Primer Mini Proyecto
José Bañuelos/Julieta Rodríguez
22 de febrero de 2017
Minería de Datos
Ingeniería de Software
Universidad Autónoma de Zacatecas
.
Hemos decidido usar el dataset del Titanic para realizar los siguientes ejercicios.
Leer Datos
Una vez descargados los datos de la url correspondiente, se cambia el directorio de trabajo y con ello podemos leer los datos desde la ubicación en que se encuentran.
getwd()## [1] "/Users/julietarodriguez/Downloads/Mini proyecto 1"train <- read.csv("train.csv", stringsAsFactors = FALSE)Muestra del data set Titanic
Para obtener una muestra de los datos que se encuentran en el dataset utilizado, podemos usar las funciones head y tail, con ellas obtenemos los primeros y los últimos registros almacenados en el dataset.
head(train)## 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
## 1 Braund, Mr. Owen Harris male 22 1
## 2 Cumings, Mrs. John Bradley (Florence Briggs Thayer) female 38 1
## 3 Heikkinen, Miss. Laina female 26 0
## 4 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35 1
## 5 Allen, Mr. William Henry male 35 0
## 6 Moran, Mr. James male NA 0
## Parch Ticket Fare Cabin Embarked
## 1 0 A/5 21171 7.2500 S
## 2 0 PC 17599 71.2833 C85 C
## 3 0 STON/O2. 3101282 7.9250 S
## 4 0 113803 53.1000 C123 S
## 5 0 373450 8.0500 S
## 6 0 330877 8.4583 Qtail(train)## PassengerId Survived Pclass Name
## 886 886 0 3 Rice, Mrs. William (Margaret Norton)
## 887 887 0 2 Montvila, Rev. Juozas
## 888 888 1 1 Graham, Miss. Margaret Edith
## 889 889 0 3 Johnston, Miss. Catherine Helen "Carrie"
## 890 890 1 1 Behr, Mr. Karl Howell
## 891 891 0 3 Dooley, Mr. Patrick
## Sex Age SibSp Parch Ticket Fare Cabin Embarked
## 886 female 39 0 5 382652 29.125 Q
## 887 male 27 0 0 211536 13.000 S
## 888 female 19 0 0 112053 30.000 B42 S
## 889 female NA 1 2 W./C. 6607 23.450 S
## 890 male 26 0 0 111369 30.000 C148 C
## 891 male 32 0 0 370376 7.750 QEstructura y dominio del dataset
Por medio de la función str podemos obtener la estructura que tiene el dataset, es decir, las columnas que contiene y el tipo de datos que se pueden almacenar en cada una de ellas.
str(train)## 'data.frame': 891 obs. of 12 variables:
## $ PassengerId: int 1 2 3 4 5 6 7 8 9 10 ...
## $ Survived : int 0 1 1 1 0 0 0 0 1 1 ...
## $ Pclass : int 3 1 3 1 3 3 1 3 3 2 ...
## $ Name : chr "Braund, Mr. Owen Harris" "Cumings, Mrs. John Bradley (Florence Briggs Thayer)" "Heikkinen, Miss. Laina" "Futrelle, Mrs. Jacques Heath (Lily May Peel)" ...
## $ Sex : chr "male" "female" "female" "female" ...
## $ Age : num 22 38 26 35 35 NA 54 2 27 14 ...
## $ SibSp : int 1 1 0 1 0 0 0 3 0 1 ...
## $ Parch : int 0 0 0 0 0 0 0 1 2 0 ...
## $ Ticket : chr "A/5 21171" "PC 17599" "STON/O2. 3101282" "113803" ...
## $ Fare : num 7.25 71.28 7.92 53.1 8.05 ...
## $ Cabin : chr "" "C85" "" "C123" ...
## $ Embarked : chr "S" "C" "S" "S" ...Sumario del dataset
Por medio de la función summary obtenemos distintas estadísticas de los datos almacenados en el dataset. Esta función invoca distintos métodos de acuerdo al tipo de objeto que está recibiendo como argumento, en este caso específico es un dataset.
