---
title: "Análisis del Titanic - Dashboard Proyecto"
author: "Samuel Cuaran, Samuel de la Rosa"
date: "2025-11-16"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r global_options, include=FALSE}
knitr::opts_chunk$set(fig.width=10, fig.height=8, warning=FALSE, message=FALSE)
```

# Información del Proyecto

## Row 

### Descripción de los Datos

**Conjunto de datos:** Titanic – Machine Learning from Disaster

Este conjunto contiene información detallada sobre los **891 pasajeros** que viajaban a bordo del Titanic en su viaje inaugural de 1912.

**Variables incluidas:**

-   **Demográficas:** Edad, sexo, nombre
-   **Socioeconómicas:** Clase del boleto, tarifa pagada
-   **Familiares:** Número de hermanos/esposos (SibSp), padres/hijos (Parch)
-   **Embarque:** Puerto de embarque, número de cabina
-   **Variable objetivo:** Supervivencia (0 = No sobrevivió, 1 = Sobrevivió)

**Objetivo del análisis:** Identificar los factores que influyeron en la supervivencia de los pasajeros durante el hundimiento del Titanic y analizar patrones demográficos y socioeconómicos.

### Portada del Proyecto

![](tabla.png){width="100%"}

**Tragedia histórica:** RMS Titanic (1912)

**Muestra:** 891 pasajeros

**Variables:** 12 características por pasajero

**Análisis:** Descriptivo, correlacional y supervivencia

# Análisis Descriptivos

## Row

### Estadísticas Generales

```{r setup}
library(readr)
library(ggplot2)
library(dplyr)
library(corrplot)

titanic = read.table("titanic.csv", stringsAsFactors = TRUE, sep=",", header=TRUE)

summary(titanic)
```

**Inconsistencias encontradas:**

-   **Age:** 177 valores faltantes (19.9%)
-   **Cabin:** Más del 70% de datos faltantes
-   **Embarked:** 2 registros sin dato
-   **Fare:** 1 caso con valor cero (posible error)

**Estrategias de limpieza aplicadas:**

-   Age: Imputación con la mediana (más robusta ante outliers)
-   Embarked: Imputación con la moda (Southampton - S)

## Row

### Histograma: Edad

```{r hist_edad}
ggplot(titanic, aes(x=Age)) +
  geom_histogram(fill="tan", bins=30, color="white", na.rm=TRUE) +
  labs(title="Distribución de Edad de los Pasajeros",
       x="Edad (años)", y="Frecuencia") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"))
```

### Histograma: Tarifa

```{r hist_tarifa}
ggplot(titanic, aes(x=Fare)) +
  geom_histogram(fill="lightblue", bins=30, color="white", na.rm=TRUE) +
  labs(title="Distribución de Tarifas Pagadas",
       x="Tarifa (£)", y="Frecuencia") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"))
```

## Row

### Interpretación: Edad

La mayoría de los pasajeros tenía entre **20 y 40 años**. La distribución muestra una concentración en adultos jóvenes, con pocos casos en edades extremas (niños pequeños y adultos mayores).

### Interpretación: Tarifa

La mayoría de las tarifas se concentran **por debajo de £50**. Hay valores atípicos que superan las £500, evidenciando la **gran desigualdad económica** entre pasajeros de diferentes clases.

# Análisis Univariados - Datos Atípicos

## Row 

### Boxplot: Edad

```{r box_edad}
ggplot(titanic, aes(y=Age)) +
  geom_boxplot(fill="orange", color="darkorange", na.rm=TRUE) +
  labs(title="Diagrama de Caja: Edad de Pasajeros",
       y="Edad (años)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold")) +
  coord_flip()
```

### Boxplot: Tarifa

```{r box_tarifa}
ggplot(titanic, aes(y=Fare)) +
  geom_boxplot(fill="gold", color="orange", na.rm=TRUE) +
  labs(title="Diagrama de Caja: Tarifas Pagadas",
       y="Tarifa (£)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold")) +
  coord_flip()
```

## Row 

### Interpretación: Edad

Los valores de edad están mayormente entre **20 y 40 años**, con algunos valores atípicos en niños muy pequeños y ancianos. La mediana se encuentra alrededor de 28 años.

### Interpretación: Tarifa

Se observa **gran dispersión** en las tarifas, especialmente con valores atípicos extremos que superan £500. Esto refleja las diferencias entre clases, donde la primera clase pagó tarifas significativamente más altas.

## Row 

### Gráfico de Barras: Sexo

