Machine Learning Titanic
2023-09-11
#1.- ARCHIVO DE DATOS
En el paquete titanic se pueden encontrar todos los datos proporcionados por kaggle. Están divididos en dos partes, un conjunto de entrenamiento y un conjunto de test. En los datos de test, se desconoce si el pasajero sobrevivió o no, esto es así, porque la plataforma Kaggle evalúa con ellos la capacidad predictiva de los modelos presentados, es decir, el competidor crea un modelo con los datos de entrenamiento, predice la variable respuesta (superviviente o no superviviente) en el conjunto de test y envía sus predicciones a la plataforma.
La plataforma contrasta las predicciones con los verdaderos resultados y devuelve una puntuación. En este ejemplo, para evitar tener que estar enviado los resultados de cada modelo, se emplea únicamente el conjunto de entrenamiento. Además, esto refleja mejor lo que ocurre en la práctica cuando un analista se enfrenta a un nuevo set de datos.
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.2.3## Warning: package 'ggplot2' was built under R version 4.2.3## Warning: package 'tibble' was built under R version 4.2.3## Warning: package 'tidyr' was built under R version 4.2.3## Warning: package 'readr' was built under R version 4.2.3## Warning: package 'purrr' was built under R version 4.2.3## Warning: package 'dplyr' was built under R version 4.2.3## Warning: package 'forcats' was built under R version 4.2.3## Warning: package 'lubridate' was built under R version 4.2.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errorslibrary(titanic)## Warning: package 'titanic' was built under R version 4.2.3datos <- titanic_trainhead(datos)## PassengerId Survived Pclass
## 1 1 0 3
## 2 2 1 1
## 3 3 1 3
## 4 4 1 1
## 5 5 0 3
## 6 6 0 3
## Name Sex Age SibSp Parch
## 1 Braund, Mr. Owen Harris male 22 1 0
## 2 Cumings, Mrs. John Bradley (Florence Briggs Thayer) female 38 1 0
## 3 Heikkinen, Miss. Laina female 26 0 0
## 4 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35 1 0
## 5 Allen, Mr. William Henry male 35 0 0
## 6 Moran, Mr. James male NA 0 0
## Ticket Fare Cabin Embarked
## 1 A/5 21171 7.2500 S
## 2 PC 17599 71.2833 C85 C
## 3 STON/O2. 3101282 7.9250 S
## 4 113803 53.1000 C123 S
## 5 373450 8.0500 S
## 6 330877 8.4583 Q2.- ANÁLISIS EXPLORATORIO DE DATOS (EDA)
Antes de entrenar un modelo predictivo, o incluso antes de realizar cualquier cálculo con un nuevo conjunto de datos, es muy importante realizar una exploración descriptiva de los mismos. Este proceso permite entender mejor que información contiene cada variable, así como detectar posibles errores. Algunos ejemplos frecuentes son:
Que una columna se haya almacenado con el tipo incorrecto: una variable numérica está siendo reconocida como texto.
Que una variable contenga valores que no tienen sentido: para indicar que no se dispone de la altura de una persona se introduce el valor cero o un espacio en blanco. No existe nadie cuya altura sea cero.
Que en una variable de tipo numérico se haya introducido una palabra en lugar de un número.
Además, puede dar pistas sobre qué variables no son adecuadas como predictores en un modelo (más sobre esto en los siguientes apartados).
PassengerId: identificador único del pasajero.
Survived: si el pasajero sobrevivió al naufragio, codificada como 0 (no) y 1 (si). Esta es la variable respuesta que interesa predecir.
Pclass: clase a la que pertenecía el pasajero: 1, 2 o 3.
Name: nombre del pasajero.
Sex: sexo del pasajero.
Age: edad del pasajero.
SibSp: número de hermanos, hermanas, hermanastros o hermanastras en el barco.
Parch: número de padres e hijos en el barco.
Ticket: identificador del billete.
Fare: precio pagado por el billete.
Cabin: identificador del camarote asignado al pasajero.
Embarked: puerto en el que embarcó el pasajero.
#2.1.- TIPOS DE VARIABLES
Una de las primeras comprobaciones que hay que hacer tras cargar los datos, es verificar que cada variable se ha almacenado con el tipo de valor que le corresponde, es decir, que las variables numéricas sean números y las cualitativas factor, character o booleanas. En el lenguaje de programación R, cuando la variable es cualitativa, conviene almacenarla con el tipo factor.
#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <int> 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1…
## $ Pclass <int> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <chr> "male", "female", "female", "female", "male", "male", "mal…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <int> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <int> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> "", "C85", "", "C123", "", "", "E46", "", "", "", "G6", "C…
## $ Embarked <chr> "S", "C", "S", "S", "S", "Q", "S", "S", "S", "C", "S", "S"…En la tabla anterior puede verse el tipo de cada variable, así como un ejemplo de los valores que toma. A priori, el único caso en el que el tipo de valor no se corresponde con la naturaleza de la variable es Survived. Aunque esta variable está codificada como 1 si el pasajero sobrevivió y 0 si murió, no conviene almacenarla en formato numérico, ya que esto puede llevar a errores como el de tratar de calcular su media. Para evitar este tipo de problemas, se recodifica la variable para que sus dos posibles niveles sean “Si”-“No” y se convierte a factor.
datos$Survived <- if_else(datos$Survived == 1, "Si", "No")
datos$Survived <- as.factor(datos$Survived)#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <int> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <chr> "male", "female", "female", "female", "male", "male", "mal…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <int> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <int> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> "", "C85", "", "C123", "", "", "E46", "", "", "", "G6", "C…
## $ Embarked <chr> "S", "C", "S", "S", "S", "Q", "S", "S", "S", "C", "S", "S"…La variable Pclass es cualitativa ordinal, es decir, toma distintos valores cualitativos ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme. Por ejemplo: se asume que la diferencia entre primera y segunda clase es menor que la diferencia entre primera y tercera, sin embargo, las diferencias entre primera-segunda y segunda-tercera no tiene por qué ser iguales. Dado que las propiedades matemáticas no se cumplen (2−1≠3−2) es preferible no almacenarlas como números.
datos$Pclass <- as.factor(datos$Pclass)#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <chr> "male", "female", "female", "female", "male", "male", "mal…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <int> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <int> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> "", "C85", "", "C123", "", "", "E46", "", "", "", "G6", "C…
## $ Embarked <chr> "S", "C", "S", "S", "S", "Q", "S", "S", "S", "C", "S", "S"…Las variables SibSp y Parch son cuantitativas discretas, pueden tomar únicamente determinados valores numéricos. En este caso, al tratarse de número de personas (familiares e hijos), solo pueden ser números enteros. No existe una norma clara sobre como almacenar estas variables. Para este estudio exploratorio, dado que sólo toman unos pocos valores, se decide almacenarlas como factor.
datos$SibSp <- as.factor(datos$SibSp)
datos$Parch <- as.factor(datos$Parch)#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <chr> "male", "female", "female", "female", "male", "male", "mal…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <fct> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <fct> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> "", "C85", "", "C123", "", "", "E46", "", "", "", "G6", "C…
## $ Embarked <chr> "S", "C", "S", "S", "S", "Q", "S", "S", "S", "C", "S", "S"…Las variables Sex y Embarked también se convierten a tipo factor.
datos$Sex <- as.factor(datos$Sex)
datos$Embarked <- as.factor(datos$Embarked)#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <fct> male, female, female, female, male, male, male, male, fema…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <fct> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <fct> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> "", "C85", "", "C123", "", "", "E46", "", "", "", "G6", "C…
## $ Embarked <fct> S, C, S, S, S, Q, S, S, S, C, S, S, S, S, S, S, Q, S, S, C…El análisis exploratorio de variables suele caracterizarse por el cálculo de sumatorios, reestructuración de los datos y representaciones gráficas. Los paquetes dplyr, tidyr, ggplot… englobados dentro de la filosofía tydiverse facilitan en gran medida todos estos pasos.
Muchos de los cálculos y representaciones que se realizan a lo largo de este capítulo se consiguen de forma más rápida si los datos están almacenados siguiendo la estructura: observación, variable, valor. Como el set de datos no es lo suficientemente grande como para dar problemas de memoria, se crea un segundo dataframe con esta estructura.
datos_long <- datos %>% gather(key = "variable", value = "valor", -PassengerId)## Warning: attributes are not identical across measure variables; they will be
## droppedhead(datos_long)## PassengerId variable valor
## 1 1 Survived No
## 2 2 Survived Si
## 3 3 Survived Si
## 4 4 Survived Si
## 5 5 Survived No
## 6 6 Survived No#2.2.- DATOS AUSENTES
Junto con el estudio del tipo de variables, es básico conocer el número de observaciones disponibles y si todas ellas están completas, es decir, verificar si para cada observación se ha registrado el valor de cada una de las variables.
# Número de observaciones del set de datos
nrow(datos)## [1] 891# Detección si hay alguna fila incompleta
any(!complete.cases(datos))## [1] TRUEUna vez detectado que existen valores ausentes, se estudia la distribución de los mismos.
# Número de datos ausentes por variable
map_dbl(datos, .f = function(x){sum(is.na(x))})## PassengerId Survived Pclass Name Sex Age
## 0 0 0 0 0 177
## SibSp Parch Ticket Fare Cabin Embarked
## 0 0 0 0 0 0Viendo esta tabla, aparece una contradicción con el glimpse() mostrado en el apartado anterior. El primer valor de la variable Cabin es ““, es decir, no se dispone del valor; sin embargo, el contaje de los valores ausentes no lo muestra. Esto ocurre porque R interpreta el valor”” como un character, no como valor ausente NA.
Se procede a identificar qué variables contienen valores ““.
datos %>% map_lgl(.f = function(x){any(!is.na(x) & x == "")})## PassengerId Survived Pclass Name Sex Age
## FALSE FALSE FALSE FALSE FALSE FALSE
## SibSp Parch Ticket Fare Cabin Embarked
## FALSE FALSE FALSE FALSE TRUE TRUELas variables Cabin y Embarked contienen al menos un valor ““, se sustituyen por NA.
# La variable Cabin está almacenada como character
datos$Cabin[datos$Cabin == ""] <- NA#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <fct> male, female, female, female, male, male, male, male, fema…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <fct> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <fct> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> NA, "C85", NA, "C123", NA, NA, "E46", NA, NA, NA, "G6", "C…
## $ Embarked <fct> S, C, S, S, S, Q, S, S, S, C, S, S, S, S, S, S, Q, S, S, C…# La variable Embarked está almacenada como character
datos$Embarked[datos$Embarked == ""] <- NA#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 12
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <fct> male, female, female, female, male, male, male, male, fema…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <fct> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <fct> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> NA, "C85", NA, "C123", NA, NA, "E46", NA, NA, NA, "G6", "C…
## $ Embarked <fct> S, C, S, S, S, Q, S, S, S, C, S, S, S, S, S, S, Q, S, S, C…levels(datos$Embarked)## [1] "" "C" "Q" "S"datos$Embarked <- as.character(datos$Embarked)
datos$Embarked[datos$Embarked == ""] <- NA
datos$Embarked <- as.factor(datos$Embarked)
levels(datos$Embarked)## [1] "C" "Q" "S"# Este cambio también se aplica al dataframe datos_long
datos_long$valor[datos_long$valor == ""] <- NAUna vez sustituidos, se repite el contaje de valores ausentes.
# Número de datos ausentes por variable
map_dbl(datos, .f = function(x){sum(is.na(x))})## PassengerId Survived Pclass Name Sex Age
## 0 0 0 0 0 177
## SibSp Parch Ticket Fare Cabin Embarked
## 0 0 0 0 687 2# Representación gráfica de los datos ausentes
datos_long <- datos_long %>% mutate(ausente = is.na(valor))
ggplot(data = datos_long, aes(x = variable, y = PassengerId, fill = ausente)) +
geom_raster() +
scale_fill_manual(values = c("gray60", "orangered2")) +
theme_bw() +
labs(title = "Valores ausentes por variable") +
theme(legend.position = "bottom")
datos_long %>%
group_by(variable) %>%
summarize(porcentaje_NA = 100 * sum(is.na(valor)) / length(valor)) %>%
ggplot(aes(x = reorder(variable, desc(porcentaje_NA)), y = porcentaje_NA)) +
geom_col() +
labs(title = "Porcentaje valores ausentes por variable",
x = "Variable", y = "Porcentaje NAs") +
theme_bw()
La distribución de los valores ausentes muestra que, para poco más del
20% de los pasajeros, se dispone de información sobre la cabina. La
variable Age también está ausente en un número considerable de
pasajeros. Sólo para dos pasajeros se desconoce el puerto desde el que
embarcaron.
Los valores ausentes son muy importantes a la hora de crear modelos, algunos algoritmos no aceptan observaciones incompletas o bien se ven muy influenciados por ellas. Aunque la imputación de valores ausentes es parte del preprocesado y, por lo tanto, debe de aprenderse únicamente con los datos de entrenamiento, su identificación se tiene que realizar antes de separar los datos para asegurar que se establecen todas las estrategias de imputación necesarias. Por ejemplo: sólo dos observaciones tienen ausente la variable Embarked, si esas dos observaciones caen en el conjunto de test, al estudiar el conjunto de entrenamiento, no se identificaría la necesidad de imputar esta variable.
#2.3.- DISTRIBUCIÓN VARIABLE RESPUESTA
ggplot(data = datos, aes(x = Survived, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Supervivencia") +
theme_bw() +
theme(legend.position = "bottom")## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
# Tabla de frecuencias absolutas
table(datos$Survived)##
## No Si
## 549 342# Tabla de frecuencias relativas.
prop.table(table(datos$Survived)) %>% round(digits=2)##
## No Si
## 0.62 0.38Para que un modelo predictivo sea útil, debe de tener un porcentaje de acierto superior a lo esperado por azar o a un determinado nivel basal. En problemas de clasificación, el nivel basal es el que se obtiene si se asignan todas las observaciones a la clase mayoritaria (la moda).
En el naufragio del Titanic, dado que el 62% de los pasajeros fallecieron, si siempre se predice Survived = No, el porcentaje de aciertos será aproximadamente del 62%. Este es el porcentaje mínimo que hay que intentar superar con los modelos predictivos. (Siendo estrictos, este porcentaje tendrá que ser recalculado únicamente con el conjunto de entrenamiento).
# Porcentaje de aciertos si se predice para todas las observaciones que no sobrevivieron.
n_observaciones <- nrow(datos)
predicciones <- rep(x = "No", n_observaciones)
mean(predicciones == datos$Survived) * 100## [1] 61.61616#2.4.- DISTRIBUCIÓN DE LAS VARIABLES CUANTITATIVAS
Como el objetivo del estudio es predecir qué pasajeros sobrevivieron y cuáles no, el análisis de cada variable se hace en relación a la variable respuesta Survived. Analizando los datos de esta forma, se pueden empezar a extraer ideas sobre qué variables están más relacionadas con la supervivencia.
library(ggpubr)## Warning: package 'ggpubr' was built under R version 4.2.3p1 <- ggplot(data = datos, aes(x = Age, fill = Survived)) +
geom_density(alpha = 0.5) +
scale_fill_manual(values = c("gray50", "orangered2")) +
geom_rug(aes(color = Survived), alpha = 0.5) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
p2 <- ggplot(data = datos, aes(x = Survived, y = Age, color = Survived)) +
geom_boxplot(outlier.shape = NA) +
geom_jitter(alpha = 0.3, width = 0.15) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
final_plot <- ggarrange(p1, p2, legend = "top")## Warning: Removed 177 rows containing non-finite values (`stat_density()`).## Warning: Removed 177 rows containing non-finite values (`stat_boxplot()`).## Warning: Removed 177 rows containing missing values (`geom_point()`).final_plot <- annotate_figure(final_plot, top = text_grob("Age", size = 15))
final_plot
# Estadísticos de la edad de los supervivientes y fallecidos
datos %>% filter(!is.na(Age)) %>% group_by(Survived) %>%
summarise(media = mean(Age),
mediana = median(Age),
min = min(Age),
max = max(Age))## # A tibble: 2 × 5
## Survived media mediana min max
## <fct> <dbl> <dbl> <dbl> <dbl>
## 1 No 30.6 28 1 74
## 2 Si 28.3 28 0.42 80La distribución de la edad de los pasajeros parece ser muy similar entre el grupo de supervivientes y fallecidos, con dos excepciones: en el rango de edad aproximado de 0 a 10 años, el porcentaje de supervivencia es mucho mayor, mientras que, en el extremo opuesto, a partir de los 60 años, la tendencia se invierte. Dos hipótesis que podrían explicar estos patrones son: que, según los registros, en el protocolo de evacuación del Titanic se priorizó que mujeres y niños subiesen a los botes salvavidas, y que los ancianos tuviesen menor movilidad para alcanzar las zonas de evacuación.
Cuando la información de una variable continua reside en si se superan o no determinados límites, los modelos predictivos suelen conseguir mejores resultados si la variable se discretiza en intervalos. En este caso, una posible aproximación es crear una nueva variable que clasifique a los pasajeros en niño, adulto o anciano.
datos <- datos %>%
mutate(Age_grupo = case_when(Age <= 10 ~ "niño",
Age > 10 & Age <= 60 ~ "adulto",
Age > 60 ~ "anciano"))
datos$Age_grupo <- as.factor(datos$Age_grupo)#Resumen de los datos:
#============================
glimpse(datos)## Rows: 891
## Columns: 13
## $ PassengerId <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived <fct> No, Si, Si, Si, No, No, No, No, Si, Si, Si, Si, No, No, No…
## $ Pclass <fct> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex <fct> male, female, female, female, male, male, male, male, fema…
## $ Age <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp <fct> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch <fct> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin <chr> NA, "C85", NA, "C123", NA, NA, "E46", NA, NA, NA, "G6", "C…
## $ Embarked <fct> S, C, S, S, S, Q, S, S, S, C, S, S, S, S, S, S, Q, S, S, C…
## $ Age_grupo <fct> adulto, adulto, adulto, adulto, adulto, NA, adulto, niño, …p1 <- ggplot(data = datos, aes(x = Fare, fill = Survived)) +
geom_density(alpha = 0.5) +
scale_fill_manual(values = c("gray50", "orangered2")) +
geom_rug(aes(color = Survived), alpha = 0.5) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
p2 <- ggplot(data = datos, aes(x = Survived, y = Fare, color = Survived)) +
geom_boxplot(outlier.shape = NA) +
geom_jitter(alpha = 0.3, width = 0.15) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
final_plot <- ggarrange(p1, p2, legend = "top")
final_plot <- annotate_figure(final_plot, top = text_grob("Fare", size = 15))
final_plot
# Estadísticos del precio del billete de los supervivientes y fallecidos
datos %>% filter(!is.na(Fare)) %>% group_by(Survived) %>%
summarise(media = mean(Fare),
mediana = median(Fare),
min = min(Fare),
max = max(Fare))## # A tibble: 2 × 5
## Survived media mediana min max
## <fct> <dbl> <dbl> <dbl> <dbl>
## 1 No 22.1 10.5 0 263
## 2 Si 48.4 26 0 512.La variable Fare tiene una distribución asimétrica, muchos billetes tenían un coste bajo y unos pocos un coste alto. Este tipo de distribución suele visualizarse mejor tras una trasformación logarítmica.
p1 <- ggplot(data = datos, aes(x = log(Fare), fill = Survived)) +
geom_density(alpha = 0.5) +
scale_fill_manual(values = c("gray50", "orangered2")) +
geom_rug(aes(color = Survived), alpha = 0.5) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
p2 <- ggplot(data = datos, aes(x = Survived, y = log(Fare), color = Survived)) +
geom_boxplot(outlier.shape = NA) +
geom_jitter(alpha = 0.3, width = 0.15) +
scale_color_manual(values = c("gray50", "orangered2")) +
theme_bw()
final_plot <- ggarrange(p1, p2, legend = "top")## Warning: Removed 15 rows containing non-finite values (`stat_density()`).## Warning: Removed 15 rows containing non-finite values (`stat_boxplot()`).final_plot <- annotate_figure(final_plot, top = text_grob("Log(Fare)", size =15))
final_plot
Los datos indican que el precio medio de los billetes de las personas que sobrevivieron era superior al de los que fallecieron. ¿Significa esto que, haber pagado más por el billete, garantizaba una mayor probabilidad de supervivencia? No parece muy verosímil que esto fuese así.
Este es un caso típico en el que cabe recordar que correlación/asociación no son sinónimos de causalidad. Es probable que exista otra variable subyacente que sí tenga un vínculo de causalidad con la probabilidad de supervivencia y que, a su vez, esté correlacionada con el precio del billete. Una hipótesis podría ser: los pasajeros de primera clase tuvieron ciertas facilidades para acceder a los botes de evacuación por lo que consiguieron salvarse con más éxito que los de segunda y tercera clase.
Los billetes de primera clase costaban mucho más dinero que los de las clases inferiores, de ahí que el precio medio de billetes entre los supervivientes fuese superior.
##2.5.- DISTRIBUCIÓN DE LAS VARIABLES CUALITATIVAS
ggplot(data = datos, aes(x = Pclass, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Pclass") +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por clase
prop.table(table(datos$Pclass, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## 1 0.37 0.63
## 2 0.53 0.47
## 3 0.76 0.24ggplot(data = datos, aes(x = Sex, y = ..count.., fill = Survived)) +
geom_bar() +
labs(title = "Sex") +
scale_fill_manual(values = c("gray50", "orangered2")) +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por sexo
prop.table(table(datos$Sex, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## female 0.26 0.74
## male 0.81 0.19ggplot(data = datos, aes(x = SibSp, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "SibSp") +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por número de familiares
prop.table(table(datos$SibSp, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## 0 0.65 0.35
## 1 0.46 0.54
## 2 0.54 0.46
## 3 0.75 0.25
## 4 0.83 0.17
## 5 1.00 0.00
## 8 1.00 0.00ggplot(data = datos, aes(x = Parch, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Parch") +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por Parch
prop.table(table(datos$Parch, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## 0 0.66 0.34
## 1 0.45 0.55
## 2 0.50 0.50
## 3 0.40 0.60
## 4 1.00 0.00
## 5 0.80 0.20
## 6 1.00 0.00Las variables SibSp y Parch, ambas relacionadas con el número de familiares a bordo, se han tratado como una variable cualitativa para el análisis exploratorio. Al agrupar las observaciones en los diferentes niveles, algunos de ellos apenas contienen unas pocas (Parch = 4, 5, 6). Que niveles de una variable cualitativa tengan muy poca representación (distribución desbalanceada) puede suponer un problema a la hora de ajustar los modelos u optimizarlos mediante validación cruzada.
Por esta razón, a la hora de ajustar el modelo, conviene seguir una de estas dos estrategias:
Agrupar todos los grupos minoritarios en uno solo, por ejemplo: combinar los grupos Parch = 4, 5, 6 en uno nuevo que sea Parch > 3.
Tratar el predictor como una variable continua.
En este caso, se opta por la segunda opción.
# Para pasar de factor a numeric primero se convierte a character
datos$SibSp <- as.character(datos$SibSp)
datos$SibSp <- as.numeric(datos$SibSp)
datos$Parch <- as.character(datos$Parch)
datos$Parch <- as.numeric(datos$Parch)ggplot(data = datos, aes(x = Embarked, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Embarked") +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por puerto de embarque
prop.table(table(datos$Embarked, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## C 0.45 0.55
## Q 0.61 0.39
## S 0.66 0.34ggplot(data = datos, aes(x = Age_grupo, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Age_grupo") +
theme_bw() +
theme(legend.position = "bottom")
# Tabla de frecuencias relativas de supervivientes por grupo de edad
prop.table(table(datos$Age_grupo, datos$Survived), margin = 1) %>% round(digits = 2)##
## No Si
## adulto 0.61 0.39
## anciano 0.77 0.23
## niño 0.41 0.59Las variables PassengerId, Name y Cabin no se han incluido en la exploración, porque, a priori, no aportan información relevante sobre la supervivencia. En la sección feature engineering se analizan con más detenimiento.
#2.6.- LA IMPORTANCIA DE LAS VARIABLES
La representación gráfica de la distribución de las variables en función de si los pasajeros sobrevivieron o no, ayuda a tener una idea de qué variables pueden ser buenos predictores para el modelo y cuales no aportan información o la que aportan es redundante. Aunque la creación de un buen modelo debe entenderse como un proceso iterativo, en el que se van ajustando y probando distintos modelos, existen ciertas pistas que pueden ayudar a realizar una selección inicial adecuada.
Si dos variables numéricas están muy correlacionadas, añaden información redundante al modelo, por lo tanto, no conviene incorporar ambas. Si esto ocurre, se puede: excluir aquella que, acorde al criterio del analista, no está realmente asociada con la variable respuesta; o combinarlas para recoger toda su información en una única nueva variable, por ejemplo, con un PCA.
Si una variable tiene varianza igual o próxima a cero (su valor es el mismo o casi el mismo para todas las observaciones) añade al modelo más ruido que información, por lo que suele ser conveniente excluirla.
Si alguno de los niveles de una variable cualitativa tiene muy pocas observaciones en comparación a los otros niveles, puede ocurrir que, durante la validación cruzada o bootstrapping, algunas particiones no contengan ninguna observación de dicha clase (varianza cero), lo que puede dar lugar a errores. En estos casos, suele ser conveniente eliminar las observaciones del grupo minoritario (si es una variable multiclase), eliminar la variable (si solo tiene dos niveles) o asegurar que, en la creación de las particiones, se garantice que todos los grupos estén representados en cada una de ellas.
2.7.- Correlación de las variables continuas
cor.test(x = datos$Age, y = datos$Fare, method = "pearson")##
## Pearson's product-moment correlation
##
## data: datos$Age and datos$Fare
## t = 2.5753, df = 712, p-value = 0.01022
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.02285549 0.16825304
## sample estimates:
## cor
## 0.09606669La edad y el coste del billete muestran una correlación estadísticamente significativa al 5% (P valor = 0.01 < 0.05). Por otro lado, el IC al 95% indica que la correlación poblacional estaría comprendida entre 2.28% y 16.82%. La correlación es baja y positiva (débil y directa).
Correlación lineal entre edad y el coste es débil, significativa y directa.
ggplot(data = datos, aes(x = Age, y = log(Fare))) +
geom_point(color="black") +
geom_smooth(color = "red") +
theme_bw()## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'## Warning: Removed 184 rows containing non-finite values (`stat_smooth()`).## Warning: Removed 177 rows containing missing values (`geom_point()`).
La correlación lineal entre la edad del pasajero y el precio del
billete, aun cuando significativa (p-valor = 0.010), es mínima (cor =
0.096). El diagrama de dispersiön tampoco apunta a ningún tipo de
relación no lineal evidente. Las variables no contienen
información redundante.
##2.8.- Contraste de proporciones en los factores.
Para la identificación de potenciales predictores cualitativos, es interesante encontrar las variables y niveles de las mismas que muestran una proporción de supervivientes alejada de lo esperado por el nivel basal, en este caso el 38.38%.
Este porcentaje se corresponde con la proporción de supervivientes respecto al total de pasajeros, es decir, el valor esperado si no existiese relación entre la variable y la supervivencia. Estas diferencias no siempre son fáciles de apreciar en una gráfica, sobre todo, cuando el número de observaciones es distinto en cada grupo. Por ejempl: en la siguiente imagen, difícilmente se puede determinar si la proporción de supervivientes en los grupos de ancianos y niños se aleja mucho del 38.38%.
ggplot(data = datos, aes(x = Age_grupo, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
labs(title = "Age_grupo") +
theme_bw() +
theme(legend.position = "bottom")
Para facilitar este tipo de análisis, resulta útil crear variables dummy
con todos los niveles de las variables cualitativas (proceso conocido
como binarización o one hot encoding) y aplicar un test de contraste de
proporciones.
Una de las ventajas de este tipo de test es que tiene en cuenta el número de observaciones, no es lo mismo que de 10 pasajeros, 3 sobrevivan y 7 no, que de 1000 pasajeros, 300 sobrevivan y 700 no. En el segundo caso, se tiene mucha más seguridad de que la verdadera proporción de supervivencia tiende al 30%. Este mismo análisis podría hacerse empleando la proporción de fallecidos.