summary(train)## PassengerId Survived Pclass Name
## Min. : 1.0 Min. :0.0000 Min. :1.000 Length:891
## 1st Qu.:223.5 1st Qu.:0.0000 1st Qu.:2.000 Class :character
## Median :446.0 Median :0.0000 Median :3.000 Mode :character
## Mean :446.0 Mean :0.3838 Mean :2.309
## 3rd Qu.:668.5 3rd Qu.:1.0000 3rd Qu.:3.000
## Max. :891.0 Max. :1.0000 Max. :3.000
##
## Sex Age SibSp Parch
## Length:891 Min. : 0.42 Min. :0.000 Min. :0.0000
## Class :character 1st Qu.:20.12 1st Qu.:0.000 1st Qu.:0.0000
## Mode :character Median :28.00 Median :0.000 Median :0.0000
## Mean :29.70 Mean :0.523 Mean :0.3816
## 3rd Qu.:38.00 3rd Qu.:1.000 3rd Qu.:0.0000
## Max. :80.00 Max. :8.000 Max. :6.0000
## NA's :177
## Ticket Fare Cabin Embarked
## Length:891 Min. : 0.00 Length:891 Length:891
## Class :character 1st Qu.: 7.91 Class :character Class :character
## Mode :character Median : 14.45 Mode :character Mode :character
## Mean : 32.20
## 3rd Qu.: 31.00
## Max. :512.33
## Descripción de atributos del dataset
Sobrevivientes, aquí podemos observar cuántos del total de pasajeros a bordo del Titanic han sobrevivido y cuántos han muerto, con los valores 1 y 0 respectivamente.
table(train$Survived)##
## 0 1
## 549 342Clase del viaje, observamos cuántos pasajeros iban en primera, segunda o tercera clase a bordo del Titanic.
table(train$Pclass)##
## 1 2 3
## 216 184 491Género, podemos visualizar qué cantidad de personas de género femenino y género masculino se encontraban a bordo del Titanic, además de cuántos de esos hombres y mujeres sobrevivieron o murieron.
table(train$Sex)##
## female male
## 314 577table(train$Sex, train$Survived)##
## 0 1
## female 81 233
## male 468 109“Parche”, aquí podemos observar cuánta cantidad de pasajeros viajaba solo, o llevaba consigo de uno a seis acompañantes a bordo.
table(train$Parch)##
## 0 1 2 3 4 5 6
## 678 118 80 5 4 5 1Tickets, por medio de esta función podemos darnos cuenta de la cantidad total de boletos únicos que se encuentran registrados en el dataset, teniendo en cuenta que algunos pasajeros que viajaban juntos tenían el mismo número de ticket que sus compañeros.
length(unique(train$Ticket))## [1] 681Embarcación, aquí observamos el lugar de embarcación que tomaron los pasajeros, teniendo en cuenta que C = Cherbourg, Q = Queenstown(Belfast) y S = Southampton.
train$Embarked <- as.factor(train$Embarked)
table(train$Embarked)##
## C Q S
## 2 168 77 644Estadísticas por atributos
Sobrevivientes
Teniendo en cuenta los datos anteriores de cuántos pasajeros sobrevivieron y cuantos han muerto, podemos obtener las siguientes estadísticas:
table(train$Survived)##
## 0 1
## 549 342summary(train$Survived)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0000 0.0000 0.0000 0.3838 1.0000 1.0000Clase
Teniendo en cuenta los datos que analizacmos anteriormente sobre las clases y los pasajeros en ellas, es posible también analizar algunas estadísticas:
table(train$Pclass)##
## 1 2 3
## 216 184 491summary(train$Pclass)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 2.000 3.000 2.309 3.000 3.000“Parche”, padres/hijos a bordo
si observamos la cantidad de pasajeros que llevan con ellos a otros pasajeros tamibén es posible obtener una serie de estadísticas como las siguientes:
table(train$Parch)##
## 0 1 2 3 4 5 6
## 678 118 80 5 4 5 1summary(train$Parch)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0000 0.0000 0.0000 0.3816 0.0000 6.0000Tickets compartidos
Como se había mencionado anteriormente algunas familias viajaron con el mismo numero de ticket, es decir, todos los integrantes de familia (pasajeros) contaban con el mismo numeor de ticket para abordar el Titanic. **Aquí se tomaron aquellos boletos que tenían más de 5 pasajeros relacionados.
