Mariana

install.packages(“usethis”) usethis::use_course(“https://github.com/DATAUNIRIO/Base_de_dados/archive/master.zip”)

load(“C:/Users/Mariana/Base_de_dados-master.zip/Titanic.RData”) install.packages(“Titanic.Rdata”) library(Titanic.RData)

intall.packages(“ggplot2”) library(ggplot2)

install.packages(ggpubr) library(ggpubr)

load(“C:/Users/Mariana/AppData/Local/Temp/RtmpYPPIpZ/downloaded_packages”)

colnames(Titanic) colnames(Titanic)[which(colnames(Titanic) == “Tripula��o”)] <- “Tripulacao” colnames(Titanic)[which(colnames(Titanic) == “Tripulacao”)] <- “Classe”

file.exists(“C:/Users/Mariana/Downloads/Titanic.RData”) load(“C:/Users/Mariana/Downloads/Titanic.RData”) ls()

levels(Titanic$Idade) levels(Titanic$Sobreviveu) sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Idade == “criança”) sum(Titanic$Idade == “criança”)

colnames(Titanic) tabela_classe <- table(Titanic$Classe, Titanic$Sobreviveu) print(tabela_classe) levels(Titanic$Idade)

sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Idade == “criança”) # Use “criança” se esse for o nível correto

str(Titanic)

head(Titanic$Classe) tabela_classe <- table(Titanic$Classe, Titanic$Sobreviveu) print(tabela_classe)

Titanic$Classe = iconv(Titanic$Classe, “latin1”, “UTF-8”)

str(Titanic) tail(Titanic$Classe) View(Titanic)

tabela_sobrevivencia = table(Titanic$sobreviveu) Tabela_sobrevivencia

#1 O numero de pessoas e dado pelo numero de linhas nrow(Titanic)

#2 As informacoes sao dadas pelo numero de colunas ncol(Titanic)

install.packages(“dplyr”) library(dplyr)

#1 Quantas pessoas tinha no Titanic? Quantas informações (variáveis) existem no banco de dados? nrow(Titanic) ncol(Titanic)

#2 Quantas pessoas sobreviveram ao Titanic?

tabela_sobrevivencia <- table(Titanic$Sobreviveu)

print(tabela_sobrevivencia)

#3 Proporcao de pessoas que sobreviveram ao titanic

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

#4 Quantidade de mulheres que sobreviveram

sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Sexo == “Feminino”)

#5 Quantas criancas sobreviveram?

levels(Titanic$Idade) levels(Titanic$Sobreviveu) sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Idade == “criança”) sum(Titanic$Idade == “criança”)

#6 Quantas pessoas da terceira classe sobreviveram?

sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Classe == “Terceira”)

#7 Qual o percentual de mulheres que sobreviveu?

percentual_mulheres_sobreviventes <- round((sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Sexo ==“Feminino”)/sum(Titanic$Sexo == “Feminino”)) * 100, digits = 1) print(percentual_mulheres_sobreviventes)

#8 Qual o percentual de criancas que sobreviveu? percentual_criancas_sobreviventes <- round((sum(Titanic_clean$Sobreviveu == "Sobreviveu" & Titanic_clean$Idade_num < 18) / sum(Titanic_clean$Idade_num < 18, na.rm = TRUE)) * 100, digits = 1)

print(percentual_criancas_sobreviventes)

head(Titanic_clean) str(Titanic_clean) head(Titanic_clean$Idade) Titanic_clean$Idade_num <- ifelse(Titanic_clean$Idade == “criança”, 0, 18)

total_criancas <- sum(Titanic_clean$Idade_num < 18, na.rm = TRUE) print(total_criancas) sobreviventes_criancas <- sum(Titanic_clean$Sobreviveu == “Sobreviveu” & Titanic_clean$Idade_num < 18, na.rm = TRUE) print(sobreviventes_criancas)

if (total_criancas > 0) { percentual_criancas_sobreviventes <- round((sobreviventes_criancas / total_criancas) * 100, digits = 1) } else { percentual_criancas_sobreviventes <- 0
}

print(percentual_criancas_sobreviventes)