```{r barras_sexo}
ggplot(titanic, aes(x=Sex, fill=Sex)) +
  geom_bar() +
  scale_fill_manual(values=c("lightblue", "pink")) +
  labs(title="Distribución de Pasajeros por Sexo",
       x="Sexo", y="Cantidad") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"))
```

### Gráfico de Barras: Clase

```{r barras_clase}
ggplot(titanic, aes(x=factor(Pclass), fill=factor(Pclass))) +
  geom_bar() +
  scale_fill_manual(values=c("navy", "blue", "skyblue")) +
  labs(title="Distribución de Pasajeros por Clase",
       x="Clase", y="Cantidad") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"))
```

## Row 

### Interpretación: Sexo

Se observa un mayor número de **hombres (\~65%)** que de mujeres (\~35%) a bordo del Titanic.

### Interpretación: Clase

La **tercera clase** es la más numerosa, seguida de la primera y segunda. Esto refleja la distribución socioeconómica típica de la época.

# Análisis Bivariado - Correlación

## Row 

### Matriz de Correlación

```{r correlacion}
numTitanic = titanic[, c("Age", "Fare", "SibSp", "Parch")]
names(numTitanic) = c("Edad", "Tarifa", "Hermanos.Esposos", "Padres.Hijos")

R = cor(numTitanic, use="pairwise.complete.obs")
corrplot(R, method="number", type="upper",
         col=colorRampPalette(c("red", "white", "blue"))(200),
         tl.col="black", tl.srt=45, number.cex = 2, tl.cex = 1.5)
```

### Gráfico de Dispersión: Edad vs Tarifa

```{r dispersion_edad_tarifa}
ggplot(titanic, aes(x=Age, y=Fare)) +
  geom_jitter(colour="blue", alpha=0.5, na.rm=TRUE, size=2) +
  geom_smooth(method="lm", colour="red", se=TRUE, na.rm=TRUE, size=1.5) +
  labs(title="Relación entre Edad y Tarifa",
       x="Edad (años)", y="Tarifa (£)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"))
```

## Row 

### Interpretación: Correlación

La correlación entre **Edad y Tarifa es muy baja (r≈0.10)**, indicando que no hay relación directa entre cuánto pagó un pasajero y su edad. La correlación entre **SibSp y Parch es moderada (r≈0.41)**, sugiriendo que pasajeros con hermanos/esposos también viajaban con padres/hijos, indicando grupos familiares.

### Interpretación: Dispersión

No existe una relación lineal clara entre edad y tarifa. La **tarifa dependía más de la clase del boleto** que de la edad del pasajero.

# Análisis Bivariado - Cajas por Grupos

## Row 

### Tarifa por Clase

```{r box_tarifa_clase}
ggplot(titanic, aes(x=factor(Pclass), y=Fare, fill=factor(Pclass))) +
  geom_boxplot(na.rm=TRUE, size=1) +
  scale_fill_manual(values=c("green", "pink", "red")) +
  labs(title="Comparación de Tarifas según Clase del Boleto",
       x="Clase", y="Tarifa (£)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.position = "none")
```

### Edad por Sexo

```{r box_edad_sexo}
ggplot(titanic, aes(x=Sex, y=Age, fill=Sex)) +
  geom_boxplot(na.rm=TRUE, size=1) +
  scale_fill_manual(values=c("grey", "coral")) +
  labs(title="Comparación de Edad según Sexo",
       x="Sexo", y="Edad (años)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.position = "none")
```

## Row 

### Interpretación: Tarifa por Clase

Las tarifas muestran **diferencias claras según la clase**. Los pasajeros de primera clase pagaron tarifas mucho más altas (mediana \~£60), mientras que los de tercera clase pagaron precios más bajos (mediana \~£8), evidenciando la **gran desigualdad económica** a bordo.

### Interpretación: Edad por Sexo

Tanto hombres como mujeres tenían una **edad mediana similar** (alrededor de 28-30 años). Sin embargo, las mujeres muestran mayor variabilidad en edad, mientras que los hombres presentan una distribución más concentrada en adultos jóvenes.

## Row 

### Edad por Puerto de Embarque