ticket <- train[train$Ticket %in% names(table(train$Ticket))[table(train$Ticket) > 5],]
ticket[order(ticket$Ticket),]$Name## [1] "Bing, Mr. Lee"
## [2] "Ling, Mr. Lee"
## [3] "Lang, Mr. Fang"
## [4] "Foo, Mr. Choong"
## [5] "Lam, Mr. Ali"
## [6] "Lam, Mr. Len"
## [7] "Chip, Mr. Chang"
## [8] "Panula, Master. Juha Niilo"
## [9] "Panula, Master. Eino Viljami"
## [10] "Panula, Mr. Ernesti Arvid"
## [11] "Panula, Mrs. Juha (Maria Emilia Ojala)"
## [12] "Panula, Mr. Jaako Arnold"
## [13] "Panula, Master. Urho Abraham"
## [14] "Andersson, Mr. Anders Johan"
## [15] "Andersson, Miss. Ellis Anna Maria"
## [16] "Andersson, Miss. Ingeborg Constanzia"
## [17] "Andersson, Miss. Sigrid Elisabeth"
## [18] "Andersson, Mrs. Anders Johan (Alfrida Konstantia Brogren)"
## [19] "Andersson, Miss. Ebba Iris Alfrida"
## [20] "Andersson, Master. Sigvard Harald Elias"
## [21] "Skoog, Master. Harald"
## [22] "Skoog, Mrs. William (Anna Bernhardina Karlsson)"
## [23] "Skoog, Mr. Wilhelm"
## [24] "Skoog, Miss. Mabel"
## [25] "Skoog, Miss. Margit Elizabeth"
## [26] "Skoog, Master. Karl Thorsten"
## [27] "Goodwin, Master. William Frederick"
## [28] "Goodwin, Miss. Lillian Amy"
## [29] "Goodwin, Master. Sidney Leonard"
## [30] "Goodwin, Master. Harold Victor"
## [31] "Goodwin, Mrs. Frederick (Augusta Tyler)"
## [32] "Goodwin, Mr. Charles Edward"
## [33] "Sage, Master. Thomas Henry"
## [34] "Sage, Miss. Constance Gladys"
## [35] "Sage, Mr. Frederick"
## [36] "Sage, Mr. George John Jr"
## [37] "Sage, Miss. Stella Anna"
## [38] "Sage, Mr. Douglas Bullen"
## [39] "Sage, Miss. Dorothy Edith \"Dolly\""Con la siguiente función podemos observar la lista de todos los boletos compartidos:
ticket <- train[train$Ticket %in% names(table(train$Ticket))[table(train$Ticket) > 1],]
ticket[order(ticket$Ticket),]$Name## [1] "Cherry, Miss. Gladys"
## [2] "Maioni, Miss. Roberta"
## [3] "Rothes, the Countess. of (Lucy Noel Martha Dyer-Edwards)"
## [4] "Taussig, Mr. Emil"
## [5] "Taussig, Mrs. Emil (Tillie Mandelbaum)"
## [6] "Taussig, Miss. Ruth"
## [7] "Porter, Mr. Walter Chamberlain"
## [8] "Clifford, Mr. George Quincy"
## [9] "Hippach, Miss. Jean Gertrude"
## [10] "Hippach, Mrs. Louis Albert (Ida Sophia Fischer)"
## [11] "Chibnall, Mrs. (Edith Martha Bowerman)"
## [12] "Bowerman, Miss. Elsie Edith"
## [13] "Icard, Miss. Amelie"
## [14] "Stone, Mrs. George Nelson (Martha Evelyn)"
## [15] "Carter, Mr. William Ernest"
## [16] "Carter, Miss. Lucile Polk"
## [17] "Carter, Mrs. William Ernest (Lucile Polk)"
## [18] "Carter, Master. William