# Se excluyen las variables continuas y las cualitativas que no agrupan a los
# pasajeros. También la variable Cabin por su alto % de valores NA.
datos_cualitativos <- datos %>%
select(-Age, -Fare, -Name, -Ticket, -Cabin, -PassengerId)
datos_cualitativos_tidy <- datos_cualitativos %>%
gather(key = "variable", value = "grupo",-Survived)## Warning: attributes are not identical across measure variables; they will be
## dropped# Se eliminan los valores NA para que no se interpreten como un grupo
datos_cualitativos_tidy <- datos_cualitativos_tidy %>% filter(!is.na(grupo))
# Se añade un identificador formado por el nombre de la variable y el grupo
datos_cualitativos_tidy <- datos_cualitativos_tidy %>%
mutate(variable_grupo = paste(variable, grupo, sep = "_"))head(datos_cualitativos_tidy)## Survived variable grupo variable_grupo
## 1 No Pclass 3 Pclass_3
## 2 Si Pclass 1 Pclass_1
## 3 Si Pclass 3 Pclass_3
## 4 Si Pclass 1 Pclass_1
## 5 No Pclass 3 Pclass_3
## 6 No Pclass 3 Pclass_3datos_cualitativos_tidy## Survived variable grupo variable_grupo
## 1 No Pclass 3 Pclass_3
## 2 Si Pclass 1 Pclass_1
## 3 Si Pclass 3 Pclass_3
## 4 Si Pclass 1 Pclass_1
## 5 No Pclass 3 Pclass_3
## 6 No Pclass 3 Pclass_3
## 7 No Pclass 1 Pclass_1
## 8 No Pclass 3 Pclass_3
## 9 Si Pclass 3 Pclass_3
## 10 Si Pclass 2 Pclass_2
## 11 Si Pclass 3 Pclass_3
## 12 Si Pclass 1 Pclass_1
## 13 No Pclass 3 Pclass_3
## 14 No Pclass 3 Pclass_3
## 15 No Pclass 3 Pclass_3
## 16 Si Pclass 2 Pclass_2
## 17 No Pclass 3 Pclass_3
## 18 Si Pclass 2 Pclass_2
## 19 No Pclass 3 Pclass_3
## 20 Si Pclass 3 Pclass_3
## 21 No Pclass 2 Pclass_2
## 22 Si Pclass 2 Pclass_2
## 23 Si Pclass 3 Pclass_3
## 24 Si Pclass 1 Pclass_1
## 25 No Pclass 3 Pclass_3
## 26 Si Pclass 3 Pclass_3
## 27 No Pclass 3 Pclass_3
## 28 No Pclass 1 Pclass_1
## 29 Si Pclass 3 Pclass_3
## 30 No Pclass 3 Pclass_3
## 31 No Pclass 1 Pclass_1
## 32 Si Pclass 1 Pclass_1
## 33 Si Pclass 3 Pclass_3
## 34 No Pclass 2 Pclass_2
## 35 No Pclass 1 Pclass_1
## 36 No Pclass 1 Pclass_1
## 37 Si Pclass 3 Pclass_3
## 38 No Pclass 3 Pclass_3
## 39 No Pclass 3 Pclass_3
## 40 Si Pclass 3 Pclass_3
## 41 No Pclass 3 Pclass_3
## 42 No Pclass 2 Pclass_2
## 43 No Pclass 3 Pclass_3
## 44 Si Pclass 2 Pclass_2
## 45 Si Pclass 3 Pclass_3
## 46 No Pclass 3 Pclass_3
## 47 No Pclass 3 Pclass_3
## 48 Si Pclass 3 Pclass_3
## 49 No Pclass 3 Pclass_3
## 50 No Pclass 3 Pclass_3
## 51 No Pclass 3 Pclass_3
## 52 No Pclass 3 Pclass_3
## 53 Si Pclass 1 Pclass_1
## 54 Si Pclass 2 Pclass_2
## 55 No Pclass 1 Pclass_1
## 56 Si Pclass 1 Pclass_1
## 57 Si Pclass 2 Pclass_2
## 58 No Pclass 3 Pclass_3
## 59 Si Pclass 2 Pclass_2
## 60 No Pclass 3 Pclass_3
## 61 No Pclass 3 Pclass_3
## 62 Si Pclass 1 Pclass_1
## 63 No Pclass 1 Pclass_1
## 64 No Pclass 3 Pclass_3
## 65 No Pclass 1 Pclass_1
## 66 Si Pclass 3 Pclass_3
## 67 Si Pclass 2 Pclass_2
## 68 No Pclass 3 Pclass_3
## 69 Si Pclass 3 Pclass_3
## 70 No Pclass 3 Pclass_3
## 71 No Pclass 2 Pclass_2
## 72 No Pclass 3 Pclass_3
## 73 No Pclass 2 Pclass_2
## 74 No Pclass 3 Pclass_3
## 75 Si Pclass 3 Pclass_3
## 76 No Pclass 3 Pclass_3
## 77 No Pclass 3 Pclass_3
## 78 No Pclass 3 Pclass_3
## 79 Si Pclass 2 Pclass_2
## 80 Si Pclass 3 Pclass_3
## 81 No Pclass 3 Pclass_3
## 82 Si Pclass 3 Pclass_3
## 83 Si Pclass 3 Pclass_3
## 84 No Pclass 1 Pclass_1
## 85 Si Pclass 2 Pclass_2
## 86 Si Pclass 3 Pclass_3
## 87 No Pclass 3 Pclass_3
## 88 No Pclass 3 Pclass_3
## 89 Si Pclass 1 Pclass_1
## 90 No Pclass 3 Pclass_3
## 91 No Pclass 3 Pclass_3
## 92 No Pclass 3 Pclass_3
## 93 No Pclass 1 Pclass_1
## 94 No Pclass 3 Pclass_3
## 95 No Pclass 3 Pclass_3
## 96 No Pclass 3 Pclass_3
## 97 No Pclass 1 Pclass_1
## 98 Si Pclass 1 Pclass_1
## 99 Si Pclass 2 Pclass_2
## 100 No Pclass 2 Pclass_2
## 101 No Pclass 3 Pclass_3
## 102 No Pclass 3 Pclass_3
## 103 No Pclass 1 Pclass_1
## 104 No Pclass 3 Pclass_3
## 105 No Pclass 3 Pclass_3
## 106 No Pclass 3 Pclass_3
## 107 Si Pclass 3 Pclass_3
## 108 Si Pclass 3 Pclass_3
## 109 No Pclass 3 Pclass_3
## 110 Si Pclass 3 Pclass_3
## 111 No Pclass 1 Pclass_1
## 112 No Pclass 3 Pclass_3
## 113 No Pclass 3 Pclass_3
## 114 No Pclass 3 Pclass_3
## 115 No Pclass 3 Pclass_3
## 116 No Pclass 3 Pclass_3
## 117 No Pclass 3 Pclass_3
## 118 No Pclass 2 Pclass_2
## 119 No Pclass 1 Pclass_1
## 120 No Pclass 3 Pclass_3
## 121 No Pclass 2 Pclass_2
## 122 No Pclass 3 Pclass_3
## 123 No Pclass 2 Pclass_2
## 124 Si Pclass 2 Pclass_2
## 125 No Pclass 1 Pclass_1
## 126 Si Pclass 3 Pclass_3
## 127 No Pclass 3 Pclass_3
## 128 Si Pclass 3 Pclass_3
## 129 Si Pclass 3 Pclass_3
## 130 No Pclass 3 Pclass_3
## 131 No Pclass 3 Pclass_3
## 132 No Pclass 3 Pclass_3
## 133 No Pclass 3 Pclass_3
## 134 Si Pclass 2 Pclass_2
## 135 No Pclass 2 Pclass_2
## 136 No Pclass 2 Pclass_2
## 137 Si Pclass 1 Pclass_1
## 138 No Pclass 1 Pclass_1
## 139 No Pclass 3 Pclass_3
## 140 No Pclass 1 Pclass_1
## 141 No Pclass 3 Pclass_3
## 142 Si Pclass 3 Pclass_3
## 143 Si Pclass 3 Pclass_3
## 144 No Pclass 3 Pclass_3
## 145 No Pclass 2 Pclass_2
## 146 No Pclass 2 Pclass_2
## 147 Si Pclass 3 Pclass_3
## 148 No Pclass 3 Pclass_3
## 149 No Pclass 2 Pclass_2
## 150 No Pclass 2 Pclass_2
## 151 No Pclass 2 Pclass_2
## 152 Si Pclass 1 Pclass_1
## 153 No Pclass 3 Pclass_3
## 154 No Pclass 3 Pclass_3
## 155 No Pclass 3 Pclass_3
## 156 No Pclass 1 Pclass_1
## 157 Si Pclass 3 Pclass_3
## 158 No Pclass 3 Pclass_3
## 159 No Pclass 3 Pclass_3
## 160 No Pclass 3 Pclass_3
## 161 No Pclass 3 Pclass_3
## 162 Si Pclass 2 Pclass_2
## 163 No Pclass 3 Pclass_3
## 164 No Pclass 3 Pclass_3
## 165 No Pclass 3 Pclass_3
## 166 Si Pclass 3 Pclass_3
## 167 Si Pclass 1 Pclass_1
## 168 No Pclass 3 Pclass_3
## 169 No Pclass 1 Pclass_1
## 170 No Pclass 3 Pclass_3
## 171 No Pclass 1 Pclass_1
## 172 No Pclass 3 Pclass_3
## 173 Si Pclass 3 Pclass_3
## 174 No Pclass 3 Pclass_3
## 175 No Pclass 1 Pclass_1
## 176 No Pclass 3 Pclass_3
## 177 No Pclass 3 Pclass_3
## 178 No Pclass 1 Pclass_1
## 179 No Pclass 2 Pclass_2
## 180 No Pclass 3 Pclass_3
## 181 No Pclass 3 Pclass_3
## 182 No Pclass 2 Pclass_2
## 183 No Pclass 3 Pclass_3
## 184 Si Pclass 2 Pclass_2
## 185 Si Pclass 3 Pclass_3
## 186 No Pclass 1 Pclass_1
## 187 Si Pclass 3 Pclass_3
## 188 Si Pclass 1 Pclass_1
## 189 No Pclass 3 Pclass_3
## 190 No Pclass 3 Pclass_3
## 191 Si Pclass 2 Pclass_2
## 192 No Pclass 2 Pclass_2
## 193 Si Pclass 3 Pclass_3
## 194 Si Pclass 2 Pclass_2
## 195 Si Pclass 1 Pclass_1
## 196 Si Pclass 1 Pclass_1
## 197 No Pclass 3 Pclass_3
## 198 No Pclass 3 Pclass_3
## 199 Si Pclass 3 Pclass_3
## 200 No Pclass 2 Pclass_2
## 201 No Pclass 3 Pclass_3
## 202 No Pclass 3 Pclass_3
## 203 No Pclass 3 Pclass_3
## 204 No Pclass 3 Pclass_3
## 205 Si Pclass 3 Pclass_3
## 206 No Pclass 3 Pclass_3
## 207 No Pclass 3 Pclass_3
## 208 Si Pclass 3 Pclass_3
## 209 Si Pclass 3 Pclass_3
## 210 Si Pclass 1 Pclass_1
## 211 No Pclass 3 Pclass_3
## 212 Si Pclass 2 Pclass_2
## 213 No Pclass 3 Pclass_3
## 214 No Pclass 2 Pclass_2
## 215 No Pclass 3 Pclass_3
## 216 Si Pclass 1 Pclass_1
## 217 Si Pclass 3 Pclass_3
## 218 No Pclass 2 Pclass_2
## 219 Si Pclass 1 Pclass_1
## 220 No Pclass 2 Pclass_2
## 221 Si Pclass 3 Pclass_3
## 222 No Pclass 2 Pclass_2
## 223 No Pclass 3 Pclass_3
## 224 No Pclass 3 Pclass_3
## 225 Si Pclass 1 Pclass_1
## 226 No Pclass 3 Pclass_3
## 227 Si Pclass 2 Pclass_2
## 228 No Pclass 3 Pclass_3
## 229 No Pclass 2 Pclass_2
## 230 No Pclass 3 Pclass_3
## 231 Si Pclass 1 Pclass_1
## 232 No Pclass 3 Pclass_3
## 233 No Pclass 2 Pclass_2
## 234 Si Pclass 3 Pclass_3
## 235 No Pclass 2 Pclass_2
## 236 No Pclass 3 Pclass_3
## 237 No Pclass 2 Pclass_2
## 238 Si Pclass 2 Pclass_2
## 239 No Pclass 2 Pclass_2
## 240 No Pclass 2 Pclass_2
## 241 No Pclass 3 Pclass_3
## 242 Si Pclass 3 Pclass_3
## 243 No Pclass 2 Pclass_2
## 244 No Pclass 3 Pclass_3
## 245 No Pclass 3 Pclass_3
## 246 No Pclass 1 Pclass_1
## 247 No Pclass 3 Pclass_3
## 248 Si Pclass 2 Pclass_2
## 249 Si Pclass 1 Pclass_1
## 250 No Pclass 2 Pclass_2
## 251 No Pclass 3 Pclass_3
## 252 No Pclass 3 Pclass_3
## 253 No Pclass 1 Pclass_1
## 254 No Pclass 3 Pclass_3
## 255 No Pclass 3 Pclass_3
## 256 Si Pclass 3 Pclass_3
## 257 Si Pclass 1 Pclass_1
## 258 Si Pclass 1 Pclass_1
## 259 Si Pclass 1 Pclass_1
## 260 Si Pclass 2 Pclass_2
## 261 No Pclass 3 Pclass_3
## 262 Si Pclass 3 Pclass_3
## 263 No Pclass 1 Pclass_1
## 264 No Pclass 1 Pclass_1
## 265 No Pclass 3 Pclass_3
## 266 No Pclass 2 Pclass_2
## 267 No Pclass 3 Pclass_3
## 268 Si Pclass 3 Pclass_3
## 269 Si Pclass 1 Pclass_1
## 270 Si Pclass 1 Pclass_1
## 271 No Pclass 1 Pclass_1
## 272 Si Pclass 3 Pclass_3
## 273 Si Pclass 2 Pclass_2
## 274 No Pclass 1 Pclass_1
## 275 Si Pclass 3 Pclass_3
## 276 Si Pclass 1 Pclass_1
## 277 No Pclass 3 Pclass_3
## 278 No Pclass 2 Pclass_2
## 279 No Pclass 3 Pclass_3
## 280 Si Pclass 3 Pclass_3
## 281 No Pclass 3 Pclass_3
## 282 No Pclass 3 Pclass_3
## 283 No Pclass 3 Pclass_3
## 284 Si Pclass 3 Pclass_3
## 285 No Pclass 1 Pclass_1
## 286 No Pclass 3 Pclass_3
## 287 Si Pclass 3 Pclass_3
## 288 No Pclass 3 Pclass_3
## 289 Si Pclass 2 Pclass_2
## 290 Si Pclass 3 Pclass_3
## 291 Si Pclass 1 Pclass_1
## 292 Si Pclass 1 Pclass_1
## 293 No Pclass 2 Pclass_2
## 294 No Pclass 3 Pclass_3
## 295 No Pclass 3 Pclass_3
## 296 No Pclass 1 Pclass_1
## 297 No Pclass 3 Pclass_3
## 298 No Pclass 1 Pclass_1
## 299 Si Pclass 1 Pclass_1
## 300 Si Pclass 1 Pclass_1
## 301 Si Pclass 3 Pclass_3
## 302 Si Pclass 3 Pclass_3
## 303 No Pclass 3 Pclass_3
## 304 Si Pclass 2 Pclass_2
## 305 No Pclass 3 Pclass_3
## 306 Si Pclass 1 Pclass_1
## 307 Si Pclass 1 Pclass_1
## 308 Si Pclass 1 Pclass_1
## 309 No Pclass 2 Pclass_2
## 310 Si Pclass 1 Pclass_1
## 311 Si Pclass 1 Pclass_1
## 312 Si Pclass 1 Pclass_1
## 313 No Pclass 2 Pclass_2
## 314 No Pclass 3 Pclass_3
## 315 No Pclass 2 Pclass_2
## 316 Si Pclass 3 Pclass_3
## 317 Si Pclass 2 Pclass_2
## 318 No Pclass 2 Pclass_2
## 319 Si Pclass 1 Pclass_1
## 320 Si Pclass 1 Pclass_1
## 321 No Pclass 3 Pclass_3
## 322 No Pclass 3 Pclass_3
## 323 Si Pclass 2 Pclass_2
## 324 Si Pclass 2 Pclass_2
## 325 No Pclass 3 Pclass_3
## 326 Si Pclass 1 Pclass_1
## 327 No Pclass 3 Pclass_3
## 328 Si Pclass 2 Pclass_2
## 329 Si Pclass 3 Pclass_3
## 330 Si Pclass 1 Pclass_1
## 331 Si Pclass 3 Pclass_3
## 332 No Pclass 1 Pclass_1
## 333 No Pclass 1 Pclass_1
## 334 No Pclass 3 Pclass_3
## 335 Si Pclass 1 Pclass_1
## 336 No Pclass 3 Pclass_3
## 337 No Pclass 1 Pclass_1
## 338 Si Pclass 1 Pclass_1
## 339 Si Pclass 3 Pclass_3
## 340 No Pclass 1 Pclass_1
## 341 Si Pclass 2 Pclass_2
## 342 Si Pclass 1 Pclass_1
## 343 No Pclass 2 Pclass_2
## 344 No Pclass 2 Pclass_2
## 345 No Pclass 2 Pclass_2
## 346 Si Pclass 2 Pclass_2
## 347 Si Pclass 2 Pclass_2
## 348 Si Pclass 3 Pclass_3
## 349 Si Pclass 3 Pclass_3
## 350 No Pclass 3 Pclass_3
## 351 No Pclass 3 Pclass_3
## 352 No Pclass 1 Pclass_1
## 353 No Pclass 3 Pclass_3
## 354 No Pclass 3 Pclass_3
## 355 No Pclass 3 Pclass_3
## 356 No Pclass 3 Pclass_3
## 357 Si Pclass 1 Pclass_1
## 358 No Pclass 2 Pclass_2
## 359 Si Pclass 3 Pclass_3
## 360 Si Pclass 3 Pclass_3
## 361 No Pclass 3 Pclass_3
## 362 No Pclass 2 Pclass_2
## 363 No Pclass 3 Pclass_3
## 364 No Pclass 3 Pclass_3
## 365 No Pclass 3 Pclass_3
## 366 No Pclass 3 Pclass_3
## 367 Si Pclass 1 Pclass_1
## 368 Si Pclass 3 Pclass_3
## 369 Si Pclass 3 Pclass_3
## 370 Si Pclass 1 Pclass_1
## 371 Si Pclass 1 Pclass_1
## 372 No Pclass 3 Pclass_3
## 373 No Pclass 3 Pclass_3
## 374 No Pclass 1 Pclass_1
## 375 No Pclass 3 Pclass_3
## 376 Si Pclass 1 Pclass_1
## 377 Si Pclass 3 Pclass_3
## 378 No Pclass 1 Pclass_1
## 379 No Pclass 3 Pclass_3
## 380 No Pclass 3 Pclass_3
## 381 Si Pclass 1 Pclass_1
## 382 Si Pclass 3 Pclass_3
## 383 No Pclass 3 Pclass_3
## 384 Si Pclass 1 Pclass_1
## 385 No Pclass 3 Pclass_3
## 386 No Pclass 2 Pclass_2
## 387 No Pclass 3 Pclass_3
## 388 Si Pclass 2 Pclass_2
## 389 No Pclass 3 Pclass_3
## 390 Si Pclass 2 Pclass_2
## 391 Si Pclass 1 Pclass_1
## 392 Si Pclass 3 Pclass_3
## 393 No Pclass 3 Pclass_3
## 394 Si Pclass 1 Pclass_1
## 395 Si Pclass 3 Pclass_3
## 396 No Pclass 3 Pclass_3
## 397 No Pclass 3 Pclass_3
## 398 No Pclass 2 Pclass_2
## 399 No Pclass 2 Pclass_2
## 400 Si Pclass 2 Pclass_2
## 401 Si Pclass 3 Pclass_3
## 402 No Pclass 3 Pclass_3
## 403 No Pclass 3 Pclass_3
## 404 No Pclass 3 Pclass_3
## 405 No Pclass 3 Pclass_3
## 406 No Pclass 2 Pclass_2
## 407 No Pclass 3 Pclass_3
## 408 Si Pclass 2 Pclass_2
## 409 No Pclass 3 Pclass_3
## 410 No Pclass 3 Pclass_3
## 411 No Pclass 3 Pclass_3
## 412 No Pclass 3 Pclass_3
## 413 Si Pclass 1 Pclass_1
## 414 No Pclass 2 Pclass_2
## 415 Si Pclass 3 Pclass_3
## 416 No Pclass 3 Pclass_3
## 417 Si Pclass 2 Pclass_2
## 418 Si Pclass 2 Pclass_2
## 419 No Pclass 2 Pclass_2
## 420 No Pclass 3 Pclass_3
## 421 No Pclass 3 Pclass_3
## 422 No Pclass 3 Pclass_3
## 423 No Pclass 3 Pclass_3
## 424 No Pclass 3 Pclass_3
## 425 No Pclass 3 Pclass_3
## 426 No Pclass 3 Pclass_3
## 427 Si Pclass 2 Pclass_2
## 428 Si Pclass 2 Pclass_2
## 429 No Pclass 3 Pclass_3
## 430 Si Pclass 3 Pclass_3
## 431 Si Pclass 1 Pclass_1
## 432 Si Pclass 3 Pclass_3
## 433 Si Pclass 2 Pclass_2
## 434 No Pclass 3 Pclass_3
## 435 No Pclass 1 Pclass_1
## 436 Si Pclass 1 Pclass_1
## 437 No Pclass 3 Pclass_3
## 438 Si Pclass 2 Pclass_2
## 439 No Pclass 1 Pclass_1
## 440 No Pclass 2 Pclass_2
## 441 Si Pclass 2 Pclass_2
## 442 No Pclass 3 Pclass_3
## 443 No Pclass 3 Pclass_3
## 444 Si Pclass 2 Pclass_2
## 445 Si Pclass 3 Pclass_3
## 446 Si Pclass 1 Pclass_1
## 447 Si Pclass 2 Pclass_2
## 448 Si Pclass 1 Pclass_1
## 449 Si Pclass 3 Pclass_3
## 450 Si Pclass 1 Pclass_1
## 451 No Pclass 2 Pclass_2
## 452 No Pclass 3 Pclass_3
## 453 No Pclass 1 Pclass_1
## 454 Si Pclass 1 Pclass_1
## 455 No Pclass 3 Pclass_3
## 456 Si Pclass 3 Pclass_3
## 457 No Pclass 1 Pclass_1
## 458 Si Pclass 1 Pclass_1
## 459 Si Pclass 2 Pclass_2
## 460 No Pclass 3 Pclass_3
## 461 Si Pclass 1 Pclass_1
## 462 No Pclass 3 Pclass_3
## 463 No Pclass 1 Pclass_1
## 464 No Pclass 2 Pclass_2
## 465 No Pclass 3 Pclass_3
## 466 No Pclass 3 Pclass_3
## 467 No Pclass 2 Pclass_2
## 468 No Pclass 1 Pclass_1
## 469 No Pclass 3 Pclass_3
## 470 Si Pclass 3 Pclass_3
## 471 No Pclass 3 Pclass_3
## 472 No Pclass 3 Pclass_3
## 473 Si Pclass 2 Pclass_2
## 474 Si Pclass 2 Pclass_2
## 475 No Pclass 3 Pclass_3
## 476 No Pclass 1 Pclass_1
## 477 No Pclass 2 Pclass_2
## 478 No Pclass 3 Pclass_3
## 479 No Pclass 3 Pclass_3
## 480 Si Pclass 3 Pclass_3
## 481 No Pclass 3 Pclass_3
## 482 No Pclass 2 Pclass_2
## 483 No Pclass 3 Pclass_3
## 484 Si Pclass 3 Pclass_3
## 485 Si Pclass 1 Pclass_1
## 486 No Pclass 3 Pclass_3
## 487 Si Pclass 1 Pclass_1
## 488 No Pclass 1 Pclass_1
## 489 No Pclass 3 Pclass_3
## 490 Si Pclass 3 Pclass_3
## 491 No Pclass 3 Pclass_3
## 492 No Pclass 3 Pclass_3
## 493 No Pclass 1 Pclass_1
## 494 No Pclass 1 Pclass_1
## 495 No Pclass 3 Pclass_3
## 496 No Pclass 3 Pclass_3
## 497 Si Pclass 1 Pclass_1
## 498 No Pclass 3 Pclass_3
## 499 No Pclass 1 Pclass_1
## 500 No Pclass 3 Pclass_3
## 501 No Pclass 3 Pclass_3
## 502 No Pclass 3 Pclass_3
## 503 No Pclass 3 Pclass_3
## 504 No Pclass 3 Pclass_3
## 505 Si Pclass 1 Pclass_1
## 506 No Pclass 1 Pclass_1
## 507 Si Pclass 2 Pclass_2
## 508 Si Pclass 1 Pclass_1
## 509 No Pclass 3 Pclass_3
## 510 Si Pclass 3 Pclass_3
## 511 Si Pclass 3 Pclass_3
## 512 No Pclass 3 Pclass_3
## 513 Si Pclass 1 Pclass_1
## 514 Si Pclass 1 Pclass_1
## 515 No Pclass 3 Pclass_3
## 516 No Pclass 1 Pclass_1
## 517 Si Pclass 2 Pclass_2
## 518 No Pclass 3 Pclass_3
## 519 Si Pclass 2 Pclass_2
## 520 No Pclass 3 Pclass_3
## 521 Si Pclass 1 Pclass_1
## 522 No Pclass 3 Pclass_3
## 523 No Pclass 3 Pclass_3
## 524 Si Pclass 1 Pclass_1
## 525 No Pclass 3 Pclass_3
## 526 No Pclass 3 Pclass_3
## 527 Si Pclass 2 Pclass_2
## 528 No Pclass 1 Pclass_1
## 529 No Pclass 3 Pclass_3
## 530 No Pclass 2 Pclass_2
## 531 Si Pclass 2 Pclass_2
## 532 No Pclass 3 Pclass_3
## 533 No Pclass 3 Pclass_3
## 534 Si Pclass 3 Pclass_3
## 535 No Pclass 3 Pclass_3
## 536 Si Pclass 2 Pclass_2
## 537 No Pclass 1 Pclass_1
## 538 Si Pclass 1 Pclass_1
## 539 No Pclass 3 Pclass_3
## 540 Si Pclass 1 Pclass_1
## 541 Si Pclass 1 Pclass_1
## 542 No Pclass 3 Pclass_3
## 543 No Pclass 3 Pclass_3
## 544 Si Pclass 2 Pclass_2
## 545 No Pclass 1 Pclass_1
## 546 No Pclass 1 Pclass_1
## 547 Si Pclass 2 Pclass_2
## 548 Si Pclass 2 Pclass_2
## 549 No Pclass 3 Pclass_3
## 550 Si Pclass 2 Pclass_2
## 551 Si Pclass 1 Pclass_1
## 552 No Pclass 2 Pclass_2
## 553 No Pclass 3 Pclass_3
## 554 Si Pclass 3 Pclass_3
## 555 Si Pclass 3 Pclass_3
## 556 No Pclass 1 Pclass_1
## 557 Si Pclass 1 Pclass_1
## 558 No Pclass 1 Pclass_1
## 559 Si Pclass 1 Pclass_1
## 560 Si Pclass 3 Pclass_3
## 561 No Pclass 3 Pclass_3
## 562 No Pclass 3 Pclass_3
## 563 No Pclass 2 Pclass_2
## 564 No Pclass 3 Pclass_3
## 565 No Pclass 3 Pclass_3
## 566 No Pclass 3 Pclass_3
## 567 No Pclass 3 Pclass_3
## 568 No Pclass 3 Pclass_3
## 569 No Pclass 3 Pclass_3
## 570 Si Pclass 3 Pclass_3
## 571 Si Pclass 2 Pclass_2
## 572 Si Pclass 1 Pclass_1
## 573 Si Pclass 1 Pclass_1
## 574 Si Pclass 3 Pclass_3
## 575 No Pclass 3 Pclass_3
## 576 No Pclass 3 Pclass_3
## 577 Si Pclass 2 Pclass_2
## 578 Si Pclass 1 Pclass_1
## 579 No Pclass 3 Pclass_3
## 580 Si Pclass 3 Pclass_3
## 581 Si Pclass 2 Pclass_2
## 582 Si Pclass 1 Pclass_1
## 583 No Pclass 2 Pclass_2
## 584 No Pclass 1 Pclass_1
## 585 No Pclass 3 Pclass_3
## 586 Si Pclass 1 Pclass_1
## 587 No Pclass 2 Pclass_2
## 588 Si Pclass 1 Pclass_1
## 589 No Pclass 3 Pclass_3
## 590 No Pclass 3 Pclass_3
## 591 No Pclass 3 Pclass_3
## 592 Si Pclass 1 Pclass_1
## 593 No Pclass 3 Pclass_3
## 594 No Pclass 3 Pclass_3
## 595 No Pclass 2 Pclass_2
## 596 No Pclass 3 Pclass_3
## 597 Si Pclass 2 Pclass_2
## 598 No Pclass 3 Pclass_3
## 599 No Pclass 3 Pclass_3
## 600 Si Pclass 1 Pclass_1
## 601 Si Pclass 2 Pclass_2
## 602 No Pclass 3 Pclass_3
## 603 No Pclass 1 Pclass_1
## 604 No Pclass 3 Pclass_3
## 605 Si Pclass 1 Pclass_1
## 606 No Pclass 3 Pclass_3
## 607 No Pclass 3 Pclass_3
## 608 Si Pclass 1 Pclass_1
## 609 Si Pclass 2 Pclass_2
## 610 Si Pclass 1 Pclass_1
## 611 No Pclass 3 Pclass_3
## 612 No Pclass 3 Pclass_3
## 613 Si Pclass 3 Pclass_3
## 614 No Pclass 3 Pclass_3
## 615 No Pclass 3 Pclass_3
## 616 Si Pclass 2 Pclass_2
## 617 No Pclass 3 Pclass_3
## 618 No Pclass 3 Pclass_3
## 619 Si Pclass 2 Pclass_2
## 620 No Pclass 2 Pclass_2
## 621 No Pclass 3 Pclass_3
## 622 Si Pclass 1 Pclass_1
## 623 Si Pclass 3 Pclass_3
## 624 No Pclass 3 Pclass_3
## 625 No Pclass 3 Pclass_3
## 626 No Pclass 1 Pclass_1
## 627 No Pclass 2 Pclass_2
## 628 Si Pclass 1 Pclass_1
## 629 No Pclass 3 Pclass_3
## 630 No Pclass 3 Pclass_3
## 631 Si Pclass 1 Pclass_1
## 632 No Pclass 3 Pclass_3
## 633 Si Pclass 1 Pclass_1
## 634 No Pclass 1 Pclass_1
## 635 No Pclass 3 Pclass_3
## 636 Si Pclass 2 Pclass_2
## 637 No Pclass 3 Pclass_3
## 638 No Pclass 2 Pclass_2
## 639 No Pclass 3 Pclass_3
## 640 No Pclass 3 Pclass_3
## 641 No Pclass 3 Pclass_3
## 642 Si Pclass 1 Pclass_1
## 643 No Pclass 3 Pclass_3
## 644 Si Pclass 3 Pclass_3
## 645 Si Pclass 3 Pclass_3
## 646 Si Pclass 1 Pclass_1
## 647 No Pclass 3 Pclass_3
## 648 Si Pclass 1 Pclass_1
## 649 No Pclass 3 Pclass_3
## 650 Si Pclass 3 Pclass_3
## 651 No Pclass 3 Pclass_3
## 652 Si Pclass 2 Pclass_2
## 653 No Pclass 3 Pclass_3
## 654 Si Pclass 3 Pclass_3
## 655 No Pclass 3 Pclass_3
## 656 No Pclass 2 Pclass_2
## 657 No Pclass 3 Pclass_3
## 658 No Pclass 3 Pclass_3
## 659 No Pclass 2 Pclass_2
## 660 No Pclass 1 Pclass_1
## 661 Si Pclass 1 Pclass_1
## 662 No Pclass 3 Pclass_3
## 663 No Pclass 1 Pclass_1
## 664 No Pclass 3 Pclass_3
## 665 Si Pclass 3 Pclass_3
## 666 No Pclass 2 Pclass_2
## 667 No Pclass 2 Pclass_2
## 668 No Pclass 3 Pclass_3
## 669 No Pclass 3 Pclass_3
## 670 Si Pclass 1 Pclass_1
## 671 Si Pclass 2 Pclass_2
## 672 No Pclass 1 Pclass_1
## 673 No Pclass 2 Pclass_2
## 674 Si Pclass 2 Pclass_2
## 675 No Pclass 2 Pclass_2
## 676 No Pclass 3 Pclass_3
## 677 No Pclass 3 Pclass_3
## 678 Si Pclass 3 Pclass_3
## 679 No Pclass 3 Pclass_3
## 680 Si Pclass 1 Pclass_1
## 681 No Pclass 3 Pclass_3
## 682 Si Pclass 1 Pclass_1
## 683 No Pclass 3 Pclass_3
## 684 No Pclass 3 Pclass_3
## 685 No Pclass 2 Pclass_2
## 686 No Pclass 2 Pclass_2
## 687 No Pclass 3 Pclass_3
## 688 No Pclass 3 Pclass_3
## 689 No Pclass 3 Pclass_3
## 690 Si Pclass 1 Pclass_1
## 691 Si Pclass 1 Pclass_1
## 692 Si Pclass 3 Pclass_3
## 693 Si Pclass 3 Pclass_3
## 694 No Pclass 3 Pclass_3
## 695 No Pclass 1 Pclass_1
## 696 No Pclass 2 Pclass_2
## 697 No Pclass 3 Pclass_3
## 698 Si Pclass 3 Pclass_3
## 699 No Pclass 1 Pclass_1
## 700 No Pclass 3 Pclass_3
## 701 Si Pclass 1 Pclass_1
## 702 Si Pclass 1 Pclass_1
## 703 No Pclass 3 Pclass_3
## 704 No Pclass 3 Pclass_3
## 705 No Pclass 3 Pclass_3
## 706 No Pclass 2 Pclass_2
## 707 Si Pclass 2 Pclass_2
## 708 Si Pclass 1 Pclass_1
## 709 Si Pclass 1 Pclass_1
## 710 Si Pclass 3 Pclass_3
## 711 Si Pclass 1 Pclass_1
## 712 No Pclass 1 Pclass_1
## 713 Si Pclass 1 Pclass_1
## 714 No Pclass 3 Pclass_3
## 715 No Pclass 2 Pclass_2
## 716 No Pclass 3 Pclass_3
## 717 Si Pclass 1 Pclass_1
## 718 Si Pclass 2 Pclass_2
## 719 No Pclass 3 Pclass_3
## 720 No Pclass 3 Pclass_3
## 721 Si Pclass 2 Pclass_2
## 722 No Pclass 3 Pclass_3
## 723 No Pclass 2 Pclass_2
## 724 No Pclass 2 Pclass_2
## 725 Si Pclass 1 Pclass_1
## 726 No Pclass 3 Pclass_3
## 727 Si Pclass 2 Pclass_2
## 728 Si Pclass 3 Pclass_3
## 729 No Pclass 2 Pclass_2
## 730 No Pclass 3 Pclass_3
## 731 Si Pclass 1 Pclass_1
## 732 No Pclass 3 Pclass_3
## 733 No Pclass 2 Pclass_2
## 734 No Pclass 2 Pclass_2
## 735 No Pclass 2 Pclass_2
## 736 No Pclass 3 Pclass_3
## 737 No Pclass 3 Pclass_3
## 738 Si Pclass 1 Pclass_1
## 739 No Pclass 3 Pclass_3
## 740 No Pclass 3 Pclass_3
## 741 Si Pclass 1 Pclass_1
## 742 No Pclass 1 Pclass_1
## 743 Si Pclass 1 Pclass_1
## 744 No Pclass 3 Pclass_3
## 745 Si Pclass 3 Pclass_3
## 746 No Pclass 1 Pclass_1
## 747 No Pclass 3 Pclass_3
## 748 Si Pclass 2 Pclass_2
## 749 No Pclass 1 Pclass_1
## 750 No Pclass 3 Pclass_3
## 751 Si Pclass 2 Pclass_2
## 752 Si Pclass 3 Pclass_3
## 753 No Pclass 3 Pclass_3
## 754 No Pclass 3 Pclass_3
## 755 Si Pclass 2 Pclass_2
## 756 Si Pclass 2 Pclass_2
## 757 No Pclass 3 Pclass_3
## 758 No Pclass 2 Pclass_2
## 759 No Pclass 3 Pclass_3
## 760 Si Pclass 1 Pclass_1
## 761 No Pclass 3 Pclass_3
## 762 No Pclass 3 Pclass_3
## 763 Si Pclass 3 Pclass_3
## 764 Si Pclass 1 Pclass_1
## 765 No Pclass 3 Pclass_3
## 766 Si Pclass 1 Pclass_1
## 767 No Pclass 1 Pclass_1
## 768 No Pclass 3 Pclass_3
## 769 No Pclass 3 Pclass_3
## 770 No Pclass 3 Pclass_3
## 771 No Pclass 3 Pclass_3
## 772 No Pclass 3 Pclass_3
## 773 No Pclass 2 Pclass_2
## 774 No Pclass 3 Pclass_3
## 775 Si Pclass 2 Pclass_2
## 776 No Pclass 3 Pclass_3
## 777 No Pclass 3 Pclass_3
## 778 Si Pclass 3 Pclass_3
## 779 No Pclass 3 Pclass_3
## 780 Si Pclass 1 Pclass_1
## 781 Si Pclass 3 Pclass_3
## 782 Si Pclass 1 Pclass_1
## 783 No Pclass 1 Pclass_1
## 784 No Pclass 3 Pclass_3
## 785 No Pclass 3 Pclass_3
## 786 No Pclass 3 Pclass_3
## 787 Si Pclass 3 Pclass_3
## 788 No Pclass 3 Pclass_3
## 789 Si Pclass 3 Pclass_3
## 790 No Pclass 1 Pclass_1
## 791 No Pclass 3 Pclass_3
## 792 No Pclass 2 Pclass_2
## 793 No Pclass 3 Pclass_3
## 794 No Pclass 1 Pclass_1
## 795 No Pclass 3 Pclass_3
## 796 No Pclass 2 Pclass_2
## 797 Si Pclass 1 Pclass_1
## 798 Si Pclass 3 Pclass_3
## 799 No Pclass 3 Pclass_3
## 800 No Pclass 3 Pclass_3
## 801 No Pclass 2 Pclass_2
## 802 Si Pclass 2 Pclass_2
## 803 Si Pclass 1 Pclass_1
## 804 Si Pclass 3 Pclass_3
## 805 Si Pclass 3 Pclass_3
## 806 No Pclass 3 Pclass_3
## 807 No Pclass 1 Pclass_1
## 808 No Pclass 3 Pclass_3
## 809 No Pclass 2 Pclass_2
## 810 Si Pclass 1 Pclass_1
## 811 No Pclass 3 Pclass_3
## 812 No Pclass 3 Pclass_3
## 813 No Pclass 2 Pclass_2
## 814 No Pclass 3 Pclass_3
## 815 No Pclass 3 Pclass_3
## 816 No Pclass 1 Pclass_1
## 817 No Pclass 3 Pclass_3
## 818 No Pclass 2 Pclass_2
## 819 No Pclass 3 Pclass_3
## 820 No Pclass 3 Pclass_3
## 821 Si Pclass 1 Pclass_1
## 822 Si Pclass 3 Pclass_3
## 823 No Pclass 1 Pclass_1
## 824 Si Pclass 3 Pclass_3
## 825 No Pclass 3 Pclass_3
## 826 No Pclass 3 Pclass_3
## 827 No Pclass 3 Pclass_3
## 828 Si Pclass 2 Pclass_2
## 829 Si Pclass 3 Pclass_3
## 830 Si Pclass 1 Pclass_1
## 831 Si Pclass 3 Pclass_3
## 832 Si Pclass 2 Pclass_2
## 833 No Pclass 3 Pclass_3
## 834 No Pclass 3 Pclass_3
## 835 No Pclass 3 Pclass_3
## 836 Si Pclass 1 Pclass_1
## 837 No Pclass 3 Pclass_3
## 838 No Pclass 3 Pclass_3
## 839 Si Pclass 3 Pclass_3
## 840 Si Pclass 1 Pclass_1
## 841 No Pclass 3 Pclass_3
## 842 No Pclass 2 Pclass_2
## 843 Si Pclass 1 Pclass_1
## 844 No Pclass 3 Pclass_3
## 845 No Pclass 3 Pclass_3
## 846 No Pclass 3 Pclass_3
## 847 No Pclass 3 Pclass_3
## 848 No Pclass 3 Pclass_3
## 849 No Pclass 2 Pclass_2
## 850 Si Pclass 1 Pclass_1
## 851 No Pclass 3 Pclass_3
## 852 No Pclass 3 Pclass_3
## 853 No Pclass 3 Pclass_3
## 854 Si Pclass 1 Pclass_1
## 855 No Pclass 2 Pclass_2
## 856 Si Pclass 3 Pclass_3
## 857 Si Pclass 1 Pclass_1
## 858 Si Pclass 1 Pclass_1
## 859 Si Pclass 3 Pclass_3
## 860 No Pclass 3 Pclass_3
## 861 No Pclass 3 Pclass_3
## 862 No Pclass 2 Pclass_2
## 863 Si Pclass 1 Pclass_1
## 864 No Pclass 3 Pclass_3
## 865 No Pclass 2 Pclass_2
## 866 Si Pclass 2 Pclass_2
## 867 Si Pclass 2 Pclass_2
## 868 No Pclass 1 Pclass_1
## 869 No Pclass 3 Pclass_3
## 870 Si Pclass 3 Pclass_3
## 871 No Pclass 3 Pclass_3
## 872 Si Pclass 1 Pclass_1
## 873 No Pclass 1 Pclass_1
## 874 No Pclass 3 Pclass_3
## 875 Si Pclass 2 Pclass_2
## 876 Si Pclass 3 Pclass_3
## 877 No Pclass 3 Pclass_3
## 878 No Pclass 3 Pclass_3
## 879 No Pclass 3 Pclass_3
## 880 Si Pclass 1 Pclass_1
## 881 Si Pclass 2 Pclass_2
## 882 No Pclass 3 Pclass_3
## 883 No Pclass 3 Pclass_3
## 884 No Pclass 2 Pclass_2
## 885 No Pclass 3 Pclass_3
## 886 No Pclass 3 Pclass_3
## 887 No Pclass 2 Pclass_2
## 888 Si Pclass 1 Pclass_1
## 889 No Pclass 3 Pclass_3
## 890 Si Pclass 1 Pclass_1
## 891 No Pclass 3 Pclass_3
## 892 No Sex male Sex_male
## 893 Si Sex female Sex_female
## 894 Si Sex female Sex_female
## 895 Si Sex female Sex_female
## 896 No Sex male Sex_male
## 897 No Sex male Sex_male
## 898 No Sex male Sex_male
## 899 No Sex male Sex_male
## 900 Si Sex female Sex_female
## 901 Si Sex female Sex_female
## 902 Si Sex female Sex_female
## 903 Si Sex female Sex_female
## 904 No Sex male Sex_male
## 905 No Sex male Sex_male
## 906 No Sex female Sex_female
## 907 Si Sex female Sex_female
## 908 No Sex male Sex_male
## 909 Si Sex male Sex_male
## 910 No Sex female Sex_female
## 911 Si Sex female Sex_female
## 912 No Sex male Sex_male
## 913 Si Sex male Sex_male
## 914 Si Sex female Sex_female
## 915 Si Sex male Sex_male
## 916 No Sex female Sex_female
## 917 Si Sex female Sex_female
## 918 No Sex male Sex_male
## 919 No Sex male Sex_male
## 920 Si Sex female Sex_female
## 921 No Sex male Sex_male
## 922 No Sex male Sex_male
## 923 Si Sex female Sex_female
## 924 Si Sex female Sex_female
## 925 No Sex male Sex_male
## 926 No Sex male Sex_male
## 927 No Sex male Sex_male
## 928 Si Sex male Sex_male
## 929 No Sex male Sex_male
## 930 No Sex female Sex_female
## 931 Si Sex female Sex_female
## 932 No Sex female Sex_female
## 933 No Sex female Sex_female
## 934 No Sex male Sex_male
