1. Introdução

O naufrágio do RMS Titanic em 1912 é uma das tragédias marítimas mais conhecidas da história. Com a morte de mais de 1.500 pessoas, ele levanta questões sobre os fatores que influenciaram a sobrevivência de passageiros e tripulantes. A diferença nos índices de sobrevivência entre classes sociais, gêneros e faixas etárias reflete as prioridades sociais e econômicas daquela época.

Os dados utilizados neste relatório provêm do arquivo “titanic3.xls”, que foi desenvolvido por Frank E. Harrell Jr. e Thomas Cason, da Vanderbilt Biostatistics University. O conjunto de dados original foi cuidadosamente elaborado a partir da “Encyclopedia Titanica” e de pesquisas de várias fontes, incluindo Eaton & Haas (1994) com “Titanic: Triumph and Tragedy”. Ao decorrer do tempo, o conjunto de dados foi aprimorado, corrigindo erros e preenchendo idades ausentes. Esse banco contém os atributos principais como classe, idade, sexo e sobrevivência, fornecendo uma visão ampla dos passageiros.

Este relatório busca investigar os fatores que influenciaram a sobrevivência no Titanic, utilizando análises estatísticas e visualizações para revelar padrões entre os passageiros. Ao identificar essas tendências, espera-se proporcionar uma compreensão mais profunda de como as estruturas sociais e econômicas da época impactaram o desfecho desta tragédia.

2. Metodologia

2.1 Base de Dados

Os dados foram obtidos do arquivo “titanic3.xls”, disponível em OpenML. As variáveis selecionadas foram:

  • survived: Indicador binário de sobrevivência (Sim/Não).

  • pclass: Classe do passageiro (1ª, 2ª ou 3ª).

  • sex: Gênero (Masculino/Feminino).

  • age: Idade em anos.

  • sibsp: Número de irmãos ou cônjuges a bordo.

2.2 Procedimentos - Carregando Pacotes

Foram necessários pacotes para manipulação e visualização de dados. O pacote dplyr foi utilizado para a manipulação básica dos dados, permitindo selecionar e filtrar as variáveis relevantes. O pacote readxl foi empregado para a leitura dos dados do Titanic diretamente do arquivo Excel. Já o pacote ggplot2 serviu para criar gráficos detalhados, fornecendo uma visualização clara e compreensível das variáveis analisadas.

#Instalar pacotes necessários} 
install.packages(c("readxl", "ggplot2", "dplyr"), repos = "https://cloud.r-project.org/")
## 
## The downloaded binary packages are in
##  /var/folders/nv/myyy67gd6r56kz8_y5hd2mlc0000gn/T//RtmpN2VrdL/downloaded_packages
#Carregar pacotes

library(readxl) #Para ler arquivos Excel 
library(ggplot2) #Para visualização de dados 
library(dplyr) #Para manipulação de dados
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

2.3. Carregando Dados e Preparando-os:

Para iniciar a análise dos dados do Titanic, importamos os dados do arquivo “titanic3.xls” usando o pacote readxl e verificamos as colunas disponíveis no conjunto. Em seguida, selecionamos apenas as variáveis essenciais para a investigação: sobrevivência (survived), classe (pclass), sexo (sex), idade (age) e número de irmãos/cônjuges a bordo (sibsp). Dessas, survived, pclass, sex e sibsp são variáveis categóricas, enquanto age é uma variável numérica. Essa seleção de variáveis possibilitou concentrar a análise nos fatores mais influentes, simplificando a manipulação dos dados para gerar insights relevantes sobre a sobrevivência no naufrágio.

# Ler os dados do Titanic a partir do arquivo Excel}
titanic <- read_excel("/Users/viniciustorres/Desktop/Aprendizagem Supervisionada /TITANIC/titanic3.xls")

# Verificar as colunas disponíveis
colnames(titanic)
##  [1] "pclass"    "survived"  "name"      "sex"       "age"       "sibsp"    
##  [7] "parch"     "ticket"    "fare"      "cabin"     "embarked"  "boat"     
## [13] "body"      "home.dest"
# Manter apenas as variáveis de interesse para a análise:"survived, pclass, sex, age, sibsp"
titanic_selecionado <- titanic %>%
  select(survived, pclass, sex, age, sibsp)

Após a seleção das variáveis essenciais, foi necessário tornar os rótulos mais compreensíveis ao usuário, convertendo os códigos numéricos e textuais em descrições mais intuitivas:

  • Sobrevivência: A variável survived, originalmente representada como 0 e 1 (indicando não sobrevivente e sobrevivente, respectivamente), foi transformada para os rótulos “Não” e “Sim” para indicar claramente a condição de sobrevivência dos passageiros.