Thornton II"
## [19] "Pears, Mrs. Thomas (Edith Wearne)"
## [20] "Pears, Mr. Thomas Clinton"
## [21] "Allison, Miss. Helen Loraine"
## [22] "Allison, Master. Hudson Trevor"
## [23] "Allison, Mrs. Hudson J C (Bessie Waldo Daniels)"
## [24] "Cleaver, Miss. Alice"
## [25] "Holverson, Mr. Alexander Oskar"
## [26] "Holverson, Mrs. Alexander Oskar (Mary Aline Towner)"
## [27] "Cairns, Mr. Alexander"
## [28] "Serepeca, Miss. Augusta"
## [29] "Futrelle, Mrs. Jacques Heath (Lily May Peel)"
## [30] "Futrelle, Mr. Jacques Heath"
## [31] "Chambers, Mr. Norman Campbell"
## [32] "Chambers, Mrs. Norman Campbell (Bertha Griggs)"
## [33] "Turpin, Mrs. William John Robert (Dorothy Ann Wonnacott)"
## [34] "Turpin, Mr. William John Robert"
## [35] "Beckwith, Mr. Richard Leonard"
## [36] "Beckwith, Mrs. Richard Leonard (Sallie Monypeny)"
## [37] "Hays, Miss. Margaret Bechstein"
## [38] "Potter, Mrs. Thomas Jr (Lily Alexenia Wilson)"
## [39] "Bishop, Mrs. Dickinson H (Helen Walton)"
## [40] "Bishop, Mr. Dickinson H"
## [41] "Perreault, Miss. Anne"
## [42] "Hays, Mrs. Charles Melville (Clara Jennings Gregg)"
## [43] "Andrews, Miss. Kornelia Theodosia"
## [44] "Longley, Miss. Gretchen Fiske"
## [45] "Hogeboom, Mrs. John C (Anna Andrews)"
## [46] "Silvey, Mr. William Baird"
## [47] "Silvey, Mrs. William Baird (Alice Munger)"
## [48] "Bing, Mr. Lee"
## [49] "Ling, Mr. Lee"
## [50] "Lang, Mr. Fang"
## [51] "Foo, Mr. Choong"
## [52] "Lam, Mr. Ali"
## [53] "Lam, Mr. Len"
## [54] "Chip, Mr. Chang"
## [55] "Spedden, Mrs. Frederic Oakley (Margaretta Corning Stone)"
## [56] "Burns, Miss. Elizabeth Margaret"
## [57] "Fleming, Miss. Margaret"
## [58] "Thayer, Mr. John Borland Jr"
## [59] "Thayer, Mrs. John Borland (Marian Longstreth Morris)"
## [60] "Thayer, Mr. John Borland"
## [61] "Goldenberg, Mr. Samuel L"
## [62] "Goldenberg, Mrs. Samuel L (Edwiga Grabowska)"
## [63] "Dick, Mr. Albert Adrian"
## [64] "Dick, Mrs. Albert Adrian (Vera Gillespie)"
## [65] "Barber, Miss. Ellen \"Nellie\""
## [66] "Cavendish, Mr. Tyrell William"
## [67] "Minahan, Dr. William Edward"
## [68] "Minahan, Miss. Daisy E"
## [69] "Hoyt, Mr. Frederick Maxfield"
## [70] "Hoyt, Mrs. Frederick Maxfield (Jane Anne Forby)"
## [71] "Fortune, Mr. Charles Alexander"
## [72] "Fortune, Miss. Mabel Helen"
## [73] "Fortune, Miss. Alice Elizabeth"
## [74] "Fortune, Mr. Mark"
## [75] "Taylor, Mrs. Elmer Zebley (Juliet Cummins Wright)"
## [76] "Taylor, Mr. Elmer Zebley"
## [77] "Herman, Miss. Alice"
## [78] "Herman, Mrs. Samuel (Jane Laver)"