## 935 Si Sex female Sex_female
## 936 Si Sex female Sex_female
## 937 No Sex male Sex_male
## 938 No Sex male Sex_male
## 939 Si Sex female Sex_female
## 940 No Sex male Sex_male
## 941 No Sex female Sex_female
## 942 No Sex male Sex_male
## 943 No Sex male Sex_male
## 944 Si Sex female Sex_female
## 945 Si Sex female Sex_female
## 946 No Sex male Sex_male
## 947 Si Sex male Sex_male
## 948 Si Sex female Sex_female
## 949 No Sex male Sex_male
## 950 Si Sex female Sex_female
## 951 No Sex male Sex_male
## 952 No Sex male Sex_male
## 953 Si Sex female Sex_female
## 954 No Sex male Sex_male
## 955 No Sex male Sex_male
## 956 No Sex male Sex_male
## 957 Si Sex male Sex_male
## 958 Si Sex female Sex_female
## 959 No Sex male Sex_male
## 960 Si Sex female Sex_female
## 961 No Sex male Sex_male
## 962 No Sex male Sex_male
## 963 No Sex female Sex_female
## 964 No Sex male Sex_male
## 965 No Sex male Sex_male
## 966 Si Sex male Sex_male
## 967 No Sex male Sex_male
## 968 No Sex male Sex_male
## 969 No Sex male Sex_male
## 970 Si Sex male Sex_male
## 971 Si Sex female Sex_female
## 972 No Sex male Sex_male
## 973 Si Sex male Sex_male
## 974 Si Sex female Sex_female
## 975 No Sex male Sex_male
## 976 Si Sex female Sex_female
## 977 Si Sex female Sex_female
## 978 No Sex male Sex_male
## 979 No Sex male Sex_male
## 980 Si Sex female Sex_female
## 981 No Sex male Sex_male
## 982 No Sex male Sex_male
## 983 No Sex male Sex_male
## 984 No Sex male Sex_male
## 985 No Sex male Sex_male
## 986 No Sex male Sex_male
## 987 No Sex male Sex_male
## 988 No Sex male Sex_male
## 989 Si Sex male Sex_male
## 990 Si Sex female Sex_female
## 991 No Sex male Sex_male
## 992 No Sex female Sex_female
## 993 No Sex male Sex_male
## 994 No Sex male Sex_male
## 995 No Sex male Sex_male
## 996 No Sex male Sex_male
## 997 No Sex male Sex_male
## 998 Si Sex female Sex_female
## 999 Si Sex male Sex_male
## 1000 No Sex male Sex_male
## 1001 Si Sex female Sex_female
## 1002 No Sex male Sex_male
## 1003 No Sex female Sex_female
## 1004 No Sex male Sex_male
## 1005 No Sex female Sex_female
## 1006 No Sex female Sex_female
## 1007 No Sex male Sex_male
## 1008 No Sex male Sex_male
## 1009 No Sex male Sex_male
## 1010 No Sex male Sex_male
## 1011 No Sex female Sex_female
## 1012 No Sex male Sex_male
## 1013 No Sex male Sex_male
## 1014 No Sex male Sex_male
## 1015 Si Sex female Sex_female
## 1016 No Sex male Sex_male
## 1017 Si Sex male Sex_male
## 1018 No Sex male Sex_male
## 1019 Si Sex male Sex_male
## 1020 Si Sex female Sex_female
## 1021 No Sex male Sex_male
## 1022 No Sex male Sex_male
## 1023 No Sex male Sex_male
## 1024 No Sex female Sex_female
## 1025 Si Sex female Sex_female
## 1026 No Sex male Sex_male
## 1027 No Sex male Sex_male
## 1028 Si Sex female Sex_female
## 1029 No Sex male Sex_male
## 1030 No Sex male Sex_male
## 1031 No Sex male Sex_male
## 1032 No Sex female Sex_female
## 1033 Si Sex female Sex_female
## 1034 Si Sex female Sex_female
## 1035 No Sex male Sex_male
## 1036 No Sex male Sex_male
## 1037 No Sex male Sex_male
## 1038 Si Sex male Sex_male
## 1039 No Sex female Sex_female
## 1040 No Sex male Sex_male
## 1041 No Sex male Sex_male
## 1042 No Sex male Sex_male
## 1043 Si Sex female Sex_female
## 1044 No Sex male Sex_male
## 1045 No Sex male Sex_male
## 1046 No Sex male Sex_male
## 1047 No Sex male Sex_male
## 1048 Si Sex female Sex_female
## 1049 No Sex male Sex_male
## 1050 No Sex male Sex_male
## 1051 No Sex male Sex_male
## 1052 No Sex male Sex_male
## 1053 Si Sex female Sex_female
## 1054 No Sex male Sex_male
## 1055 No Sex male Sex_male
## 1056 No Sex male Sex_male
## 1057 Si Sex male Sex_male
## 1058 Si Sex female Sex_female
## 1059 No Sex female Sex_female
## 1060 No Sex male Sex_male
## 1061 No Sex male Sex_male
## 1062 No Sex male Sex_male
## 1063 No Sex male Sex_male
## 1064 Si Sex female Sex_female
## 1065 No Sex male Sex_male
## 1066 No Sex male Sex_male
## 1067 No Sex male Sex_male
## 1068 No Sex male Sex_male
## 1069 No Sex female Sex_female
## 1070 No Sex male Sex_male
## 1071 No Sex male Sex_male
## 1072 No Sex female Sex_female
## 1073 No Sex male Sex_male
## 1074 No Sex male Sex_male
## 1075 Si Sex male Sex_male
## 1076 Si Sex female Sex_female
## 1077 No Sex male Sex_male
## 1078 Si Sex female Sex_female
## 1079 Si Sex male Sex_male
## 1080 No Sex male Sex_male
## 1081 No Sex male Sex_male
## 1082 Si Sex female Sex_female
## 1083 No Sex male Sex_male
## 1084 Si Sex female Sex_female
## 1085 Si Sex male Sex_male
## 1086 Si Sex female Sex_female
## 1087 Si Sex female Sex_female
## 1088 No Sex male Sex_male
## 1089 No Sex male Sex_male
## 1090 Si Sex female Sex_female
## 1091 No Sex female Sex_female
## 1092 No Sex male Sex_male
## 1093 No Sex male Sex_male
## 1094 No Sex male Sex_male
## 1095 No Sex male Sex_male
## 1096 Si Sex male Sex_male
## 1097 No Sex female Sex_female
## 1098 No Sex male Sex_male
## 1099 Si Sex male Sex_male
## 1100 Si Sex female Sex_female
## 1101 Si Sex male Sex_male
## 1102 No Sex male Sex_male
## 1103 Si Sex female Sex_female
## 1104 No Sex male Sex_male
## 1105 No Sex male Sex_male
## 1106 No Sex male Sex_male
## 1107 Si Sex female Sex_female
## 1108 Si Sex female Sex_female
## 1109 No Sex male Sex_male
## 1110 Si Sex female Sex_female
## 1111 No Sex male Sex_male
## 1112 Si Sex male Sex_male
## 1113 No Sex male Sex_male
## 1114 No Sex male Sex_male
## 1115 No Sex male Sex_male
## 1116 Si Sex male Sex_male
## 1117 No Sex male Sex_male
## 1118 Si Sex male Sex_male
## 1119 No Sex male Sex_male
## 1120 No Sex male Sex_male
## 1121 No Sex female Sex_female
## 1122 Si Sex female Sex_female
## 1123 No Sex male Sex_male
## 1124 No Sex male Sex_male
## 1125 Si Sex female Sex_female
## 1126 No Sex male Sex_male
## 1127 No Sex female Sex_female
## 1128 No Sex male Sex_male
## 1129 Si Sex female Sex_female
## 1130 No Sex male Sex_male
## 1131 No Sex male Sex_male
## 1132 No Sex female Sex_female
## 1133 Si Sex female Sex_female
## 1134 No Sex male Sex_male
## 1135 No Sex male Sex_male
## 1136 No Sex male Sex_male
## 1137 No Sex male Sex_male
## 1138 No Sex female Sex_female
## 1139 Si Sex female Sex_female
## 1140 Si Sex male Sex_male
## 1141 No Sex male Sex_male
## 1142 No Sex male Sex_male
## 1143 No Sex female Sex_female
## 1144 No Sex male Sex_male
## 1145 No Sex male Sex_male
## 1146 No Sex female Sex_female
## 1147 Si Sex female Sex_female
## 1148 Si Sex female Sex_female
## 1149 Si Sex female Sex_female
## 1150 Si Sex female Sex_female
## 1151 Si Sex female Sex_female
## 1152 No Sex male Sex_male
## 1153 Si Sex male Sex_male
## 1154 No Sex male Sex_male
## 1155 No Sex male Sex_male
## 1156 No Sex female Sex_female
## 1157 No Sex male Sex_male
## 1158 No Sex male Sex_male
## 1159 Si Sex male Sex_male
## 1160 Si Sex female Sex_female
## 1161 Si Sex female Sex_female
## 1162 No Sex male Sex_male
## 1163 Si Sex male Sex_male
## 1164 Si Sex female Sex_female
## 1165 No Sex male Sex_male
## 1166 Si Sex female Sex_female
## 1167 Si Sex female Sex_female
## 1168 No Sex female Sex_female
## 1169 No Sex male Sex_male
## 1170 No Sex male Sex_male
## 1171 Si Sex female Sex_female
## 1172 No Sex male Sex_male
## 1173 No Sex male Sex_male
## 1174 No Sex male Sex_male
## 1175 Si Sex male Sex_male
## 1176 No Sex male Sex_male
## 1177 No Sex male Sex_male
## 1178 Si Sex male Sex_male
## 1179 No Sex male Sex_male
## 1180 Si Sex male Sex_male
## 1181 Si Sex female Sex_female
## 1182 Si Sex female Sex_female
## 1183 Si Sex female Sex_female
## 1184 No Sex male Sex_male
## 1185 No Sex female Sex_female
## 1186 No Sex male Sex_male
## 1187 No Sex male Sex_male
## 1188 No Sex male Sex_male
## 1189 No Sex female Sex_female
## 1190 Si Sex male Sex_male
## 1191 Si Sex female Sex_female
## 1192 Si Sex female Sex_female
## 1193 Si Sex male Sex_male
## 1194 No Sex male Sex_male
## 1195 Si Sex female Sex_female
## 1196 No Sex male Sex_male
## 1197 Si Sex male Sex_male
## 1198 Si Sex female Sex_female
## 1199 Si Sex female Sex_female
## 1200 No Sex male Sex_male
## 1201 Si Sex female Sex_female
## 1202 Si Sex female Sex_female
## 1203 Si Sex female Sex_female
## 1204 No Sex female Sex_female
## 1205 No Sex male Sex_male
## 1206 No Sex male Sex_male
## 1207 Si Sex female Sex_female
## 1208 Si Sex female Sex_female
## 1209 No Sex male Sex_male
## 1210 Si Sex female Sex_female
## 1211 Si Sex female Sex_female
## 1212 No Sex male Sex_male
## 1213 No Sex male Sex_male
## 1214 Si Sex female Sex_female
## 1215 Si Sex female Sex_female
## 1216 No Sex male Sex_male
## 1217 Si Sex female Sex_female
## 1218 No Sex male Sex_male
## 1219 Si Sex female Sex_female
## 1220 Si Sex female Sex_female
## 1221 Si Sex female Sex_female
## 1222 Si Sex female Sex_female
## 1223 No Sex male Sex_male
## 1224 No Sex male Sex_male
## 1225 No Sex male Sex_male
## 1226 Si Sex female Sex_female
## 1227 No Sex male Sex_male
## 1228 No Sex male Sex_male
## 1229 Si Sex female Sex_female
## 1230 Si Sex male Sex_male
## 1231 No Sex male Sex_male
## 1232 Si Sex male Sex_male
## 1233 Si Sex female Sex_female
## 1234 No Sex male Sex_male
## 1235 No Sex male Sex_male
## 1236 No Sex male Sex_male
## 1237 Si Sex female Sex_female
## 1238 Si Sex female Sex_female
## 1239 Si Sex female Sex_female
## 1240 Si Sex male Sex_male
## 1241 No Sex male Sex_male
## 1242 No Sex male Sex_male
## 1243 No Sex male Sex_male
## 1244 No Sex male Sex_male
## 1245 No Sex male Sex_male
## 1246 No Sex male Sex_male
## 1247 No Sex male Sex_male
## 1248 Si Sex female Sex_female
## 1249 No Sex female Sex_female
## 1250 Si Sex female Sex_female
## 1251 Si Sex female Sex_female
## 1252 No Sex male Sex_male
## 1253 No Sex male Sex_male
## 1254 No Sex female Sex_female
## 1255 No Sex male Sex_male
## 1256 No Sex male Sex_male
## 1257 No Sex male Sex_male
## 1258 Si Sex female Sex_female
## 1259 Si Sex female Sex_female
## 1260 Si Sex female Sex_female
## 1261 Si Sex female Sex_female
## 1262 Si Sex male Sex_male
## 1263 No Sex male Sex_male
## 1264 No Sex male Sex_male
## 1265 No Sex male Sex_male
## 1266 No Sex female Sex_female
## 1267 Si Sex female Sex_female
## 1268 Si Sex female Sex_female
## 1269 No Sex male Sex_male
## 1270 No Sex male Sex_male
## 1271 No Sex male Sex_male
## 1272 Si Sex female Sex_female
## 1273 Si Sex female Sex_female
## 1274 No Sex male Sex_male
## 1275 Si Sex female Sex_female
## 1276 No Sex male Sex_male
## 1277 No Sex male Sex_male
## 1278 No Sex male Sex_male
## 1279 Si Sex female Sex_female
## 1280 No Sex male Sex_male
## 1281 Si Sex female Sex_female
## 1282 Si Sex male Sex_male
## 1283 Si Sex male Sex_male
## 1284 No Sex male Sex_male
## 1285 Si Sex female Sex_female
## 1286 Si Sex female Sex_female
## 1287 No Sex male Sex_male
## 1288 No Sex female Sex_female
## 1289 No Sex male Sex_male
## 1290 No Sex male Sex_male
## 1291 Si Sex female Sex_female
## 1292 Si Sex male Sex_male
## 1293 No Sex male Sex_male
## 1294 No Sex female Sex_female
## 1295 No Sex male Sex_male
## 1296 No Sex female Sex_female
## 1297 No Sex male Sex_male
## 1298 No Sex male Sex_male
## 1299 Si Sex male Sex_male
## 1300 No Sex male Sex_male
## 1301 No Sex female Sex_female
## 1302 No Sex male Sex_male
## 1303 No Sex male Sex_male
## 1304 Si Sex female Sex_female
## 1305 No Sex male Sex_male
## 1306 Si Sex male Sex_male
## 1307 No Sex female Sex_female
## 1308 Si Sex female Sex_female
## 1309 Si Sex female Sex_female
## 1310 No Sex male Sex_male
## 1311 No Sex female Sex_female
## 1312 No Sex male Sex_male
## 1313 No Sex male Sex_male
## 1314 No Sex male Sex_male
## 1315 No Sex female Sex_female
## 1316 No Sex male Sex_male
## 1317 No Sex male Sex_male
## 1318 Si Sex female Sex_female
## 1319 Si Sex female Sex_female
## 1320 No Sex male Sex_male
## 1321 Si Sex male Sex_male
## 1322 Si Sex male Sex_male
## 1323 Si Sex female Sex_female
## 1324 Si Sex female Sex_female
## 1325 No Sex male Sex_male
## 1326 No Sex male Sex_male
## 1327 Si Sex female Sex_female
## 1328 No Sex female Sex_female
## 1329 Si Sex female Sex_female
## 1330 No Sex male Sex_male
## 1331 No Sex male Sex_male
## 1332 Si Sex female Sex_female
## 1333 No Sex male Sex_male
## 1334 No Sex male Sex_male
## 1335 Si Sex female Sex_female
## 1336 Si Sex male Sex_male
## 1337 Si Sex male Sex_male
## 1338 Si Sex female Sex_female
## 1339 Si Sex male Sex_male
## 1340 Si Sex female Sex_female
## 1341 Si Sex male Sex_male
## 1342 No Sex male Sex_male
## 1343 No Sex male Sex_male
## 1344 No Sex male Sex_male
## 1345 Si Sex male Sex_male
## 1346 No Sex male Sex_male
## 1347 Si Sex male Sex_male
## 1348 No Sex male Sex_male
## 1349 Si Sex female Sex_female
## 1350 Si Sex female Sex_female
## 1351 No Sex male Sex_male
## 1352 Si Sex male Sex_male
## 1353 No Sex male Sex_male
## 1354 No Sex male Sex_male
## 1355 No Sex male Sex_male
## 1356 No Sex male Sex_male
## 1357 No Sex male Sex_male
## 1358 No Sex male Sex_male
## 1359 No Sex male Sex_male
## 1360 No Sex male Sex_male
## 1361 Si Sex female Sex_female
## 1362 No Sex male Sex_male
## 1363 No Sex male Sex_male
## 1364 Si Sex female Sex_female
## 1365 Si Sex female Sex_female
## 1366 No Sex female Sex_female
## 1367 No Sex male Sex_male
## 1368 No Sex male Sex_male
## 1369 No Sex male Sex_male
## 1370 No Sex male Sex_male
## 1371 Si Sex female Sex_female
## 1372 No Sex male Sex_male
## 1373 No Sex male Sex_male
## 1374 No Sex male Sex_male
## 1375 Si Sex female Sex_female
## 1376 Si Sex male Sex_male
## 1377 No Sex female Sex_female
## 1378 Si Sex female Sex_female
## 1379 No Sex male Sex_male
## 1380 No Sex male Sex_male
## 1381 Si Sex male Sex_male
## 1382 No Sex male Sex_male
## 1383 No Sex male Sex_male
## 1384 No Sex male Sex_male
## 1385 No Sex male Sex_male
## 1386 No Sex male Sex_male
## 1387 No Sex male Sex_male
## 1388 Si Sex female Sex_female
## 1389 No Sex male Sex_male
## 1390 No Sex female Sex_female
## 1391 No Sex male Sex_male
## 1392 No Sex male Sex_male
## 1393 No Sex female Sex_female
## 1394 No Sex female Sex_female
## 1395 No Sex female Sex_female
## 1396 Si Sex female Sex_female
## 1397 No Sex male Sex_male
## 1398 Si Sex female Sex_female
## 1399 Si Sex male Sex_male
## 1400 No Sex male Sex_male
## 1401 Si Sex male Sex_male
## 1402 Si Sex male Sex_male
## 1403 No Sex male Sex_male
## 1404 Si Sex male Sex_male
## 1405 Si Sex female Sex_female
## 1406 No Sex male Sex_male
## 1407 No Sex male Sex_male
## 1408 Si Sex female Sex_female
## 1409 No Sex male Sex_male
## 1410 Si Sex female Sex_female
## 1411 No Sex male Sex_male
## 1412 Si Sex female Sex_female
## 1413 No Sex male Sex_male
## 1414 No Sex male Sex_male
## 1415 Si Sex female Sex_female
## 1416 No Sex male Sex_male
## 1417 No Sex male Sex_male
## 1418 Si Sex female Sex_female
## 1419 No Sex male Sex_male
## 1420 No Sex male Sex_male
## 1421 No Sex male Sex_male
## 1422 Si Sex female Sex_female
## 1423 No Sex male Sex_male
## 1424 No Sex male Sex_male
## 1425 Si Sex female Sex_female
## 1426 No Sex female Sex_female
## 1427 Si Sex female Sex_female
## 1428 No Sex male Sex_male
## 1429 Si Sex female Sex_female
## 1430 No Sex male Sex_male
## 1431 Si Sex female Sex_female
## 1432 Si Sex female Sex_female
## 1433 No Sex female Sex_female
## 1434 No Sex female Sex_female
## 1435 Si Sex male Sex_male
## 1436 No Sex male Sex_male
## 1437 No Sex male Sex_male
## 1438 Si Sex female Sex_female
## 1439 Si Sex male Sex_male
## 1440 No Sex male Sex_male
## 1441 Si Sex male Sex_male
## 1442 Si Sex male Sex_male
## 1443 No Sex male Sex_male
## 1444 No Sex male Sex_male
## 1445 Si Sex male Sex_male
## 1446 Si Sex female Sex_female
## 1447 No Sex male Sex_male
## 1448 Si Sex female Sex_female
## 1449 No Sex male Sex_male
## 1450 Si Sex female Sex_female
## 1451 Si Sex female Sex_female
## 1452 No Sex male Sex_male
## 1453 No Sex male Sex_male
## 1454 No Sex male Sex_male
## 1455 No Sex male Sex_male
## 1456 No Sex female Sex_female
## 1457 No Sex male Sex_male
## 1458 No Sex male Sex_male
## 1459 No Sex female Sex_female
## 1460 No Sex male Sex_male
## 1461 Si Sex male Sex_male
## 1462 Si Sex male Sex_male
## 1463 Si Sex female Sex_female
## 1464 Si Sex male Sex_male
## 1465 Si Sex female Sex_female
## 1466 No Sex male Sex_male
## 1467 No Sex male Sex_male
## 1468 Si Sex female Sex_female
## 1469 Si Sex female Sex_female
## 1470 No Sex female Sex_female
## 1471 Si Sex male Sex_male
## 1472 Si Sex female Sex_female
## 1473 Si Sex female Sex_female
## 1474 No Sex male Sex_male
## 1475 No Sex male Sex_male
## 1476 No Sex male Sex_male
## 1477 Si Sex female Sex_female
## 1478 No Sex male Sex_male
## 1479 Si Sex male Sex_male
## 1480 No Sex male Sex_male
## 1481 No Sex male Sex_male
## 1482 No Sex male Sex_male
## 1483 Si Sex female Sex_female
## 1484 No Sex male Sex_male
## 1485 No Sex female Sex_female
## 1486 No Sex male Sex_male
## 1487 No Sex male Sex_male
## 1488 Si Sex female Sex_female
## 1489 No Sex male Sex_male
## 1490 No Sex male Sex_male
## 1491 Si Sex male Sex_male
## 1492 Si Sex female Sex_female
## 1493 No Sex male Sex_male
## 1494 No Sex male Sex_male
## 1495 No Sex male Sex_male
## 1496 Si Sex male Sex_male
## 1497 No Sex male Sex_male
## 1498 No Sex male Sex_male
## 1499 Si Sex male Sex_male
## 1500 Si Sex female Sex_female
## 1501 Si Sex female Sex_female
## 1502 No Sex female Sex_female
## 1503 No Sex male Sex_male
## 1504 Si Sex female Sex_female
## 1505 No Sex male Sex_male
## 1506 No Sex male Sex_male
## 1507 Si Sex female Sex_female
## 1508 No Sex male Sex_male
## 1509 No Sex female Sex_female
## 1510 Si Sex female Sex_female
## 1511 No Sex male Sex_male
## 1512 No Sex male Sex_male
## 1513 Si Sex male Sex_male
## 1514 Si Sex male Sex_male
## 1515 No Sex male Sex_male
## 1516 No Sex male Sex_male
## 1517 No Sex male Sex_male
## 1518 No Sex male Sex_male
## 1519 Si Sex female Sex_female
## 1520 No Sex male Sex_male
## 1521 No Sex male Sex_male
## 1522 Si Sex male Sex_male
## 1523 No Sex male Sex_male
## 1524 Si Sex male Sex_male
## 1525 No Sex male Sex_male
## 1526 No Sex female Sex_female
## 1527 Si Sex female Sex_female
## 1528 No Sex male Sex_male
## 1529 No Sex male Sex_male
## 1530 No Sex female Sex_female
## 1531 No Sex male Sex_male
## 1532 No Sex male Sex_male
## 1533 Si Sex female Sex_female
## 1534 No Sex female Sex_female
## 1535 Si Sex male Sex_male
## 1536 Si Sex female Sex_female
## 1537 Si Sex male Sex_male
## 1538 No Sex male Sex_male
## 1539 Si Sex male Sex_male
## 1540 No Sex male Sex_male
## 1541 Si Sex female Sex_female
## 1542 No Sex male Sex_male
## 1543 Si Sex female Sex_female
## 1544 No Sex male Sex_male
## 1545 Si Sex female Sex_female
## 1546 No Sex female Sex_female
## 1547 No Sex male Sex_male
## 1548 No Sex male Sex_male
## 1549 No Sex female Sex_female
## 1550 No Sex male Sex_male
## 1551 No Sex male Sex_male
## 1552 Si Sex male Sex_male
## 1553 No Sex male Sex_male
## 1554 No Sex male Sex_male
## 1555 No Sex male Sex_male
## 1556 Si Sex male Sex_male
## 1557 No Sex male Sex_male
## 1558 No Sex male Sex_male
## 1559 No Sex male Sex_male
## 1560 No Sex male Sex_male
## 1561 Si Sex female Sex_female
## 1562 Si Sex female Sex_female
## 1563 No Sex male Sex_male
## 1564 No Sex male Sex_male
## 1565 Si Sex male Sex_male
## 1566 No Sex male Sex_male
## 1567 No Sex male Sex_male
## 1568 No Sex male Sex_male
## 1569 Si Sex female Sex_female
## 1570 No Sex female Sex_female
## 1571 Si Sex male Sex_male
## 1572 No Sex female Sex_female
## 1573 Si Sex male Sex_male
## 1574 No Sex male Sex_male
## 1575 No Sex male Sex_male
## 1576 No Sex male Sex_male
## 1577 No Sex male Sex_male
## 1578 No Sex male Sex_male
## 1579 No Sex male Sex_male
## 1580 No Sex male Sex_male
## 1581 Si Sex female Sex_female
## 1582 Si Sex male Sex_male
## 1583 Si Sex female Sex_female
## 1584 Si Sex male Sex_male
## 1585 No Sex male Sex_male
## 1586 No Sex male Sex_male
## 1587 No Sex male Sex_male
## 1588 No Sex male Sex_male
## 1589 Si Sex female Sex_female
## 1590 No Sex male Sex_male
## 1591 No Sex male Sex_male
## 1592 Si Sex female Sex_female
## 1593 Si Sex male Sex_male
## 1594 No Sex female Sex_female
## 1595 No Sex male Sex_male
## 1596 No Sex male Sex_male
## 1597 No Sex male Sex_male
## 1598 Si Sex female Sex_female
## 1599 Si Sex male Sex_male
## 1600 Si Sex female Sex_female
## 1601 Si Sex male Sex_male
## 1602 Si Sex female Sex_female
## 1603 No Sex male Sex_male
## 1604 Si Sex male Sex_male
## 1605 No Sex male Sex_male
## 1606 No Sex male Sex_male
## 1607 No Sex male Sex_male
## 1608 Si Sex female Sex_female
## 1609 Si Sex female Sex_female
## 1610 No Sex male Sex_male
## 1611 No Sex male Sex_male
## 1612 Si Sex female Sex_female
## 1613 No Sex male Sex_male
## 1614 No Sex male Sex_male
## 1615 No Sex male Sex_male
## 1616 Si Sex male Sex_male
## 1617 No Sex male Sex_male
## 1618 Si Sex female Sex_female
## 1619 Si Sex female Sex_female
## 1620 No Sex male Sex_male
## 1621 No Sex female Sex_female
## 1622 Si Sex female Sex_female
## 1623 No Sex male Sex_male
## 1624 No Sex male Sex_male
## 1625 No Sex male Sex_male
## 1626 No Sex male Sex_male
## 1627 No Sex male Sex_male
## 1628 No Sex female Sex_female
## 1629 Si Sex male Sex_male
## 1630 No Sex male Sex_male
## 1631 No Sex male Sex_male
## 1632 Si Sex male Sex_male
## 1633 No Sex male Sex_male
## 1634 Si Sex female Sex_female
## 1635 No Sex male Sex_male
## 1636 Si Sex male Sex_male
## 1637 No Sex male Sex_male
## 1638 No Sex male Sex_male
## 1639 Si Sex female Sex_female
## 1640 No Sex male Sex_male
## 1641 No Sex male Sex_male
## 1642 Si Sex female Sex_female
## 1643 Si Sex male Sex_male
## 1644 No Sex male Sex_male
## 1645 No Sex male Sex_male
## 1646 Si Sex female Sex_female
## 1647 Si Sex male Sex_male
## 1648 No Sex male Sex_male
## 1649 No Sex male Sex_male
## 1650 No Sex male Sex_male
## 1651 Si Sex female Sex_female
## 1652 No Sex male Sex_male
## 1653 No Sex male Sex_male
## 1654 Si Sex male Sex_male
## 1655 Si Sex female Sex_female
## 1656 No Sex male Sex_male
## 1657 Si Sex female Sex_female
## 1658 No Sex male Sex_male
## 1659 No Sex female Sex_female
## 1660 No Sex male Sex_male
## 1661 No Sex male Sex_male
## 1662 No Sex male Sex_male
## 1663 No Sex male Sex_male
## 1664 No Sex female Sex_female
## 1665 No Sex male Sex_male
## 1666 Si Sex female Sex_female
## 1667 No Sex male Sex_male
## 1668 No Sex male Sex_male
## 1669 Si Sex female Sex_female
## 1670 No Sex male Sex_male
## 1671 Si Sex female Sex_female
## 1672 Si Sex female Sex_female
## 1673 Si Sex female Sex_female
## 1674 No Sex male Sex_male
## 1675 No Sex male Sex_male
## 1676 No Sex male Sex_male
## 1677 No Sex male Sex_male
## 1678 Si Sex female Sex_female
## 1679 No Sex male Sex_male
## 1680 Si Sex male Sex_male
## 1681 No Sex male Sex_male
## 1682 No Sex male Sex_male
## 1683 No Sex male Sex_male
## 1684 No Sex female Sex_female
## 1685 No Sex male Sex_male
## 1686 No Sex male Sex_male
## 1687 No Sex male Sex_male
## 1688 Si Sex female Sex_female
## 1689 Si Sex female Sex_female
## 1690 No Sex male Sex_male
## 1691 No Sex female Sex_female
## 1692 No Sex male Sex_male
## 1693 Si Sex female Sex_female
## 1694 Si Sex male Sex_male
## 1695 Si Sex male Sex_male
## 1696 Si Sex male Sex_male
## 1697 No Sex male Sex_male
## 1698 No Sex male Sex_male
## 1699 No Sex female Sex_female
## 1700 No Sex male Sex_male
## 1701 Si Sex female Sex_female
## 1702 No Sex male Sex_male
## 1703 No Sex male Sex_male
## 1704 No Sex male Sex_male
## 1705 No Sex female Sex_female
## 1706 No Sex male Sex_male
## 1707 No Sex male Sex_male
## 1708 No Sex female Sex_female
## 1709 No Sex male Sex_male
## 1710 No Sex male Sex_male
## 1711 No Sex male Sex_male
## 1712 Si Sex female Sex_female
## 1713 Si Sex male Sex_male
## 1714 No Sex male Sex_male
## 1715 Si Sex female Sex_female
## 1716 No Sex male Sex_male
## 1717 No Sex male Sex_male
## 1718 No Sex male Sex_male
## 1719 Si Sex male Sex_male
## 1720 Si Sex male Sex_male
## 1721 Si Sex female Sex_female
## 1722 Si Sex female Sex_female
## 1723 Si Sex male Sex_male
## 1724 No Sex male Sex_male
## 1725 No Sex male Sex_male
## 1726 No Sex male Sex_male
## 1727 Si Sex female Sex_female
## 1728 No Sex male Sex_male
## 1729 No Sex male Sex_male
## 1730 Si Sex male Sex_male
## 1731 Si Sex male Sex_male
## 1732 No Sex male Sex_male
## 1733 No Sex male Sex_male
## 1734 Si Sex female Sex_female
## 1735 No Sex male Sex_male
## 1736 No Sex male Sex_male
## 1737 No Sex male Sex_male
## 1738 No Sex male Sex_male
## 1739 No Sex male Sex_male
## 1740 No Sex male Sex_male
## 1741 Si Sex female Sex_female
## 1742 No Sex male Sex_male
## 1743 No Sex male Sex_male
## 1744 No Sex female Sex_female
## 1745 Si Sex female Sex_female
## 1746 No Sex female Sex_female
## 1747 Si Sex female Sex_female
## 1748 Si Sex female Sex_female
## 1749 Si Sex male Sex_male
## 1750 Si Sex female Sex_female
## 1751 No Sex male Sex_male
## 1752 No Sex male Sex_male
## 1753 No Sex male Sex_male
## 1754 Si Sex female Sex_female
## 1755 No Sex female Sex_female
## 1756 No Sex male Sex_male
## 1757 Si Sex female Sex_female
## 1758 Si Sex female Sex_female
## 1759 No Sex male Sex_male
## 1760 No Sex male Sex_male
## 1761 Si Sex male Sex_male
## 1762 No Sex male Sex_male
## 1763 Si Sex female Sex_female
## 1764 No Sex male Sex_male
## 1765 No Sex male Sex_male
## 1766 Si Sex female Sex_female
## 1767 Si Sex female Sex_female
## 1768 No Sex male Sex_male
## 1769 No Sex male Sex_male
## 1770 No Sex male Sex_male
## 1771 Si Sex female Sex_female
## 1772 Si Sex female Sex_female
## 1773 No Sex male Sex_male
## 1774 No Sex female Sex_female
## 1775 No Sex male Sex_male
## 1776 No Sex male Sex_male
## 1777 No Sex female Sex_female
## 1778 No Sex male Sex_male
## 1779 Si Sex female Sex_female
## 1780 No Sex female Sex_female
## 1781 Si Sex male Sex_male
## 1782 No Sex male Sex_male
## 1783 No SibSp 1 SibSp_1
## 1784 Si SibSp 1 SibSp_1
## 1785 Si SibSp 0 SibSp_0
## 1786 Si SibSp 1 SibSp_1
## 1787 No SibSp 0 SibSp_0
## 1788 No SibSp 0 SibSp_0
## 1789 No SibSp 0 SibSp_0
## 1790 No SibSp 3 SibSp_3
## 1791 Si SibSp 0 SibSp_0
## 1792 Si SibSp 1 SibSp_1
## 1793 Si SibSp 1 SibSp_1
## 1794 Si SibSp 0 SibSp_0
## 1795 No SibSp 0 SibSp_0
## 1796 No SibSp 1 SibSp_1
## 1797 No SibSp 0 SibSp_0
## 1798 Si SibSp 0 SibSp_0
## 1799 No SibSp 4 SibSp_4
## 1800 Si SibSp 0 SibSp_0
## 1801 No SibSp 1 SibSp_1
## 1802 Si SibSp 0 SibSp_0
## 1803 No SibSp 0 SibSp_0
## 1804 Si SibSp 0 SibSp_0
## 1805 Si SibSp 0 SibSp_0
## 1806 Si SibSp 0 SibSp_0
## 1807 No SibSp 3 SibSp_3
## 1808 Si SibSp 1 SibSp_1
## 1809 No SibSp 0 SibSp_0
## 1810 No SibSp 3 SibSp_3
## 1811 Si SibSp 0 SibSp_0
## 1812 No SibSp 0 SibSp_0
## 1813 No SibSp 0 SibSp_0
## 1814 Si SibSp 1 SibSp_1
## 1815 Si SibSp 0 SibSp_0
## 1816 No SibSp 0 SibSp_0
## 1817 No SibSp 1 SibSp_1
## 1818 No SibSp 1 SibSp_1
## 1819 Si SibSp 0 SibSp_0
## 1820 No SibSp 0 SibSp_0
## 1821 No SibSp 2 SibSp_2
## 1822 Si SibSp 1 SibSp_1
## 1823 No SibSp 1 SibSp_1
## 1824 No SibSp 1 SibSp_1
## 1825 No SibSp 0 SibSp_0
## 1826 Si SibSp 1 SibSp_1
## 1827 Si SibSp 0 SibSp_0
## 1828 No SibSp 0 SibSp_0
## 1829 No SibSp 1 SibSp_1
## 1830 Si SibSp 0 SibSp_0
## 1831 No SibSp 2 SibSp_2
## 1832 No SibSp 1 SibSp_1
## 1833 No SibSp 4 SibSp_4
## 1834 No SibSp 0 SibSp_0
## 1835 Si SibSp 1 SibSp_1
## 1836 Si SibSp 1 SibSp_1
## 1837 No SibSp 0 SibSp_0
