## Simulación de datos para una regresión logística
n <- 500  #numero de observaciones
beta <- c(-6, 4, 3, .2); d <- length(beta); ## parametros del modelo
p1 <- .50; p2<-.60 
X <- cbind(rep(1,n),rbinom(n,1,p1), rbinom(n,1,p2),trunc(rnorm(n,30,10)), rep(-1,n)); ## generacion de las variables independientes
a <- exp(X[,1:d]%*%beta); p <- a/(1+a); ## probabilidades de la varaible respuesta

for (i in 1:n)  X[i, (d+1)] <- rbinom(1,1,p[i]) ## generacion variable dependiente
X1<-X[,2:(d+1)]; X1

X1 <- data.frame(X1) ## estructura de data frame


names(X1)[c(d)] <- c("Y") ## nombre de la variable dependiente
X1$Y <- as.factor(X1$Y) ## variable dependiente como factor
X1$X1 <- as.factor(X1$X1); X1$X2 <- as.factor(X1$X2) ## tranformacion en factores de variables independientes

## Construccion del modelo lde regresion logistica
GLM.2 <- glm(Y ~ X1+X2+X3, family=binomial(logit), data=X1)
summary(GLM.2)
oldpar <- par(oma=c(0,0,3,0), mfrow=c(2,2))
plot(GLM.2)
par(oldpar)
oldpar <- par(oma=c(0,0,3,0), mfrow=c(2,2))
plot(GLM.2)
par(oldpar)