prev,dados$Status)
tab.RL.t
# Acerto total do modelo
acerto.RL.t <- (tab.RL.t[1] + tab.RL.t[4])/sum(tab.RL.t)
acerto.RL.t
#
#
# Gráficos
boxplot(dados$Prob~dados$Status)
plot(dados$z.RL,dados$prob.RL)
#
library(googleVis)
dados$Ano = 2015
dados$Id = c(1:92)
head(dados)
#
mchart = gvisMotionChart(data=dados,idvar="ID.Cliente",timevar="Ano",
xvar="Linear", yvar="Prob",sizevar="Renda", colorvar="Status",
options=list(width=1000, height=600))
#
plot(mchart)
#
# -------------------------------------------------------------