unique(Titanic_clean$Idade) Titanic_clean$Idade_num <- ifelse(Titanic_clean$Idade == "criança", 0, ifelse(Titanic_clean$Idade == “adulto”, 18, NA))

total_criancas <- sum(Titanic_clean$Idade_num < 18, na.rm = TRUE) sobreviventes_criancas <- sum(Titanic_clean$Sobreviveu == “Sobreviveu” & Titanic_clean$Idade_num < 18, na.rm = TRUE)

if (total_criancas > 0) { percentual_criancas_sobreviventes <- round((sobreviventes_criancas / total_criancas) * 100, digits = 1) } else { percentual_criancas_sobreviventes <- 0
}

print(percentual_criancas_sobreviventes)

#9 Qual o percentual da terceira classe que sobreviveu?

percentual_terceiraclasse_sobreviventes <- round((sum(Titanic$Sobreviveu == "Sobreviveu" & Titanic$Classe == “3”) / sum(Titanic$Classe == “3”)) * 100, digits = 1) print(percentual_terceiraclasse_sobreviventes)

#10 Que tipo de grafico voce pode utilizar nesse tipo de dado? Por que? O Grafico que pode ser usado nesse tipo de dado e o grafico de barra, porque mostrara a porcentagem de pessoas em cada item.

#11 Voce poderia construir um grafico para a variavel “sobreviveu”?

install.packages(“ggplot2”)
library(ggplot2)

tabela_sobrevivencia <- table(Titanic$Sobreviveu)

sobrevivencia_resumo <- as.data.frame(tabela_sobrevivencia) colnames(sobrevivencia_resumo) <- c(“Status”, “Contagem”)

ggplot(sobrevivencia_resumo, aes(x = Status, y = Contagem, fill = Status)) + geom_bar(stat = “identity”) + labs(title = “Sobrevivência no Titanic”, x = “Status de Sobrevivência”, y = “Número de Pessoas”) + theme_minimal()

#12 Voce poderia construir um grafico da variavel “sobreviveu” por “sexo”?

sobrevivencia_resumo <- data.frame( Sexo = c(“Mulheres”, “Mulheres”, “Homens”, “Homens”), Status = c(“Sobreviveu”, “Não Sobreviveu”, “Sobreviveu”, “Não Sobreviveu”), Contagem = c(344, 470 - 344, 366, 1730 - 366)) print(sobrevivencia_resumo)

library(ggplot2)

ggplot(sobrevivencia_resumo, aes(x = Sexo, y = Contagem, fill = Status)) + geom_bar(stat = “identity”, position = “dodge”) + labs(title = “Sobrevivência no Titanic por Sexo”, x = “Sexo”, y = “Número de Pessoas”) + scale_fill_manual(values = c(“Não Sobreviveu” = “red”, “Sobreviveu” = “green”)) + theme_minimal()

#13 Voce poderia construir uma outra visualizacao de dados(alem dessas duas)? Qual grafico voce sugere?

sobrevivencia_total <- data.frame( Status = c(“Sobreviveu”, “Não Sobreviveu”), Contagem = c(710, 1490) # Total de sobreviventes e não sobreviventes )

print(sobrevivencia_total)

library(ggplot2)

ggplot(sobrevivencia_total, aes(x = ““, y = Contagem, fill = Status)) + geom_bar(stat =”identity”, width = 1) + coord_polar(“y”) + labs(title = “Proporção de Sobreviventes no Titanic”) + scale_fill_manual(values = c(“Não Sobreviveu” = “red”, “Sobreviveu” = “green”)) + theme_void()

#14 Voce consegue interpretar esses dois graficos? O que eles estao dizendo? Grafico (Sobrevivencia no Titanic por sexo) . Eixo X: Representa as categorias de sexo, ou seja, “Mulheres” e “Homens”. . Eixo Y: Mostra o número de pessoas que sobreviveram e não sobreviveram. . Barras: Cada sexo tem duas barras: uma representando os sobreviventes e outra os não sobreviventes.