## 1838 Si SibSp 0 SibSp_0
## 1839 Si SibSp 0 SibSp_0
## 1840 No SibSp 0 SibSp_0
## 1841 Si SibSp 1 SibSp_1
## 1842 No SibSp 5 SibSp_5
## 1843 No SibSp 0 SibSp_0
## 1844 Si SibSp 0 SibSp_0
## 1845 No SibSp 1 SibSp_1
## 1846 No SibSp 3 SibSp_3
## 1847 No SibSp 0 SibSp_0
## 1848 Si SibSp 1 SibSp_1
## 1849 Si SibSp 0 SibSp_0
## 1850 No SibSp 0 SibSp_0
## 1851 Si SibSp 4 SibSp_4
## 1852 No SibSp 2 SibSp_2
## 1853 No SibSp 0 SibSp_0
## 1854 No SibSp 5 SibSp_5
## 1855 No SibSp 0 SibSp_0
## 1856 No SibSp 1 SibSp_1
## 1857 Si SibSp 0 SibSp_0
## 1858 No SibSp 0 SibSp_0
## 1859 No SibSp 0 SibSp_0
## 1860 No SibSp 0 SibSp_0
## 1861 Si SibSp 0 SibSp_0
## 1862 Si SibSp 0 SibSp_0
## 1863 No SibSp 0 SibSp_0
## 1864 Si SibSp 0 SibSp_0
## 1865 Si SibSp 0 SibSp_0
## 1866 No SibSp 0 SibSp_0
## 1867 Si SibSp 0 SibSp_0
## 1868 Si SibSp 3 SibSp_3
## 1869 No SibSp 1 SibSp_1
## 1870 No SibSp 0 SibSp_0
## 1871 Si SibSp 3 SibSp_3
## 1872 No SibSp 0 SibSp_0
## 1873 No SibSp 0 SibSp_0
## 1874 No SibSp 0 SibSp_0
## 1875 No SibSp 1 SibSp_1
## 1876 No SibSp 1 SibSp_1
## 1877 No SibSp 0 SibSp_0
## 1878 No SibSp 0 SibSp_0
## 1879 No SibSp 0 SibSp_0
## 1880 Si SibSp 0 SibSp_0
## 1881 Si SibSp 0 SibSp_0
## 1882 No SibSp 1 SibSp_1
## 1883 No SibSp 0 SibSp_0
## 1884 No SibSp 0 SibSp_0
## 1885 No SibSp 0 SibSp_0
## 1886 No SibSp 0 SibSp_0
## 1887 No SibSp 2 SibSp_2
## 1888 No SibSp 0 SibSp_0
## 1889 Si SibSp 0 SibSp_0
## 1890 Si SibSp 0 SibSp_0
## 1891 No SibSp 0 SibSp_0
## 1892 Si SibSp 1 SibSp_1
## 1893 No SibSp 0 SibSp_0
## 1894 No SibSp 1 SibSp_1
## 1895 No SibSp 0 SibSp_0
## 1896 No SibSp 1 SibSp_1
## 1897 No SibSp 0 SibSp_0
## 1898 No SibSp 0 SibSp_0
## 1899 No SibSp 0 SibSp_0
## 1900 No SibSp 1 SibSp_1
## 1901 No SibSp 0 SibSp_0
## 1902 No SibSp 4 SibSp_4
## 1903 No SibSp 2 SibSp_2
## 1904 No SibSp 0 SibSp_0
## 1905 No SibSp 1 SibSp_1
## 1906 Si SibSp 0 SibSp_0
## 1907 No SibSp 0 SibSp_0
## 1908 Si SibSp 1 SibSp_1
## 1909 No SibSp 0 SibSp_0
## 1910 Si SibSp 0 SibSp_0
## 1911 Si SibSp 1 SibSp_1
## 1912 No SibSp 0 SibSp_0
## 1913 No SibSp 0 SibSp_0
## 1914 No SibSp 0 SibSp_0
## 1915 No SibSp 1 SibSp_1
## 1916 Si SibSp 1 SibSp_1
## 1917 No SibSp 0 SibSp_0
## 1918 No SibSp 0 SibSp_0
## 1919 Si SibSp 0 SibSp_0
## 1920 No SibSp 1 SibSp_1
## 1921 No SibSp 0 SibSp_0
## 1922 No SibSp 0 SibSp_0
## 1923 No SibSp 0 SibSp_0
## 1924 Si SibSp 0 SibSp_0
## 1925 Si SibSp 1 SibSp_1
## 1926 No SibSp 0 SibSp_0
## 1927 No SibSp 0 SibSp_0
## 1928 No SibSp 1 SibSp_1
## 1929 Si SibSp 0 SibSp_0
## 1930 No SibSp 2 SibSp_2
## 1931 No SibSp 0 SibSp_0
## 1932 No SibSp 0 SibSp_0
## 1933 No SibSp 0 SibSp_0
## 1934 Si SibSp 1 SibSp_1
## 1935 No SibSp 0 SibSp_0
## 1936 No SibSp 0 SibSp_0
## 1937 No SibSp 0 SibSp_0
## 1938 No SibSp 0 SibSp_0
## 1939 Si SibSp 0 SibSp_0
## 1940 No SibSp 0 SibSp_0
## 1941 No SibSp 0 SibSp_0
## 1942 No SibSp 8 SibSp_8
## 1943 No SibSp 0 SibSp_0
## 1944 Si SibSp 0 SibSp_0
## 1945 No SibSp 0 SibSp_0
## 1946 No SibSp 0 SibSp_0
## 1947 No SibSp 4 SibSp_4
## 1948 Si SibSp 0 SibSp_0
## 1949 Si SibSp 0 SibSp_0
## 1950 No SibSp 1 SibSp_1
## 1951 No SibSp 0 SibSp_0
## 1952 No SibSp 0 SibSp_0
## 1953 No SibSp 0 SibSp_0
## 1954 No SibSp 4 SibSp_4
## 1955 Si SibSp 1 SibSp_1
## 1956 No SibSp 0 SibSp_0
## 1957 No SibSp 0 SibSp_0
## 1958 No SibSp 1 SibSp_1
## 1959 No SibSp 3 SibSp_3
## 1960 No SibSp 0 SibSp_0
## 1961 No SibSp 0 SibSp_0
## 1962 No SibSp 0 SibSp_0
## 1963 No SibSp 8 SibSp_8
## 1964 No SibSp 0 SibSp_0
## 1965 No SibSp 4 SibSp_4
## 1966 Si SibSp 2 SibSp_2
## 1967 Si SibSp 0 SibSp_0
## 1968 No SibSp 0 SibSp_0
## 1969 Si SibSp 1 SibSp_1
## 1970 Si SibSp 0 SibSp_0
## 1971 No SibSp 1 SibSp_1
## 1972 No SibSp 0 SibSp_0
## 1973 Si SibSp 0 SibSp_0
## 1974 No SibSp 0 SibSp_0
## 1975 Si SibSp 1 SibSp_1
## 1976 Si SibSp 1 SibSp_1
## 1977 Si SibSp 0 SibSp_0
## 1978 Si SibSp 0 SibSp_0
## 1979 No SibSp 0 SibSp_0
## 1980 No SibSp 0 SibSp_0
## 1981 Si SibSp 0 SibSp_0
## 1982 No SibSp 0 SibSp_0
## 1983 No SibSp 0 SibSp_0
## 1984 No SibSp 8 SibSp_8
## 1985 No SibSp 0 SibSp_0
## 1986 No SibSp 0 SibSp_0
## 1987 Si SibSp 0 SibSp_0
## 1988 No SibSp 0 SibSp_0
## 1989 No SibSp 1 SibSp_1
## 1990 Si SibSp 0 SibSp_0
## 1991 Si SibSp 0 SibSp_0
## 1992 Si SibSp 0 SibSp_0
## 1993 No SibSp 0 SibSp_0
## 1994 Si SibSp 0 SibSp_0
## 1995 No SibSp 0 SibSp_0
## 1996 No SibSp 0 SibSp_0
## 1997 No SibSp 1 SibSp_1
## 1998 Si SibSp 1 SibSp_1
## 1999 Si SibSp 0 SibSp_0
## 2000 No SibSp 1 SibSp_1
## 2001 Si SibSp 0 SibSp_0
## 2002 No SibSp 0 SibSp_0
## 2003 Si SibSp 0 SibSp_0
## 2004 No SibSp 0 SibSp_0
## 2005 No SibSp 0 SibSp_0
## 2006 No SibSp 0 SibSp_0
## 2007 Si SibSp 1 SibSp_1
## 2008 No SibSp 0 SibSp_0
## 2009 Si SibSp 0 SibSp_0
## 2010 No SibSp 0 SibSp_0
## 2011 No SibSp 0 SibSp_0
## 2012 No SibSp 3 SibSp_3
## 2013 Si SibSp 1 SibSp_1
## 2014 No SibSp 0 SibSp_0
## 2015 No SibSp 0 SibSp_0
## 2016 Si SibSp 4 SibSp_4
## 2017 No SibSp 0 SibSp_0
## 2018 No SibSp 0 SibSp_0
## 2019 No SibSp 1 SibSp_1
## 2020 Si SibSp 0 SibSp_0
## 2021 No SibSp 0 SibSp_0
## 2022 No SibSp 0 SibSp_0
## 2023 No SibSp 1 SibSp_1
## 2024 Si SibSp 1 SibSp_1
## 2025 No SibSp 0 SibSp_0
## 2026 No SibSp 0 SibSp_0
## 2027 No SibSp 0 SibSp_0
## 2028 No SibSp 2 SibSp_2
## 2029 No SibSp 0 SibSp_0
## 2030 Si SibSp 0 SibSp_0
## 2031 Si SibSp 1 SibSp_1
## 2032 No SibSp 1 SibSp_1
## 2033 No SibSp 0 SibSp_0
## 2034 No SibSp 1 SibSp_1
## 2035 No SibSp 0 SibSp_0
## 2036 No SibSp 1 SibSp_1
## 2037 No SibSp 0 SibSp_0
## 2038 Si SibSp 0 SibSp_0
## 2039 Si SibSp 0 SibSp_0
## 2040 Si SibSp 0 SibSp_0
## 2041 Si SibSp 0 SibSp_0
## 2042 Si SibSp 0 SibSp_0
## 2043 No SibSp 0 SibSp_0
## 2044 Si SibSp 4 SibSp_4
## 2045 No SibSp 1 SibSp_1
## 2046 No SibSp 0 SibSp_0
## 2047 No SibSp 0 SibSp_0
## 2048 No SibSp 0 SibSp_0
## 2049 No SibSp 4 SibSp_4
## 2050 Si SibSp 1 SibSp_1
## 2051 Si SibSp 0 SibSp_0
## 2052 Si SibSp 0 SibSp_0
## 2053 No SibSp 0 SibSp_0
## 2054 Si SibSp 0 SibSp_0
## 2055 Si SibSp 0 SibSp_0
## 2056 No SibSp 0 SibSp_0
## 2057 Si SibSp 0 SibSp_0
## 2058 Si SibSp 1 SibSp_1
## 2059 No SibSp 0 SibSp_0
## 2060 No SibSp 0 SibSp_0
## 2061 No SibSp 4 SibSp_4
## 2062 Si SibSp 1 SibSp_1
## 2063 No SibSp 0 SibSp_0
## 2064 No SibSp 0 SibSp_0
## 2065 No SibSp 0 SibSp_0
## 2066 Si SibSp 0 SibSp_0
## 2067 No SibSp 0 SibSp_0
## 2068 No SibSp 0 SibSp_0
## 2069 Si SibSp 0 SibSp_0
## 2070 No SibSp 0 SibSp_0
## 2071 Si SibSp 0 SibSp_0
## 2072 Si SibSp 0 SibSp_0
## 2073 Si SibSp 0 SibSp_0
## 2074 Si SibSp 1 SibSp_1
## 2075 No SibSp 0 SibSp_0
## 2076 No SibSp 0 SibSp_0
## 2077 No SibSp 0 SibSp_0
## 2078 No SibSp 0 SibSp_0
## 2079 No SibSp 0 SibSp_0
## 2080 No SibSp 1 SibSp_1
## 2081 Si SibSp 0 SibSp_0
## 2082 Si SibSp 0 SibSp_0
## 2083 Si SibSp 0 SibSp_0
## 2084 Si SibSp 2 SibSp_2
## 2085 No SibSp 0 SibSp_0
## 2086 Si SibSp 0 SibSp_0
## 2087 No SibSp 0 SibSp_0
## 2088 Si SibSp 1 SibSp_1
## 2089 Si SibSp 0 SibSp_0
## 2090 Si SibSp 1 SibSp_1
## 2091 No SibSp 1 SibSp_1
## 2092 Si SibSp 0 SibSp_0
## 2093 Si SibSp 0 SibSp_0
## 2094 Si SibSp 2 SibSp_2
## 2095 No SibSp 1 SibSp_1
## 2096 No SibSp 0 SibSp_0
## 2097 No SibSp 1 SibSp_1
## 2098 Si SibSp 0 SibSp_0
## 2099 Si SibSp 1 SibSp_1
## 2100 No SibSp 0 SibSp_0
## 2101 Si SibSp 0 SibSp_0
## 2102 Si SibSp 1 SibSp_1
## 2103 No SibSp 0 SibSp_0
## 2104 No SibSp 0 SibSp_0
## 2105 Si SibSp 0 SibSp_0
## 2106 Si SibSp 1 SibSp_1
## 2107 No SibSp 8 SibSp_8
## 2108 Si SibSp 0 SibSp_0
## 2109 No SibSp 0 SibSp_0
## 2110 Si SibSp 0 SibSp_0
## 2111 Si SibSp 1 SibSp_1
## 2112 Si SibSp 0 SibSp_0
## 2113 Si SibSp 2 SibSp_2
## 2114 No SibSp 0 SibSp_0
## 2115 No SibSp 0 SibSp_0
## 2116 No SibSp 2 SibSp_2
## 2117 Si SibSp 1 SibSp_1
## 2118 No SibSp 0 SibSp_0
## 2119 No SibSp 1 SibSp_1
## 2120 Si SibSp 0 SibSp_0
## 2121 Si SibSp 0 SibSp_0
## 2122 No SibSp 0 SibSp_0
## 2123 Si SibSp 1 SibSp_1
## 2124 Si SibSp 3 SibSp_3
## 2125 No SibSp 0 SibSp_0
## 2126 No SibSp 0 SibSp_0
## 2127 No SibSp 0 SibSp_0
## 2128 Si SibSp 0 SibSp_0
## 2129 Si SibSp 0 SibSp_0
## 2130 Si SibSp 1 SibSp_1
## 2131 Si SibSp 1 SibSp_1
## 2132 No SibSp 0 SibSp_0
## 2133 No SibSp 0 SibSp_0
## 2134 No SibSp 0 SibSp_0
## 2135 No SibSp 1 SibSp_1
## 2136 No SibSp 1 SibSp_1
## 2137 No SibSp 0 SibSp_0
## 2138 No SibSp 0 SibSp_0
## 2139 Si SibSp 0 SibSp_0
## 2140 No SibSp 0 SibSp_0
## 2141 Si SibSp 0 SibSp_0
## 2142 Si SibSp 0 SibSp_0
## 2143 No SibSp 1 SibSp_1
## 2144 No SibSp 1 SibSp_1
## 2145 No SibSp 0 SibSp_0
## 2146 No SibSp 0 SibSp_0
## 2147 No SibSp 1 SibSp_1
## 2148 No SibSp 0 SibSp_0
## 2149 Si SibSp 1 SibSp_1
## 2150 Si SibSp 0 SibSp_0
## 2151 Si SibSp 0 SibSp_0
## 2152 Si SibSp 0 SibSp_0
## 2153 Si SibSp 1 SibSp_1
## 2154 No SibSp 1 SibSp_1
## 2155 No SibSp 0 SibSp_0
## 2156 No SibSp 0 SibSp_0
## 2157 No SibSp 3 SibSp_3
## 2158 Si SibSp 1 SibSp_1
## 2159 Si SibSp 0 SibSp_0
## 2160 No SibSp 0 SibSp_0
## 2161 No SibSp 0 SibSp_0
## 2162 No SibSp 0 SibSp_0
## 2163 Si SibSp 0 SibSp_0
## 2164 Si SibSp 0 SibSp_0
## 2165 No SibSp 0 SibSp_0
## 2166 Si SibSp 1 SibSp_1
## 2167 No SibSp 0 SibSp_0
## 2168 No SibSp 0 SibSp_0
## 2169 No SibSp 5 SibSp_5
## 2170 Si SibSp 0 SibSp_0
## 2171 No SibSp 0 SibSp_0
## 2172 Si SibSp 0 SibSp_0
## 2173 Si SibSp 1 SibSp_1
## 2174 Si SibSp 0 SibSp_0
## 2175 No SibSp 2 SibSp_2
## 2176 Si SibSp 1 SibSp_1
## 2177 Si SibSp 0 SibSp_0
## 2178 No SibSp 0 SibSp_0
## 2179 No SibSp 0 SibSp_0
## 2180 No SibSp 0 SibSp_0
## 2181 No SibSp 0 SibSp_0
## 2182 Si SibSp 0 SibSp_0
## 2183 Si SibSp 0 SibSp_0
## 2184 No SibSp 0 SibSp_0
## 2185 No SibSp 1 SibSp_1
## 2186 No SibSp 1 SibSp_1
## 2187 No SibSp 0 SibSp_0
## 2188 No SibSp 1 SibSp_1
## 2189 No SibSp 0 SibSp_0
## 2190 Si SibSp 1 SibSp_1
## 2191 No SibSp 0 SibSp_0
## 2192 No SibSp 3 SibSp_3
## 2193 No SibSp 0 SibSp_0
## 2194 No SibSp 0 SibSp_0
## 2195 Si SibSp 1 SibSp_1
## 2196 No SibSp 0 SibSp_0
## 2197 Si SibSp 0 SibSp_0
## 2198 No SibSp 0 SibSp_0
## 2199 Si SibSp 1 SibSp_1
## 2200 Si SibSp 0 SibSp_0
## 2201 No SibSp 0 SibSp_0
## 2202 No SibSp 0 SibSp_0
## 2203 No SibSp 0 SibSp_0
## 2204 No SibSp 0 SibSp_0
## 2205 No SibSp 0 SibSp_0
## 2206 No SibSp 1 SibSp_1
## 2207 No SibSp 1 SibSp_1
## 2208 No SibSp 0 SibSp_0
## 2209 Si SibSp 1 SibSp_1
## 2210 Si SibSp 0 SibSp_0
## 2211 No SibSp 0 SibSp_0
## 2212 Si SibSp 0 SibSp_0
## 2213 Si SibSp 0 SibSp_0
## 2214 Si SibSp 1 SibSp_1
## 2215 Si SibSp 1 SibSp_1
## 2216 No SibSp 0 SibSp_0
## 2217 No SibSp 1 SibSp_1
## 2218 Si SibSp 1 SibSp_1
## 2219 No SibSp 2 SibSp_2
## 2220 Si SibSp 2 SibSp_2
## 2221 No SibSp 1 SibSp_1
## 2222 No SibSp 0 SibSp_0
## 2223 Si SibSp 1 SibSp_1
## 2224 No SibSp 0 SibSp_0
## 2225 No SibSp 1 SibSp_1
## 2226 Si SibSp 0 SibSp_0
## 2227 Si SibSp 0 SibSp_0
## 2228 Si SibSp 0 SibSp_0
## 2229 Si SibSp 0 SibSp_0
## 2230 Si SibSp 0 SibSp_0
## 2231 Si SibSp 2 SibSp_2
## 2232 Si SibSp 0 SibSp_0
## 2233 No SibSp 1 SibSp_1
## 2234 No SibSp 1 SibSp_1
## 2235 No SibSp 0 SibSp_0
## 2236 Si SibSp 1 SibSp_1
## 2237 No SibSp 0 SibSp_0
## 2238 Si SibSp 0 SibSp_0
## 2239 No SibSp 0 SibSp_0
## 2240 Si SibSp 1 SibSp_1
## 2241 Si SibSp 0 SibSp_0
## 2242 No SibSp 0 SibSp_0
## 2243 Si SibSp 0 SibSp_0
## 2244 No SibSp 0 SibSp_0
## 2245 No SibSp 0 SibSp_0
## 2246 No SibSp 0 SibSp_0
## 2247 No SibSp 0 SibSp_0
## 2248 No SibSp 0 SibSp_0
## 2249 No SibSp 0 SibSp_0
## 2250 No SibSp 0 SibSp_0
## 2251 No SibSp 0 SibSp_0
## 2252 Si SibSp 2 SibSp_2
## 2253 No SibSp 0 SibSp_0
## 2254 No SibSp 0 SibSp_0
## 2255 Si SibSp 1 SibSp_1
## 2256 Si SibSp 0 SibSp_0
## 2257 No SibSp 0 SibSp_0
## 2258 No SibSp 0 SibSp_0
## 2259 No SibSp 1 SibSp_1
## 2260 No SibSp 1 SibSp_1
## 2261 No SibSp 0 SibSp_0
## 2262 Si SibSp 0 SibSp_0
## 2263 No SibSp 5 SibSp_5
## 2264 No SibSp 0 SibSp_0
## 2265 No SibSp 0 SibSp_0
## 2266 Si SibSp 0 SibSp_0
## 2267 Si SibSp 1 SibSp_1
## 2268 No SibSp 3 SibSp_3
## 2269 Si SibSp 1 SibSp_1
## 2270 No SibSp 0 SibSp_0
## 2271 No SibSp 0 SibSp_0
## 2272 Si SibSp 1 SibSp_1
## 2273 No SibSp 1 SibSp_1
## 2274 No SibSp 0 SibSp_0
## 2275 No SibSp 0 SibSp_0
## 2276 No SibSp 0 SibSp_0
## 2277 No SibSp 0 SibSp_0
## 2278 No SibSp 0 SibSp_0
## 2279 Si SibSp 1 SibSp_1
## 2280 No SibSp 0 SibSp_0
## 2281 No SibSp 1 SibSp_1
## 2282 No SibSp 0 SibSp_0
## 2283 No SibSp 0 SibSp_0
## 2284 No SibSp 0 SibSp_0
## 2285 No SibSp 0 SibSp_0
## 2286 No SibSp 0 SibSp_0
## 2287 Si SibSp 0 SibSp_0
## 2288 No SibSp 1 SibSp_1
## 2289 Si SibSp 0 SibSp_0
## 2290 Si SibSp 0 SibSp_0
## 2291 No SibSp 0 SibSp_0
## 2292 Si SibSp 0 SibSp_0
## 2293 Si SibSp 0 SibSp_0
## 2294 No SibSp 0 SibSp_0
## 2295 Si SibSp 0 SibSp_0
## 2296 Si SibSp 1 SibSp_1
## 2297 No SibSp 0 SibSp_0
## 2298 No SibSp 0 SibSp_0
## 2299 Si SibSp 0 SibSp_0
## 2300 No SibSp 0 SibSp_0
## 2301 Si SibSp 1 SibSp_1
## 2302 No SibSp 0 SibSp_0
## 2303 Si SibSp 0 SibSp_0
## 2304 No SibSp 0 SibSp_0
## 2305 No SibSp 0 SibSp_0
## 2306 Si SibSp 0 SibSp_0
## 2307 No SibSp 0 SibSp_0
## 2308 No SibSp 0 SibSp_0
## 2309 Si SibSp 0 SibSp_0
## 2310 No SibSp 0 SibSp_0
## 2311 No SibSp 0 SibSp_0
## 2312 No SibSp 2 SibSp_2
## 2313 Si SibSp 1 SibSp_1
## 2314 No SibSp 0 SibSp_0
## 2315 No SibSp 1 SibSp_1
## 2316 Si SibSp 0 SibSp_0
## 2317 No SibSp 0 SibSp_0
## 2318 Si SibSp 0 SibSp_0
## 2319 No SibSp 0 SibSp_0
## 2320 Si SibSp 0 SibSp_0
## 2321 No SibSp 0 SibSp_0
## 2322 Si SibSp 0 SibSp_0
## 2323 Si SibSp 0 SibSp_0
## 2324 No SibSp 4 SibSp_4
## 2325 No SibSp 4 SibSp_4
## 2326 Si SibSp 1 SibSp_1
## 2327 No SibSp 1 SibSp_1
## 2328 No SibSp 0 SibSp_0
## 2329 Si SibSp 1 SibSp_1
## 2330 Si SibSp 0 SibSp_0
## 2331 No SibSp 1 SibSp_1
## 2332 Si SibSp 1 SibSp_1
## 2333 Si SibSp 0 SibSp_0
## 2334 No SibSp 0 SibSp_0
## 2335 No SibSp 0 SibSp_0
## 2336 Si SibSp 0 SibSp_0
## 2337 Si SibSp 0 SibSp_0
## 2338 No SibSp 0 SibSp_0
## 2339 Si SibSp 1 SibSp_1
## 2340 No SibSp 0 SibSp_0
## 2341 Si SibSp 1 SibSp_1
## 2342 Si SibSp 1 SibSp_1
## 2343 No SibSp 0 SibSp_0
## 2344 No SibSp 0 SibSp_0
## 2345 No SibSp 0 SibSp_0
## 2346 No SibSp 0 SibSp_0
## 2347 No SibSp 0 SibSp_0
## 2348 No SibSp 2 SibSp_2
## 2349 No SibSp 0 SibSp_0
## 2350 No SibSp 0 SibSp_0
## 2351 No SibSp 0 SibSp_0
## 2352 Si SibSp 0 SibSp_0
## 2353 Si SibSp 0 SibSp_0
## 2354 Si SibSp 2 SibSp_2
## 2355 Si SibSp 0 SibSp_0
## 2356 Si SibSp 0 SibSp_0
## 2357 No SibSp 0 SibSp_0
## 2358 No SibSp 0 SibSp_0
## 2359 Si SibSp 0 SibSp_0
## 2360 Si SibSp 1 SibSp_1
## 2361 No SibSp 1 SibSp_1
## 2362 Si SibSp 0 SibSp_0
## 2363 Si SibSp 1 SibSp_1
## 2364 Si SibSp 1 SibSp_1
## 2365 No SibSp 0 SibSp_0
## 2366 No SibSp 0 SibSp_0
## 2367 No SibSp 0 SibSp_0
## 2368 Si SibSp 0 SibSp_0
## 2369 No SibSp 0 SibSp_0
## 2370 Si SibSp 1 SibSp_1
## 2371 No SibSp 0 SibSp_0
## 2372 No SibSp 0 SibSp_0
## 2373 No SibSp 0 SibSp_0
## 2374 Si SibSp 1 SibSp_1
## 2375 No SibSp 0 SibSp_0
## 2376 No SibSp 0 SibSp_0
## 2377 No SibSp 1 SibSp_1
## 2378 No SibSp 1 SibSp_1
## 2379 Si SibSp 0 SibSp_0
## 2380 No SibSp 0 SibSp_0
## 2381 No SibSp 0 SibSp_0
## 2382 Si SibSp 1 SibSp_1
## 2383 Si SibSp 2 SibSp_2
## 2384 No SibSp 0 SibSp_0
## 2385 No SibSp 0 SibSp_0
## 2386 No SibSp 0 SibSp_0
## 2387 Si SibSp 0 SibSp_0
## 2388 No SibSp 1 SibSp_1
## 2389 No SibSp 0 SibSp_0
## 2390 Si SibSp 0 SibSp_0
## 2391 Si SibSp 1 SibSp_1
## 2392 Si SibSp 0 SibSp_0
## 2393 No SibSp 1 SibSp_1
## 2394 No SibSp 0 SibSp_0
## 2395 Si SibSp 1 SibSp_1
## 2396 No SibSp 0 SibSp_0
## 2397 No SibSp 0 SibSp_0
## 2398 Si SibSp 1 SibSp_1
## 2399 No SibSp 1 SibSp_1
## 2400 No SibSp 1 SibSp_1
## 2401 Si SibSp 2 SibSp_2
## 2402 No SibSp 0 SibSp_0
## 2403 No SibSp 1 SibSp_1
## 2404 Si SibSp 1 SibSp_1
## 2405 Si SibSp 1 SibSp_1
## 2406 No SibSp 0 SibSp_0
## 2407 No SibSp 0 SibSp_0
## 2408 No SibSp 0 SibSp_0
## 2409 No SibSp 0 SibSp_0
## 2410 Si SibSp 0 SibSp_0
## 2411 No SibSp 0 SibSp_0
## 2412 No SibSp 0 SibSp_0
## 2413 Si SibSp 0 SibSp_0
## 2414 No SibSp 0 SibSp_0
## 2415 Si SibSp 0 SibSp_0
## 2416 No SibSp 0 SibSp_0
## 2417 No SibSp 3 SibSp_3
## 2418 Si SibSp 0 SibSp_0
## 2419 No SibSp 0 SibSp_0
## 2420 No SibSp 1 SibSp_1
## 2421 No SibSp 0 SibSp_0
## 2422 No SibSp 1 SibSp_1
## 2423 No SibSp 0 SibSp_0
## 2424 Si SibSp 0 SibSp_0
## 2425 No SibSp 3 SibSp_3
## 2426 Si SibSp 0 SibSp_0
## 2427 Si SibSp 2 SibSp_2
## 2428 Si SibSp 1 SibSp_1
## 2429 No SibSp 0 SibSp_0
## 2430 Si SibSp 0 SibSp_0
## 2431 No SibSp 0 SibSp_0
## 2432 Si SibSp 0 SibSp_0
## 2433 No SibSp 0 SibSp_0
## 2434 Si SibSp 0 SibSp_0
## 2435 No SibSp 0 SibSp_0
## 2436 Si SibSp 0 SibSp_0
## 2437 No SibSp 0 SibSp_0
## 2438 No SibSp 2 SibSp_2
## 2439 No SibSp 0 SibSp_0
## 2440 No SibSp 1 SibSp_1
## 2441 No SibSp 0 SibSp_0
## 2442 No SibSp 0 SibSp_0
## 2443 Si SibSp 2 SibSp_2
## 2444 No SibSp 0 SibSp_0
## 2445 No SibSp 0 SibSp_0
## 2446 No SibSp 0 SibSp_0
## 2447 Si SibSp 1 SibSp_1
## 2448 No SibSp 2 SibSp_2
## 2449 No SibSp 0 SibSp_0
## 2450 No SibSp 0 SibSp_0
## 2451 No SibSp 0 SibSp_0
## 2452 Si SibSp 1 SibSp_1
## 2453 Si SibSp 1 SibSp_1
## 2454 No SibSp 1 SibSp_1
## 2455 No SibSp 0 SibSp_0
## 2456 Si SibSp 0 SibSp_0
## 2457 No SibSp 0 SibSp_0
## 2458 No SibSp 0 SibSp_0
## 2459 No SibSp 0 SibSp_0
## 2460 Si SibSp 0 SibSp_0
## 2461 No SibSp 1 SibSp_1
## 2462 Si SibSp 0 SibSp_0
## 2463 No SibSp 0 SibSp_0
## 2464 Si SibSp 0 SibSp_0
## 2465 No SibSp 0 SibSp_0
## 2466 No SibSp 5 SibSp_5
## 2467 No SibSp 1 SibSp_1
## 2468 No SibSp 1 SibSp_1
## 2469 No SibSp 4 SibSp_4
## 2470 No SibSp 0 SibSp_0
## 2471 No SibSp 0 SibSp_0
## 2472 Si SibSp 0 SibSp_0
## 2473 Si SibSp 1 SibSp_1
## 2474 Si SibSp 0 SibSp_0
## 2475 Si SibSp 0 SibSp_0
## 2476 No SibSp 0 SibSp_0
## 2477 No SibSp 0 SibSp_0
## 2478 No SibSp 0 SibSp_0
## 2479 No SibSp 0 SibSp_0
## 2480 Si SibSp 0 SibSp_0
## 2481 No SibSp 1 SibSp_1
## 2482 No SibSp 0 SibSp_0
## 2483 Si SibSp 1 SibSp_1
## 2484 Si SibSp 0 SibSp_0
## 2485 No SibSp 0 SibSp_0
## 2486 No SibSp 0 SibSp_0
## 2487 No SibSp 1 SibSp_1
## 2488 No SibSp 0 SibSp_0
## 2489 Si SibSp 0 SibSp_0
## 2490 Si SibSp 0 SibSp_0
## 2491 Si SibSp 0 SibSp_0
## 2492 Si SibSp 1 SibSp_1
## 2493 Si SibSp 0 SibSp_0
## 2494 No SibSp 0 SibSp_0
## 2495 Si SibSp 1 SibSp_1
## 2496 No SibSp 0 SibSp_0
## 2497 No SibSp 0 SibSp_0
## 2498 No SibSp 0 SibSp_0
## 2499 Si SibSp 0 SibSp_0
## 2500 Si SibSp 0 SibSp_0
## 2501 No SibSp 0 SibSp_0
## 2502 No SibSp 0 SibSp_0
## 2503 Si SibSp 0 SibSp_0
## 2504 No SibSp 1 SibSp_1
## 2505 No SibSp 0 SibSp_0
## 2506 No SibSp 0 SibSp_0
## 2507 Si SibSp 1 SibSp_1
## 2508 No SibSp 0 SibSp_0
## 2509 Si SibSp 3 SibSp_3
## 2510 Si SibSp 0 SibSp_0
## 2511 No SibSp 1 SibSp_1
## 2512 No SibSp 1 SibSp_1
## 2513 Si SibSp 0 SibSp_0
## 2514 No SibSp 0 SibSp_0
## 2515 No SibSp 0 SibSp_0
## 2516 No SibSp 0 SibSp_0
## 2517 No SibSp 0 SibSp_0
## 2518 No SibSp 0 SibSp_0
## 2519 No SibSp 1 SibSp_1
## 2520 Si SibSp 0 SibSp_0
## 2521 No SibSp 0 SibSp_0
## 2522 No SibSp 0 SibSp_0
## 2523 Si SibSp 0 SibSp_0
## 2524 No SibSp 1 SibSp_1
## 2525 Si SibSp 2 SibSp_2
## 2526 No SibSp 1 SibSp_1
## 2527 Si SibSp 0 SibSp_0
## 2528 No SibSp 1 SibSp_1
## 2529 No SibSp 1 SibSp_1
## 2530 Si SibSp 0 SibSp_0
## 2531 No SibSp 1 SibSp_1
## 2532 No SibSp 0 SibSp_0
## 2533 Si SibSp 1 SibSp_1
## 2534 Si SibSp 0 SibSp_0
## 2535 No SibSp 0 SibSp_0
## 2536 No SibSp 0 SibSp_0
## 2537 Si SibSp 1 SibSp_1
## 2538 Si SibSp 1 SibSp_1
## 2539 No SibSp 0 SibSp_0
## 2540 No SibSp 0 SibSp_0
## 2541 No SibSp 0 SibSp_0
## 2542 Si SibSp 0 SibSp_0
## 2543 No SibSp 0 SibSp_0
## 2544 No SibSp 0 SibSp_0
## 2545 Si SibSp 0 SibSp_0
## 2546 Si SibSp 1 SibSp_1
## 2547 No SibSp 0 SibSp_0
## 2548 Si SibSp 1 SibSp_1
## 2549 No SibSp 0 SibSp_0
## 2550 No SibSp 0 SibSp_0
## 2551 No SibSp 1 SibSp_1
## 2552 No SibSp 0 SibSp_0
## 2553 No SibSp 0 SibSp_0
## 2554 No SibSp 0 SibSp_0
## 2555 No SibSp 0 SibSp_0
## 2556 No SibSp 0 SibSp_0
## 2557 Si SibSp 1 SibSp_1
## 2558 No SibSp 0 SibSp_0
## 2559 No SibSp 0 SibSp_0
## 2560 Si SibSp 0 SibSp_0
## 2561 No SibSp 0 SibSp_0
## 2562 Si SibSp 0 SibSp_0
## 2563 Si SibSp 0 SibSp_0
## 2564 Si SibSp 1 SibSp_1
## 2565 No SibSp 0 SibSp_0
## 2566 No SibSp 1 SibSp_1
## 2567 No SibSp 0 SibSp_0
## 2568 No SibSp 0 SibSp_0
## 2569 Si SibSp 0 SibSp_0
## 2570 No SibSp 4 SibSp_4
## 2571 Si SibSp 1 SibSp_1
## 2572 No SibSp 0 SibSp_0
## 2573 No SibSp 0 SibSp_0
## 2574 No SibSp 0 SibSp_0
## 2575 No SibSp 8 SibSp_8
## 2576 No SibSp 0 SibSp_0
## 2577 No SibSp 0 SibSp_0
## 2578 No SibSp 0 SibSp_0
## 2579 Si SibSp 0 SibSp_0
## 2580 Si SibSp 0 SibSp_0
## 2581 No SibSp 0 SibSp_0
## 2582 No SibSp 1 SibSp_1
## 2583 No SibSp 0 SibSp_0
## 2584 Si SibSp 1 SibSp_1
## 2585 Si SibSp 1 SibSp_1
## 2586 Si SibSp 0 SibSp_0
## 2587 Si SibSp 0 SibSp_0
## 2588 No SibSp 0 SibSp_0
## 2589 No SibSp 0 SibSp_0
## 2590 No SibSp 0 SibSp_0
## 2591 No SibSp 0 SibSp_0
## 2592 Si SibSp 1 SibSp_1
## 2593 No SibSp 0 SibSp_0
## 2594 No SibSp 0 SibSp_0
## 2595 No SibSp 0 SibSp_0
## 2596 No SibSp 4 SibSp_4
## 2597 No SibSp 0 SibSp_0
## 2598 No SibSp 0 SibSp_0
## 2599 No SibSp 0 SibSp_0
## 2600 No SibSp 1 SibSp_1
## 2601 No SibSp 0 SibSp_0
## 2602 No SibSp 3 SibSp_3
## 2603 Si SibSp 1 SibSp_1
## 2604 Si SibSp 0 SibSp_0
## 2605 No SibSp 0 SibSp_0
## 2606 Si SibSp 0 SibSp_0
## 2607 No SibSp 4 SibSp_4
## 2608 No SibSp 0 SibSp_0
## 2609 No SibSp 0 SibSp_0
## 2610 Si SibSp 0 SibSp_0
## 2611 Si SibSp 0 SibSp_0
## 2612 Si SibSp 0 SibSp_0
## 2613 Si SibSp 1 SibSp_1
## 2614 Si SibSp 1 SibSp_1
## 2615 No SibSp 0 SibSp_0
## 2616 No SibSp 0 SibSp_0
## 2617 No SibSp 0 SibSp_0
## 2618 Si SibSp 1 SibSp_1
## 2619 No SibSp 0 SibSp_0
## 2620 No SibSp 0 SibSp_0
## 2621 Si SibSp 0 SibSp_0
## 2622 Si SibSp 0 SibSp_0
## 2623 No SibSp 0 SibSp_0
## 2624 No SibSp 0 SibSp_0
## 2625 Si SibSp 0 SibSp_0
## 2626 No SibSp 0 SibSp_0
## 2627 No SibSp 0 SibSp_0
## 2628 No SibSp 0 SibSp_0
## 2629 No SibSp 8 SibSp_8
## 2630 No SibSp 0 SibSp_0
## 2631 No SibSp 0 SibSp_0
## 2632 Si SibSp 1 SibSp_1
## 2633 No SibSp 4 SibSp_4
## 2634 No SibSp 0 SibSp_0
## 2635 No SibSp 1 SibSp_1
## 2636 Si SibSp 0 SibSp_0
## 2637 No SibSp 1 SibSp_1
## 2638 Si SibSp 0 SibSp_0
## 2639 Si SibSp 1 SibSp_1
## 2640 Si SibSp 0 SibSp_0
## 2641 Si SibSp 0 SibSp_0
## 2642 No SibSp 0 SibSp_0
## 2643 No SibSp 2 SibSp_2
## 2644 No SibSp 1 SibSp_1
## 2645 Si SibSp 0 SibSp_0
## 2646 No SibSp 8 SibSp_8
## 2647 No SibSp 0 SibSp_0
## 2648 Si SibSp 0 SibSp_0
## 2649 Si SibSp 1 SibSp_1
## 2650 No SibSp 0 SibSp_0
## 2651 No SibSp 0 SibSp_0
## 2652 Si SibSp 1 SibSp_1
## 2653 No SibSp 0 SibSp_0
## 2654 Si SibSp 1 SibSp_1
## 2655 No SibSp 0 SibSp_0
## 2656 No SibSp 0 SibSp_0
## 2657 Si SibSp 1 SibSp_1
## 2658 Si SibSp 0 SibSp_0
## 2659 No SibSp 0 SibSp_0
## 2660 No SibSp 0 SibSp_0
## 2661 No SibSp 0 SibSp_0
## 2662 Si SibSp 0 SibSp_0
## 2663 Si SibSp 0 SibSp_0
## 2664 No SibSp 0 SibSp_0
## 2665 No SibSp 0 SibSp_0
## 2666 No SibSp 0 SibSp_0
## 2667 No SibSp 0 SibSp_0
## 2668 No SibSp 0 SibSp_0
## 2669 No SibSp 0 SibSp_0
## 2670 Si SibSp 0 SibSp_0
## 2671 No SibSp 1 SibSp_1
## 2672 Si SibSp 0 SibSp_0
## 2673 No SibSp 0 SibSp_0
## 2674 No Parch 0 Parch_0
## 2675 Si Parch 0 Parch_0
## 2676 Si Parch 0 Parch_0
## 2677 Si Parch 0 Parch_0
## 2678 No Parch 0 Parch_0
## 2679 No Parch 0 Parch_0
## 2680 No Parch 0 Parch_0
## 2681 No Parch 1 Parch_1
## 2682 Si Parch 2 Parch_2
## 2683 Si Parch 0 Parch_0
## 2684 Si Parch 1 Parch_1
## 2685 Si Parch 0 Parch_0
## 2686 No Parch 0 Parch_0
## 2687 No Parch 5 Parch_5
## 2688 No Parch 0 Parch_0
## 2689 Si Parch 0 Parch_0
## 2690 No Parch 1 Parch_1
## 2691 Si Parch 0 Parch_0
## 2692 No Parch 0 Parch_0
## 2693 Si Parch 0 Parch_0
## 2694 No Parch 0 Parch_0
## 2695 Si Parch 0 Parch_0
## 2696 Si Parch 0 Parch_0
## 2697 Si Parch 0 Parch_0
## 2698 No Parch 1 Parch_1
## 2699 Si Parch 5 Parch_5
## 2700 No Parch 0 Parch_0
## 2701 No Parch 2 Parch_2
## 2702 Si Parch 0 Parch_0
## 2703 No Parch 0 Parch_0
## 2704 No Parch 0 Parch_0
## 2705 Si Parch 0 Parch_0
## 2706 Si Parch 0 Parch_0
## 2707 No Parch 0 Parch_0
## 2708 No Parch 0 Parch_0
## 2709 No Parch 0 Parch_0
## 2710 Si Parch 0 Parch_0
## 2711 No Parch 0 Parch_0
## 2712 No Parch 0 Parch_0
## 2713 Si Parch 0 Parch_0
## 2714 No Parch 0 Parch_0
## 2715 No Parch 0 Parch_0
## 2716 No Parch 0 Parch_0
## 2717 Si Parch 2 Parch_2
## 2718 Si Parch 0 Parch_0
## 2719 No Parch 0 Parch_0
## 2720 No Parch 0 Parch_0
## 2721 Si Parch 0 Parch_0
## 2722 No Parch 0 Parch_0
## 2723 No Parch 0 Parch_0
## 2724 No Parch 1 Parch_1
## 2725 No Parch 0 Parch_0
## 2726 Si Parch 0 Parch_0
## 2727 Si Parch 0 Parch_0
## 2728 No Parch 1 Parch_1
## 2729 Si Parch 0 Parch_0
## 2730 Si Parch 0 Parch_0
## 2731 No Parch 0 Parch_0
## 2732 Si Parch 2 Parch_2
## 2733 No Parch 2 Parch_2
## 2734 No Parch 0 Parch_0
## 2735 Si Parch 0 Parch_0
## 2736 No Parch 0 Parch_0
## 2737 No Parch 2 Parch_2
## 2738 No Parch 0 Parch_0
## 2739 Si Parch 1 Parch_1
## 2740 Si Parch 0 Parch_0
## 2741 No Parch 0 Parch_0
## 2742 Si Parch 2 Parch_2
## 2743 No Parch 0 Parch_0
## 2744 No Parch 0 Parch_0
## 2745 No Parch 2 Parch_2
## 2746 No Parch 0 Parch_0
## 2747 No Parch 0 Parch_0
## 2748 Si Parch 0 Parch_0
## 2749 No Parch 0 Parch_0
## 2750 No Parch 0 Parch_0
## 2751 No Parch 0 Parch_0
## 2752 Si Parch 2 Parch_2
## 2753 Si Parch 0 Parch_0
## 2754 No Parch 0 Parch_0
## 2755 Si Parch 0 Parch_0
## 2756 Si Parch 0 Parch_0
## 2757 No Parch 0 Parch_0
## 2758 Si Parch 0 Parch_0
## 2759 Si Parch 0 Parch_0
## 2760 No Parch 3 Parch_3
## 2761 No Parch 0 Parch_0
## 2762 Si Parch 2 Parch_2
## 2763 No Parch 0 Parch_0
## 2764 No Parch 0 Parch_0
## 2765 No Parch 0 Parch_0
## 2766 No Parch 0 Parch_0
## 2767 No Parch 2 Parch_2
## 2768 No Parch 0 Parch_0
## 2769 No Parch 0 Parch_0
## 2770 No Parch 0 Parch_0
## 2771 Si Parch 1 Parch_1
## 2772 Si Parch 1 Parch_1
## 2773 No Parch 0 Parch_0
## 2774 No Parch 0 Parch_0
## 2775 No Parch 0 Parch_0
## 2776 No Parch 1 Parch_1
## 2777 No Parch 0 Parch_0
## 2778 No Parch 0 Parch_0
## 2779 No Parch 0 Parch_0
## 2780 Si Parch 0 Parch_0
## 2781 Si Parch 0 Parch_0
## 2782 No Parch 0 Parch_0
## 2783 Si Parch 0 Parch_0
## 2784 No Parch 0 Parch_0
## 2785 No Parch 0 Parch_0
## 2786 No Parch 0 Parch_0
## 2787 No Parch 0 Parch_0
## 2788 No Parch 0 Parch_0
## 2789 No Parch 0 Parch_0
## 2790 No Parch 0 Parch_0
## 2791 No Parch 0 Parch_0
## 2792 No Parch 1 Parch_1
## 2793 No Parch 2 Parch_2
## 2794 No Parch 0 Parch_0
## 2795 No Parch 0 Parch_0
## 2796 No Parch 0 Parch_0
## 2797 Si Parch 0 Parch_0
## 2798 No Parch 1 Parch_1
## 2799 Si Parch 0 Parch_0
## 2800 No Parch 0 Parch_0
## 2801 Si Parch 0 Parch_0
## 2802 Si Parch 1 Parch_1
## 2803 No Parch 0 Parch_0
## 2804 No Parch 0 Parch_0
## 2805 No Parch 0 Parch_0
## 2806 No Parch 0 Parch_0
## 2807 Si Parch 0 Parch_0
## 2808 No Parch 0 Parch_0
## 2809 No Parch 0 Parch_0
## 2810 Si Parch 2 Parch_2
## 2811 No Parch 0 Parch_0
## 2812 No Parch 0 Parch_0
## 2813 No Parch 0 Parch_0
## 2814 No Parch 2 Parch_2
## 2815 Si Parch 0 Parch_0
## 2816 Si Parch 0 Parch_0
## 2817 No Parch 0 Parch_0
## 2818 No Parch 0 Parch_0
## 2819 No Parch 1 Parch_1
## 2820 Si Parch 0 Parch_0
## 2821 No Parch 2 Parch_2
## 2822 No Parch 2 Parch_2
## 2823 No Parch 0 Parch_0
## 2824 No Parch 0 Parch_0
## 2825 Si Parch 0 Parch_0
## 2826 No Parch 0 Parch_0
## 2827 No Parch 2 Parch_2
## 2828 No Parch 0 Parch_0
## 2829 No Parch 1 Parch_1
## 2830 Si Parch 0 Parch_0
## 2831 No Parch 0 Parch_0
## 2832 No Parch 0 Parch_0
## 2833 No Parch 2 Parch_2
## 2834 No Parch 1 Parch_1
## 2835 Si Parch 0 Parch_0
## 2836 No Parch 0 Parch_0
## 2837 No Parch 0 Parch_0
## 2838 No Parch 1 Parch_1
## 2839 Si Parch 2 Parch_2
## 2840 Si Parch 1 Parch_1
## 2841 No Parch 4 Parch_4
## 2842 No Parch 0 Parch_0
## 2843 No Parch 0 Parch_0
## 2844 No Parch 