  • Classe: A variável pclass, que continha valores numéricos representando a classe do passageiro (1ª, 2ª ou 3ª), foi convertida para os rótulos “1ª Classe”, “2ª Classe” e “3ª Classe”, tornando os dados mais compreensíveis.

  • Gênero: A variável sex, inicialmente representada como “female” e “male”, foi rotulada como “Feminino” e “Masculino”, respectivamente, proporcionando uma identificação mais clara e direta do gênero dos passageiros.

#Trocar o 0 e 1 por Sim e Não, dentro das respostas de Sobreviveu na planilha:
titanic_selecionado$survived <- factor(titanic_selecionado$survived, levels = c(0, 1), labels = c("Não", "Sim"))

#Trocar o 1, 2 e 3 por 1ª Classe, 2ª Classe e 3ª Classe, dentro das respostas de Classe na planilha: 
titanic_selecionado$pclass <- factor(titanic_selecionado$pclass, levels = c(1, 2, 3), labels = c("1ª Classe", "2ª Classe", "3ª Classe"))

#Trocar o female e male, por Feminino e Masculino, dentro das respostas de Gênero na planilha: 
titanic_selecionado$sex <- factor(titanic_selecionado$sex, levels = c('female', 'male'), labels = c("Feminino", "Masculino"))

Essas transformações foram fundamentais para melhorar a interpretação das variáveis durante a análise e garantir que as visualizações apresentassem rótulos claros, facilitando a comunicação dos resultados.

3. Análise Exploratória dos Dados

A análise exploratória dos dados é uma etapa crucial para entender os padrões, relações e distribuições que influenciam a sobrevivência no naufrágio do Titanic. Ela começa com resumos estatísticos e tabelas de frequência para obter uma visão geral dos dados, seguida por gráficos detalhados que revelam os padrões entre variáveis categóricas e numéricas.

3.1. Resumo Estatístico das Variáveis Numéricas e Tabelas de Frequência e Contigência

Para obter uma visão rápida das distribuições, começamos com um resumo estatístico das variáveis numéricas:

# Resumo estatístico das variáveis numéricas}
summary(titanic_selecionado)
##  survived        pclass           sex           age              sibsp       
##  Não:809   1ª Classe:323   Feminino :466   Min.   : 0.1667   Min.   :0.0000  
##  Sim:500   2ª Classe:277   Masculino:843   1st Qu.:21.0000   1st Qu.:0.0000  
##            3ª Classe:709                   Median :28.0000   Median :0.0000  
##                                            Mean   :29.8811   Mean   :0.4989  
##                                            3rd Qu.:39.0000   3rd Qu.:1.0000  
##                                            Max.   :80.0000   Max.   :8.0000  
##                                            NA's   :263
# Frequência das variáveis categóricas
table(titanic_selecionado$survived)
## 
## Não Sim 
## 809 500
table(titanic_selecionado$pclass)
## 
## 1ª Classe 2ª Classe 3ª Classe 
##       323       277       709
table(titanic_selecionado$sex)
## 
##  Feminino Masculino 
##       466       843
table(titanic_selecionado$sibsp)
## 
##   0   1   2   3   4   5   8 
## 891 319  42  20  22   6   9
# Tabelas de frequência cruzada entre variáveis categóricas e sobrevivência
table(titanic_selecionado$survived, titanic_selecionado$pclass)
##      
##       1ª Classe 2ª Classe 3ª Classe
##   Não       123       158       528
##   Sim       200       119       181
table(titanic_selecionado$survived, titanic_selecionado$sex)
##      
##       Feminino Masculino
##   Não      127       682
##   Sim      339       161
table(titanic_selecionado$survived, titanic_selecionado$sibsp)
##      
##         0   1   2   3   4   5   8
##   Não 582 156  23  14  19   6   9
##   Sim 309 163  19   6   3   0   0
# Percentual de sobrevivência por gênero
prop.table(table(titanic_selecionado$survived, titanic_selecionado$sex), margin = 1) * 100
##      
##       Feminino Masculino
##   Não 15.69839  84.30161
##   Sim 67.80000  32.20000