 O que o gráfico diz:

Mulheres: 344 sobreviveram, enquanto 126 não sobreviveram.
Homens: 366 sobreviveram, e 1364 não sobreviveram.
```
 Análise:
```
Durante o desastre, as mulheres conseguiram sobreviver em uma taxa bem mais alta, cerca de 73%, enquanto os homens tiveram uma taxa de apenas 21%. Isso indica que as políticas de evacuação focaram mais em proteger mulheres e crianças, o que pode ter ajudado a explicar essa diferença nas taxas de sobrevivência.

Gráfico de Pizza: Proporção de Sobreviventes no Titanic O gráfico de pizza mostra a proporção de sobreviventes em relação ao total de passageiros. As fatias representam os sobreviventes (710) e os não sobreviventes (1490).

  O que o gráfico diz:

A fatia verde representa 32% dos passageiros que sobreviveram.
A fatia vermelha representa 68% dos passageiros que não sobreviveram.
```
Análise:
```
A maioria dos passageiros do Titanic não sobreviveu ao desastre, destacando a tragédia em grande escala. O gráfico de pizza é eficaz para mostrar a desproporção entre sob. reviventes e não sobreviventes de maneira visual e intuitiva.

Juntos, esses gráficos oferecem uma visão clara das desigualdades de gênero em relação à sobrevivência e destacam a severidade do desastre. A análise desses dados pode ajudar a entender as dinâmicas sociais que influenciaram as taxas de sobrevivência e oferece lições sobre a importância de estratégias de evacuação equitativas em situações de emergência.

#15 Se voce fosse fazer um Pitch(apresentacao de 03 a 05 minutos) com recomendacoes sobre o Titanic a partir dos dados. Qual ideia voce passaria? Quero um posicionamento!

A história do Titanic é conhecida por muitos, representando um marco de inovação, mas também uma tragédia que nos ensina sobre a fragilidade da vida. Ao refletirmos sobre o que aconteceu, encontramos lições valiosas que podem nos ajudar a evitar que eventos semelhantes se repitam. Por exemplo, os dados mostram que cerca de 73% das mulheres sobreviveram, enquanto apenas 21% dos homens conseguiram escapar. Essa diferença significativa destaca a importância de priorizar grupos vulneráveis, como mulheres e crianças, em situações de emergência. Focar na proteção desses grupos pode ser crucial em momentos de desespero, e aprender com a experiência do Titanic é fundamental. Em emergências, é vital que aqueles que estão em maior risco recebam ajuda primeiro. Para isso, precisamos de protocolos claros e treinamentos regulares que preparem todos para agir rapidamente. Imagine uma comunidade onde cada pessoa esteja pronta para enfrentar desafios inesperados. Campanhas de conscientização podem educar a população sobre como se comportar e se proteger, aumentando nossa capacidade de cuidar uns dos outros. Além disso, a tecnologia pode ser uma grande aliada em momentos críticos. Investir em sistemas de alerta rápido e aplicativos que fornecem informações sobre rotas de evacuação pode salvar vidas, garantindo que, mesmo em meio ao caos, as pessoas tenham acesso a informações valiosas. E após qualquer evento, a avaliação do que funcionou e do que precisa ser melhorado é essencial. Aprender com cada experiência nos ajuda a aprimorar nossos planos de evacuação, tornando nossas comunidades mais seguras e resilientes. Assim, a história do Titanic não apenas nos lembra da fragilidade da vida, mas também nos ensina que podemos e devemos agir para protegê-la. Ao incorporar essas lições em nossas políticas e práticas, honramos aqueles que perderam suas vidas e garantimos um futuro mais seguro para todos.

colnames(Titanic)

tabela <- table(Titanic$Classe, Titanic$Sobreviveu) tabela <- as.data.frame(tabela)

print(tabela)

library(ggpubr)

ggballoonplot(tabela, x = “Var1”, # ajuste se “Classe” tiver um nome diferente y = “Var2”, # ajuste se “Sobreviveu” tiver um nome diferente fill = “Freq”) + ggtitle(“Sobreviventes do Titanic”)

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)

##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

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.

Mariana

2024-10-31

R Markdown

Including Plots