0 Parch_0
## 2845 No Parch 1 Parch_1
## 2846 Si Parch 1 Parch_1
## 2847 No Parch 0 Parch_0
## 2848 No Parch 0 Parch_0
## 2849 No Parch 1 Parch_1
## 2850 No Parch 1 Parch_1
## 2851 No Parch 0 Parch_0
## 2852 No Parch 0 Parch_0
## 2853 No Parch 0 Parch_0
## 2854 No Parch 2 Parch_2
## 2855 No Parch 0 Parch_0
## 2856 No Parch 2 Parch_2
## 2857 Si Parch 1 Parch_1
## 2858 Si Parch 2 Parch_2
## 2859 No Parch 0 Parch_0
## 2860 Si Parch 0 Parch_0
## 2861 Si Parch 0 Parch_0
## 2862 No Parch 1 Parch_1
## 2863 No Parch 0 Parch_0
## 2864 Si Parch 0 Parch_0
## 2865 No Parch 0 Parch_0
## 2866 Si Parch 0 Parch_0
## 2867 Si Parch 1 Parch_1
## 2868 Si Parch 0 Parch_0
## 2869 Si Parch 0 Parch_0
## 2870 No Parch 0 Parch_0
## 2871 No Parch 1 Parch_1
## 2872 Si Parch 0 Parch_0
## 2873 No Parch 0 Parch_0
## 2874 No Parch 0 Parch_0
## 2875 No Parch 2 Parch_2
## 2876 No Parch 0 Parch_0
## 2877 No Parch 0 Parch_0
## 2878 Si Parch 0 Parch_0
## 2879 No Parch 1 Parch_1
## 2880 No Parch 0 Parch_0
## 2881 Si Parch 0 Parch_0
## 2882 Si Parch 0 Parch_0
## 2883 Si Parch 0 Parch_0
## 2884 No Parch 0 Parch_0
## 2885 Si Parch 0 Parch_0
## 2886 No Parch 0 Parch_0
## 2887 No Parch 0 Parch_0
## 2888 No Parch 0 Parch_0
## 2889 Si Parch 0 Parch_0
## 2890 Si Parch 0 Parch_0
## 2891 No Parch 0 Parch_0
## 2892 Si Parch 0 Parch_0
## 2893 No Parch 0 Parch_0
## 2894 Si Parch 0 Parch_0
## 2895 No Parch 0 Parch_0
## 2896 No Parch 0 Parch_0
## 2897 No Parch 0 Parch_0
## 2898 Si Parch 0 Parch_0
## 2899 No Parch 0 Parch_0
## 2900 Si Parch 0 Parch_0
## 2901 No Parch 0 Parch_0
## 2902 No Parch 0 Parch_0
## 2903 No Parch 1 Parch_1
## 2904 Si Parch 0 Parch_0
## 2905 No Parch 0 Parch_0
## 2906 No Parch 0 Parch_0
## 2907 Si Parch 2 Parch_2
## 2908 No Parch 0 Parch_0
## 2909 No Parch 0 Parch_0
## 2910 No Parch 0 Parch_0
## 2911 Si Parch 2 Parch_2
## 2912 No Parch 0 Parch_0
## 2913 No Parch 0 Parch_0
## 2914 No Parch 0 Parch_0
## 2915 Si Parch 0 Parch_0
## 2916 No Parch 0 Parch_0
## 2917 No Parch 0 Parch_0
## 2918 No Parch 0 Parch_0
## 2919 No Parch 0 Parch_0
## 2920 No Parch 0 Parch_0
## 2921 Si Parch 2 Parch_2
## 2922 Si Parch 1 Parch_1
## 2923 No Parch 0 Parch_0
## 2924 No Parch 0 Parch_0
## 2925 No Parch 1 Parch_1
## 2926 No Parch 0 Parch_0
## 2927 No Parch 0 Parch_0
## 2928 No Parch 2 Parch_2
## 2929 Si Parch 2 Parch_2
## 2930 Si Parch 0 Parch_0
## 2931 Si Parch 0 Parch_0
## 2932 Si Parch 0 Parch_0
## 2933 Si Parch 1 Parch_1
## 2934 No Parch 0 Parch_0
## 2935 Si Parch 2 Parch_2
## 2936 No Parch 1 Parch_1
## 2937 No Parch 0 Parch_0
## 2938 No Parch 0 Parch_0
## 2939 No Parch 0 Parch_0
## 2940 No Parch 1 Parch_1
## 2941 Si Parch 0 Parch_0
## 2942 Si Parch 1 Parch_1
## 2943 Si Parch 0 Parch_0
## 2944 No Parch 0 Parch_0
## 2945 Si Parch 0 Parch_0
## 2946 Si Parch 1 Parch_1
## 2947 No Parch 1 Parch_1
## 2948 Si Parch 0 Parch_0
## 2949 Si Parch 0 Parch_0
## 2950 No Parch 0 Parch_0
## 2951 No Parch 0 Parch_0
## 2952 No Parch 1 Parch_1
## 2953 Si Parch 1 Parch_1
## 2954 No Parch 0 Parch_0
## 2955 No Parch 0 Parch_0
## 2956 No Parch 0 Parch_0
## 2957 Si Parch 0 Parch_0
## 2958 No Parch 0 Parch_0
## 2959 No Parch 0 Parch_0
## 2960 Si Parch 0 Parch_0
## 2961 No Parch 0 Parch_0
## 2962 Si Parch 0 Parch_0
## 2963 Si Parch 0 Parch_0
## 2964 Si Parch 0 Parch_0
## 2965 Si Parch 0 Parch_0
## 2966 No Parch 0 Parch_0
## 2967 No Parch 0 Parch_0
## 2968 No Parch 0 Parch_0
## 2969 No Parch 0 Parch_0
## 2970 No Parch 0 Parch_0
## 2971 No Parch 2 Parch_2
## 2972 Si Parch 0 Parch_0
## 2973 Si Parch 1 Parch_1
## 2974 Si Parch 0 Parch_0
## 2975 Si Parch 0 Parch_0
## 2976 No Parch 0 Parch_0
## 2977 Si Parch 0 Parch_0
## 2978 No Parch 0 Parch_0
## 2979 Si Parch 2 Parch_2
## 2980 Si Parch 0 Parch_0
## 2981 Si Parch 0 Parch_0
## 2982 No Parch 0 Parch_0
## 2983 Si Parch 0 Parch_0
## 2984 Si Parch 0 Parch_0
## 2985 Si Parch 2 Parch_2
## 2986 No Parch 1 Parch_1
## 2987 No Parch 0 Parch_0
## 2988 No Parch 1 Parch_1
## 2989 Si Parch 0 Parch_0
## 2990 Si Parch 0 Parch_0
## 2991 No Parch 0 Parch_0
## 2992 Si Parch 2 Parch_2
## 2993 Si Parch 1 Parch_1
## 2994 No Parch 0 Parch_0
## 2995 No Parch 0 Parch_0
## 2996 Si Parch 0 Parch_0
## 2997 Si Parch 1 Parch_1
## 2998 No Parch 2 Parch_2
## 2999 Si Parch 0 Parch_0
## 3000 No Parch 0 Parch_0
## 3001 Si Parch 0 Parch_0
## 3002 Si Parch 1 Parch_1
## 3003 Si Parch 1 Parch_1
## 3004 Si Parch 0 Parch_0
## 3005 No Parch 0 Parch_0
## 3006 No Parch 1 Parch_1
## 3007 No Parch 0 Parch_0
## 3008 Si Parch 0 Parch_0
## 3009 No Parch 0 Parch_0
## 3010 No Parch 0 Parch_0
## 3011 Si Parch 0 Parch_0
## 3012 Si Parch 0 Parch_0
## 3013 No Parch 0 Parch_0
## 3014 Si Parch 1 Parch_1
## 3015 Si Parch 2 Parch_2
## 3016 No Parch 0 Parch_0
## 3017 No Parch 0 Parch_0
## 3018 No Parch 0 Parch_0
## 3019 Si Parch 0 Parch_0
## 3020 Si Parch 0 Parch_0
## 3021 Si Parch 0 Parch_0
## 3022 Si Parch 1 Parch_1
## 3023 No Parch 0 Parch_0
## 3024 No Parch 0 Parch_0
## 3025 No Parch 0 Parch_0
## 3026 No Parch 1 Parch_1
## 3027 No Parch 0 Parch_0
## 3028 No Parch 0 Parch_0
## 3029 No Parch 0 Parch_0
## 3030 Si Parch 1 Parch_1
## 3031 No Parch 0 Parch_0
## 3032 Si Parch 0 Parch_0
## 3033 Si Parch 0 Parch_0
## 3034 No Parch 4 Parch_4
## 3035 No Parch 0 Parch_0
## 3036 No Parch 1 Parch_1
## 3037 No Parch 0 Parch_0
## 3038 No Parch 0 Parch_0
## 3039 No Parch 0 Parch_0
## 3040 Si Parch 0 Parch_0
## 3041 Si Parch 0 Parch_0
## 3042 Si Parch 0 Parch_0
## 3043 Si Parch 0 Parch_0
## 3044 Si Parch 0 Parch_0
## 3045 No Parch 0 Parch_0
## 3046 No Parch 0 Parch_0
## 3047 No Parch 0 Parch_0
## 3048 No Parch 1 Parch_1
## 3049 Si Parch 0 Parch_0
## 3050 Si Parch 0 Parch_0
## 3051 No Parch 2 Parch_2
## 3052 No Parch 0 Parch_0
## 3053 No Parch 0 Parch_0
## 3054 Si Parch 0 Parch_0
## 3055 Si Parch 2 Parch_2
## 3056 No Parch 0 Parch_0
## 3057 Si Parch 0 Parch_0
## 3058 No Parch 0 Parch_0
## 3059 No Parch 0 Parch_0
## 3060 No Parch 2 Parch_2
## 3061 Si Parch 0 Parch_0
## 3062 No Parch 0 Parch_0
## 3063 Si Parch 0 Parch_0
## 3064 Si Parch 2 Parch_2
## 3065 Si Parch 0 Parch_0
## 3066 No Parch 0 Parch_0
## 3067 Si Parch 0 Parch_0
## 3068 Si Parch 2 Parch_2
## 3069 No Parch 0 Parch_0
## 3070 No Parch 0 Parch_0
## 3071 No Parch 0 Parch_0
## 3072 No Parch 0 Parch_0
## 3073 Si Parch 0 Parch_0
## 3074 Si Parch 0 Parch_0
## 3075 No Parch 0 Parch_0
## 3076 No Parch 0 Parch_0
## 3077 No Parch 0 Parch_0
## 3078 No Parch 0 Parch_0
## 3079 No Parch 0 Parch_0
## 3080 No Parch 0 Parch_0
## 3081 Si Parch 1 Parch_1
## 3082 No Parch 0 Parch_0
## 3083 No Parch 1 Parch_1
## 3084 No Parch 0 Parch_0
## 3085 No Parch 0 Parch_0
## 3086 Si Parch 0 Parch_0
## 3087 No Parch 0 Parch_0
## 3088 Si Parch 0 Parch_0
## 3089 No Parch 0 Parch_0
## 3090 Si Parch 1 Parch_1
## 3091 Si Parch 2 Parch_2
## 3092 No Parch 0 Parch_0
## 3093 No Parch 2 Parch_2
## 3094 No Parch 0 Parch_0
## 3095 No Parch 0 Parch_0
## 3096 No Parch 0 Parch_0
## 3097 No Parch 1 Parch_1
## 3098 No Parch 1 Parch_1
## 3099 No Parch 0 Parch_0
## 3100 Si Parch 0 Parch_0
## 3101 Si Parch 0 Parch_0
## 3102 No Parch 0 Parch_0
## 3103 Si Parch 0 Parch_0
## 3104 Si Parch 0 Parch_0
## 3105 Si Parch 0 Parch_0
## 3106 Si Parch 0 Parch_0
## 3107 No Parch 0 Parch_0
## 3108 No Parch 0 Parch_0
## 3109 Si Parch 2 Parch_2
## 3110 No Parch 2 Parch_2
## 3111 Si Parch 3 Parch_3
## 3112 No Parch 4 Parch_4
## 3113 No Parch 0 Parch_0
## 3114 Si Parch 1 Parch_1
## 3115 No Parch 0 Parch_0
## 3116 No Parch 0 Parch_0
## 3117 Si Parch 0 Parch_0
## 3118 Si Parch 0 Parch_0
## 3119 Si Parch 2 Parch_2
## 3120 Si Parch 1 Parch_1
## 3121 Si Parch 0 Parch_0
## 3122 Si Parch 1 Parch_1
## 3123 Si Parch 0 Parch_0
## 3124 No Parch 2 Parch_2
## 3125 No Parch 0 Parch_0
## 3126 No Parch 0 Parch_0
## 3127 Si Parch 0 Parch_0
## 3128 No Parch 0 Parch_0
## 3129 Si Parch 0 Parch_0
## 3130 No Parch 0 Parch_0
## 3131 Si Parch 0 Parch_0
## 3132 Si Parch 0 Parch_0
## 3133 No Parch 0 Parch_0
## 3134 Si Parch 0 Parch_0
## 3135 No Parch 0 Parch_0
## 3136 No Parch 0 Parch_0
## 3137 No Parch 0 Parch_0
## 3138 No Parch 0 Parch_0
## 3139 No Parch 0 Parch_0
## 3140 No Parch 0 Parch_0
## 3141 No Parch 0 Parch_0
## 3142 No Parch 0 Parch_0
## 3143 Si Parch 1 Parch_1
## 3144 No Parch 0 Parch_0
## 3145 No Parch 0 Parch_0
## 3146 Si Parch 2 Parch_2
## 3147 Si Parch 0 Parch_0
## 3148 No Parch 0 Parch_0
## 3149 No Parch 0 Parch_0
## 3150 No Parch 0 Parch_0
## 3151 No Parch 0 Parch_0
## 3152 No Parch 0 Parch_0
## 3153 Si Parch 1 Parch_1
## 3154 No Parch 2 Parch_2
## 3155 No Parch 0 Parch_0
## 3156 No Parch 0 Parch_0
## 3157 Si Parch 0 Parch_0
## 3158 Si Parch 0 Parch_0
## 3159 No Parch 1 Parch_1
## 3160 Si Parch 0 Parch_0
## 3161 No Parch 0 Parch_0
## 3162 No Parch 0 Parch_0
## 3163 Si Parch 1 Parch_1
## 3164 No Parch 0 Parch_0
## 3165 No Parch 0 Parch_0
## 3166 No Parch 0 Parch_0
## 3167 No Parch 0 Parch_0
## 3168 No Parch 0 Parch_0
## 3169 No Parch 0 Parch_0
## 3170 Si Parch 0 Parch_0
## 3171 No Parch 0 Parch_0
## 3172 No Parch 2 Parch_2
## 3173 No Parch 0 Parch_0
## 3174 No Parch 0 Parch_0
## 3175 No Parch 0 Parch_0
## 3176 No Parch 0 Parch_0
## 3177 No Parch 0 Parch_0
## 3178 Si Parch 0 Parch_0
## 3179 No Parch 0 Parch_0
## 3180 Si Parch 2 Parch_2
## 3181 Si Parch 0 Parch_0
## 3182 No Parch 0 Parch_0
## 3183 Si Parch 0 Parch_0
## 3184 Si Parch 0 Parch_0
## 3185 No Parch 0 Parch_0
## 3186 Si Parch 0 Parch_0
## 3187 Si Parch 0 Parch_0
## 3188 No Parch 0 Parch_0
## 3189 No Parch 0 Parch_0
## 3190 Si Parch 0 Parch_0
## 3191 No Parch 0 Parch_0
## 3192 Si Parch 0 Parch_0
## 3193 No Parch 0 Parch_0
## 3194 Si Parch 0 Parch_0
## 3195 No Parch 0 Parch_0
## 3196 No Parch 0 Parch_0
## 3197 Si Parch 1 Parch_1
## 3198 No Parch 0 Parch_0
## 3199 No Parch 0 Parch_0
## 3200 Si Parch 0 Parch_0
## 3201 No Parch 0 Parch_0
## 3202 No Parch 0 Parch_0
## 3203 No Parch 1 Parch_1
## 3204 Si Parch 1 Parch_1
## 3205 No Parch 0 Parch_0
## 3206 No Parch 1 Parch_1
## 3207 Si Parch 2 Parch_2
## 3208 No Parch 0 Parch_0
## 3209 Si Parch 2 Parch_2
## 3210 No Parch 0 Parch_0
## 3211 Si Parch 0 Parch_0
## 3212 No Parch 0 Parch_0
## 3213 Si Parch 2 Parch_2
## 3214 Si Parch 2 Parch_2
## 3215 No Parch 2 Parch_2
## 3216 No Parch 2 Parch_2
## 3217 Si Parch 0 Parch_0
## 3218 No Parch 0 Parch_0
## 3219 No Parch 0 Parch_0
## 3220 Si Parch 0 Parch_0
## 3221 Si Parch 0 Parch_0
## 3222 No Parch 1 Parch_1
## 3223 Si Parch 1 Parch_1
## 3224 Si Parch 2 Parch_2
## 3225 No Parch 0 Parch_0
## 3226 No Parch 0 Parch_0
## 3227 Si Parch 0 Parch_0
## 3228 Si Parch 0 Parch_0
## 3229 No Parch 0 Parch_0
## 3230 Si Parch 0 Parch_0
## 3231 No Parch 0 Parch_0
## 3232 Si Parch 1 Parch_1
## 3233 Si Parch 0 Parch_0
## 3234 No Parch 0 Parch_0
## 3235 No Parch 0 Parch_0
## 3236 No Parch 0 Parch_0
## 3237 No Parch 0 Parch_0
## 3238 No Parch 0 Parch_0
## 3239 No Parch 0 Parch_0
## 3240 No Parch 0 Parch_0
## 3241 No Parch 4 Parch_4
## 3242 No Parch 0 Parch_0
## 3243 Si Parch 0 Parch_0
## 3244 Si Parch 0 Parch_0
## 3245 Si Parch 0 Parch_0
## 3246 Si Parch 0 Parch_0
## 3247 Si Parch 0 Parch_0
## 3248 No Parch 0 Parch_0
## 3249 No Parch 0 Parch_0
## 3250 Si Parch 0 Parch_0
## 3251 Si Parch 0 Parch_0
## 3252 No Parch 0 Parch_0
## 3253 Si Parch 0 Parch_0
## 3254 Si Parch 1 Parch_1
## 3255 Si Parch 1 Parch_1
## 3256 No Parch 0 Parch_0
## 3257 No Parch 0 Parch_0
## 3258 No Parch 0 Parch_0
## 3259 Si Parch 2 Parch_2
## 3260 No Parch 0 Parch_0
## 3261 Si Parch 1 Parch_1
## 3262 No Parch 0 Parch_0
## 3263 No Parch 0 Parch_0
## 3264 No Parch 0 Parch_0
## 3265 Si Parch 0 Parch_0
## 3266 No Parch 0 Parch_0
## 3267 No Parch 2 Parch_2
## 3268 No Parch 0 Parch_0
## 3269 No Parch 1 Parch_1
## 3270 Si Parch 0 Parch_0
## 3271 No Parch 0 Parch_0
## 3272 No Parch 0 Parch_0
## 3273 Si Parch 0 Parch_0
## 3274 Si Parch 1 Parch_1
## 3275 No Parch 0 Parch_0
## 3276 No Parch 0 Parch_0
## 3277 No Parch 0 Parch_0
## 3278 Si Parch 0 Parch_0
## 3279 No Parch 0 Parch_0
## 3280 No Parch 0 Parch_0
## 3281 Si Parch 0 Parch_0
## 3282 Si Parch 2 Parch_2
## 3283 Si Parch 0 Parch_0
## 3284 No Parch 5 Parch_5
## 3285 No Parch 0 Parch_0
## 3286 Si Parch 0 Parch_0
## 3287 No Parch 0 Parch_0
## 3288 No Parch 0 Parch_0
## 3289 Si Parch 2 Parch_2
## 3290 No Parch 1 Parch_1
## 3291 No Parch 0 Parch_0
## 3292 Si Parch 1 Parch_1
## 3293 No Parch 0 Parch_0
## 3294 No Parch 0 Parch_0
## 3295 Si Parch 0 Parch_0
## 3296 Si Parch 1 Parch_1
## 3297 No Parch 0 Parch_0
## 3298 No Parch 0 Parch_0
## 3299 No Parch 0 Parch_0
## 3300 No Parch 0 Parch_0
## 3301 Si Parch 0 Parch_0
## 3302 No Parch 0 Parch_0
## 3303 No Parch 0 Parch_0
## 3304 Si Parch 0 Parch_0
## 3305 No Parch 0 Parch_0
## 3306 Si Parch 0 Parch_0
## 3307 No Parch 0 Parch_0
## 3308 No Parch 2 Parch_2
## 3309 Si Parch 0 Parch_0
## 3310 No Parch 0 Parch_0
## 3311 No Parch 1 Parch_1
## 3312 No Parch 5 Parch_5
## 3313 No Parch 0 Parch_0
## 3314 No Parch 0 Parch_0
## 3315 Si Parch 0 Parch_0
## 3316 No Parch 2 Parch_2
## 3317 Si Parch 0 Parch_0
## 3318 Si Parch 1 Parch_1
## 3319 Si Parch 0 Parch_0
## 3320 No Parch 0 Parch_0
## 3321 Si Parch 0 Parch_0
## 3322 No Parch 0 Parch_0
## 3323 Si Parch 0 Parch_0
## 3324 No Parch 0 Parch_0
## 3325 Si Parch 1 Parch_1
## 3326 No Parch 0 Parch_0
## 3327 Si Parch 0 Parch_0
## 3328 No Parch 0 Parch_0
## 3329 No Parch 0 Parch_0
## 3330 No Parch 0 Parch_0
## 3331 No Parch 1 Parch_1
## 3332 No Parch 0 Parch_0
## 3333 No Parch 2 Parch_2
## 3334 Si Parch 0 Parch_0
## 3335 No Parch 0 Parch_0
## 3336 No Parch 0 Parch_0
## 3337 No Parch 0 Parch_0
## 3338 Si Parch 0 Parch_0
## 3339 No Parch 0 Parch_0
## 3340 No Parch 0 Parch_0
## 3341 No Parch 0 Parch_0
## 3342 No Parch 0 Parch_0
## 3343 Si Parch 0 Parch_0
## 3344 Si Parch 1 Parch_1
## 3345 No Parch 0 Parch_0
## 3346 No Parch 0 Parch_0
## 3347 Si Parch 0 Parch_0
## 3348 No Parch 0 Parch_0
## 3349 No Parch 0 Parch_0
## 3350 No Parch 0 Parch_0
## 3351 Si Parch 0 Parch_0
## 3352 No Parch 6 Parch_6
## 3353 Si Parch 1 Parch_1
## 3354 No Parch 0 Parch_0
## 3355 Si Parch 0 Parch_0
## 3356 No Parch 0 Parch_0
## 3357 No Parch 2 Parch_2
## 3358 No Parch 1 Parch_1
## 3359 No Parch 2 Parch_2
## 3360 No Parch 1 Parch_1
## 3361 No Parch 0 Parch_0
## 3362 No Parch 0 Parch_0
## 3363 Si Parch 1 Parch_1
## 3364 Si Parch 0 Parch_0
## 3365 Si Parch 1 Parch_1
## 3366 Si Parch 0 Parch_0
## 3367 No Parch 0 Parch_0
## 3368 No Parch 0 Parch_0
## 3369 No Parch 0 Parch_0
## 3370 No Parch 0 Parch_0
## 3371 Si Parch 0 Parch_0
## 3372 No Parch 1 Parch_1
## 3373 No Parch 0 Parch_0
## 3374 Si Parch 0 Parch_0
## 3375 Si Parch 0 Parch_0
## 3376 No Parch 1 Parch_1
## 3377 No Parch 0 Parch_0
## 3378 No Parch 0 Parch_0
## 3379 No Parch 0 Parch_0
## 3380 Si Parch 0 Parch_0
## 3381 Si Parch 0 Parch_0
## 3382 Si Parch 0 Parch_0
## 3383 Si Parch 1 Parch_1
## 3384 Si Parch 0 Parch_0
## 3385 No Parch 0 Parch_0
## 3386 Si Parch 0 Parch_0
## 3387 No Parch 0 Parch_0
## 3388 No Parch 0 Parch_0
## 3389 No Parch 0 Parch_0
## 3390 Si Parch 0 Parch_0
## 3391 Si Parch 0 Parch_0
## 3392 No Parch 0 Parch_0
## 3393 No Parch 0 Parch_0
## 3394 Si Parch 1 Parch_1
## 3395 No Parch 0 Parch_0
## 3396 No Parch 0 Parch_0
## 3397 No Parch 0 Parch_0
## 3398 Si Parch 0 Parch_0
## 3399 No Parch 0 Parch_0
## 3400 Si Parch 0 Parch_0
## 3401 Si Parch 0 Parch_0
## 3402 No Parch 0 Parch_0
## 3403 No Parch 0 Parch_0
## 3404 Si Parch 0 Parch_0
## 3405 No Parch 0 Parch_0
## 3406 No Parch 0 Parch_0
## 3407 No Parch 0 Parch_0
## 3408 No Parch 0 Parch_0
## 3409 No Parch 0 Parch_0
## 3410 No Parch 3 Parch_3
## 3411 Si Parch 0 Parch_0
## 3412 No Parch 0 Parch_0
## 3413 No Parch 0 Parch_0
## 3414 Si Parch 0 Parch_0
## 3415 No Parch 0 Parch_0
## 3416 Si Parch 2 Parch_2
## 3417 No Parch 0 Parch_0
## 3418 Si Parch 0 Parch_0
## 3419 No Parch 1 Parch_1
## 3420 No Parch 1 Parch_1
## 3421 Si Parch 0 Parch_0
## 3422 No Parch 0 Parch_0
## 3423 No Parch 0 Parch_0
## 3424 Si Parch 1 Parch_1
## 3425 Si Parch 1 Parch_1
## 3426 No Parch 0 Parch_0
## 3427 No Parch 0 Parch_0
## 3428 Si Parch 2 Parch_2
## 3429 Si Parch 1 Parch_1
## 3430 No Parch 0 Parch_0
## 3431 No Parch 0 Parch_0
## 3432 No Parch 0 Parch_0
## 3433 Si Parch 0 Parch_0
## 3434 No Parch 0 Parch_0
## 3435 No Parch 0 Parch_0
## 3436 Si Parch 0 Parch_0
## 3437 Si Parch 2 Parch_2
## 3438 No Parch 0 Parch_0
## 3439 Si Parch 0 Parch_0
## 3440 No Parch 0 Parch_0
## 3441 No Parch 0 Parch_0
## 3442 No Parch 0 Parch_0
## 3443 No Parch 0 Parch_0
## 3444 No Parch 0 Parch_0
## 3445 No Parch 0 Parch_0
## 3446 No Parch 0 Parch_0
## 3447 No Parch 0 Parch_0
## 3448 Si Parch 3 Parch_3
## 3449 No Parch 0 Parch_0
## 3450 No Parch 0 Parch_0
## 3451 Si Parch 0 Parch_0
## 3452 No Parch 0 Parch_0
## 3453 Si Parch 1 Parch_1
## 3454 Si Parch 0 Parch_0
## 3455 Si Parch 0 Parch_0
## 3456 No Parch 0 Parch_0
## 3457 No Parch 2 Parch_2
## 3458 No Parch 0 Parch_0
## 3459 No Parch 0 Parch_0
## 3460 Si Parch 0 Parch_0
## 3461 No Parch 1 Parch_1
## 3462 Si Parch 2 Parch_2
## 3463 No Parch 0 Parch_0
## 3464 No Parch 0 Parch_0
## 3465 No Parch 0 Parch_0
## 3466 No Parch 2 Parch_2
## 3467 No Parch 0 Parch_0
## 3468 No Parch 0 Parch_0
## 3469 No Parch 0 Parch_0
## 3470 Si Parch 0 Parch_0
## 3471 Si Parch 0 Parch_0
## 3472 No Parch 0 Parch_0
## 3473 No Parch 1 Parch_1
## 3474 No Parch 0 Parch_0
## 3475 Si Parch 1 Parch_1
## 3476 Si Parch 2 Parch_2
## 3477 Si Parch 1 Parch_1
## 3478 Si Parch 0 Parch_0
## 3479 No Parch 0 Parch_0
## 3480 No Parch 0 Parch_0
## 3481 No Parch 0 Parch_0
## 3482 No Parch 0 Parch_0
## 3483 Si Parch 0 Parch_0
## 3484 No Parch 0 Parch_0
## 3485 No Parch 0 Parch_0
## 3486 No Parch 0 Parch_0
## 3487 No Parch 2 Parch_2
## 3488 No Parch 0 Parch_0
## 3489 No Parch 0 Parch_0
## 3490 No Parch 0 Parch_0
## 3491 No Parch 1 Parch_1
## 3492 No Parch 0 Parch_0
## 3493 No Parch 2 Parch_2
## 3494 Si Parch 1 Parch_1
## 3495 Si Parch 0 Parch_0
## 3496 No Parch 0 Parch_0
## 3497 Si Parch 1 Parch_1
## 3498 No Parch 1 Parch_1
## 3499 No Parch 0 Parch_0
## 3500 No Parch 0 Parch_0
## 3501 Si Parch 2 Parch_2
## 3502 Si Parch 0 Parch_0
## 3503 Si Parch 0 Parch_0
## 3504 Si Parch 0 Parch_0
## 3505 Si Parch 1 Parch_1
## 3506 No Parch 0 Parch_0
## 3507 No Parch 0 Parch_0
## 3508 No Parch 0 Parch_0
## 3509 Si Parch 1 Parch_1
## 3510 No Parch 0 Parch_0
## 3511 No Parch 0 Parch_0
## 3512 Si Parch 0 Parch_0
## 3513 Si Parch 0 Parch_0
## 3514 No Parch 0 Parch_0
## 3515 No Parch 0 Parch_0
## 3516 Si Parch 0 Parch_0
## 3517 No Parch 0 Parch_0
## 3518 No Parch 0 Parch_0
## 3519 No Parch 0 Parch_0
## 3520 No Parch 2 Parch_2
## 3521 No Parch 0 Parch_0
## 3522 No Parch 1 Parch_1
## 3523 Si Parch 0 Parch_0
## 3524 No Parch 2 Parch_2
## 3525 No Parch 0 Parch_0
## 3526 No Parch 1 Parch_1
## 3527 Si Parch 1 Parch_1
## 3528 No Parch 0 Parch_0
## 3529 Si Parch 1 Parch_1
## 3530 Si Parch 1 Parch_1
## 3531 Si Parch 0 Parch_0
## 3532 Si Parch 3 Parch_3
## 3533 No Parch 0 Parch_0
## 3534 No Parch 0 Parch_0
## 3535 No Parch 0 Parch_0
## 3536 Si Parch 0 Parch_0
## 3537 No Parch 2 Parch_2
## 3538 No Parch 0 Parch_0
## 3539 Si Parch 0 Parch_0
## 3540 Si Parch 0 Parch_0
## 3541 No Parch 0 Parch_0
## 3542 No Parch 0 Parch_0
## 3543 Si Parch 1 Parch_1
## 3544 No Parch 0 Parch_0
## 3545 Si Parch 1 Parch_1
## 3546 No Parch 0 Parch_0
## 3547 No Parch 0 Parch_0
## 3548 Si Parch 0 Parch_0
## 3549 Si Parch 0 Parch_0
## 3550 No Parch 0 Parch_0
## 3551 No Parch 0 Parch_0
## 3552 No Parch 0 Parch_0
## 3553 Si Parch 1 Parch_1
## 3554 Si Parch 1 Parch_1
## 3555 No Parch 0 Parch_0
## 3556 No Parch 0 Parch_0
## 3557 No Parch 0 Parch_0
## 3558 No Parch 0 Parch_0
## 3559 No Parch 5 Parch_5
## 3560 No Parch 0 Parch_0
## 3561 Si Parch 0 Parch_0
## 3562 No Parch 2 Parch_2
## 3563 Si Parch 0 Parch_0
## 3564 No Parch 0 Parch_0
## 3565 No Embarked S Embarked_S
## 3566 Si Embarked C Embarked_C
## 3567 Si Embarked S Embarked_S
## 3568 Si Embarked S Embarked_S
## 3569 No Embarked S Embarked_S
## 3570 No Embarked Q Embarked_Q
## 3571 No Embarked S Embarked_S
## 3572 No Embarked S Embarked_S
## 3573 Si Embarked S Embarked_S
## 3574 Si Embarked C Embarked_C
## 3575 Si Embarked S Embarked_S
## 3576 Si Embarked S Embarked_S
## 3577 No Embarked S Embarked_S
## 3578 No Embarked S Embarked_S
## 3579 No Embarked S Embarked_S
## 3580 Si Embarked S Embarked_S
## 3581 No Embarked Q Embarked_Q
## 3582 Si Embarked S Embarked_S
## 3583 No Embarked S Embarked_S
## 3584 Si Embarked C Embarked_C
## 3585 No Embarked S Embarked_S
## 3586 Si Embarked S Embarked_S
## 3587 Si Embarked Q Embarked_Q
## 3588 Si Embarked S Embarked_S
## 3589 No Embarked S Embarked_S
## 3590 Si Embarked S Embarked_S
## 3591 No Embarked C Embarked_C
## 3592 No Embarked S Embarked_S
## 3593 Si Embarked Q Embarked_Q
## 3594 No Embarked S Embarked_S
## 3595 No Embarked C Embarked_C
## 3596 Si Embarked C Embarked_C
## 3597 Si Embarked Q Embarked_Q
## 3598 No Embarked S Embarked_S
## 3599 No Embarked C Embarked_C
## 3600 No Embarked S Embarked_S
## 3601 Si Embarked C Embarked_C
## 3602 No Embarked S Embarked_S
## 3603 No Embarked S Embarked_S
## 3604 Si Embarked C Embarked_C
## 3605 No Embarked S Embarked_S
## 3606 No Embarked S Embarked_S
## 3607 No Embarked C Embarked_C
## 3608 Si Embarked C Embarked_C
## 3609 Si Embarked Q Embarked_Q
## 3610 No Embarked S Embarked_S
## 3611 No Embarked Q Embarked_Q
## 3612 Si Embarked Q Embarked_Q
## 3613 No Embarked C Embarked_C
## 3614 No Embarked S Embarked_S
## 3615 No Embarked S Embarked_S
## 3616 No Embarked S Embarked_S
## 3617 Si Embarked C Embarked_C
## 3618 Si Embarked S Embarked_S
## 3619 No Embarked C Embarked_C
## 3620 Si Embarked S Embarked_S
## 3621 Si Embarked S Embarked_S
## 3622 No Embarked C Embarked_C
## 3623 Si Embarked S Embarked_S
## 3624 No Embarked S Embarked_S
## 3625 No Embarked C Embarked_C
## 3626 No Embarked S Embarked_S
## 3627 No Embarked S Embarked_S
## 3628 No Embarked C Embarked_C
## 3629 Si Embarked C Embarked_C
## 3630 Si Embarked S Embarked_S
## 3631 No Embarked S Embarked_S
## 3632 Si Embarked S Embarked_S
## 3633 No Embarked S Embarked_S
## 3634 No Embarked S Embarked_S
## 3635 No Embarked S Embarked_S
## 3636 No Embarked S Embarked_S
## 3637 No Embarked C Embarked_C
## 3638 Si Embarked S Embarked_S
## 3639 No Embarked S Embarked_S
## 3640 No Embarked S Embarked_S
## 3641 No Embarked S Embarked_S
## 3642 Si Embarked S Embarked_S
## 3643 Si Embarked S Embarked_S
## 3644 No Embarked S Embarked_S
## 3645 Si Embarked S Embarked_S
## 3646 Si Embarked Q Embarked_Q
## 3647 No Embarked S Embarked_S
## 3648 Si Embarked S Embarked_S
## 3649 Si Embarked S Embarked_S
## 3650 No Embarked S Embarked_S
## 3651 No Embarked S Embarked_S
## 3652 Si Embarked S Embarked_S
## 3653 No Embarked S Embarked_S
## 3654 No Embarked S Embarked_S
## 3655 No Embarked S Embarked_S
## 3656 No Embarked S Embarked_S
## 3657 No Embarked S Embarked_S
## 3658 No Embarked S Embarked_S
## 3659 No Embarked S Embarked_S
## 3660 No Embarked C Embarked_C
## 3661 Si Embarked C Embarked_C
## 3662 Si Embarked S Embarked_S
## 3663 No Embarked S Embarked_S
## 3664 No Embarked S Embarked_S
## 3665 No Embarked S Embarked_S
## 3666 No Embarked S Embarked_S
## 3667 No Embarked S Embarked_S
## 3668 No Embarked S Embarked_S
## 3669 No Embarked S Embarked_S
## 3670 Si Embarked S Embarked_S
## 3671 Si Embarked S Embarked_S
## 3672 No Embarked S Embarked_S
## 3673 Si Embarked Q Embarked_Q
## 3674 No Embarked S Embarked_S
## 3675 No Embarked C Embarked_C
## 3676 No Embarked S Embarked_S
## 3677 No Embarked S Embarked_S
## 3678 No Embarked C Embarked_C
## 3679 No Embarked S Embarked_S
## 3680 No Embarked Q Embarked_Q
## 3681 No Embarked S Embarked_S
## 3682 No Embarked C Embarked_C
## 3683 No Embarked S Embarked_S
## 3684 No Embarked S Embarked_S
## 3685 No Embarked S Embarked_S
## 3686 No Embarked C Embarked_C
## 3687 Si Embarked S Embarked_S
## 3688 No Embarked S Embarked_S
## 3689 Si Embarked C Embarked_C
## 3690 No Embarked Q Embarked_Q
## 3691 Si Embarked S Embarked_S
## 3692 Si Embarked C Embarked_C
## 3693 No Embarked S Embarked_S
## 3694 No Embarked C Embarked_C
## 3695 No Embarked S Embarked_S
## 3696 No Embarked S Embarked_S
## 3697 Si Embarked S Embarked_S
## 3698 No Embarked S Embarked_S
## 3699 No Embarked C Embarked_C
## 3700 Si Embarked S Embarked_S
## 3701 No Embarked S Embarked_S
## 3702 No Embarked S Embarked_S
## 3703 No Embarked C Embarked_C
## 3704 No Embarked C Embarked_C
## 3705 Si Embarked S Embarked_S
## 3706 Si Embarked S Embarked_S
## 3707 No Embarked Q Embarked_Q
## 3708 No Embarked S Embarked_S
## 3709 No Embarked S Embarked_S
## 3710 Si Embarked S Embarked_S
## 3711 No Embarked S Embarked_S
## 3712 No Embarked S Embarked_S
## 3713 No Embarked S Embarked_S
## 3714 No Embarked S Embarked_S
## 3715 Si Embarked S Embarked_S
## 3716 No Embarked S Embarked_S
## 3717 No Embarked S Embarked_S
## 3718 No Embarked S Embarked_S
## 3719 No Embarked C Embarked_C
## 3720 Si Embarked Q Embarked_Q
## 3721 No Embarked S Embarked_S
## 3722 No Embarked S Embarked_S
## 3723 No Embarked S Embarked_S
## 3724 No Embarked S Embarked_S
## 3725 Si Embarked S Embarked_S
## 3726 No Embarked S Embarked_S
## 3727 No Embarked S Embarked_S
## 3728 No Embarked S Embarked_S
## 3729 Si Embarked S Embarked_S
## 3730 Si Embarked S Embarked_S
## 3731 No Embarked S Embarked_S
## 3732 No Embarked S Embarked_S
## 3733 No Embarked S Embarked_S
## 3734 No Embarked S Embarked_S
## 3735 No Embarked Q Embarked_Q
## 3736 Si Embarked S Embarked_S
## 3737 No Embarked S Embarked_S
## 3738 No Embarked C Embarked_C
## 3739 No Embarked S Embarked_S
## 3740 No Embarked S Embarked_S
## 3741 No Embarked C Embarked_C
## 3742 No Embarked S Embarked_S
## 3743 No Embarked S Embarked_S
## 3744 No Embarked S Embarked_S
## 3745 No Embarked C Embarked_C
## 3746 No Embarked S Embarked_S
## 3747 Si Embarked S Embarked_S
## 3748 Si Embarked S Embarked_S
## 3749 No Embarked S Embarked_S
## 3750 Si Embarked Q Embarked_Q
## 3751 Si Embarked S Embarked_S
## 3752 No Embarked Q Embarked_Q
## 3753 No Embarked S Embarked_S
## 3754 Si Embarked S Embarked_S
## 3755 No Embarked S Embarked_S
## 3756 Si Embarked S Embarked_S
## 3757 Si Embarked S Embarked_S
## 3758 Si Embarked C Embarked_C
## 3759 Si Embarked C Embarked_C
## 3760 No Embarked Q Embarked_Q
## 3761 No Embarked S Embarked_S
## 3762 Si Embarked Q Embarked_Q
## 3763 No Embarked S Embarked_S
## 3764 No Embarked S Embarked_S
## 3765 No Embarked S Embarked_S
## 3766 No Embarked S Embarked_S
## 3767 No Embarked C Embarked_C
## 3768 Si Embarked S Embarked_S
## 3769 No Embarked S Embarked_S
## 3770 No Embarked S Embarked_S
## 3771 Si Embarked C Embarked_C
## 3772 Si Embarked Q Embarked_Q
## 3773 Si Embarked C Embarked_C
## 3774 No Embarked S Embarked_S
## 3775 Si Embarked S Embarked_S
## 3776 No Embarked S Embarked_S
## 3777 No Embarked S Embarked_S
## 3778 No Embarked Q Embarked_Q
## 3779 Si Embarked C Embarked_C
## 3780 Si Embarked S Embarked_S
## 3781 No Embarked S Embarked_S
## 3782 Si Embarked C Embarked_C
## 3783 No Embarked S Embarked_S
## 3784 Si Embarked S Embarked_S
## 3785 No Embarked S Embarked_S
## 3786 No Embarked S Embarked_S
## 3787 No Embarked S Embarked_S
## 3788 Si Embarked S Embarked_S
## 3789 No Embarked S Embarked_S
## 3790 Si Embarked S Embarked_S
## 3791 No Embarked S Embarked_S
## 3792 No Embarked S Embarked_S
## 3793 No Embarked S Embarked_S
## 3794 Si Embarked S Embarked_S
## 3795 No Embarked S Embarked_S
## 3796 No Embarked S Embarked_S
## 3797 Si Embarked S Embarked_S
## 3798 No Embarked S Embarked_S
## 3799 No