## [79] "Navratil, Mr. Michel (\"Louis M Hoffman\")"
## [80] "Navratil, Master. Michel M"
## [81] "Navratil, Master. Edmond Roger"
## [82] "Becker, Master. Richard F"
## [83] "Becker, Miss. Marion Louise"
## [84] "Parrish, Mrs. (Lutie Davis)"
## [85] "Shelley, Mrs. William (Imanita Parrish Hall)"
## [86] "Doling, Mrs. John T (Ada Julia Bone)"
## [87] "Doling, Miss. Elsie"
## [88] "Nasser, Mrs. Nicholas (Adele Achem)"
## [89] "Nasser, Mr. Nicholas"
## [90] "Parkes, Mr. Francis \"Frank\""
## [91] "Cunningham, Mr. Alfred Fleming"
## [92] "Campbell, Mr. William"
## [93] "Fynney, Mr. Joseph J"
## [94] "Gaskell, Mr. Alfred"
## [95] "Madill, Miss. Georgette Alexandra"
## [96] "Allen, Miss. Elisabeth Walton"
## [97] "Robert, Mrs. Edward Scott (Elisabeth Walton McMillan)"
## [98] "Jacobsohn, Mr. Sidney Samuel"
## [99] "Jacobsohn, Mrs. Sidney Samuel (Amy Frances Christy)"
## [100] "Carter, Rev. Ernest Courtenay"
## [101] "Carter, Mrs. Ernest Courtenay (Lilian Hughes)"
## [102] "Kantor, Mr. Sinai"
## [103] "Kantor, Mrs. Sinai (Miriam Sternin)"
## [104] "Leitch, Miss. Jessie Wills"
## [105] "Harper, Miss. Annie Jessie \"Nina\""
## [106] "Harper, Rev. John"
## [107] "Caldwell, Master. Alden Gates"
## [108] "Caldwell, Mrs. Albert Francis (Sylvia Mae Harbaugh)"
## [109] "Mellinger, Mrs. (Elizabeth Anne Maidment)"
## [110] "Mellinger, Miss. Madeleine Violet"
## [111] "Greenberg, Mr. Samuel"
## [112] "Ponesell, Mr. Martin"
## [113] "Hamalainen, Mrs. William (Anna)"
## [114] "Hamalainen, Master. Viljo"
## [115] "Phillips, Miss. Kate Florence (\"Mrs Kate Louise Phillips Marshall\")"
## [116] "Morley, Mr. Henry Samuel (\"Mr Henry Marshall\")"
## [117] "Attalah, Miss. Malake"
## [118] "Yousseff, Mr. Gerious"
## [119] "Quick, Mrs. Frederick Charles (Jane Richards)"
## [120] "Quick, Miss. Phyllis May"
## [121] "Nicola-Yarred, Miss. Jamila"
## [122] "Nicola-Yarred, Master. Elias"
## [123] "Nakid, Miss. Maria (\"Mary\")"
## [124] "Nakid, Mr. Sahid"
## [125] "Yasbeck, Mr. Antoni"
## [126] "Yasbeck, Mrs. Antoni (Selini Alexander)"
## [127] "Moubarek, Master. Gerios"
## [128] "Moubarek, Master. Halim Gonios (\"William George\")"
## [129] "Zabour, Miss. Hileni"
## [130] "Zabour, Miss. Thamine"
## [131] "Baclini, Miss. Marie Catherine"
## [132] "Baclini, Miss. Helene Barbara"
## [133] "Baclini, Miss. Eugenie"
## [134] "Baclini, Mrs. Solomon (Latifa Qurban)"
## [135] "Peter, Miss. Anna"
## [136] "Peter, Mrs. Catherine (Catherine Rizk)"
## [137] "Boulos, Mrs. Joseph (Sultana)"
## [138] "Boulos, Miss. Nourelain"
