Un analista financiero investiga los factores que están asociados con la probabilidad de que un estudiante universitario tenga ciertas tarjetas de crédito. El analista selecciona estudiantes universitarios de manera aleatoria para una encuesta. La encuesta hace preguntas a los estudiantes acerca de su educación y finanzas.
Puesto que la respuesta es binaria, el analista utiliza la regresión logística binaria para determinar si las variables financieras están relacionadas con la probabilidad de que los estudiantes universitarios tengan una tarjeta de crédito American Express. El analista crea una gráfica basada en el modelo de regresión logística binaria para entender mejor la relación entre los predictores y la probabilidad de que los estudiantes universitarios tengan una tarjeta de crédito American Express.
Minitab utiliza el modelo almacenado para crear la gráfica de contorno. Los contornos tienen una forma compleja que es difícil de describir. En general, los estudiantes con más dinero en efectivo en sus billeteras y menores ingresos tienen una mayor probabilidad de poseer una tarjeta de crédito American Express. Los estudiantes con poco dinero en efectivo tienen poca probabilidad de poseer una tarjeta de crédito American Express, a menos que también tengan ingresos anuales muy elevados. Los estudiantes con mayores ingresos anuales tienen una menor probabilidad de poseer una tarjeta de crédito American Express, a menos que también tengan una cantidad muy baja o muy alta de dinero en efectivo.
La leyenda de la gráfica indica que los colores oscuros corresponden a probabilidades más altas de tener una tarjeta de crédito American Express
Para agregar anotaciones de los valores de los predictores y las respuestas para cualquier punto de esta gráfica, utilice Colocar bandera. Para colocar un indicador, haga clic con el botón derecho en la gráfica, elija Colocar bandera en el menú que aparece y luego haga clic en el punto de la gráfica para el que desea agregar la anotación. Utilice Predecir para determinar si estos puntos son poco comunes y para evaluar la precisión de las predicciones.