Embarked S Embarked_S
## 3800 No Embarked S Embarked_S
## 3801 Si Embarked S Embarked_S
## 3802 No Embarked S Embarked_S
## 3803 No Embarked S Embarked_S
## 3804 No Embarked C Embarked_C
## 3805 Si Embarked Q Embarked_Q
## 3806 No Embarked S Embarked_S
## 3807 No Embarked S Embarked_S
## 3808 No Embarked C Embarked_C
## 3809 No Embarked Q Embarked_Q
## 3810 No Embarked S Embarked_S
## 3811 Si Embarked S Embarked_S
## 3812 Si Embarked S Embarked_S
## 3813 No Embarked S Embarked_S
## 3814 No Embarked S Embarked_S
## 3815 No Embarked S Embarked_S
## 3816 No Embarked S Embarked_S
## 3817 No Embarked S Embarked_S
## 3818 No Embarked S Embarked_S
## 3819 Si Embarked C Embarked_C
## 3820 Si Embarked C Embarked_C
## 3821 Si Embarked S Embarked_S
## 3822 Si Embarked C Embarked_C
## 3823 Si Embarked S Embarked_S
## 3824 No Embarked Q Embarked_Q
## 3825 Si Embarked S Embarked_S
## 3826 No Embarked S Embarked_S
## 3827 No Embarked S Embarked_S
## 3828 No Embarked Q Embarked_Q
## 3829 No Embarked S Embarked_S
## 3830 No Embarked S Embarked_S
## 3831 Si Embarked S Embarked_S
## 3832 Si Embarked S Embarked_S
## 3833 Si Embarked S Embarked_S
## 3834 No Embarked S Embarked_S
## 3835 Si Embarked S Embarked_S
## 3836 Si Embarked S Embarked_S
## 3837 No Embarked C Embarked_C
## 3838 Si Embarked Q Embarked_Q
## 3839 Si Embarked S Embarked_S
## 3840 No Embarked S Embarked_S
## 3841 No Embarked S Embarked_S
## 3842 No Embarked Q Embarked_Q
## 3843 Si Embarked S Embarked_S
## 3844 No Embarked Q Embarked_Q
## 3845 No Embarked S Embarked_S
## 3846 No Embarked S Embarked_S
## 3847 Si Embarked S Embarked_S
## 3848 No Embarked S Embarked_S
## 3849 No Embarked C Embarked_C
## 3850 Si Embarked S Embarked_S
## 3851 No Embarked S Embarked_S
## 3852 Si Embarked S Embarked_S
## 3853 Si Embarked Q Embarked_Q
## 3854 Si Embarked S Embarked_S
## 3855 Si Embarked C Embarked_C
## 3856 No Embarked C Embarked_C
## 3857 No Embarked S Embarked_S
## 3858 No Embarked S Embarked_S
## 3859 No Embarked C Embarked_C
## 3860 No Embarked C Embarked_C
## 3861 No Embarked S Embarked_S
## 3862 Si Embarked S Embarked_S
## 3863 Si Embarked C Embarked_C
## 3864 Si Embarked Q Embarked_Q
## 3865 Si Embarked Q Embarked_Q
## 3866 No Embarked S Embarked_S
## 3867 Si Embarked Q Embarked_Q
## 3868 No Embarked S Embarked_S
## 3869 Si Embarked S Embarked_S
## 3870 Si Embarked C Embarked_C
## 3871 Si Embarked C Embarked_C
## 3872 No Embarked C Embarked_C
## 3873 Si Embarked C Embarked_C
## 3874 Si Embarked C Embarked_C
## 3875 Si Embarked C Embarked_C
## 3876 No Embarked S Embarked_S
## 3877 No Embarked S Embarked_S
## 3878 No Embarked S Embarked_S
## 3879 Si Embarked S Embarked_S
## 3880 Si Embarked S Embarked_S
## 3881 No Embarked S Embarked_S
## 3882 Si Embarked S Embarked_S
## 3883 Si Embarked C Embarked_C
## 3884 No Embarked S Embarked_S
## 3885 No Embarked S Embarked_S
## 3886 Si Embarked Q Embarked_Q
## 3887 Si Embarked S Embarked_S
## 3888 No Embarked S Embarked_S
## 3889 Si Embarked C Embarked_C
## 3890 No Embarked S Embarked_S
## 3891 Si Embarked S Embarked_S
## 3892 Si Embarked S Embarked_S
## 3893 Si Embarked C Embarked_C
## 3894 Si Embarked Q Embarked_Q
## 3895 No Embarked S Embarked_S
## 3896 No Embarked S Embarked_S
## 3897 No Embarked S Embarked_S
## 3898 Si Embarked S Embarked_S
## 3899 No Embarked S Embarked_S
## 3900 No Embarked S Embarked_S
## 3901 Si Embarked C Embarked_C
## 3902 Si Embarked S Embarked_S
## 3903 No Embarked S Embarked_S
## 3904 Si Embarked S Embarked_S
## 3905 Si Embarked S Embarked_S
## 3906 No Embarked S Embarked_S
## 3907 No Embarked S Embarked_S
## 3908 No Embarked S Embarked_S
## 3909 Si Embarked S Embarked_S
## 3910 Si Embarked S Embarked_S
## 3911 Si Embarked S Embarked_S
## 3912 Si Embarked S Embarked_S
## 3913 No Embarked S Embarked_S
## 3914 No Embarked S Embarked_S
## 3915 No Embarked S Embarked_S
## 3916 No Embarked C Embarked_C
## 3917 No Embarked S Embarked_S
## 3918 No Embarked C Embarked_C
## 3919 No Embarked S Embarked_S
## 3920 Si Embarked S Embarked_S
## 3921 No Embarked S Embarked_S
## 3922 Si Embarked Q Embarked_Q
## 3923 Si Embarked Q Embarked_Q
## 3924 No Embarked S Embarked_S
## 3925 No Embarked C Embarked_C
## 3926 No Embarked C Embarked_C
## 3927 No Embarked S Embarked_S
## 3928 No Embarked Q Embarked_Q
## 3929 No Embarked S Embarked_S
## 3930 Si Embarked C Embarked_C
## 3931 Si Embarked C Embarked_C
## 3932 Si Embarked Q Embarked_Q
## 3933 Si Embarked C Embarked_C
## 3934 Si Embarked C Embarked_C
## 3935 No Embarked S Embarked_S
## 3936 No Embarked S Embarked_S
## 3937 No Embarked C Embarked_C
## 3938 No Embarked S Embarked_S
## 3939 Si Embarked C Embarked_C
## 3940 Si Embarked S Embarked_S
## 3941 No Embarked C Embarked_C
## 3942 No Embarked C Embarked_C
## 3943 No Embarked S Embarked_S
## 3944 Si Embarked C Embarked_C
## 3945 Si Embarked C Embarked_C
## 3946 No Embarked S Embarked_S
## 3947 Si Embarked S Embarked_S
## 3948 No Embarked S Embarked_S
## 3949 No Embarked S Embarked_S
## 3950 No Embarked S Embarked_S
## 3951 Si Embarked S Embarked_S
## 3952 No Embarked Q Embarked_Q
## 3953 Si Embarked C Embarked_C
## 3954 Si Embarked S Embarked_S
## 3955 Si Embarked S Embarked_S
## 3956 No Embarked S Embarked_S
## 3957 Si Embarked C Embarked_C
## 3958 Si Embarked S Embarked_S
## 3959 No Embarked S Embarked_S
## 3960 No Embarked S Embarked_S
## 3961 No Embarked S Embarked_S
## 3962 No Embarked S Embarked_S
## 3963 Si Embarked S Embarked_S
## 3964 Si Embarked S Embarked_S
## 3965 No Embarked S Embarked_S
## 3966 No Embarked S Embarked_S
## 3967 No Embarked S Embarked_S
## 3968 No Embarked S Embarked_S
## 3969 No Embarked S Embarked_S
## 3970 No Embarked S Embarked_S
## 3971 Si Embarked S Embarked_S
## 3972 No Embarked S Embarked_S
## 3973 No Embarked S Embarked_S
## 3974 No Embarked S Embarked_S
## 3975 No Embarked Q Embarked_Q
## 3976 Si Embarked Q Embarked_Q
## 3977 No Embarked S Embarked_S
## 3978 Si Embarked S Embarked_S
## 3979 No Embarked S Embarked_S
## 3980 Si Embarked S Embarked_S
## 3981 Si Embarked S Embarked_S
## 3982 No Embarked S Embarked_S
## 3983 No Embarked S Embarked_S
## 3984 No Embarked C Embarked_C
## 3985 No Embarked Q Embarked_Q
## 3986 No Embarked S Embarked_S
## 3987 No Embarked S Embarked_S
## 3988 No Embarked S Embarked_S
## 3989 No Embarked S Embarked_S
## 3990 Si Embarked S Embarked_S
## 3991 Si Embarked S Embarked_S
## 3992 No Embarked Q Embarked_Q
## 3993 Si Embarked S Embarked_S
## 3994 Si Embarked S Embarked_S
## 3995 Si Embarked S Embarked_S
## 3996 Si Embarked S Embarked_S
## 3997 No Embarked S Embarked_S
## 3998 No Embarked S Embarked_S
## 3999 Si Embarked S Embarked_S
## 4000 No Embarked S Embarked_S
## 4001 Si Embarked S Embarked_S
## 4002 No Embarked S Embarked_S
## 4003 No Embarked S Embarked_S
## 4004 Si Embarked S Embarked_S
## 4005 No Embarked S Embarked_S
## 4006 No Embarked S Embarked_S
## 4007 Si Embarked S Embarked_S
## 4008 Si Embarked S Embarked_S
## 4009 Si Embarked S Embarked_S
## 4010 Si Embarked S Embarked_S
## 4011 Si Embarked S Embarked_S
## 4012 Si Embarked C Embarked_C
## 4013 Si Embarked S Embarked_S
## 4014 No Embarked S Embarked_S
## 4015 No Embarked S Embarked_S
## 4016 No Embarked C Embarked_C
## 4017 Si Embarked C Embarked_C
## 4018 No Embarked S Embarked_S
## 4019 Si Embarked C Embarked_C
## 4020 No Embarked S Embarked_S
## 4021 Si Embarked S Embarked_S
## 4022 Si Embarked S Embarked_S
## 4023 No Embarked Q Embarked_Q
## 4024 Si Embarked S Embarked_S
## 4025 No Embarked S Embarked_S
## 4026 No Embarked S Embarked_S
## 4027 No Embarked S Embarked_S
## 4028 No Embarked S Embarked_S
## 4029 No Embarked S Embarked_S
## 4030 No Embarked S Embarked_S
## 4031 No Embarked S Embarked_S
## 4032 No Embarked Q Embarked_Q
## 4033 Si Embarked C Embarked_C
## 4034 No Embarked S Embarked_S
## 4035 No Embarked S Embarked_S
## 4036 Si Embarked S Embarked_S
## 4037 Si Embarked C Embarked_C
## 4038 No Embarked S Embarked_S
## 4039 No Embarked S Embarked_S
## 4040 No Embarked S Embarked_S
## 4041 No Embarked S Embarked_S
## 4042 No Embarked S Embarked_S
## 4043 Si Embarked S Embarked_S
## 4044 No Embarked S Embarked_S
## 4045 No Embarked S Embarked_S
## 4046 No Embarked S Embarked_S
## 4047 Si Embarked S Embarked_S
## 4048 Si Embarked C Embarked_C
## 4049 No Embarked S Embarked_S
## 4050 Si Embarked S Embarked_S
## 4051 No Embarked C Embarked_C
## 4052 No Embarked S Embarked_S
## 4053 Si Embarked S Embarked_S
## 4054 No Embarked S Embarked_S
## 4055 No Embarked S Embarked_S
## 4056 No Embarked S Embarked_S
## 4057 No Embarked C Embarked_C
## 4058 No Embarked S Embarked_S
## 4059 No Embarked C Embarked_C
## 4060 Si Embarked C Embarked_C
## 4061 No Embarked S Embarked_S
## 4062 No Embarked S Embarked_S
## 4063 No Embarked S Embarked_S
## 4064 No Embarked S Embarked_S
## 4065 No Embarked Q Embarked_Q
## 4066 No Embarked Q Embarked_Q
## 4067 No Embarked S Embarked_S
## 4068 Si Embarked S Embarked_S
## 4069 No Embarked C Embarked_C
## 4070 Si Embarked S Embarked_S
## 4071 Si Embarked S Embarked_S
## 4072 No Embarked S Embarked_S
## 4073 Si Embarked S Embarked_S
## 4074 Si Embarked Q Embarked_Q
## 4075 No Embarked S Embarked_S
## 4076 Si Embarked S Embarked_S
## 4077 Si Embarked C Embarked_C
## 4078 No Embarked S Embarked_S
## 4079 No Embarked S Embarked_S
## 4080 Si Embarked S Embarked_S
## 4081 No Embarked Q Embarked_Q
## 4082 Si Embarked S Embarked_S
## 4083 No Embarked S Embarked_S
## 4084 Si Embarked S Embarked_S
## 4085 No Embarked S Embarked_S
## 4086 No Embarked C Embarked_C
## 4087 Si Embarked C Embarked_C
## 4088 No Embarked C Embarked_C
## 4089 No Embarked Q Embarked_Q
## 4090 Si Embarked S Embarked_S
## 4091 No Embarked S Embarked_S
## 4092 No Embarked S Embarked_S
## 4093 No Embarked S Embarked_S
## 4094 Si Embarked S Embarked_S
## 4095 No Embarked C Embarked_C
## 4096 No Embarked C Embarked_C
## 4097 Si Embarked C Embarked_C
## 4098 No Embarked S Embarked_S
## 4099 Si Embarked S Embarked_S
## 4100 No Embarked S Embarked_S
## 4101 Si Embarked C Embarked_C
## 4102 No Embarked S Embarked_S
## 4103 Si Embarked C Embarked_C
## 4104 Si Embarked S Embarked_S
## 4105 No Embarked S Embarked_S
## 4106 No Embarked S Embarked_S
## 4107 Si Embarked S Embarked_S
## 4108 No Embarked C Embarked_C
## 4109 No Embarked S Embarked_S
## 4110 Si Embarked S Embarked_S
## 4111 Si Embarked C Embarked_C
## 4112 No Embarked S Embarked_S
## 4113 Si Embarked S Embarked_S
## 4114 Si Embarked C Embarked_C
## 4115 No Embarked S Embarked_S
## 4116 No Embarked Q Embarked_Q
## 4117 Si Embarked C Embarked_C
## 4118 Si Embarked S Embarked_S
## 4119 No Embarked S Embarked_S
## 4120 Si Embarked C Embarked_C
## 4121 No Embarked C Embarked_C
## 4122 Si Embarked S Embarked_S
## 4123 Si Embarked S Embarked_S
## 4124 No Embarked Q Embarked_Q
## 4125 No Embarked S Embarked_S
## 4126 No Embarked S Embarked_S
## 4127 No Embarked S Embarked_S
## 4128 No Embarked S Embarked_S
## 4129 No Embarked S Embarked_S
## 4130 No Embarked S Embarked_S
## 4131 No Embarked S Embarked_S
## 4132 No Embarked C Embarked_C
## 4133 Si Embarked S Embarked_S
## 4134 Si Embarked S Embarked_S
## 4135 Si Embarked S Embarked_S
## 4136 Si Embarked S Embarked_S
## 4137 Si Embarked Q Embarked_Q
## 4138 No Embarked S Embarked_S
## 4139 No Embarked S Embarked_S
## 4140 Si Embarked S Embarked_S
## 4141 Si Embarked S Embarked_S
## 4142 No Embarked C Embarked_C
## 4143 Si Embarked S Embarked_S
## 4144 Si Embarked S Embarked_S
## 4145 Si Embarked C Embarked_C
## 4146 No Embarked S Embarked_S
## 4147 No Embarked C Embarked_C
## 4148 No Embarked C Embarked_C
## 4149 Si Embarked S Embarked_S
## 4150 No Embarked S Embarked_S
## 4151 Si Embarked C Embarked_C
## 4152 No Embarked S Embarked_S
## 4153 No Embarked S Embarked_S
## 4154 No Embarked S Embarked_S
## 4155 Si Embarked C Embarked_C
## 4156 No Embarked S Embarked_S
## 4157 No Embarked Q Embarked_Q
## 4158 No Embarked S Embarked_S
## 4159 No Embarked S Embarked_S
## 4160 Si Embarked S Embarked_S
## 4161 No Embarked S Embarked_S
## 4162 No Embarked C Embarked_C
## 4163 Si Embarked C Embarked_C
## 4164 Si Embarked S Embarked_S
## 4165 No Embarked S Embarked_S
## 4166 No Embarked S Embarked_S
## 4167 No Embarked S Embarked_S
## 4168 Si Embarked C Embarked_C
## 4169 No Embarked S Embarked_S
## 4170 No Embarked S Embarked_S
## 4171 Si Embarked S Embarked_S
## 4172 Si Embarked C Embarked_C
## 4173 Si Embarked S Embarked_S
## 4174 No Embarked S Embarked_S
## 4175 No Embarked S Embarked_S
## 4176 Si Embarked Q Embarked_Q
## 4177 No Embarked Q Embarked_Q
## 4178 No Embarked S Embarked_S
## 4179 Si Embarked S Embarked_S
## 4180 No Embarked S Embarked_S
## 4181 No Embarked S Embarked_S
## 4182 Si Embarked S Embarked_S
## 4183 No Embarked S Embarked_S
## 4184 No Embarked C Embarked_C
## 4185 Si Embarked S Embarked_S
## 4186 Si Embarked C Embarked_C
## 4187 No Embarked S Embarked_S
## 4188 No Embarked S Embarked_S
## 4189 No Embarked S Embarked_S
## 4190 No Embarked Q Embarked_Q
## 4191 Si Embarked S Embarked_S
## 4192 No Embarked S Embarked_S
## 4193 No Embarked Q Embarked_Q
## 4194 Si Embarked S Embarked_S
## 4195 No Embarked S Embarked_S
## 4196 Si Embarked C Embarked_C
## 4197 No Embarked S Embarked_S
## 4198 No Embarked S Embarked_S
## 4199 Si Embarked S Embarked_S
## 4200 No Embarked S Embarked_S
## 4201 No Embarked S Embarked_S
## 4202 No Embarked S Embarked_S
## 4203 No Embarked S Embarked_S
## 4204 No Embarked S Embarked_S
## 4205 Si Embarked C Embarked_C
## 4206 No Embarked S Embarked_S
## 4207 Si Embarked S Embarked_S
## 4208 Si Embarked C Embarked_C
## 4209 Si Embarked C Embarked_C
## 4210 No Embarked S Embarked_S
## 4211 Si Embarked C Embarked_C
## 4212 No Embarked S Embarked_S
## 4213 Si Embarked S Embarked_S
## 4214 No Embarked S Embarked_S
## 4215 Si Embarked S Embarked_S
## 4216 No Embarked S Embarked_S
## 4217 Si Embarked Q Embarked_Q
## 4218 No Embarked Q Embarked_Q
## 4219 No Embarked S Embarked_S
## 4220 No Embarked S Embarked_S
## 4221 No Embarked Q Embarked_Q
## 4222 No Embarked S Embarked_S
## 4223 No Embarked C Embarked_C
## 4224 Si Embarked S Embarked_S
## 4225 No Embarked C Embarked_C
## 4226 No Embarked S Embarked_S
## 4227 No Embarked S Embarked_S
## 4228 Si Embarked S Embarked_S
## 4229 No Embarked S Embarked_S
## 4230 No Embarked S Embarked_S
## 4231 No Embarked S Embarked_S
## 4232 No Embarked S Embarked_S
## 4233 Si Embarked S Embarked_S
## 4234 Si Embarked S Embarked_S
## 4235 No Embarked S Embarked_S
## 4236 No Embarked S Embarked_S
## 4237 Si Embarked S Embarked_S
## 4238 No Embarked S Embarked_S
## 4239 No Embarked S Embarked_S
## 4240 No Embarked S Embarked_S
## 4241 Si Embarked S Embarked_S
## 4242 No Embarked S Embarked_S
## 4243 Si Embarked C Embarked_C
## 4244 No Embarked Q Embarked_Q
## 4245 Si Embarked C Embarked_C
## 4246 No Embarked S Embarked_S
## 4247 No Embarked S Embarked_S
## 4248 No Embarked S Embarked_S
## 4249 No Embarked C Embarked_C
## 4250 No Embarked S Embarked_S
## 4251 No Embarked S Embarked_S
## 4252 No Embarked S Embarked_S
## 4253 Si Embarked S Embarked_S
## 4254 Si Embarked S Embarked_S
## 4255 Si Embarked C Embarked_C
## 4256 Si Embarked S Embarked_S
## 4257 No Embarked C Embarked_C
## 4258 No Embarked S Embarked_S
## 4259 No Embarked S Embarked_S
## 4260 No Embarked S Embarked_S
## 4261 Si Embarked Q Embarked_Q
## 4262 No Embarked C Embarked_C
## 4263 No Embarked S Embarked_S
## 4264 Si Embarked C Embarked_C
## 4265 Si Embarked S Embarked_S
## 4266 No Embarked C Embarked_C
## 4267 No Embarked Q Embarked_Q
## 4268 No Embarked S Embarked_S
## 4269 No Embarked S Embarked_S
## 4270 Si Embarked S Embarked_S
## 4271 Si Embarked S Embarked_S
## 4272 Si Embarked S Embarked_S
## 4273 Si Embarked C Embarked_C
## 4274 Si Embarked C Embarked_C
## 4275 No Embarked S Embarked_S
## 4276 Si Embarked S Embarked_S
## 4277 No Embarked S Embarked_S
## 4278 No Embarked S Embarked_S
## 4279 No Embarked S Embarked_S
## 4280 Si Embarked C Embarked_C
## 4281 Si Embarked S Embarked_S
## 4282 No Embarked Q Embarked_Q
## 4283 No Embarked S Embarked_S
## 4284 Si Embarked S Embarked_S
## 4285 No Embarked S Embarked_S
## 4286 No Embarked S Embarked_S
## 4287 No Embarked S Embarked_S
## 4288 Si Embarked S Embarked_S
## 4289 No Embarked S Embarked_S
## 4290 Si Embarked S Embarked_S
## 4291 Si Embarked Q Embarked_Q
## 4292 No Embarked S Embarked_S
## 4293 No Embarked S Embarked_S
## 4294 Si Embarked S Embarked_S
## 4295 No Embarked C Embarked_C
## 4296 No Embarked S Embarked_S
## 4297 No Embarked S Embarked_S
## 4298 No Embarked S Embarked_S
## 4299 No Embarked S Embarked_S
## 4300 No Embarked S Embarked_S
## 4301 Si Embarked C Embarked_C
## 4302 No Embarked S Embarked_S
## 4303 No Embarked S Embarked_S
## 4304 Si Embarked S Embarked_S
## 4305 No Embarked S Embarked_S
## 4306 Si Embarked C Embarked_C
## 4307 No Embarked S Embarked_S
## 4308 Si Embarked S Embarked_S
## 4309 No Embarked S Embarked_S
## 4310 No Embarked S Embarked_S
## 4311 Si Embarked S Embarked_S
## 4312 No Embarked S Embarked_S
## 4313 No Embarked Q Embarked_Q
## 4314 Si Embarked S Embarked_S
## 4315 Si Embarked S Embarked_S
## 4316 No Embarked S Embarked_S
## 4317 No Embarked S Embarked_S
## 4318 Si Embarked S Embarked_S
## 4319 Si Embarked S Embarked_S
## 4320 No Embarked S Embarked_S
## 4321 No Embarked S Embarked_S
## 4322 No Embarked S Embarked_S
## 4323 Si Embarked S Embarked_S
## 4324 No Embarked S Embarked_S
## 4325 No Embarked S Embarked_S
## 4326 Si Embarked C Embarked_C
## 4327 Si Embarked S Embarked_S
## 4328 No Embarked S Embarked_S
## 4329 Si Embarked S Embarked_S
## 4330 No Embarked C Embarked_C
## 4331 No Embarked Q Embarked_Q
## 4332 No Embarked Q Embarked_Q
## 4333 No Embarked S Embarked_S
## 4334 No Embarked S Embarked_S
## 4335 No Embarked S Embarked_S
## 4336 No Embarked S Embarked_S
## 4337 No Embarked C Embarked_C
## 4338 Si Embarked S Embarked_S
## 4339 No Embarked S Embarked_S
## 4340 No Embarked Q Embarked_Q
## 4341 Si Embarked S Embarked_S
## 4342 No Embarked Q Embarked_Q
## 4343 Si Embarked S Embarked_S
## 4344 Si Embarked C Embarked_C
## 4345 Si Embarked S Embarked_S
## 4346 No Embarked S Embarked_S
## 4347 No Embarked S Embarked_S
## 4348 No Embarked S Embarked_S
## 4349 No Embarked S Embarked_S
## 4350 Si Embarked S Embarked_S
## 4351 No Embarked Q Embarked_Q
## 4352 Si Embarked S Embarked_S
## 4353 No Embarked C Embarked_C
## 4354 No Embarked Q Embarked_Q
## 4355 No Embarked S Embarked_S
## 4356 No Embarked S Embarked_S
## 4357 No Embarked C Embarked_C
## 4358 No Embarked S Embarked_S
## 4359 No Embarked S Embarked_S
## 4360 Si Embarked S Embarked_S
## 4361 Si Embarked S Embarked_S
## 4362 No Embarked C Embarked_C
## 4363 No Embarked S Embarked_S
## 4364 No Embarked S Embarked_S
## 4365 Si Embarked S Embarked_S
## 4366 Si Embarked S Embarked_S
## 4367 Si Embarked C Embarked_C
## 4368 Si Embarked S Embarked_S
## 4369 No Embarked S Embarked_S
## 4370 No Embarked S Embarked_S
## 4371 No Embarked S Embarked_S
## 4372 No Embarked S Embarked_S
## 4373 Si Embarked S Embarked_S
## 4374 No Embarked S Embarked_S
## 4375 No Embarked S Embarked_S
## 4376 No Embarked S Embarked_S
## 4377 No Embarked S Embarked_S
## 4378 No Embarked S Embarked_S
## 4379 No Embarked S Embarked_S
## 4380 No Embarked S Embarked_S
## 4381 No Embarked C Embarked_C
## 4382 No Embarked S Embarked_S
## 4383 No Embarked S Embarked_S
## 4384 Si Embarked S Embarked_S
## 4385 Si Embarked S Embarked_S
## 4386 No Embarked S Embarked_S
## 4387 Si Embarked S Embarked_S
## 4388 No Embarked S Embarked_S
## 4389 No Embarked Q Embarked_Q
## 4390 No Embarked S Embarked_S
## 4391 Si Embarked C Embarked_C
## 4392 Si Embarked Q Embarked_Q
## 4393 Si Embarked C Embarked_C
## 4394 Si Embarked S Embarked_S
## 4395 No Embarked C Embarked_C
## 4396 No Embarked S Embarked_S
## 4397 No Embarked S Embarked_S
## 4398 Si Embarked C Embarked_C
## 4399 No Embarked S Embarked_S
## 4400 No Embarked S Embarked_S
## 4401 Si Embarked S Embarked_S
## 4402 Si Embarked C Embarked_C
## 4403 No Embarked S Embarked_S
## 4404 No Embarked S Embarked_S
## 4405 Si Embarked C Embarked_C
## 4406 No Embarked C Embarked_C
## 4407 No Embarked S Embarked_S
## 4408 No Embarked S Embarked_S
## 4409 No Embarked S Embarked_S
## 4410 No Embarked C Embarked_C
## 4411 No Embarked S Embarked_S
## 4412 Si Embarked C Embarked_C
## 4413 No Embarked S Embarked_S
## 4414 No Embarked S Embarked_S
## 4415 No Embarked C Embarked_C
## 4416 Si Embarked S Embarked_S
## 4417 No Embarked S Embarked_S
## 4418 Si Embarked S Embarked_S
## 4419 Si Embarked S Embarked_S
## 4420 Si Embarked S Embarked_S
## 4421 Si Embarked C Embarked_C
## 4422 No Embarked C Embarked_C
## 4423 No Embarked S Embarked_S
## 4424 No Embarked S Embarked_S
## 4425 Si Embarked S Embarked_S
## 4426 No Embarked S Embarked_S
## 4427 No Embarked S Embarked_S
## 4428 Si Embarked S Embarked_S
## 4429 Si Embarked C Embarked_C
## 4430 No Embarked S Embarked_S
## 4431 No Embarked S Embarked_S
## 4432 Si Embarked S Embarked_S
## 4433 No Embarked S Embarked_S
## 4434 Si Embarked S Embarked_S
## 4435 No Embarked S Embarked_S
## 4436 No Embarked S Embarked_S
## 4437 Si Embarked C Embarked_C
## 4438 Si Embarked C Embarked_C
## 4439 No Embarked S Embarked_S
## 4440 No Embarked S Embarked_S
## 4441 No Embarked S Embarked_S
## 4442 Si Embarked C Embarked_C
## 4443 Si Embarked S Embarked_S
## 4444 No Embarked S Embarked_S
## 4445 No Embarked S Embarked_S
## 4446 No Embarked S Embarked_S
## 4447 No Embarked S Embarked_S
## 4448 No Embarked Q Embarked_Q
## 4449 No Embarked S Embarked_S
## 4450 Si Embarked S Embarked_S
## 4451 No Embarked S Embarked_S
## 4452 Si Embarked C Embarked_C
## 4453 No Embarked Q Embarked_Q
## 4454 No Age_grupo adulto Age_grupo_adulto
## 4455 Si Age_grupo adulto Age_grupo_adulto
## 4456 Si Age_grupo adulto Age_grupo_adulto
## 4457 Si Age_grupo adulto Age_grupo_adulto
## 4458 No Age_grupo adulto Age_grupo_adulto
## 4459 No Age_grupo adulto Age_grupo_adulto
## 4460 No Age_grupo niño Age_grupo_niño
## 4461 Si Age_grupo adulto Age_grupo_adulto
## 4462 Si Age_grupo adulto Age_grupo_adulto
## 4463 Si Age_grupo niño Age_grupo_niño
## 4464 Si Age_grupo adulto Age_grupo_adulto
## 4465 No Age_grupo adulto Age_grupo_adulto
## 4466 No Age_grupo adulto Age_grupo_adulto
## 4467 No Age_grupo adulto Age_grupo_adulto
## 4468 Si Age_grupo adulto Age_grupo_adulto
## 4469 No Age_grupo niño Age_grupo_niño
## 4470 No Age_grupo adulto Age_grupo_adulto
## 4471 No Age_grupo adulto Age_grupo_adulto
## 4472 Si Age_grupo adulto Age_grupo_adulto
## 4473 Si Age_grupo adulto Age_grupo_adulto
## 4474 Si Age_grupo adulto Age_grupo_adulto
## 4475 No Age_grupo niño Age_grupo_niño
## 4476 Si Age_grupo adulto Age_grupo_adulto
## 4477 No Age_grupo adulto Age_grupo_adulto
## 4478 No Age_grupo adulto Age_grupo_adulto
## 4479 No Age_grupo anciano Age_grupo_anciano
## 4480 No Age_grupo adulto Age_grupo_adulto
## 4481 No Age_grupo adulto Age_grupo_adulto
## 4482 No Age_grupo adulto Age_grupo_adulto
## 4483 No Age_grupo adulto Age_grupo_adulto
## 4484 Si Age_grupo adulto Age_grupo_adulto
## 4485 No Age_grupo adulto Age_grupo_adulto
## 4486 No Age_grupo adulto Age_grupo_adulto
## 4487 Si Age_grupo niño Age_grupo_niño
## 4488 Si Age_grupo adulto Age_grupo_adulto
## 4489 No Age_grupo adulto Age_grupo_adulto
## 4490 No Age_grupo niño Age_grupo_niño
## 4491 No Age_grupo adulto Age_grupo_adulto
## 4492 Si Age_grupo adulto Age_grupo_adulto
## 4493 Si Age_grupo adulto Age_grupo_adulto
## 4494 No Age_grupo anciano Age_grupo_anciano
## 4495 Si Age_grupo adulto Age_grupo_adulto
## 4496 No Age_grupo adulto Age_grupo_adulto
## 4497 Si Age_grupo niño Age_grupo_niño
## 4498 No Age_grupo adulto Age_grupo_adulto
## 4499 No Age_grupo adulto Age_grupo_adulto
## 4500 Si Age_grupo adulto Age_grupo_adulto
## 4501 No Age_grupo adulto Age_grupo_adulto
## 4502 No Age_grupo niño Age_grupo_niño
## 4503 Si Age_grupo adulto Age_grupo_adulto
## 4504 No Age_grupo adulto Age_grupo_adulto
## 4505 Si Age_grupo adulto Age_grupo_adulto
## 4506 No Age_grupo adulto Age_grupo_adulto
## 4507 No Age_grupo adulto Age_grupo_adulto
## 4508 No Age_grupo adulto Age_grupo_adulto
## 4509 No Age_grupo adulto Age_grupo_adulto
## 4510 No Age_grupo adulto Age_grupo_adulto
## 4511 Si Age_grupo adulto Age_grupo_adulto
## 4512 No Age_grupo adulto Age_grupo_adulto
## 4513 Si Age_grupo niño Age_grupo_niño
## 4514 Si Age_grupo adulto Age_grupo_adulto
## 4515 No Age_grupo adulto Age_grupo_adulto
## 4516 Si Age_grupo adulto Age_grupo_adulto
## 4517 No Age_grupo adulto Age_grupo_adulto
## 4518 Si Age_grupo adulto Age_grupo_adulto
## 4519 Si Age_grupo adulto Age_grupo_adulto
## 4520 No Age_grupo adulto Age_grupo_adulto
## 4521 Si Age_grupo adulto Age_grupo_adulto
## 4522 No Age_grupo adulto Age_grupo_adulto
## 4523 No Age_grupo adulto Age_grupo_adulto
## 4524 No Age_grupo adulto Age_grupo_adulto
## 4525 No Age_grupo adulto Age_grupo_adulto
## 4526 No Age_grupo adulto Age_grupo_adulto
## 4527 No Age_grupo adulto Age_grupo_adulto
## 4528 No Age_grupo anciano Age_grupo_anciano
## 4529 Si Age_grupo adulto Age_grupo_adulto
## 4530 Si Age_grupo adulto Age_grupo_adulto
## 4531 No Age_grupo adulto Age_grupo_adulto
## 4532 No Age_grupo adulto Age_grupo_adulto
## 4533 No Age_grupo adulto Age_grupo_adulto
## 4534 No Age_grupo adulto Age_grupo_adulto
## 4535 No Age_grupo adulto Age_grupo_adulto
## 4536 No Age_grupo adulto Age_grupo_adulto
## 4537 Si Age_grupo adulto Age_grupo_adulto
## 4538 No Age_grupo adulto Age_grupo_adulto
## 4539 No Age_grupo adulto Age_grupo_adulto
## 4540 No Age_grupo adulto Age_grupo_adulto
## 4541 No Age_grupo adulto Age_grupo_adulto
## 4542 No Age_grupo adulto Age_grupo_adulto
## 4543 No Age_grupo adulto Age_grupo_adulto
## 4544 No Age_grupo adulto Age_grupo_adulto
## 4545 No Age_grupo anciano Age_grupo_anciano
## 4546 No Age_grupo adulto Age_grupo_adulto
## 4547 No Age_grupo adulto Age_grupo_adulto
## 4548 No Age_grupo niño Age_grupo_niño
## 4549 No Age_grupo adulto Age_grupo_adulto
## 4550 No Age_grupo adulto Age_grupo_adulto
## 4551 Si Age_grupo adulto Age_grupo_adulto
## 4552 No Age_grupo adulto Age_grupo_adulto
## 4553 Si Age_grupo adulto Age_grupo_adulto
## 4554 Si Age_grupo adulto Age_grupo_adulto
## 4555 No Age_grupo adulto Age_grupo_adulto
## 4556 No Age_grupo adulto Age_grupo_adulto
## 4557 No Age_grupo adulto Age_grupo_adulto
## 4558 No Age_grupo adulto Age_grupo_adulto
## 4559 Si Age_grupo adulto Age_grupo_adulto
## 4560 No Age_grupo adulto Age_grupo_adulto
## 4561 No Age_grupo adulto Age_grupo_adulto
## 4562 Si Age_grupo adulto Age_grupo_adulto
## 4563 No Age_grupo adulto Age_grupo_adulto
## 4564 No Age_grupo adulto Age_grupo_adulto
## 4565 No Age_grupo adulto Age_grupo_adulto
## 4566 Si Age_grupo adulto Age_grupo_adulto
## 4567 Si Age_grupo adulto Age_grupo_adulto
## 4568 No Age_grupo adulto Age_grupo_adulto
## 4569 No Age_grupo adulto Age_grupo_adulto
## 4570 No Age_grupo adulto Age_grupo_adulto
## 4571 Si Age_grupo adulto Age_grupo_adulto
## 4572 No Age_grupo niño Age_grupo_niño
## 4573 No Age_grupo adulto Age_grupo_adulto
## 4574 No Age_grupo adulto Age_grupo_adulto
## 4575 No Age_grupo adulto Age_grupo_adulto
## 4576 Si Age_grupo adulto Age_grupo_adulto
## 4577 No Age_grupo adulto Age_grupo_adulto
## 4578 No Age_grupo adulto