## [139] "Barbara, Mrs. (Catherine David)"
## [140] "Barbara, Miss. Saiide"
## [141] "Albimona, Mr. Nassef Cassem"
## [142] "Hassan, Mr. Houssein G N"
## [143] "McKane, Mr. Peter David"
## [144] "Downton, Mr. William James"
## [145] "Beane, Mr. Edward"
## [146] "Beane, Mrs. Edward (Ethel Clarke)"
## [147] "Richards, Master. William Rowe"
## [148] "Richards, Mrs. Sidney (Emily Hocking)"
## [149] "Richards, Master. George Sibley"
## [150] "Brown, Mrs. Thomas William Solomon (Elizabeth Catherine Ford)"
## [151] "Brown, Mr. Thomas William Solomon"
## [152] "Backstrom, Mrs. Karl Alfred (Maria Mathilda Gustafsson)"
## [153] "Backstrom, Mr. Karl Alfred"
## [154] "Panula, Master. Juha Niilo"
## [155] "Panula, Master. Eino Viljami"
## [156] "Panula, Mr. Ernesti Arvid"
## [157] "Panula, Mrs. Juha (Maria Emilia Ojala)"
## [158] "Panula, Mr. Jaako Arnold"
## [159] "Panula, Master. Urho Abraham"
## [160] "Renouf, Mr. Peter Henry"
## [161] "Renouf, Mrs. Peter Henry (Lillian Jefferys)"
## [162] "Vander Planke, Miss. Augusta Maria"
## [163] "Vander Planke, Mr. Leo Edmondus"
## [164] "Van Impe, Miss. Catharina"
## [165] "Van Impe, Mr. Jean Baptiste"
## [166] "Van Impe, Mrs. Jean Baptiste (Rosalie Paula Govaert)"
## [167] "Strom, Miss. Telma Matilda"
## [168] "Strom, Mrs. Wilhelm (Elna Matilda Persson)"
## [169] "Asplund, Mrs. Carl Oscar (Selma Augusta Emilia Johansson)"
## [170] "Asplund, Master. Clarence Gustaf Hugo"
## [171] "Asplund, Miss. Lillian Gertrud"
## [172] "Asplund, Master. Edvin Rojj Felix"
## [173] "Danbom, Mrs. Ernst Gilbert (Anna Sigrid Maria Brogren)"
## [174] "Danbom, Mr. Ernst Gilbert"
## [175] "Andersson, Mr. Anders Johan"
## [176] "Andersson, Miss. Ellis Anna Maria"
## [177] "Andersson, Miss. Ingeborg Constanzia"
## [178] "Andersson, Miss. Sigrid Elisabeth"
## [179] "Andersson, Mrs. Anders Johan (Alfrida Konstantia Brogren)"
## [180] "Andersson, Miss. Ebba Iris Alfrida"
## [181] "Andersson, Master. Sigvard Harald Elias"
## [182] "Skoog, Master. Harald"
## [183] "Skoog, Mrs. William (Anna Bernhardina Karlsson)"
## [184] "Skoog, Mr. Wilhelm"
## [185] "Skoog, Miss. Mabel"
## [186] "Skoog, Miss. Margit Elizabeth"
## [187] "Skoog, Master. Karl Thorsten"
## [188] "Johnson, Mrs. Oscar W (Elisabeth Vilhelmina Berg)"
## [189] "Johnson, Miss. Eleanor Ileen"
## [190] "Johnson, Master. Harold Theodor"
## [191] "Arnold-Franchi, Mrs. Josef (Josefine Franchi)"
## [192] "Arnold-Franchi, Mr. Josef"
## [193] "Palsson, Master. Gosta Leonard"
## [194] "Palsson, Miss. Torborg Danira"
## [195] "Palsson, Miss. Stina