O resumo estatístico dos dados apresenta 809 passageiros que não sobreviveram e 500 que sobreviveram, indicando uma taxa de sobrevivência de aproximadamente 38,2%, demonstrando que a maioria dos passageiros não sobreviveu ao naufrágio.

Em relação ao gênero, havia 466 mulheres e 843 homens, indicando que havia quase o dobro de passageiros masculinos em comparação com o número de mulheres.

A idade dos passageiros variava entre 0,17 anos (aproximadamente dois meses) até 80 anos. O primeiro quartil (Q1) estava em 21 anos, a mediana era 28 anos, a média era 29,88 anos e o terceiro quartil (Q3) estava em 39 anos. A dispersão é notável, mas o pico de idade estava entre 20 e 30 anos. É importante ressaltar que havia 263 valores ausentes na variável de idade.

O número de parentes a bordo varia entre zero e oito. A mediana era zero, refletindo que a maioria viajava sem parentes ou com no máximo apenas um. A média era 0,5, com um máximo de oito parentes a bordo. Entre os que tinham um parente, 163 sobreviveram e 156 não. Entre os que tinham dois ou mais parentes, as taxas de sobrevivência diminuíram progressivamente.

A análise das classes revela que a 3ª classe continha mais que o dobro de passageiros da 2ª classe. Além disso, as análises cruzadas de sobrevivência por classe mostram que, a 1ª classe apresentava uma taxa de sobrevivência muito superior à da 3ª classe, evidenciando diferenças de acesso aos botes salva-vidas ou outros recursos.

Quanto ao gênero, 67,8% das mulheres sobreviveram e apenas 15,7% não sobreviveram. Entre os homens, 32,2% sobreviveram e 84,3% não. Isso reflete uma política de “mulheres e crianças primeiro”, na qual a maioria das mulheres sobreviveu.

3.2. Visualizações Gerais

Para oferecer uma visão mais clara dos padrões entre as variáveis, os gráficos fornecem uma representação visual dos dados.

  • Distribuição de Sobreviventes e Não Sobreviventes:

    ggplot(titanic_selecionado, aes(x = as.factor(survived), fill = as.factor(survived))) +
  geom_bar() +
  geom_text(stat = "count", aes(label = ..count..), vjust = -0.5) +
  labs(title = "Distribuição de Sobreviventes e Não Sobreviventes", x = "Sobreviveu", y = "Quantidade", fill = "Sobreviveu") +
  theme_minimal() +
  scale_fill_manual(values = c("#FF6347", "#00FF7F"))

    O primeiro gráfico de barras apresenta a distribuição total de sobreviventes e não sobreviventes. Mostra que, de um total de 1.309 passageiros, 809 não sobreviveram, enquanto 500 sobreviveram. Isso evidencia que a maioria dos passageiros não sobreviveu ao naufrágio, com uma taxa de mortalidade superior a 60%. O gráfico serve como uma representação visual da magnitude da tragédia.

  • Distribuição de Sobreviventes por Classe Econômica na Embarcação:

    tabela_contingencia <- table(titanic_selecionado$survived, titanic_selecionado$pclass)
tabela_contingencia
    ##      
##       1ª Classe 2ª Classe 3ª Classe
##   Não       123       158       528
##   Sim       200       119       181
    barplot(tabela_contingencia, beside = TRUE, col = c("#708090", "#FFD700"), legend = c("Não Sobreviveu", "Sobreviveu"), main = "Distribuição de Sobreviventes por Classe", xlab = "Classe", ylab = "Quantidade", legend.text = c("Não Sobreviveu", "Sobreviveu"), args.legend = list(x = "topleft"))

    Este gráfico mostra a distribuição de sobreviventes e não sobreviventes em relação à classe. Na 1ª classe, há mais sobreviventes do que não sobreviventes, enquanto na 2ª classe, a proporção é quase equilibrada. Na 3ª classe, no entanto, o número de não sobreviventes é muito maior do que o de sobreviventes. Isso reflete as disparidades socioeconômicas, indicando que os passageiros da 1ª classe tinham maior acesso aos botes salva-vidas, e os da 3ª classe enfrentaram maiores dificuldades para escapar.