Age_grupo_adulto
## 4579 No Age_grupo adulto Age_grupo_adulto
## 4580 Si Age_grupo adulto Age_grupo_adulto
## 4581 No Age_grupo adulto Age_grupo_adulto
## 4582 No Age_grupo adulto Age_grupo_adulto
## 4583 Si Age_grupo adulto Age_grupo_adulto
## 4584 No Age_grupo adulto Age_grupo_adulto
## 4585 No Age_grupo adulto Age_grupo_adulto
## 4586 No Age_grupo niño Age_grupo_niño
## 4587 Si Age_grupo niño Age_grupo_niño
## 4588 No Age_grupo adulto Age_grupo_adulto
## 4589 No Age_grupo adulto Age_grupo_adulto
## 4590 No Age_grupo anciano Age_grupo_anciano
## 4591 No Age_grupo niño Age_grupo_niño
## 4592 Si Age_grupo niño Age_grupo_niño
## 4593 No Age_grupo adulto Age_grupo_adulto
## 4594 No Age_grupo adulto Age_grupo_adulto
## 4595 No Age_grupo adulto Age_grupo_adulto
## 4596 No Age_grupo adulto Age_grupo_adulto
## 4597 No Age_grupo adulto Age_grupo_adulto
## 4598 No Age_grupo adulto Age_grupo_adulto
## 4599 No Age_grupo niño Age_grupo_niño
## 4600 Si Age_grupo niño Age_grupo_niño
## 4601 Si Age_grupo niño Age_grupo_niño
## 4602 Si Age_grupo adulto Age_grupo_adulto
## 4603 No Age_grupo adulto Age_grupo_adulto
## 4604 No Age_grupo adulto Age_grupo_adulto
## 4605 Si Age_grupo adulto Age_grupo_adulto
## 4606 No Age_grupo adulto Age_grupo_adulto
## 4607 Si Age_grupo adulto Age_grupo_adulto
## 4608 Si Age_grupo niño Age_grupo_niño
## 4609 Si Age_grupo adulto Age_grupo_adulto
## 4610 Si Age_grupo adulto Age_grupo_adulto
## 4611 No Age_grupo adulto Age_grupo_adulto
## 4612 No Age_grupo adulto Age_grupo_adulto
## 4613 No Age_grupo adulto Age_grupo_adulto
## 4614 No Age_grupo adulto Age_grupo_adulto
## 4615 No Age_grupo adulto Age_grupo_adulto
## 4616 Si Age_grupo adulto Age_grupo_adulto
## 4617 No Age_grupo niño Age_grupo_niño
## 4618 No Age_grupo adulto Age_grupo_adulto
## 4619 Si Age_grupo adulto Age_grupo_adulto
## 4620 Si Age_grupo adulto Age_grupo_adulto
## 4621 Si Age_grupo adulto Age_grupo_adulto
## 4622 No Age_grupo adulto Age_grupo_adulto
## 4623 Si Age_grupo adulto Age_grupo_adulto
## 4624 No Age_grupo adulto Age_grupo_adulto
## 4625 No Age_grupo adulto Age_grupo_adulto
## 4626 Si Age_grupo adulto Age_grupo_adulto
## 4627 Si Age_grupo adulto Age_grupo_adulto
## 4628 No Age_grupo adulto Age_grupo_adulto
## 4629 Si Age_grupo adulto Age_grupo_adulto
## 4630 No Age_grupo adulto Age_grupo_adulto
## 4631 Si Age_grupo adulto Age_grupo_adulto
## 4632 No Age_grupo adulto Age_grupo_adulto
## 4633 No Age_grupo adulto Age_grupo_adulto
## 4634 Si Age_grupo adulto Age_grupo_adulto
## 4635 No Age_grupo adulto Age_grupo_adulto
## 4636 Si Age_grupo adulto Age_grupo_adulto
## 4637 No Age_grupo adulto Age_grupo_adulto
## 4638 No Age_grupo adulto Age_grupo_adulto
## 4639 Si Age_grupo adulto Age_grupo_adulto
## 4640 No Age_grupo adulto Age_grupo_adulto
## 4641 No Age_grupo adulto Age_grupo_adulto
## 4642 Si Age_grupo niño Age_grupo_niño
## 4643 No Age_grupo adulto Age_grupo_adulto
## 4644 No Age_grupo adulto Age_grupo_adulto
## 4645 Si Age_grupo niño Age_grupo_niño
## 4646 No Age_grupo adulto Age_grupo_adulto
## 4647 No Age_grupo adulto Age_grupo_adulto
## 4648 No Age_grupo adulto Age_grupo_adulto
## 4649 No Age_grupo adulto Age_grupo_adulto
## 4650 No Age_grupo adulto Age_grupo_adulto
## 4651 No Age_grupo adulto Age_grupo_adulto
## 4652 No Age_grupo adulto Age_grupo_adulto
## 4653 Si Age_grupo adulto Age_grupo_adulto
## 4654 Si Age_grupo adulto Age_grupo_adulto
## 4655 No Age_grupo adulto Age_grupo_adulto
## 4656 No Age_grupo adulto Age_grupo_adulto
## 4657 No Age_grupo anciano Age_grupo_anciano
## 4658 No Age_grupo adulto Age_grupo_adulto
## 4659 No Age_grupo adulto Age_grupo_adulto
## 4660 Si Age_grupo adulto Age_grupo_adulto
## 4661 Si Age_grupo adulto Age_grupo_adulto
## 4662 Si Age_grupo adulto Age_grupo_adulto
## 4663 Si Age_grupo adulto Age_grupo_adulto
## 4664 Si Age_grupo niño Age_grupo_niño
## 4665 No Age_grupo adulto Age_grupo_adulto
## 4666 No Age_grupo adulto Age_grupo_adulto
## 4667 No Age_grupo adulto Age_grupo_adulto
## 4668 No Age_grupo adulto Age_grupo_adulto
## 4669 Si Age_grupo adulto Age_grupo_adulto
## 4670 Si Age_grupo adulto Age_grupo_adulto
## 4671 Si Age_grupo adulto Age_grupo_adulto
## 4672 Si Age_grupo adulto Age_grupo_adulto
## 4673 Si Age_grupo adulto Age_grupo_adulto
## 4674 No Age_grupo adulto Age_grupo_adulto
## 4675 Si Age_grupo anciano Age_grupo_anciano
## 4676 No Age_grupo adulto Age_grupo_adulto
## 4677 No Age_grupo niño Age_grupo_niño
## 4678 Si Age_grupo adulto Age_grupo_adulto
## 4679 No Age_grupo anciano Age_grupo_anciano
## 4680 No Age_grupo adulto Age_grupo_adulto
## 4681 No Age_grupo adulto Age_grupo_adulto
## 4682 Si Age_grupo adulto Age_grupo_adulto
## 4683 No Age_grupo adulto Age_grupo_adulto
## 4684 Si Age_grupo adulto Age_grupo_adulto
## 4685 No Age_grupo adulto Age_grupo_adulto
## 4686 Si Age_grupo adulto Age_grupo_adulto
## 4687 Si Age_grupo adulto Age_grupo_adulto
## 4688 Si Age_grupo adulto Age_grupo_adulto
## 4689 Si Age_grupo adulto Age_grupo_adulto
## 4690 No Age_grupo adulto Age_grupo_adulto
## 4691 No Age_grupo adulto Age_grupo_adulto
## 4692 No Age_grupo adulto Age_grupo_adulto
## 4693 No Age_grupo adulto Age_grupo_adulto
## 4694 No Age_grupo niño Age_grupo_niño
## 4695 Si Age_grupo adulto Age_grupo_adulto
## 4696 No Age_grupo adulto Age_grupo_adulto
## 4697 Si Age_grupo niño Age_grupo_niño
## 4698 Si Age_grupo adulto Age_grupo_adulto
## 4699 No Age_grupo adulto Age_grupo_adulto
## 4700 Si Age_grupo adulto Age_grupo_adulto
## 4701 Si Age_grupo adulto Age_grupo_adulto
## 4702 Si Age_grupo adulto Age_grupo_adulto
## 4703 No Age_grupo adulto Age_grupo_adulto
## 4704 No Age_grupo adulto Age_grupo_adulto
## 4705 No Age_grupo adulto Age_grupo_adulto
## 4706 Si Age_grupo adulto Age_grupo_adulto
## 4707 Si Age_grupo adulto Age_grupo_adulto
## 4708 No Age_grupo adulto Age_grupo_adulto
## 4709 Si Age_grupo adulto Age_grupo_adulto
## 4710 Si Age_grupo adulto Age_grupo_adulto
## 4711 No Age_grupo adulto Age_grupo_adulto
## 4712 No Age_grupo adulto Age_grupo_adulto
## 4713 Si Age_grupo adulto Age_grupo_adulto
## 4714 Si Age_grupo adulto Age_grupo_adulto
## 4715 Si Age_grupo adulto Age_grupo_adulto
## 4716 No Age_grupo anciano Age_grupo_anciano
## 4717 Si Age_grupo adulto Age_grupo_adulto
## 4718 Si Age_grupo adulto Age_grupo_adulto
## 4719 Si Age_grupo adulto Age_grupo_adulto
## 4720 No Age_grupo adulto Age_grupo_adulto
## 4721 No Age_grupo adulto Age_grupo_adulto
## 4722 No Age_grupo adulto Age_grupo_adulto
## 4723 No Age_grupo adulto Age_grupo_adulto
## 4724 Si Age_grupo adulto Age_grupo_adulto
## 4725 Si Age_grupo adulto Age_grupo_adulto
## 4726 No Age_grupo adulto Age_grupo_adulto
## 4727 Si Age_grupo niño Age_grupo_niño
## 4728 Si Age_grupo adulto Age_grupo_adulto
## 4729 No Age_grupo adulto Age_grupo_adulto
## 4730 No Age_grupo adulto Age_grupo_adulto
## 4731 No Age_grupo adulto Age_grupo_adulto
## 4732 Si Age_grupo adulto Age_grupo_adulto
## 4733 Si Age_grupo adulto Age_grupo_adulto
## 4734 Si Age_grupo niño Age_grupo_niño
## 4735 No Age_grupo adulto Age_grupo_adulto
## 4736 No Age_grupo adulto Age_grupo_adulto
## 4737 No Age_grupo adulto Age_grupo_adulto
## 4738 No Age_grupo adulto Age_grupo_adulto
## 4739 No Age_grupo adulto Age_grupo_adulto
## 4740 Si Age_grupo adulto Age_grupo_adulto
## 4741 No Age_grupo adulto Age_grupo_adulto
## 4742 No Age_grupo adulto Age_grupo_adulto
## 4743 No Age_grupo adulto Age_grupo_adulto
## 4744 No Age_grupo adulto Age_grupo_adulto
## 4745 No Age_grupo adulto Age_grupo_adulto
## 4746 No Age_grupo adulto Age_grupo_adulto
## 4747 Si Age_grupo adulto Age_grupo_adulto
## 4748 Si Age_grupo adulto Age_grupo_adulto
## 4749 Si Age_grupo adulto Age_grupo_adulto
## 4750 No Age_grupo adulto Age_grupo_adulto
## 4751 No Age_grupo adulto Age_grupo_adulto
## 4752 No Age_grupo adulto Age_grupo_adulto
## 4753 No Age_grupo niño Age_grupo_niño
## 4754 Si Age_grupo adulto Age_grupo_adulto
## 4755 No Age_grupo adulto Age_grupo_adulto
## 4756 No Age_grupo adulto Age_grupo_adulto
## 4757 No Age_grupo adulto Age_grupo_adulto
## 4758 Si Age_grupo adulto Age_grupo_adulto
## 4759 Si Age_grupo niño Age_grupo_niño
## 4760 No Age_grupo adulto Age_grupo_adulto
## 4761 Si Age_grupo adulto Age_grupo_adulto
## 4762 No Age_grupo adulto Age_grupo_adulto
## 4763 No Age_grupo niño Age_grupo_niño
## 4764 Si Age_grupo adulto Age_grupo_adulto
## 4765 Si Age_grupo adulto Age_grupo_adulto
## 4766 Si Age_grupo adulto Age_grupo_adulto
## 4767 Si Age_grupo adulto Age_grupo_adulto
## 4768 No Age_grupo adulto Age_grupo_adulto
## 4769 Si Age_grupo adulto Age_grupo_adulto
## 4770 Si Age_grupo adulto Age_grupo_adulto
## 4771 No Age_grupo adulto Age_grupo_adulto
## 4772 No Age_grupo adulto Age_grupo_adulto
## 4773 No Age_grupo adulto Age_grupo_adulto
## 4774 No Age_grupo adulto Age_grupo_adulto
## 4775 Si Age_grupo adulto Age_grupo_adulto
## 4776 Si Age_grupo adulto Age_grupo_adulto
## 4777 No Age_grupo adulto Age_grupo_adulto
## 4778 No Age_grupo adulto Age_grupo_adulto
## 4779 No Age_grupo adulto Age_grupo_adulto
## 4780 No Age_grupo adulto Age_grupo_adulto
## 4781 No Age_grupo adulto Age_grupo_adulto
## 4782 No Age_grupo adulto Age_grupo_adulto
## 4783 Si Age_grupo niño Age_grupo_niño
## 4784 No Age_grupo adulto Age_grupo_adulto
## 4785 Si Age_grupo adulto Age_grupo_adulto
## 4786 Si Age_grupo adulto Age_grupo_adulto
## 4787 Si Age_grupo adulto Age_grupo_adulto
## 4788 Si Age_grupo adulto Age_grupo_adulto
## 4789 No Age_grupo adulto Age_grupo_adulto
## 4790 No Age_grupo niño Age_grupo_niño
## 4791 No Age_grupo adulto Age_grupo_adulto
## 4792 No Age_grupo adulto Age_grupo_adulto
## 4793 No Age_grupo adulto Age_grupo_adulto
## 4794 No Age_grupo adulto Age_grupo_adulto
## 4795 Si Age_grupo adulto Age_grupo_adulto
## 4796 Si Age_grupo adulto Age_grupo_adulto
## 4797 Si Age_grupo adulto Age_grupo_adulto
## 4798 Si Age_grupo adulto Age_grupo_adulto
## 4799 Si Age_grupo adulto Age_grupo_adulto
## 4800 No Age_grupo adulto Age_grupo_adulto
## 4801 No Age_grupo adulto Age_grupo_adulto
## 4802 Si Age_grupo adulto Age_grupo_adulto
## 4803 No Age_grupo adulto Age_grupo_adulto
## 4804 Si Age_grupo adulto Age_grupo_adulto
## 4805 No Age_grupo anciano Age_grupo_anciano
## 4806 No Age_grupo adulto Age_grupo_adulto
## 4807 Si Age_grupo adulto Age_grupo_adulto
## 4808 No Age_grupo adulto Age_grupo_adulto
## 4809 No Age_grupo adulto Age_grupo_adulto
## 4810 Si Age_grupo adulto Age_grupo_adulto
## 4811 Si Age_grupo niño Age_grupo_niño
## 4812 Si Age_grupo adulto Age_grupo_adulto
## 4813 Si Age_grupo adulto Age_grupo_adulto
## 4814 Si Age_grupo niño Age_grupo_niño
## 4815 Si Age_grupo adulto Age_grupo_adulto
## 4816 No Age_grupo adulto Age_grupo_adulto
## 4817 No Age_grupo adulto Age_grupo_adulto
## 4818 Si Age_grupo adulto Age_grupo_adulto
## 4819 Si Age_grupo adulto Age_grupo_adulto
## 4820 No Age_grupo anciano Age_grupo_anciano
## 4821 Si Age_grupo adulto Age_grupo_adulto
## 4822 Si Age_grupo adulto Age_grupo_adulto
## 4823 No Age_grupo adulto Age_grupo_adulto
## 4824 No Age_grupo adulto Age_grupo_adulto
## 4825 No Age_grupo adulto Age_grupo_adulto
## 4826 No Age_grupo adulto Age_grupo_adulto
## 4827 No Age_grupo adulto Age_grupo_adulto
## 4828 Si Age_grupo niño Age_grupo_niño
## 4829 No Age_grupo adulto Age_grupo_adulto
## 4830 Si Age_grupo adulto Age_grupo_adulto
## 4831 Si Age_grupo adulto Age_grupo_adulto
## 4832 No Age_grupo adulto Age_grupo_adulto
## 4833 No Age_grupo adulto Age_grupo_adulto
## 4834 No Age_grupo adulto Age_grupo_adulto
## 4835 No Age_grupo adulto Age_grupo_adulto
## 4836 Si Age_grupo niño Age_grupo_niño
## 4837 No Age_grupo niño Age_grupo_niño
## 4838 No Age_grupo adulto Age_grupo_adulto
## 4839 Si Age_grupo anciano Age_grupo_anciano
## 4840 Si Age_grupo adulto Age_grupo_adulto
## 4841 Si Age_grupo adulto Age_grupo_adulto
## 4842 No Age_grupo adulto Age_grupo_adulto
## 4843 No Age_grupo adulto Age_grupo_adulto
## 4844 Si Age_grupo niño Age_grupo_niño
## 4845 No Age_grupo adulto Age_grupo_adulto
## 4846 No Age_grupo adulto Age_grupo_adulto
## 4847 No Age_grupo anciano Age_grupo_anciano
## 4848 No Age_grupo adulto Age_grupo_adulto
## 4849 Si Age_grupo adulto Age_grupo_adulto
## 4850 No Age_grupo adulto Age_grupo_adulto
## 4851 No Age_grupo adulto Age_grupo_adulto
## 4852 No Age_grupo adulto Age_grupo_adulto
## 4853 No Age_grupo adulto Age_grupo_adulto
## 4854 No Age_grupo adulto Age_grupo_adulto
## 4855 Si Age_grupo adulto Age_grupo_adulto
## 4856 No Age_grupo adulto Age_grupo_adulto
## 4857 Si Age_grupo adulto Age_grupo_adulto
## 4858 No Age_grupo adulto Age_grupo_adulto
## 4859 Si Age_grupo adulto Age_grupo_adulto
## 4860 Si Age_grupo adulto Age_grupo_adulto
## 4861 Si Age_grupo adulto Age_grupo_adulto
## 4862 Si Age_grupo adulto Age_grupo_adulto
## 4863 No Age_grupo adulto Age_grupo_adulto
## 4864 No Age_grupo adulto Age_grupo_adulto
## 4865 Si Age_grupo adulto Age_grupo_adulto
## 4866 Si Age_grupo adulto Age_grupo_adulto
## 4867 No Age_grupo adulto Age_grupo_adulto
## 4868 Si Age_grupo adulto Age_grupo_adulto
## 4869 No Age_grupo adulto Age_grupo_adulto
## 4870 Si Age_grupo adulto Age_grupo_adulto
## 4871 No Age_grupo adulto Age_grupo_adulto
## 4872 Si Age_grupo adulto Age_grupo_adulto
## 4873 No Age_grupo adulto Age_grupo_adulto
## 4874 No Age_grupo adulto Age_grupo_adulto
## 4875 Si Age_grupo niño Age_grupo_niño
## 4876 No Age_grupo adulto Age_grupo_adulto
## 4877 No Age_grupo adulto Age_grupo_adulto
## 4878 Si Age_grupo niño Age_grupo_niño
## 4879 No Age_grupo adulto Age_grupo_adulto
## 4880 Si Age_grupo adulto Age_grupo_adulto
## 4881 Si Age_grupo adulto Age_grupo_adulto
## 4882 Si Age_grupo adulto Age_grupo_adulto
## 4883 No Age_grupo niño Age_grupo_niño
## 4884 No Age_grupo adulto Age_grupo_adulto
## 4885 Si Age_grupo adulto Age_grupo_adulto
## 4886 No Age_grupo adulto Age_grupo_adulto
## 4887 No Age_grupo anciano Age_grupo_anciano
## 4888 Si Age_grupo adulto Age_grupo_adulto
## 4889 No Age_grupo adulto Age_grupo_adulto
## 4890 Si Age_grupo niño Age_grupo_niño
## 4891 Si Age_grupo adulto Age_grupo_adulto
## 4892 No Age_grupo adulto Age_grupo_adulto
## 4893 Si Age_grupo adulto Age_grupo_adulto
## 4894 Si Age_grupo adulto Age_grupo_adulto
## 4895 No Age_grupo anciano Age_grupo_anciano
## 4896 Si Age_grupo adulto Age_grupo_adulto
## 4897 Si Age_grupo adulto Age_grupo_adulto
## 4898 Si Age_grupo adulto Age_grupo_adulto
## 4899 No Age_grupo adulto Age_grupo_adulto
## 4900 No Age_grupo adulto Age_grupo_adulto
## 4901 No Age_grupo adulto Age_grupo_adulto
## 4902 No Age_grupo adulto Age_grupo_adulto
## 4903 No Age_grupo adulto Age_grupo_adulto
## 4904 Si Age_grupo adulto Age_grupo_adulto
## 4905 Si Age_grupo anciano Age_grupo_anciano
## 4906 Si Age_grupo adulto Age_grupo_adulto
## 4907 Si Age_grupo adulto Age_grupo_adulto
## 4908 No Age_grupo adulto Age_grupo_adulto
## 4909 No Age_grupo adulto Age_grupo_adulto
## 4910 Si Age_grupo adulto Age_grupo_adulto
## 4911 Si Age_grupo adulto Age_grupo_adulto
## 4912 Si Age_grupo adulto Age_grupo_adulto
## 4913 Si Age_grupo adulto Age_grupo_adulto
## 4914 Si Age_grupo adulto Age_grupo_adulto
## 4915 No Age_grupo adulto Age_grupo_adulto
## 4916 No Age_grupo adulto Age_grupo_adulto
## 4917 Si Age_grupo adulto Age_grupo_adulto
## 4918 No Age_grupo adulto Age_grupo_adulto
## 4919 Si Age_grupo adulto Age_grupo_adulto
## 4920 No Age_grupo adulto Age_grupo_adulto
## 4921 No Age_grupo adulto Age_grupo_adulto
## 4922 Si Age_grupo adulto Age_grupo_adulto
## 4923 No Age_grupo adulto Age_grupo_adulto
## 4924 No Age_grupo adulto Age_grupo_adulto
## 4925 No Age_grupo adulto Age_grupo_adulto
## 4926 No Age_grupo adulto Age_grupo_adulto
## 4927 Si Age_grupo adulto Age_grupo_adulto
## 4928 Si Age_grupo adulto Age_grupo_adulto
## 4929 No Age_grupo adulto Age_grupo_adulto
## 4930 Si Age_grupo adulto Age_grupo_adulto
## 4931 No Age_grupo adulto Age_grupo_adulto
## 4932 No Age_grupo adulto Age_grupo_adulto
## 4933 Si Age_grupo adulto Age_grupo_adulto
## 4934 Si Age_grupo adulto Age_grupo_adulto
## 4935 Si Age_grupo adulto Age_grupo_adulto
## 4936 No Age_grupo adulto Age_grupo_adulto
## 4937 No Age_grupo adulto Age_grupo_adulto
## 4938 Si Age_grupo adulto Age_grupo_adulto
## 4939 No Age_grupo adulto Age_grupo_adulto
## 4940 No Age_grupo adulto Age_grupo_adulto
## 4941 Si Age_grupo niño Age_grupo_niño
## 4942 No Age_grupo adulto Age_grupo_adulto
## 4943 No Age_grupo adulto Age_grupo_adulto
## 4944 Si Age_grupo adulto Age_grupo_adulto
## 4945 Si Age_grupo adulto Age_grupo_adulto
## 4946 No Age_grupo adulto Age_grupo_adulto
## 4947 No Age_grupo adulto Age_grupo_adulto
## 4948 No Age_grupo anciano Age_grupo_anciano
## 4949 No Age_grupo adulto Age_grupo_adulto
## 4950 Si Age_grupo adulto Age_grupo_adulto
## 4951 No Age_grupo adulto Age_grupo_adulto
## 4952 Si Age_grupo anciano Age_grupo_anciano
## 4953 No Age_grupo adulto Age_grupo_adulto
## 4954 Si Age_grupo adulto Age_grupo_adulto
## 4955 No Age_grupo niño Age_grupo_niño
## 4956 Si Age_grupo adulto Age_grupo_adulto
## 4957 No Age_grupo adulto Age_grupo_adulto
## 4958 No Age_grupo adulto Age_grupo_adulto
## 4959 No Age_grupo adulto Age_grupo_adulto
## 4960 No Age_grupo adulto Age_grupo_adulto
## 4961 Si Age_grupo adulto Age_grupo_adulto
## 4962 No Age_grupo niño Age_grupo_niño
## 4963 Si Age_grupo niño Age_grupo_niño
## 4964 Si Age_grupo adulto Age_grupo_adulto
## 4965 No Age_grupo adulto Age_grupo_adulto
## 4966 Si Age_grupo adulto Age_grupo_adulto
## 4967 Si Age_grupo adulto Age_grupo_adulto
## 4968 Si Age_grupo adulto Age_grupo_adulto
## 4969 No Age_grupo adulto Age_grupo_adulto
## 4970 No Age_grupo adulto Age_grupo_adulto
## 4971 No Age_grupo adulto Age_grupo_adulto
## 4972 No Age_grupo adulto Age_grupo_adulto
## 4973 No Age_grupo adulto Age_grupo_adulto
## 4974 No Age_grupo adulto Age_grupo_adulto
## 4975 Si Age_grupo adulto Age_grupo_adulto
## 4976 No Age_grupo adulto Age_grupo_adulto
## 4977 No Age_grupo adulto Age_grupo_adulto
## 4978 No Age_grupo adulto Age_grupo_adulto
## 4979 Si Age_grupo adulto Age_grupo_adulto
## 4980 No Age_grupo adulto Age_grupo_adulto
## 4981 No Age_grupo adulto Age_grupo_adulto
## 4982 No Age_grupo adulto Age_grupo_adulto
## 4983 Si Age_grupo adulto Age_grupo_adulto
## 4984 No Age_grupo adulto Age_grupo_adulto
## 4985 No Age_grupo anciano Age_grupo_anciano
## 4986 Si Age_grupo adulto Age_grupo_adulto
## 4987 No Age_grupo adulto Age_grupo_adulto
## 4988 No Age_grupo adulto Age_grupo_adulto
## 4989 Si Age_grupo adulto Age_grupo_adulto
## 4990 No Age_grupo adulto Age_grupo_adulto
## 4991 Si Age_grupo adulto Age_grupo_adulto
## 4992 Si Age_grupo adulto Age_grupo_adulto
## 4993 No Age_grupo adulto Age_grupo_adulto
## 4994 No Age_grupo adulto Age_grupo_adulto
## 4995 No Age_grupo adulto Age_grupo_adulto
## 4996 No Age_grupo adulto Age_grupo_adulto
## 4997 No Age_grupo adulto Age_grupo_adulto
## 4998 No Age_grupo adulto Age_grupo_adulto
## 4999 No Age_grupo adulto Age_grupo_adulto
## 5000 Si Age_grupo adulto Age_grupo_adulto
## 5001 Si Age_grupo adulto Age_grupo_adulto
## 5002 Si Age_grupo niño Age_grupo_niño
## 5003 No Age_grupo adulto Age_grupo_adulto
## 5004 No Age_grupo adulto Age_grupo_adulto
## 5005 No Age_grupo adulto Age_grupo_adulto
## 5006 No Age_grupo adulto Age_grupo_adulto
## 5007 No Age_grupo adulto Age_grupo_adulto
## 5008 No Age_grupo adulto Age_grupo_adulto
## 5009 Si Age_grupo adulto Age_grupo_adulto
## 5010 Si Age_grupo adulto Age_grupo_adulto
## 5011 No Age_grupo adulto Age_grupo_adulto
## 5012 No Age_grupo adulto Age_grupo_adulto
## 5013 No Age_grupo adulto Age_grupo_adulto
## 5014 No Age_grupo adulto Age_grupo_adulto
## 5015 Si Age_grupo adulto Age_grupo_adulto
## 5016 Si Age_grupo adulto Age_grupo_adulto
## 5017 Si Age_grupo adulto Age_grupo_adulto
## 5018 Si Age_grupo adulto Age_grupo_adulto
## 5019 Si Age_grupo adulto Age_grupo_adulto
## 5020 No Age_grupo adulto Age_grupo_adulto
## 5021 No Age_grupo adulto Age_grupo_adulto
## 5022 No Age_grupo adulto Age_grupo_adulto
## 5023 Si Age_grupo adulto Age_grupo_adulto
## 5024 Si Age_grupo adulto Age_grupo_adulto
## 5025 No Age_grupo adulto Age_grupo_adulto
## 5026 Si Age_grupo niño Age_grupo_niño
## 5027 No Age_grupo adulto Age_grupo_adulto
## 5028 No Age_grupo adulto Age_grupo_adulto
## 5029 No Age_grupo adulto Age_grupo_adulto
## 5030 Si Age_grupo adulto Age_grupo_adulto
## 5031 No Age_grupo adulto Age_grupo_adulto
## 5032 Si Age_grupo adulto Age_grupo_adulto
## 5033 No Age_grupo adulto Age_grupo_adulto
## 5034 No Age_grupo adulto Age_grupo_adulto
## 5035 Si Age_grupo adulto Age_grupo_adulto
## 5036 No Age_grupo adulto Age_grupo_adulto
## 5037 No Age_grupo adulto Age_grupo_adulto
## 5038 No Age_grupo adulto Age_grupo_adulto
## 5039 No Age_grupo adulto Age_grupo_adulto
## 5040 No Age_grupo adulto Age_grupo_adulto
## 5041 Si Age_grupo adulto Age_grupo_adulto
## 5042 No Age_grupo adulto Age_grupo_adulto
## 5043 Si Age_grupo adulto Age_grupo_adulto
## 5044 No Age_grupo adulto Age_grupo_adulto
## 5045 Si Age_grupo adulto Age_grupo_adulto
## 5046 No Age_grupo anciano Age_grupo_anciano
## 5047 No Age_grupo adulto Age_grupo_adulto
## 5048 Si Age_grupo adulto Age_grupo_adulto
## 5049 No Age_grupo adulto Age_grupo_adulto
## 5050 No Age_grupo adulto Age_grupo_adulto
## 5051 Si Age_grupo niño Age_grupo_niño
## 5052 Si Age_grupo niño Age_grupo_niño
## 5053 No Age_grupo adulto Age_grupo_adulto
## 5054 No Age_grupo adulto Age_grupo_adulto
## 5055 Si Age_grupo adulto Age_grupo_adulto
## 5056 Si Age_grupo niño Age_grupo_niño
## 5057 No Age_grupo adulto Age_grupo_adulto
## 5058 No Age_grupo adulto Age_grupo_adulto
## 5059 No Age_grupo adulto Age_grupo_adulto
## 5060 Si Age_grupo adulto Age_grupo_adulto
## 5061 No Age_grupo adulto Age_grupo_adulto
## 5062 Si Age_grupo adulto Age_grupo_adulto
## 5063 Si Age_grupo adulto Age_grupo_adulto
## 5064 No Age_grupo adulto Age_grupo_adulto
## 5065 Si Age_grupo adulto Age_grupo_adulto
## 5066 No Age_grupo adulto Age_grupo_adulto
## 5067 No Age_grupo adulto Age_grupo_adulto
## 5068 No Age_grupo adulto Age_grupo_adulto
## 5069 No Age_grupo adulto Age_grupo_adulto
## 5070 No Age_grupo adulto Age_grupo_adulto
## 5071 Si Age_grupo adulto Age_grupo_adulto
## 5072 No Age_grupo adulto Age_grupo_adulto
## 5073 Si Age_grupo niño Age_grupo_niño
## 5074 Si Age_grupo adulto Age_grupo_adulto
## 5075 Si Age_grupo adulto Age_grupo_adulto
## 5076 Si Age_grupo adulto Age_grupo_adulto
## 5077 No Age_grupo adulto Age_grupo_adulto
## 5078 No Age_grupo adulto Age_grupo_adulto
## 5079 No Age_grupo adulto Age_grupo_adulto
## 5080 Si Age_grupo adulto Age_grupo_adulto
## 5081 No Age_grupo niño Age_grupo_niño
## 5082 Si Age_grupo niño Age_grupo_niño
## 5083 No Age_grupo adulto Age_grupo_adulto
## 5084 No Age_grupo adulto Age_grupo_adulto
## 5085 No Age_grupo adulto Age_grupo_adulto
## 5086 No Age_grupo adulto Age_grupo_adulto
## 5087 Si Age_grupo adulto Age_grupo_adulto
## 5088 Si Age_grupo adulto Age_grupo_adulto
## 5089 No Age_grupo adulto Age_grupo_adulto
## 5090 No Age_grupo adulto Age_grupo_adulto
## 5091 No Age_grupo adulto Age_grupo_adulto
## 5092 Si Age_grupo adulto Age_grupo_adulto
## 5093 Si Age_grupo adulto Age_grupo_adulto
## 5094 Si Age_grupo niño Age_grupo_niño
## 5095 Si Age_grupo adulto Age_grupo_adulto
## 5096 No Age_grupo adulto Age_grupo_adulto
## 5097 No Age_grupo adulto Age_grupo_adulto
## 5098 No Age_grupo adulto Age_grupo_adulto
## 5099 No Age_grupo adulto Age_grupo_adulto
## 5100 Si Age_grupo adulto Age_grupo_adulto
## 5101 No Age_grupo adulto Age_grupo_adulto
## 5102 No Age_grupo adulto Age_grupo_adulto
## 5103 No Age_grupo adulto Age_grupo_adulto
## 5104 No Age_grupo niño Age_grupo_niño
## 5105 No Age_grupo adulto Age_grupo_adulto
## 5106 No Age_grupo adulto Age_grupo_adulto
## 5107 No Age_grupo adulto Age_grupo_adulto
## 5108 No Age_grupo adulto Age_grupo_adulto
## 5109 No Age_grupo niño Age_grupo_niño
## 5110 Si Age_grupo adulto Age_grupo_adulto
## 5111 Si Age_grupo adulto Age_grupo_adulto
## 5112 No Age_grupo adulto Age_grupo_adulto
## 5113 Si Age_grupo adulto Age_grupo_adulto
## 5114 No Age_grupo niño Age_grupo_niño
## 5115 Si Age_grupo niño Age_grupo_niño
## 5116 Si Age_grupo anciano Age_grupo_anciano
## 5117 Si Age_grupo adulto Age_grupo_adulto
## 5118 Si Age_grupo niño Age_grupo_niño
## 5119 No Age_grupo adulto Age_grupo_adulto
## 5120 No Age_grupo adulto Age_grupo_adulto
## 5121 Si Age_grupo adulto Age_grupo_adulto
## 5122 No Age_grupo adulto Age_grupo_adulto
## 5123 Si Age_grupo adulto Age_grupo_adulto
## 5124 No Age_grupo adulto Age_grupo_adulto
## 5125 No Age_grupo adulto Age_grupo_adulto
## 5126 Si Age_grupo adulto Age_grupo_adulto
## 5127 No Age_grupo adulto Age_grupo_adulto
## 5128 No Age_grupo adulto Age_grupo_adulto
## 5129 No Age_grupo adulto Age_grupo_adulto
## 5130 No Age_grupo adulto Age_grupo_adulto
## 5131 No Age_grupo adulto Age_grupo_adulto
## 5132 No Age_grupo niño Age_grupo_niño
## 5133 No Age_grupo anciano Age_grupo_anciano
## 5134 No Age_grupo niño Age_grupo_niño
## 5135 Si Age_grupo adulto Age_grupo_adulto
## 5136 No Age_grupo adulto Age_grupo_adulto
## 5137 Si Age_grupo adulto Age_grupo_adulto
## 5138 Si Age_grupo adulto Age_grupo_adulto
## 5139 Si Age_grupo adulto Age_grupo_adulto
## 5140 Si Age_grupo adulto Age_grupo_adulto
## 5141 No Age_grupo adulto Age_grupo_adulto
## 5142 No Age_grupo adulto Age_grupo_adulto
## 5143 Si Age_grupo adulto Age_grupo_adulto
## 5144 No Age_grupo adulto Age_grupo_adulto
## 5145 Si Age_grupo adulto Age_grupo_adulto
## 5146 Si Age_grupo adulto Age_grupo_adulto
## 5147 No Age_grupo adulto Age_grupo_adulto
## 5148 Si Age_grupo niño Age_grupo_niño
## 5149 No Age_grupo adulto Age_grupo_adulto
## 5150 Si Age_grupo adulto Age_grupo_adulto
## 5151 No Age_grupo adulto Age_grupo_adulto
## 5152 No Age_grupo adulto Age_grupo_adulto
## 5153 Si Age_grupo adulto Age_grupo_adulto
## 5154 Si Age_grupo adulto Age_grupo_adulto
## 5155 No Age_grupo adulto Age_grupo_adulto
## 5156 No Age_grupo adulto Age_grupo_adulto
## 5157 Si Age_grupo adulto Age_grupo_adulto
## 5158 Si Age_grupo adulto Age_grupo_adulto
## 5159 No Age_grupo adulto Age_grupo_adulto
## 5160 No Age_grupo adulto Age_grupo_adulto
## 5161 No Age_grupo adulto Age_grupo_adulto
## 5162 No Age_grupo adulto Age_grupo_adulto
## 5163 No Age_grupo adulto Age_grupo_adulto
## 5164 No Age_grupo adulto Age_grupo_adulto
## 5165 Si Age_grupo adulto Age_grupo_adulto
## 5166 Si Age_grupo adulto Age_grupo_adulto
## 5167 No Age_grupo adulto Age_grupo_adulto# Función que calcula el test de proporciones para la columna "Survived" de un df
test_proporcion <- function(df){
n_supervivientes <- sum(df$Survived == "Si")
n_fallecidos <- sum(df$Survived == "No")
n_total <- n_supervivientes + n_fallecidos
test <- prop.test(x = n_supervivientes, n = n_total, p = 0.3838)
prop_supervivientes <- n_supervivientes / n_total
return(data.frame(p_value = test$p.value, prop_supervivientes))
}
# Se agrupan los datos por "variable_grupo" y se aplica a cada grupo la función
# test_proporcion()
analisis_prop <- datos_cualitativos_tidy %>%
group_by(variable_grupo) %>%
nest() %>%
arrange(variable_grupo) %>%
mutate(prop_test = map(.x = data, .f = test_proporcion)) %>%
unnest(prop_test) %>%
arrange(p_value) %>%
select(variable_grupo,p_value, prop_supervivientes)## Warning: There were 6 warnings in `mutate()`.