Viola"
## [196] "Palsson, Mrs. Nils (Alma Cornelia Berglund)"
## [197] "Newell, Miss. Madeleine"
## [198] "Newell, Miss. Marjorie"
## [199] "Newell, Mr. Arthur Webster"
## [200] "White, Mr. Richard Frasar"
## [201] "White, Mr. Percival Wayland"
## [202] "Patchett, Mr. George"
## [203] "Garfirth, Mr. John"
## [204] "Goldsmith, Master. Frank John William \"Frankie\""
## [205] "Goldsmith, Mrs. Frank John (Emily Alice Brown)"
## [206] "Goldsmith, Mr. Frank John"
## [207] "Dowdell, Miss. Elizabeth"
## [208] "Emanuel, Miss. Virginia Ethel"
## [209] "Bourke, Mr. John"
## [210] "Bourke, Mrs. John (Catherine)"
## [211] "McCoy, Mr. Bernard"
## [212] "McCoy, Miss. Agnes"
## [213] "Murphy, Miss. Katherine \"Kate\""
## [214] "Murphy, Miss. Margaret Jane"
## [215] "Wick, Miss. Mary Natalie"
## [216] "Wick, Mrs. George Dennick (Mary Hitchcock)"
## [217] "Eustis, Miss. Elizabeth Mussey"
## [218] "Stephenson, Mrs. Walter Bertram (Martha Eustis)"
## [219] "Harris, Mr. Henry Birkhardt"
## [220] "Harris, Mrs. Henry Birkhardt (Irene Wallach)"
## [221] "Rosblom, Mrs. Viktor (Helena Wilhelmina)"
## [222] "Rosblom, Mr. Viktor Richard"
## [223] "O'Brien, Mrs. Thomas (Johanna \"Hannah\" Godfrey)"
## [224] "O'Brien, Mr. Thomas"
## [225] "Moran, Miss. Bertha"
## [226] "Ryan, Mr. Patrick"
## [227] "Moran, Mr. Daniel J"
## [228] "Thorneycroft, Mrs. Percival (Florence Kate White)"
## [229] "Thorneycroft, Mr. Percival"
## [230] "Rice, Master. Eugene"
## [231] "Rice, Master. Arthur"
## [232] "Rice, Master. Eric"
## [233] "Rice, Master. George Hugh"
## [234] "Rice, Mrs. William (Margaret Norton)"
## [235] "Moor, Master. Meier"
## [236] "Moor, Mrs. (Beila)"
## [237] "Lefebre, Master. Henry Forbes"
## [238] "Lefebre, Miss. Mathilde"
## [239] "Lefebre, Miss. Ida"
## [240] "Lefebre, Miss. Jeannie"
## [241] "Bowen, Mr. David John \"Dai\""
## [242] "Williams, Mr. Leslie"
## [243] "Osen, Mr. Olaf Elon"
## [244] "Gustafsson, Mr. Alfred Ossian"
## [245] "Davies, Mr. Alfred J"
## [246] "Lester, Mr. James"
## [247] "Lobb, Mr. William Arthur"
## [248] "Lobb, Mrs. William Arthur (Cordelia K Stanlick)"
## [249] "Dean, Mr. Bertram Frank"
## [250] "Dean, Master. Bertram Vere"
## [251] "Abbott, Mrs. Stanton (Rosa Hunt)"
## [252] "Abbott, Mr. Rossmore Edward"
## [253] "Collyer, Miss. Marjorie \"Lottie\""
## [254] "Collyer, Mr. Harvey"
## [255] "Collyer, Mrs. Harvey (Charlotte Annie Tate)"
## [256] "Nicholls, Mr. Joseph Charles"
## [257] "Davies, Master. John Morgan Jr"
## [258] "West, Miss. Constance Mirium"
## [259] "West, Mr. Edwy