```{r box_edad_puerto}
# Filtrar valores vacíos en Embarked
titanic_clean = titanic %>% filter(Embarked != "")

ggplot(titanic_clean, aes(x=Embarked, y=Age, fill=Embarked)) +
  geom_boxplot(na.rm=TRUE, size=1) +
  scale_fill_manual(values=c("purple", "lightblue", "cyan")) +
  labs(title="Comparación de Edad según Puerto de Embarque",
       x="Puerto de Embarque", y="Edad (años)") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.position = "none")
```

## Row 

### Interpretación: Edad por Puerto

La **mediana de edad es similar** en los tres puertos (Southampton-S, Cherbourg-C, Queenstown-Q), aunque Cherbourg muestra más variabilidad. No hay diferencias significativas en la edad de los pasajeros según el puerto de embarque.

# Análisis Bivariado - Barras Apiladas

## Row 

### Supervivencia por Sexo

```{r barras_supervivencia_sexo}
ggplot(titanic, aes(x=Sex, fill=factor(Survived))) +
  geom_bar(position="fill", size=1) +
  scale_fill_manual(values=c("red", "green"), 
                    labels=c("No sobrevivió", "Sobrevivió"),
                    name="Supervivencia") +
  labs(title="Proporción de Supervivencia según Sexo",
       x="Sexo", y="Proporción") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, face = "bold"))
```

### Supervivencia por Clase

```{r barras_supervivencia_clase}
ggplot(titanic, aes(x=factor(Pclass), fill=factor(Survived))) +
  geom_bar(position="dodge", size=1) +
  scale_fill_manual(values=c("red", "green"),
                    labels=c("No sobrevivió", "Sobrevivió"),
                    name="Supervivencia") +
  labs(title="Supervivencia según Clase del Boleto",
       x="Clase", y="Cantidad") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, face = "bold"))
```

## Row 

### Interpretación: Supervivencia por Sexo

El gráfico demuestra que las **mujeres tuvieron una tasa de supervivencia mucho mayor** (\~75%) que los hombres (\~20%). Esto confirma la política de "**mujeres y niños primero**" durante la evacuación del Titanic.

### Interpretación: Supervivencia por Clase

La **clase del boleto tuvo influencia directa** en la supervivencia. Los pasajeros de primera clase sobrevivieron en mayor proporción (\~63%), mientras que la mayoría de los de tercera clase murió (\~76% no sobrevivió). Esto evidencia **desigualdad en el acceso a botes salvavidas**.

## Row 

### Supervivencia por Puerto de Embarque

```{r barras_supervivencia_puerto}
# Filtrar valores vacíos en Embarked
titanic_clean2 = titanic %>% filter(Embarked != "")

ggplot(titanic_clean2, aes(x=Embarked, fill=factor(Survived))) +
  geom_bar(position="fill", size=1) +
  scale_fill_manual(values=c("darkred", "darkgreen"),
                    labels=c("No sobrevivió", "Sobrevivió"),
                    name="Supervivencia") +
  labs(title="Proporción de Supervivencia según Puerto de Embarque",
       x="Puerto de Embarque", y="Proporción") +
  theme_minimal(base_size = 18) +
  theme(plot.title = element_text(size = 20, face = "bold"),
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, face = "bold"))
```

## Row 

### Interpretación: Supervivencia por Puerto

Los pasajeros que embarcaron en **Cherbourg (C)** tuvieron mayor tasa de supervivencia, posiblemente porque en este puerto embarcaron más pasajeros de primera clase. Southampton (S) tuvo la menor tasa de supervivencia.

# Conclusiones y Recomendaciones

## Row  

### Conclusiones Principales

**1. Factores Determinantes de Supervivencia:**

-   **Sexo:** Las mujeres tuvieron una tasa de supervivencia del \~75% vs \~20% de los hombres
-   **Clase socioeconómica:** La primera clase sobrevivió en \~63% vs \~24% de la tercera clase
-   **Política de evacuación:** Se aplicó "mujeres y niños primero"
-   **Desigualdad social:** El acceso a botes salvavidas favoreció a pasajeros de primera clase

**2. Análisis Demográfico:**

-   **Edad promedio:** 28-30 años (adultos jóvenes)
-   **Distribución por sexo:** 65% hombres, 35% mujeres
-   **Composición social:** Mayoría de pasajeros en tercera clase
-   **Grupos familiares:** Correlación moderada entre SibSp y Parch (r=0.41)

**3. Análisis Económico:**

-   **Gran desigualdad:** Tarifas desde £0 hasta más de £500
-   **Sin relación edad-precio:** La tarifa dependió de la clase, no de la edad
-   **Primera clase:** Pagó \~8 veces más que tercera clase en promedio