Atividade 1 de Estatística

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

#começo do trabalho

Para começar, precisamos, além de abrir o banco de dados, corrigir seus erros em quetões das variáveis e de palavras acentuadas. Titanic$Classe = iconv(Titanic$Classe, “latin1”, “UTF-8”)

str(Titanic) head(Titanic$Classe) tail(Titanic$Classe)

Depois de baixar o banco de dados, corrigir o problema do texto e verificar se estava correto, aqui estão as respostas das 15 perguntas:

1- Haviam 2200 pessoas no Titanic. O total de variáveis presentes são 4. Para a resposta das perguntas, apenas abri o banco de dados e conferi que existiam 2200 pessoas e 4 variáveis.

2- Sobreviveram 710 pessoas. Pude afirmar isso aplicando os comandos:

tabela_sobrevivencia = table(Titanic$Sobreviveu) tabela_sobrevivencia

Não sobreviveu Sobreviveu 1490 710

3- A proporção de pessoas que sobreviveram é de 32.27%, como mostra o comando usado a seguir:

round(prop.table(tabela_sobrevivencia)*100,2)

Não sobreviveu Sobreviveu 67.73 32.27

4- Pode-se afirmar que sobreviveram apenas 344 mulheres, de um total de 470. Para confirmar isso, foi usado o comando abaixo:

T1 = table(Titanic$Sexo,Titanic$Sobreviveu) T1

Não sobreviveu Sobreviveu Feminino 126 344 Masculino 1364 366

5- Sobreviveu um total de 57 crianças, das 109 que estavam presentes no navio. Isso pode ser mostrado executando o comando seguinte:

T2 = table(Titanic$Idade,Titanic$Sobreviveu) T2

Não sobreviveu Sobreviveu criança 52 57 adulto 1438 653

6- Após executar o comando acima, observa-se que 178 pessoas da terceira classe do navio sobreviveram.

T3 = table(Titanic$Classe,Titanic$Sobreviveu) T3

        Não sobreviveu  Sobreviveu

Primeira 122 202 Segunda 167 118 Terceira 528 178 Tripulação 673 212

7- O percentual de mulheres que conseguiram sobreviver é de 73,2%. Pode-se conferir isso executando o seguinte comando:

percentual <- round(prop.table(T1,1)*100,digits = 1) percentual

        Não sobreviveu Sobreviveu

Feminino 26.8% 73.2% Masculino 78.8% 21.2%

8- O percentual de crianças que sobreviveram está indicado em 52,3%. Novamento, aplicando um comando, podemos conferir a veracidade da afirmação:

percentual2 <- round(prop.table(T2,1)*100,digits = 1) percentual2

     Não sobreviveu Sobreviveu

criança 47.7% 52.3% adulto 68.8% 31.2%

9- Execudando os comandos abaixo, pode-se perceber que a quantidade de pessoas da terceira classe que sobreviveram foi de 25,2%.

percentual3 <- round(prop.table(T3,1)*100,digits = 1) percentual3

        Não sobreviveu Sobreviveu

Primeira 37.7% 62.3% Segunda 58.6% 41.4% Terceira 74.8% 25.2% Tripulação 76.0% 24.0%

10- Para mim, nesse caso, a melhor opção é de usar um gráfico de barras.

Interpretação do resultado encontrado:

Pude afirmar isso pelo conteúdo passado nas aulas. Nestas pude aprender diferença entre variáveis qualitativas e quantitativas. As variáveis qualitativas são as de categorias, já as quantitativas, de números. As qualitativas subdividem-se em ordinais e nominais, sendo a ordinal responsável por organizar informações que possuem uma hierarquia, como escolaridade já a nominal por organizar informações que não têm ordem, como sexo de uma pessoa. Já as variáveis quantitativas subdividem-se em contínuas e discretas, sendo a contínua com função de organizar intervalos contínuos, como altura, e a discreta de organizar valores inteiros, como a idade de alguém.

11- T4 = table(Titanic$Sobreviveu) T4 Não sobreviveu Sobreviveu 1490 710

      bp <- barplot(T4,
    col=c("red","skyblue"),
    main = "Gráfico 1 - Variável Sobreviveu",
    horiz = FALSE,beside = TRUE,
    legend.text = rownames(T4),
    args.legend = list(x = "topright"))

Com a utilização dos comandos acima, consegui conferir, novamente, quantos sobreviventes haviam e quantos não sobreviventes também. A partir disso, pude fazer o gráfico demonstrando os dados.

12- T5 = table(Titanic$Sobreviveu,Titanic$Sexo) T5

             Feminino Masculino

Não sobreviveu 126 1364 Sobreviveu 344 366

      bp2 <- barplot(T5,
    col=c("skyblue","red","yellow","black"),
    main = "Gráfico 2 - Variável Sobreviveu por Sexo",
    horiz = FALSE,beside = TRUE,
    legend.text = rownames(T5),
    args.legend = list(x = "topleft"))

Com os comandos usados anteriormente, pude rever qquantos sobreviventes e não sobreviventes haviam de cada sexo. Após tal comando executado, consegui fazer um gráfico especificando os mesmos.

13- tabela<-table(Titanic$Classe,Titanic$Sobreviveu) tabela<-data.frame(tabela) ggballoonplot(tabela, fill = “value”)+ ggtitle(“Sobreviventes do Titanic”)

      mosaicplot(table(Titanic$Classe,Titanic$Sobreviveu), main = "Sobreviventes do Titanic", color = c("pink","brown"))

utilizando os comandos acima e executando-os, conseguimos fazer um gráfico chamado de ´´balloon plote outro ´´´mosaic plot``. Respondendo a pergunta, sim, consigo sugerir outra forma para representar em gráfico, chamada de ´´´waffle. Muito simples de entender e um pouco maisprático, separando bem as informações.

14- Sim. É fácil interpretar os dois gráficos pois eles representam a mesma coisa, com os mesmos dados, mudando apenas a forma de ilustrar as informações.

15- Se eu fosse fazer uma apresentação sobre o Titanic, começaria contando história do navio, contando sua construção e importância. Em seguida, diria importância da segurança marítima,destacando as falhas que levaram ao desastre, como a insuficiência de botes salva vidas e a falta das medidas de prevenção. Isso nos leva a um importante aprendizado sobre as devidas precauções em qualquer situação, principalmente se baseando nos dados apresentados. Por fim, eu ressalto o legado do Titanic, dizendo como o acidente causou impactos na segurança.

Atividade 1 de Estatística

João Vitor Barbosa Ferreira Costa

2024-10-30

R Markdown

Including Plots