  • Distribuição de Sobreviventes por Gênero:

    barplot(table(titanic_selecionado$survived, titanic_selecionado$sex), beside = TRUE, col = c("#FFC0CB", "#ADD8E6"), legend = c("Não Sobreviveu", "Sobreviveu"), main = "Distribuição de Sobreviventes por Gênero", xlab = "Gênero", ylab = "Quantidade", legend.text = c("Não Sobreviveu", "Sobreviveu"), args.legend = list(x = "topleft"))

    Neste gráfico, a diferença nas taxas de sobrevivência entre os gêneros é evidente. A maioria das mulheres sobreviveu, enquanto a maioria dos homens não. Essa diferença significativa reflete a política de resgate “mulheres e crianças primeiro”, que deu prioridade às mulheres, garantindo-lhes uma taxa de sobrevivência significativamente maior.

  • Histograma de Distribuição de Idade entre Sobreviventes e Não Sobreviventes

    ggplot(titanic_selecionado, aes(x = age, fill = as.factor(survived))) +
  geom_histogram(bins = 30, position = "dodge") +
  labs(title = "Distribuição de Idade entre Sobreviventes e Não Sobreviventes", x = "Idade", y = "Quantidade", fill = "Sobreviveu") +
  theme_minimal()

    O histograma mostra a distribuição etária de sobreviventes e não sobreviventes. Crianças pequenas e mulheres jovens tiveram maiores taxas de sobrevivência, enquanto adultos mais velhos e adolescentes do sexo masculino enfrentaram maior risco de não sobrevivência. Isso reforça a política de “mulheres e crianças primeiro”.

  • Distribuição de Sobreviventes por Número de Parentes a Bordo

    barplot(table(titanic_selecionado$survived, titanic_selecionado$sibsp), beside = TRUE, col = c("#FF6347", "#00FF7F"), legend = c("Não Sobreviveu", "Sobreviveu"), main = "Distribuição de Sobreviventes por Número de Parentes a Bordo", xlab = "Número de Parentes a Bordo", ylab = "Quantidade", legend.text = c("Não Sobreviveu", "Sobreviveu"), args.legend = list(x = "topright"))

    Este gráfico de barras detalha a distribuição de sobreviventes e não sobreviventes pelo número de parentes a bordo. Aqueles que viajavam sozinhos tiveram maiores taxas de mortalidade, enquanto os que tinham um ou dois parentes a bordo mostraram taxas de sobrevivência mais equilibradas. Isso pode indicar que viajar com familiares próximos fornecia apoio emocional e estratégico na evacuação. Passageiros com muitos parentes a bordo enfrentaram maiores desafios.

    Uma possível explicação para isso pode ser que os passageiros com 1 ou 2 familiares a bordo formaram grupos mais eficientes durante a evacuação, cooperando entre si para garantir que todos conseguissem encontrar e embarcar nos botes salva-vidas. Eles puderam ajudar uns aos outros a localizar os botes e possivelmente dar suporte emocional para permanecerem calmos durante a crise.

    Por outro lado, grupos maiores podem ter enfrentado mais dificuldades para se organizar, e passageiros viajando sozinhos provavelmente não tiveram o mesmo nível de apoio ou acesso à informação rápida que grupos pequenos e bem organizados. Isso pode explicar a diferença nas taxas de sobrevivência entre os diferentes grupos.

  • Box Plot para Visualizar a Distribuição de Idade entre Sobreviventes e Não Sobreviventes

    ggplot(titanic_selecionado, aes(x = as.factor(survived), y = age, fill = as.factor(survived))) +
  geom_boxplot() +
  labs(title = "Distribuição de Idade entre Sobreviventes e Não Sobreviventes", x = "Sobreviveu", y = "Idade", fill = "Sobreviveu") +
  theme_minimal() +
  scale_fill_manual(values = c("#FF6347", "#00FF7F"))

    Este box plot mostra a distribuição de idade entre sobreviventes e não sobreviventes. Os sobreviventes tendem a ser mais jovens em comparação com os não sobreviventes. A mediana da idade para sobreviventes é menor, e os outliers também refletem passageiros de idade avançada que conseguiram sobreviver.