## The first warning was:
## ℹ In argument: `prop_test = map(.x = data, .f = test_proporcion)`.
## ℹ In group 10: `variable_grupo = "Parch_3"`.
## Caused by warning in `prop.test()`:
## ! Chi-squared approximation may be incorrect
## ℹ Run ]8;;ide:run:dplyr::last_dplyr_warnings()dplyr::last_dplyr_warnings()]8;; to see the 5 remaining warnings.analisis_prop## # A tibble: 25 × 3
## # Groups: variable_grupo [25]
## variable_grupo p_value prop_supervivientes
## <chr> <dbl> <dbl>
## 1 Sex_female 1.30e-38 0.742
## 2 Sex_male 9.36e-22 0.189
## 3 Pclass_1 1.85e-13 0.630
## 4 Pclass_3 1.57e-10 0.242
## 5 SibSp_1 8.59e- 6 0.536
## 6 Embarked_C 8.77e- 6 0.554
## 7 Parch_1 2.76e- 4 0.551
## 8 Age_grupo_niño 8.83e- 4 0.594
## 9 Pclass_2 1.61e- 2 0.473
## 10 Embarked_S 1.62e- 2 0.337
## # ℹ 15 more rows# Función que calcula el test de proporciones para la columna "Survived" de un df
test_proporcion <- function(df){
n_supervivientes <- sum(df$Survived == "Si")
n_fallecidos <- sum(df$Survived == "No")
n_total <- n_supervivientes + n_fallecidos
test <- prop.test(x = n_supervivientes, n = n_total, p = 0.3838)
prop_supervivientes <- n_supervivientes / n_total
return(data.frame(p_value = test$p.value, prop_supervivientes))
}
# Se agrupan los datos por "variable_grupo" y se aplica a cada grupo la función
# test_proporcion()
analisis_prop <- datos_cualitativos_tidy %>%
group_by(variable_grupo) %>%
nest() %>%
arrange(variable_grupo) %>%
mutate(prop_test = map(.x = data, .f = test_proporcion)) %>%
unnest(prop_test) %>%
arrange(p_value) %>%
select(variable_grupo,p_value, prop_supervivientes)## Warning: There were 6 warnings in `mutate()`.
## The first warning was:
## ℹ In argument: `prop_test = map(.x = data, .f = test_proporcion)`.
## ℹ In group 10: `variable_grupo = "Parch_3"`.
## Caused by warning in `prop.test()`:
## ! Chi-squared approximation may be incorrect
## ℹ Run ]8;;ide:run:dplyr::last_dplyr_warnings()dplyr::last_dplyr_warnings()]8;; to see the 5 remaining warnings.analisis_prop## # A tibble: 25 × 3
## # Groups: variable_grupo [25]
## variable_grupo p_value prop_supervivientes
## <chr> <dbl> <dbl>
## 1 Sex_female 1.30e-38 0.742
## 2 Sex_male 9.36e-22 0.189
## 3 Pclass_1 1.85e-13 0.630
## 4 Pclass_3 1.57e-10 0.242
## 5 SibSp_1 8.59e- 6 0.536
## 6 Embarked_C 8.77e- 6 0.554
## 7 Parch_1 2.76e- 4 0.551
## 8 Age_grupo_niño 8.83e- 4 0.594
## 9 Pclass_2 1.61e- 2 0.473
## 10 Embarked_S 1.62e- 2 0.337
## # ℹ 15 more rows# Representación gráfica de la distribución de los 6 grupos con menor p-value
top25_grupos <- analisis_prop %>% pull(variable_grupo) %>% head(25)
# Se crea una función que, dados un dataframe y el nombre de un grupo, genere la
# representación gráfica de supervivientes y no supervivientes.
plot_grupo <- function(grupo, df, threshold_line = 0.3838){
p <- ggplot(data = df, aes(x = 1, y = ..count.., fill = Survived)) +
geom_bar() +
scale_fill_manual(values = c("gray50", "orangered2")) +
# Se añade una línea horizontal en el nivel basal
geom_hline(yintercept = nrow(df) * threshold_line,
linetype = "dashed") +
labs(title = grupo) +
theme_bw() +
theme(legend.position = "bottom",
axis.text.x = element_blank(),
axis.title.x = element_blank(),
axis.ticks.x = element_blank())
return(p)
}
datos_graficos <- datos_cualitativos_tidy %>%
filter(variable_grupo %in% top25_grupos) %>%
group_by(variable_grupo) %>%
nest() %>%
arrange(variable_grupo)
plots <- map2(datos_graficos$variable_grupo, .y = datos_graficos$data,
.f = plot_grupo)
ggarrange(plotlist = plots, common.legend = TRUE)
El listado obtenido muestra, ordenados de menor a mayor p-value, cada uno de los posibles grupos simples en los que se puede diferenciar a los pasajeros. Hay que tener precaución a la hora de interpretarlo, la idea es la siguiente: cuanto menor es el p-value de un grupo, mayor la evidencia de que la proporción de supervivientes en dicho grupo se aleja de lo esperado (0.38), tanto por encima como por debajo, si no existiese relación entre esa variable y la supervivencia. Ahora bien:
Al tratarse de comparaciones múltiples sin corrección del error tipo I, no se debe de interpretar el valor del p-value más allá de como una forma de ordenación y no para determinar si las variables están significativamente asociadas.
El estudio aísla cada variable por separado, no tiene en cuenta posibles combinaciones, por ejemplo, ser mujer con hijos frente a mujer sin hijos.
Este análisis tiene como objetivo sacar a la luz posibles relaciones entre las variables disponibles y la supervivencia de los pasajeros, sin embargo, no debe de emplearse como una selección de predictores (al menos no por si sola). Que una variable aparezca al final del listado no garantiza que no sea importante en el modelo de clasificación final.
##2.9.-RANDOM FOREST y la importancia de los predictores
library(randomForest)## Warning: package 'randomForest' was built under R version 4.2.3## randomForest 4.7-1.1## Type rfNews() to see new features/changes/bug fixes.##
## Attaching package: 'randomForest'## The following object is masked from 'package:dplyr':
##
## combine## The following object is masked from 'package:ggplot2':
##
## margindatos_rf <- datos %>%
select(-PassengerId, -Name, -Ticket, -Cabin, -Age, -Age_grupo) %>%
na.omit()
datos_rf <- map_if(.x = datos_rf, .p = is.character, .f = as.factor) %>%
as.data.frame()
modelo_randforest <- randomForest(formula = Survived ~ . ,
data = na.omit(datos_rf),
mtry = 5,
importance = TRUE,
ntree = 1000)
importancia <- as.data.frame(modelo_randforest$importance)
importancia <- rownames_to_column(importancia,var = "variable")
p1 <- ggplot(data = importancia, aes(x = reorder(variable, MeanDecreaseAccuracy),
y = MeanDecreaseAccuracy,
fill = MeanDecreaseAccuracy)) +
labs(x = "variable", title = "Reducción de Accuracy") +
geom_col() +
coord_flip() +
theme_bw() +
theme(legend.position = "bottom")
p2 <- ggplot(data = importancia, aes(x = reorder(variable, MeanDecreaseGini),
y = MeanDecreaseGini,
fill = MeanDecreaseGini)) +
labs(x = "variable", title = "Reducción de pureza (Gini)") +
geom_col() +
coord_flip() +
theme_bw() +
theme(legend.position = "bottom")
ggarrange(p1, p2)
Ambos análisis apuntan a que las variables Sex, Class y Fare tienen una
influencia alta sobre las probabilidades de supervivencia.
##2.10.- Conclusiones del análisis exploratorio
La exploración de los datos, el estudio de su distribución, y su posible relación con la variable respuesta parecen indicar que los factores que más influyeron en la supervivencia de los pasajeros fueron: el sexo, la clase a la que pertenecían y coste del billete. También se ha detectado que las variables continuas no están correlacionadas y que las variables Age, Cabin y Embarked tienen valores ausentes.
##3.- División muestral: TRAIN & TEST
Evaluar la capacidad predictiva de un modelo consiste en comprobar cómo de próximas son sus predicciones a los verdaderos valores de la variable respuesta. Para poder cuantificar de forma correcta este error, se necesita disponer de un conjunto de observaciones, de las que se conozca la variable respuesta, pero que el modelo no haya “visto”, es decir, que no hayan participado en su ajuste.
Con esta finalidad, se dividen los datos disponibles en un conjunto de entrenamiento y un conjunto de test. El tamaño adecuado de las particiones depende en gran medida de la cantidad de datos disponibles y la seguridad que se necesite en la estimación del error, 80%-20% suele dar buenos resultados.
library(caret)## Warning: package 'caret' was built under R version 4.2.3## Loading required package: lattice##
## Attaching package: 'caret'## The following object is masked from 'package:purrr':
##
## liftset.seed(123)
# Se crean los índices de las observaciones de entrenamiento
train <- createDataPartition(y = datos$Survived, p = 0.8, list = FALSE, times = 1)
datos_train <- datos[train, ]
datos_test <- datos[-train, ]summary(datos_train)## PassengerId Survived Pclass Name Sex
## Min. : 3.0 No:440 1:174 Length:714 female:254
## 1st Qu.:222.2 Si:274 2:145 Class :character male :460
## Median :446.5 3:395 Mode :character
## Mean :444.3
## 3rd Qu.:668.8
## Max. :891.0
##
## Age SibSp Parch Ticket
## Min. : 0.42 Min. :0.0000 Min. :0.0000 Length:714
## 1st Qu.:21.00 1st Qu.:0.0000 1st Qu.:0.0000 Class :character
## Median :28.00 Median :0.0000 Median :0.0000 Mode :character
## Mean :29.72 Mean :0.4748 Mean :0.3782
## 3rd Qu.:39.00 3rd Qu.:1.0000 3rd Qu.:0.0000
## Max. :74.00 Max. :8.0000 Max. :6.0000
## NA's :145
## Fare Cabin Embarked Age_grupo
## Min. : 0.000 Length:714 C:142 adulto :507
## 1st Qu.: 7.925 Class :character Q: 63 anciano: 14
## Median : 14.454 Mode :character S:509 niño : 48
## Mean : 31.145 NA's :145
## 3rd Qu.: 30.500
## Max. :512.329
## summary(datos_test)## PassengerId Survived Pclass Name Sex
## Min. : 1.0 No:109 1:42 Length:177 female: 60
## 1st Qu.:234.0 Si: 68 2:39 Class :character male :117
## Median :445.0 3:96 Mode :character
## Mean :452.8
## 3rd Qu.:667.0
## Max. :884.0
##
## Age SibSp Parch Ticket
## Min. : 1.00 Min. :0.0000 Min. :0.0000 Length:177
## 1st Qu.:19.00 1st Qu.:0.0000 1st Qu.:0.0000 Class :character
## Median :28.00 Median :0.0000 Median :0.0000 Mode :character
## Mean :29.61 Mean :0.7175 Mean :0.3955
## 3rd Qu.:37.00 3rd Qu.:1.0000 3rd Qu.:1.0000
## Max. :80.00 Max. :8.0000 Max. :4.0000
## NA's :32
## Fare Cabin Embarked Age_grupo
## Min. : 0.000 Length:177 C : 26 adulto :121
## 1st Qu.: 7.896 Class :character Q : 14 anciano: 8
## Median : 15.500 Mode :character S :135 niño : 16
## Mean : 36.478 NA's: 2 NA's : 32
## 3rd Qu.: 33.000
## Max. :512.329
## prop.table(table(datos_train$Survived))##
## No Si
## 0.6162465 0.3837535prop.table(table(datos_test$Survived))##
## No Si
## 0.6158192 0.3841808Este tipo de reparto estratificado asegura que el conjunto de entrenamiento y el de test sean similares en cuanto a la variable respuesta, sin embargo, no garantiza que ocurra lo mismo con los predictores. Por ejemplo, en un set de datos con 100 observaciones, un predictor binario que tenga 90 observaciones de un grupo y solo 10 de otro, tiene un alto riesgo de que, en alguna de las particiones, el grupo minoritario no tenga representantes.
Si esto ocurre en el conjunto de entrenamiento, algunos algoritmos darán error al aplicarlos al conjunto de test, ya que no entenderán el valor que se les está pasando. Este problema puede evitarse eliminando variables con varianza próxima a cero.
4.- Preprocesado de los datos.
El preprocesado de datos engloba aquellas transformaciones de los datos hechas con la finalidad de que puedan ser aceptados por el algoritmo de machine learning o que mejoren sus resultados. Todo preprocesado de datos debe aprenderse de las observaciones de entrenamiento y luego aplicarse al conjunto de entrenamiento y al de test. Esto es muy importante para no violar la condición de que ninguna información procedente de las observaciones de test puede participar o influir en el ajuste del modelo. Aunque no es posible crear un único listado, algunos pasos de preprocesado que más suelen aplicarse en la práctica son:
Imputación de valores ausentes
Exclusión de variables con varianza próxima a cero
Reducción de dimensionalidad
Estandarización de las variables numéricas
Binarización de las variables cualitativas
4.1.- Imputación de los valores ausentes.
Tal y como se ha identificado en la exploración de datos, las variables Cabin, Age y Embarked contienen valores ausentes. La gran mayoría de algoritmos no aceptan observaciones incompletas, por lo que, cuando el set de datos contiene valores ausentes, se puede:
Eliminar aquellas observaciones que estén incompletas.
Eliminar aquellas variables que contengan valores ausentes.
Tratar de estimar los valores ausentes empleando el resto de información disponible (imputación).
datos_train <- datos_train %>%
mutate(Embarked = replace(Embarked, is.na(Embarked), "C"))
datos_test <- datos_test %>%
mutate(Embarked = replace(Embarked, is.na(Embarked), "C"))library(recipes)## Warning: package 'recipes' was built under R version 4.2.3##
## Attaching package: 'recipes'## The following object is masked from 'package:stringr':
##
## fixed## The following object is masked from 'package:stats':
##
## step# Se crea un objeto recipe() con la variable respuesta y los predictores.
# Las variables *PassengerId*, *Name*, *Ticket* no parecen aportar información
# relevante sobre la supervivencia de los pasajeros. Excluyendo todas estas
# variables, se propone como modelo inicial el formado por los predictores:
# Pclass + Sex + SibSp + Parch + Fare + Embarked + Age_grupo.
objeto_recipe <- recipe(formula = Survived ~ Pclass + Sex + SibSp + Parch +
Fare + Embarked + Age_grupo,
data = datos_train)
objeto_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7objeto_recipe <- objeto_recipe %>% step_impute_bag(Age_grupo)
objeto_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7## ## ── Operations## • Bagged tree imputation for: Age_grupo##4.2.- Varianza próxima a cero
No se deben incluir en el modelo predictores que contengan un único valor (cero-varianza), ya que no aportan información. Tampoco es conveniente incluir predictores que tengan una varianza próxima a cero, es decir, predictores que toman sólo unos pocos valores, de los cuales, algunos aparecen con muy poca frecuencia. El problema con estos últimos es que pueden convertirse en predictores con varianza cero cuando se dividen las observaciones por validación cruzada o bootstrap.
library(caret)
library(lattice)
library(ggplot2)datos %>% select(Pclass, Sex, SibSp, Parch, Fare, Embarked, Age_grupo) %>%
nearZeroVar(saveMetrics = TRUE)## freqRatio percentUnique zeroVar nzv
## Pclass 2.273148 0.3367003 FALSE FALSE
## Sex 1.837580 0.2244669 FALSE FALSE
## SibSp 2.909091 0.7856341 FALSE FALSE
## Parch 5.745763 0.7856341 FALSE FALSE
## Fare 1.023810 27.8338945 FALSE FALSE
## Embarked 3.833333 0.3367003 FALSE FALSE
## Age_grupo 9.812500 0.3367003 FALSE FALSEEntre los predictores incluidos en el modelo, no se detecta ninguno con varianza cero o próxima a cero.
objeto_recipe <- objeto_recipe %>% step_nzv(all_predictors())
objeto_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7## ## ── Operations## • Bagged tree imputation for: Age_grupo## • Sparse, unbalanced variable filter on: all_predictors()4.3.- Estandarización
Cuando los predictores son numéricos, la escala en la que se miden, así como la magnitud de su varianza pueden influir en gran medida en el modelo. Muchos algoritmos de machine learning (SVM, redes neuronales, lasso…) son sensibles a esto, de forma que, si no se igualan de alguna forma los predictores, aquéllos que se midan en una escala mayor o que tengan más varianza dominarán el modelo, aunque no sean los que más relación tienen con la variable respuesta. Existen principalmente 2 estrategias para evitarlo:
Centrado: consiste en restarle a cada valor la media del predictor al que pertenece. Si los datos están almacenados en un dataframe, el centrado se consigue restándole a cada valor la media de la columna en la que se encuentra. Como resultado de esta transformación, todos los predictores pasan a tener una media de cero, es decir, los valores se centran en torno al origen.
Normalización (estandarización): consiste en transformar los datos de forma que todos los predictores estén aproximadamente en la misma escala.
objeto_recipe <- objeto_recipe %>% step_center(all_numeric())
objeto_recipe <- objeto_recipe %>% step_scale(all_numeric())objeto_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7## ## ── Operations## • Bagged tree imputation for: Age_grupo## • Sparse, unbalanced variable filter on: all_predictors()## • Centering for: all_numeric()## • Scaling for: all_numeric()4.4.- Binarización
La binarización consiste en crear nuevas variables dummy con cada uno de los niveles de las variables cualitativas. A este proceso también se le conoce como one hot encoding. Por ejemplo, una variable llamada color que contenga los niveles rojo, verde y azul, se convertirá en tres nuevas variables (color_rojo, color_verde, color_azul), todas con el valor 0 excepto la que coincide con la observación, que toma el valor 1.
objeto_recipe <- objeto_recipe %>% step_dummy(all_nominal(), -all_outcomes())objeto_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7## ## ── Operations## • Bagged tree imputation for: Age_grupo## • Sparse, unbalanced variable filter on: all_predictors()## • Centering for: all_numeric()## • Scaling for: all_numeric()## • Dummy variables from: all_nominal(), -all_outcomes()# Se entrena el objeto recipe
trained_recipe <- prep(objeto_recipe, training = datos_train)
trained_recipe## ## ── Recipe ──────────────────────────────────────────────────────────────────────## ## ── Inputs## Number of variables by role## outcome: 1
## predictor: 7## ## ── Training information## Training data contained 714 data points and 145 incomplete rows.## ## ── Operations## • Bagged tree imputation for: Age_grupo | Trained## • Sparse, unbalanced variable filter removed: <none> | Trained## • Centering for: SibSp, Parch, Fare | Trained## • Scaling for: SibSp, Parch, Fare | Trained## • Dummy variables from: Pclass, Sex, Embarked, Age_grupo | Trained# Se aplican las transformaciones al conjunto de entrenamiento y de test
datos_train_prep <- bake(trained_recipe, new_data = datos_train)
datos_test_prep <- bake(trained_recipe, new_data = datos_test)
glimpse(datos_train_prep)## Rows: 714
## Columns: 11
## $ SibSp <dbl> -0.4679339, -0.4679339, -0.4679339, -0.4679339, 2.48…
## $ Parch <dbl> -0.4618939, -0.4618939, -0.4618939, -0.4618939, 0.75…
## $ Fare <dbl> -0.521565287, -0.518757526, -0.509586256, 0.46536266…
## $ Survived <fct> Si, No, No, No, No, Si, Si, Si, No, No, No, Si, Si, …
## $ Pclass_X2 <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0…
## $ Pclass_X3 <dbl> 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1…
## $ Sex_male <dbl> 0, 1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0…
## $ Embarked_Q <dbl> 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1…
## $ Embarked_S <dbl> 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0…
## $ Age_grupo_anciano <dbl> 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ Age_grupo_niño <dbl> 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…datos_train_prep## # A tibble: 714 × 11
## SibSp Parch Fare Survived Pclass_X2 Pclass_X3 Sex_male Embarked_Q
## <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <dbl> <dbl>
## 1 -0.468 -0.462 -0.522 Si 0 1 0 0
## 2 -0.468 -0.462 -0.519 No 0 1 1 0
## 3 -0.468 -0.462 -0.510 No 0 1 1 1
## 4 -0.468 -0.462 0.465 No 0 0 1 0
## 5 2.49 0.760 -0.226 No 0 1 1 0
## 6 -0.468 1.98 -0.450 Si 0 1 0 0
## 7 0.518 0.760 -0.324 Si 0 1 0 0
## 8 -0.468 -0.462 -0.103 Si 0 0 0 0
## 9 -0.468 -0.462 -0.519 No 0 1 1 0
## 10 0.518 5.65 0.00292 No 0 1 1 0
## # ℹ 704 more rows
## # ℹ 3 more variables: Embarked_S <dbl>, Age_grupo_anciano <dbl>,
## # Age_grupo_niño <dbl>summary(datos_train_prep)## SibSp Parch Fare Survived
## Min. :-0.4679 Min. :-0.4619 Min. :-0.69958 No:440
## 1st Qu.:-0.4679 1st Qu.:-0.4619 1st Qu.:-0.52156 Si:274
## Median :-0.4679 Median :-0.4619 Median :-0.37491
## Mean : 0.0000 Mean : 0.0000 Mean : 0.00000
## 3rd Qu.: 0.5176 3rd Qu.:-0.4619 3rd Qu.:-0.01448
## Max. : 7.4165 Max. : 6.8668 Max. :10.80841
## Pclass_X2 Pclass_X3 Sex_male Embarked_Q
## Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.00000
## 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.00000
## Median :0.0000 Median :1.0000 Median :1.0000 Median :0.00000
## Mean :0.2031 Mean :0.5532 Mean :0.6443 Mean :0.08824
## 3rd Qu.:0.0000 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:0.00000
## Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.00000
## Embarked_S Age_grupo_anciano Age_grupo_niño
## Min. :0.0000 Min. :0.00000 Min. :0.00000
## 1st Qu.:0.0000 1st Qu.:0.00000 1st Qu.:0.00000
## Median :1.0000 Median :0.00000 Median :0.00000
## Mean :0.7129 Mean :0.03922 Mean :0.07423
## 3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.:0.00000
## Max. :1.0000 Max. :1.00000 Max. :1.00000glimpse(datos_test_prep)## Rows: 177
## Columns: 11
## $ SibSp <dbl> 0.5176260, 0.5176260, 0.5176260, 0.5176260, 3.474306…
## $ Parch <dbl> -0.4618939, -0.4618939, -0.4618939, -0.4618939, 0.75…
## $ Fare <dbl> -0.53672720, 0.90159436, 0.49315949, -0.02412440, -0…
## $ Survived <fct> No, Si, Si, Si, No, No, Si, No, Si, No, Si, No, Si, …
## $ Pclass_X2 <dbl> 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0…
## $ Pclass_X3 <dbl> 1, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1…
## $ Sex_male <dbl> 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 1, 0…
## $ Embarked_Q <dbl> 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ Embarked_S <dbl> 1, 0, 1, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 1, 1, 1…
## $ Age_grupo_anciano <dbl> 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ Age_grupo_niño <dbl> 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…summary(datos_test_prep)## SibSp Parch Fare Survived
## Min. :-0.4679 Min. :-0.46189 Min. :-0.69958 No:109
## 1st Qu.:-0.4679 1st Qu.:-0.46189 1st Qu.:-0.52222 Si: 68
## Median :-0.4679 Median :-0.46189 Median :-0.35141
## Mean : 0.2392 Mean : 0.02117 Mean : 0.11979
## 3rd Qu.: 0.5176 3rd Qu.: 0.75956 3rd Qu.: 0.04167
## Max. : 7.4165 Max. : 4.42392 Max. :10.80841
## Pclass_X2 Pclass_X3 Sex_male Embarked_Q
## Min. :0.0000 Min. :0.0000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.0000 Median :1.0000 Median :1.000 Median :0.0000
## Mean :0.2203 Mean :0.5424 Mean :0.661 Mean :0.0791
## 3rd Qu.:0.0000 3rd Qu.:1.0000 3rd Qu.:1.000 3rd Qu.:0.0000
## Max. :1.0000 Max. :1.0000 Max. :1.000 Max. :1.0000
## Embarked_S Age_grupo_anciano Age_grupo_niño
## Min. :0.0000 Min. :0.00000 Min. :0.0000
## 1st Qu.:1.0000 1st Qu.:0.00000 1st Qu.:0.0000
## Median :1.0000 Median :0.00000 Median :0.0000
## Mean :0.7627 Mean :0.05085 Mean :0.1017
## 3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.:0.0000
## Max. :1.0000 Max. :1.00000 Max. :1.0000Cuando se entrena un modelo, es importante incluir como predictores únicamente aquellas variables que están realmente relacionadas con la variable respuesta, ya que son estas las que contienen información útil para el modelo. Incluir un exceso de variables suele conllevar una reducción de la capacidad predictiva del modelo cuando se expone a nuevos datos (overfitting). Aunque para este caso de estudio, el número de predictores es considerablemente reducido, la selección de predictores puede suponer la diferencia entre un modelo normal y uno muy bueno, por lo tanto, conviene conocer las herramientas internas de caret para la selección de predictores relevantes.
Algunos algoritmos de machine learning (random forest, lasso, boosting…) contienen sus propias estrategias para seleccionar predictores, de ahí que sean modelos tan versátiles. A parte de estos, los métodos para reducir el número de predictores previo ajuste del modelo pueden agruparse en dos categorías: métodos wrapper y métodos de filtrado.
##4.5.- Métodos Wrapper
Los métodos wrapper evalúan múltiples modelos, generados mediante la incorporación o eliminación de predictores, con la finalidad de identificar la combinación óptima que consigue maximizar la capacidad del modelo. Pueden entenderse como algoritmos de búsqueda que tratan a los predictores disponibles como valores de entrada y utilizan una métrica del modelo, por ejemplo, su error de predicción, como objetivo de la optimización.
El paquete caret incorpora métodos wrapper basados en eliminación recursiva, algoritmos genéticos y simulated annealing.
La eliminación recursiva es una estrategia muy práctica para evitar comprobar todas las posibles combinaciones de variables (búsqueda exhaustiva), que es muy costosa computacionalmente. La idea detrás de este proceso puede resumirse con el siguiente algoritmo:
Se selecciona un modelo que se empleará para evaluar cada conjunto de predictores. Son muchos los tipos de modelo que se pueden utilizar, la condición necesaria es que ofrezcan la posibilidad de ordenar las variables de mayor a menor importancia. Por ejemplo, si se emplea un modelo lineal, el criterio suele ser el estadístico t de los predictores y, si se emplea random forest.
Ajustar el modelo con el conjunto de entrenamiento incorporando todas las variables disponibles como predictores.
Calcular el error del modelo completo con el conjunto de test.
Obtener un ranking con la importancia de todos los predictores. El criterio del ranking dependerá del modelo seleccionado en el paso 1.
Seleccionar los tamaños de modelo (número de predictores) que se quieren evaluar.
Para cada tamaño n definido en el paso 5:
6.1 Seleccionar las top n variables del ranking generado en el paso 4.
6.2 Reajustar el modelo empleando únicamente las top n variables.
6.3 Calcular el error del nuevo modelo con el conjunto de test.
Seleccionar el grupo de predictores de tamaño n que haya conseguido menor error.