rm(list=ls(all=TRUE))
gc(TRUE)

set.seed(1)

dados.banc<-read.table("C:/Users/Cibele/Dropbox/Disciplinas/! 2014 2 Análise Multivariada Estatística/Aulas Práticas e Exercícios em sala/Dados_bancarios.csv", header=TRUE, sep=";")

names(dados.banc)

attach(dados.banc)

# Realize uma análise exploratoria dos dados

pairs(dados)


# Tome uma amostra e realize teste de normalidade para as variáveis contínuas

amostra<-sample(1:nrow(dados.banc),100)

dados<-dados.banc[,c(6,7,8,9,12)]
dados<-dados[amostra,]

inadimplente<-dados.banc[,13]
inadimplente<-inadimplente[amostra]

library(mvShapiroTest)
mvShapiro.Test(as.matrix(dados))

# Desenvolva e interprete uma análise de agrupamentos

#Verifique diferenças nos métodos Ward e Ligação simples

agrupamento<-hclust(dist(dados), method="ward.D")
plot(agrupamento)

agrupamento<-hclust(dist(dados), method="single")
plot(agrupamento)


# Desenvolva uma análise discriminante considerando o status Inadimplente 
# utilizando os Saldos dos anos anteriores como explicativas 
# Utilize uma amostra maior de dados


amostra<-sample(1:nrow(dados.banc),1000)

dados<-dados.banc[,c(6,7,8,9,12)]
dados<-dados[amostra,]

inadimplente<-dados.banc[,13]
inadimplente<-inadimplente[amostra]


modelo<-glm(inadimplente ~ as.matrix(dados[,2:5]), family=binomial())
summary(modelo)