Importar base de datos

#file.choose()
titanic <- read.csv("/Users/liz/Downloads/titanic.csv")

Entender base de datos

summary(titanic)
##      pclass         survived         name               sex           
##  Min.   :1.000   Min.   :0.000   Length:1310        Length:1310       
##  1st Qu.:2.000   1st Qu.:0.000   Class :character   Class :character  
##  Median :3.000   Median :0.000   Mode  :character   Mode  :character  
##  Mean   :2.295   Mean   :0.382                                        
##  3rd Qu.:3.000   3rd Qu.:1.000                                        
##  Max.   :3.000   Max.   :1.000                                        
##  NA's   :1       NA's   :1                                            
##       age              sibsp            parch          ticket         
##  Min.   : 0.1667   Min.   :0.0000   Min.   :0.000   Length:1310       
##  1st Qu.:21.0000   1st Qu.:0.0000   1st Qu.:0.000   Class :character  
##  Median :28.0000   Median :0.0000   Median :0.000   Mode  :character  
##  Mean   :29.8811   Mean   :0.4989   Mean   :0.385                     
##  3rd Qu.:39.0000   3rd Qu.:1.0000   3rd Qu.:0.000                     
##  Max.   :80.0000   Max.   :8.0000   Max.   :9.000                     
##  NA's   :264       NA's   :1        NA's   :1                         
##       fare            cabin             embarked             boat          
##  Min.   :  0.000   Length:1310        Length:1310        Length:1310       
##  1st Qu.:  7.896   Class :character   Class :character   Class :character  
##  Median : 14.454   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 33.295                                                           
##  3rd Qu.: 31.275                                                           
##  Max.   :512.329                                                           
##  NA's   :2                                                                 
##       body        home.dest        
##  Min.   :  1.0   Length:1310       
##  1st Qu.: 72.0   Class :character  
##  Median :155.0   Mode  :character  
##  Mean   :160.8                     
##  3rd Qu.:256.0                     
##  Max.   :328.0                     
##  NA's   :1189
str(titanic)
## 'data.frame':    1310 obs. of  14 variables:
##  $ pclass   : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ survived : int  1 1 0 0 0 1 1 0 1 0 ...
##  $ name     : chr  "Allen, Miss. Elisabeth Walton" "Allison, Master. Hudson Trevor" "Allison, Miss. Helen Loraine" "Allison, Mr. Hudson Joshua Creighton" ...
##  $ sex      : chr  "female" "male" "female" "male" ...
##  $ age      : num  29 0.917 2 30 25 ...
##  $ sibsp    : int  0 1 1 1 1 0 1 0 2 0 ...
##  $ parch    : int  0 2 2 2 2 0 0 0 0 0 ...
##  $ ticket   : chr  "24160" "113781" "113781" "113781" ...
##  $ fare     : num  211 152 152 152 152 ...
##  $ cabin    : chr  "B5" "C22 C26" "C22 C26" "C22 C26" ...
##  $ embarked : chr  "S" "S" "S" "S" ...
##  $ boat     : chr  "2" "11" "" "" ...
##  $ body     : int  NA NA NA 135 NA NA NA NA NA 22 ...
##  $ home.dest: chr  "St Louis, MO" "Montreal, PQ / Chesterville, ON" "Montreal, PQ / Chesterville, ON" "Montreal, PQ / Chesterville, ON" ...

Filtrar base de datos

Titanic <- titanic[, c("pclass", "age", "sex", "survived")]
Titanic$survived <- as.factor(ifelse(Titanic$survived == 0, "Murió", "Sobrevivió"))
Titanic$pclass <- as.factor(Titanic$pclass)
Titanic$sex <- as.factor(Titanic$sex)

sum(is.na(Titanic))
## [1] 266
sapply(Titanic, function(x) sum(is.na(Titanic)))
##   pclass      age      sex survived 
##      266      266      266      266
Titanic <- na.omit(Titanic)

Árbol de decición

#install.packages("rpart")
library(rpart)
arbol <- rpart(formula = survived ~ ., data = Titanic)
arbol
## n= 1046 
## 
## node), split, n, loss, yval, (yprob)
##       * denotes terminal node
## 
##  1) root 1046 427 Murió (0.59177820 0.40822180)  
##    2) sex=male 658 135 Murió (0.79483283 0.20516717)  
##      4) age>=9.5 615 110 Murió (0.82113821 0.17886179) *
##      5) age< 9.5 43  18 Sobrevivió (0.41860465 0.58139535)  
##       10) pclass=3 29  11 Murió (0.62068966 0.37931034) *
##       11) pclass=1,2 14   0 Sobrevivió (0.00000000 1.00000000) *
##    3) sex=female 388  96 Sobrevivió (0.24742268 0.75257732)  
##      6) pclass=3 152  72 Murió (0.52631579 0.47368421)  
##       12) age>=1.5 145  66 Murió (0.54482759 0.45517241) *
##       13) age< 1.5 7   1 Sobrevivió (0.14285714 0.85714286) *
##      7) pclass=1,2 236  16 Sobrevivió (0.06779661 0.93220339) *
#install.packages("rpart,plot")
library(rpart.plot)

rpart.plot(arbol)

prp(arbol, extra = 7, prefix = "fraccion")

Número es la probabilidad de que pasara.
Porcentaje es la fracción de la población.

Conclusiones

  1. Las más altas probabilidades de sobrevivir en el Titanic son los niños menores de 9.5 años de 1’ o 2’ clase (100%), y mujeres en 1’ y 2’ clase (93%).
    hay que poner doble espacio para que cambie de renglón!!
  2. Las más bajas probabilidades de sobrevivir en el Titanic son los hombres mayores de 9.5 años (18%) y los hombres menores de 9.5 años en 3ra clase (38%)
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