  • Box Plot para Visualizar a Distribuição de idade entre Sobreviventes e Não Sobreviventes, por Gênero

    ggplot(titanic_selecionado, aes(x = as.factor(survived), y = age, fill = as.factor(
 survived))) +
  geom_boxplot() +
  facet_wrap(~sex) +
  labs(title = "Distribuição de Idade entre Sobreviventes e Não Sobreviventes, por Gênero", x = "Sobreviveu", y = "Idade", fill = "Sobreviveu") +
  theme_minimal() +
  scale_fill_manual(values = c("#FF6347", "#00FF7F"))

    Dividindo por gênero, este gráfico revela que as mulheres sobreviventes têm uma faixa etária mais jovem em média do que os homens sobreviventes. O número de outliers entre as mulheres indica que algumas mulheres idosas também conseguiram sobreviver. Entre os homens, a distribuição mostra que poucos homens com mais de 50 anos sobreviveram.

  • Box Plot para Visualizar a Distribuição de Idade entre Sobreviventes e Não Sobreviventes, por Classe

    ggplot(titanic_selecionado, aes(x = as.factor(survived), y = age, fill = as.factor(
 survived))) +
  geom_boxplot() +
  facet_wrap(~pclass) +
  labs(title = "Distribuição de Idade entre Sobreviventes e Não Sobreviventes, por Classe", x = "Sobreviveu", y = "Idade", fill = "Sobreviveu") +
  theme_minimal() +
  scale_fill_manual(values = c("#FF6347", "#00FF7F"))

    A análise por classe revela que, na 1ª classe, os sobreviventes têm uma distribuição etária mais ampla, com idades variando de crianças pequenas a adultos mais velhos. Na 2ª classe, a mediana da idade é menor para os sobreviventes, enquanto na 3ª classe há uma distribuição relativamente jovem para ambos os grupos. Os outliers refletem a presença de idosos na 1ª e 2ª classes que sobreviveram, o que indica maior acesso aos botes salva-vidas.

  • Box Plot para Visualizar a Distribuição de Idade entre Sobreviventes e Não Sobreviventes, por Número de Parentes a Bordo

    ggplot(titanic_selecionado, aes(x = as.factor(survived), y = age, fill = as.factor(
 survived))) +
  geom_boxplot() +
  facet_wrap(~sibsp) +
  labs(title = "Distribuição de Idade entre Sobreviventes e Não Sobreviventes, por Número de Parentes a Bordo", x = "Sobreviveu", y = "Idade", fill = "Sobreviveu") +
  theme_minimal() +
  scale_fill_manual(values = c("#FF6347", "#00FF7F"))

Este último gráfico segmenta os grupos por número de parentes a bordo. Aqueles que viajavam sozinhos tendem a ser mais jovens entre os sobreviventes, mas a faixa etária é mais ampla entre os não sobreviventes. Quem viajava com um ou dois parentes tinha melhores chances de sobrevivência. Os outliers refletem passageiros idosos que conseguiram escapar, sugerindo que apoio familiar e planejamento em grupo desempenharam um papel importante na sobrevivência.

  • Passageiros com 0 parentes a bordo: Essa categoria engloba os passageiros que viajavam sozinhos. A mediana de idade é ligeiramente maior para os não sobreviventes do que para os sobreviventes, sugerindo que pessoas mais jovens viajando sozinhas tinham uma chance maior de sobreviver. A variabilidade também é maior para os não sobreviventes, com uma presença mais notável de outliers.

  • Passageiros com 1 parente a bordo: Para este grupo, a diferença entre a mediana de idade dos sobreviventes e dos não sobreviventes é menos evidente, mas ambos apresentam um intervalo interquartil bem definido. Aqui, a maioria dos passageiros parece ser adulta, e a presença de um parente pode ter dado suporte emocional ou logístico na evacuação.

  • Passageiros com 2 parentes a bordo: A distribuição é mais equilibrada entre sobreviventes e não sobreviventes, e a faixa etária das medianas é semelhante. A ausência de outliers também sugere que esta categoria era mais homogênea, talvez por se tratar de famílias nucleares.

  • Passageiros com 3 parentes a bordo: Este grupo mostra uma diferença mais notável entre sobreviventes e não sobreviventes, com os sobreviventes sendo geralmente mais jovens. A variabilidade é limitada, indicando que a maioria dos passageiros era composta de crianças acompanhadas de familiares adultos.

  • Passageiros com 4 parentes a bordo: Os dados mostram que todos os sobreviventes nesta categoria são mais jovens, possivelmente crianças, enquanto os não sobreviventes eram mais velhos.

  • Passageiros com 5 parentes a bordo: Apenas os não sobreviventes aparecem, sugerindo que grupos maiores tiveram mais dificuldade para escapar.

  • Passageiros com 8 parentes a bordo: Aqui, não houve sobreviventes, possivelmente indicando que grupos muito grandes enfrentaram dificuldades significativas ao tentar coordenar a evacuação.

Em resumo, este último gráfico revela que viajar em grupos pequenos ou médios com familiares pode ter fornecido um equilíbrio entre apoio e agilidade, enquanto passageiros viajando sozinhos ou em grupos muito grandes enfrentaram maiores desafios durante a evacuação. A idade também desempenhou um papel importante, com passageiros mais jovens (particularmente crianças) sendo prioritizados nos esforços de resgate.

4. Conclusão:

A análise dos dados do Titanic revelou padrões claros e tendências que ajudam a explicar os fatores que influenciaram a sobrevivência dos passageiros e tripulantes no trágico naufrágio. Através de uma análise detalhada das variáveis, gráficos e resumos estatísticos, algumas conclusões fundamentais emergiram.

A taxa de mortalidade foi extremamente alta, com mais de 60% dos passageiros não sobrevivendo ao naufrágio. Esse dado reflete a severidade da tragédia e as dificuldades enfrentadas por muitos para escapar do navio a tempo. A diferença nas taxas de sobrevivência entre as classes sociais foi notável. Passageiros da 1ª classe tiveram acesso preferencial aos botes salva-vidas, resultando em uma maior taxa de sobrevivência. Por outro lado, os passageiros da 2ª e 3ª classes enfrentaram um acesso restrito aos recursos de resgate, especialmente na 3ª classe, onde a taxa de mortalidade foi particularmente elevada.

O gráfico de sobrevivência por gênero evidenciou que as mulheres tinham uma chance muito maior de sobrevivência devido à política de “mulheres e crianças primeiro”. Isso resultou em uma taxa de sobrevivência significativamente mais alta para mulheres, enquanto os homens, especialmente adultos mais velhos, enfrentaram riscos muito maiores de não sobrevivência. Crianças pequenas e mulheres jovens tiveram taxas de sobrevivência mais elevadas, reforçando a prioridade dada a essas categorias durante os esforços de resgate.

Viajar com um ou dois parentes a bordo proporcionava melhores chances de sobrevivência, pois a presença de familiares próximos oferecia apoio emocional e estratégico na evacuação. Passageiros viajando sozinhos ou com grandes grupos familiares enfrentaram desafios maiores, como a ausência de apoio ou dificuldades na coordenação de uma evacuação eficiente. A presença de um ou dois familiares próximos proporcionou um equilíbrio entre apoio e agilidade, aumentando as chances de sobrevivência.

A análise dos dados do Titanic não apenas revela tendências de sobrevivência, mas também destaca as estruturas socioeconômicas e culturais da época. As prioridades de resgate foram fortemente influenciadas pelo gênero, idade e classe social, refletindo as normas e valores sociais do início do século XX. O estudo dos fatores que influenciaram a sobrevivência no naufrágio do Titanic oferece uma visão abrangente de como a combinação de circunstâncias econômicas, culturais e pessoais impactou as chances de escapar dessa tragédia. Ele fornece uma lição valiosa sobre a importância da preparação, coordenação e acesso igualitário a recursos de segurança durante situações de emergência.