Arthur"
## [260] "West, Mrs. Edwy Arthur (Ada Mary Worth)"
## [261] "Coutts, Master. William Loch \"William\""
## [262] "Coutts, Master. Eden Leslie \"Neville\""
## [263] "Goodwin, Master. William Frederick"
## [264] "Goodwin, Miss. Lillian Amy"
## [265] "Goodwin, Master. Sidney Leonard"
## [266] "Goodwin, Master. Harold Victor"
## [267] "Goodwin, Mrs. Frederick (Augusta Tyler)"
## [268] "Goodwin, Mr. Charles Edward"
## [269] "Sage, Master. Thomas Henry"
## [270] "Sage, Miss. Constance Gladys"
## [271] "Sage, Mr. Frederick"
## [272] "Sage, Mr. George John Jr"
## [273] "Sage, Miss. Stella Anna"
## [274] "Sage, Mr. Douglas Bullen"
## [275] "Sage, Miss. Dorothy Edith \"Dolly\""
## [276] "Hart, Mr. Benjamin"
## [277] "Hart, Mrs. Benjamin (Esther Ada Bloomfield)"
## [278] "Hart, Miss. Eva Miriam"
## [279] "Leonard, Mr. Lionel"
## [280] "Tornquist, Mr. William Henry"
## [281] "Johnson, Mr. William Cahoone Jr"
## [282] "Johnson, Mr. Alfred"
## [283] "Abelson, Mr. Samuel"
## [284] "Abelson, Mrs. Samuel (Hannah Wizosky)"
## [285] "Aubart, Mme. Leontine Pauline"
## [286] "Sagesser, Mlle. Emma"
## [287] "Francatelli, Miss. Laura Mabel"
## [288] "Duff Gordon, Sir. Cosmo Edmund (\"Mr Morgan\")"
## [289] "Baxter, Mr. Quigg Edmond"
## [290] "Baxter, Mrs. James (Helene DeLaudeniere Chaput)"
## [291] "Spencer, Mrs. William Augustus (Marie Eugenie)"
## [292] "Lurette, Miss. Elise"
## [293] "Harper, Mrs. Henry Sleeper (Myna Haxtun)"
## [294] "Harper, Mr. Henry Sleeper"
## [295] "Hassab, Mr. Hammad"
## [296] "Graham, Mrs. William Thompson (Edith Junkins)"
## [297] "Graham, Mr. George Edward"
## [298] "Shutes, Miss. Elizabeth W"
## [299] "Giglio, Mr. Victor"
## [300] "Guggenheim, Mr. Benjamin"
## [301] "Meyer, Mr. Edgar Joseph"
## [302] "Meyer, Mrs. Edgar Joseph (Leila Saks)"
## [303] "Ryerson, Miss. Emily Borie"
## [304] "Ryerson, Miss. Susan Parker \"Suzette\""
## [305] "Frauenthal, Mrs. Henry William (Clara Heinsheimer)"
## [306] "Frauenthal, Dr. Henry William"
## [307] "Ward, Miss. Anna"
## [308] "Cardeza, Mr. Thomas Drake Martinez"
## [309] "Lesurer, Mr. Gustave J"
## [310] "Bidois, Miss. Rosalie"
## [311] "Robbins, Mr. Victor"
## [312] "Astor, Mrs. John Jacob (Madeleine Talmadge Force)"
## [313] "Endres, Miss. Caroline Louise"
## [314] "Penasco y Castellana, Mrs. Victor de Satode (Maria Josefa Perez de Soto y Vallejo)"
## [315] "Penasco y Castellana, Mr. Victor de Satode"
## [316] "Bissette, Miss. Amelia"
## [317] "Young, Miss. Marie Grice"
## [318] "Ringhini, Mr. Sante"
## [319] "LeRoy, Miss. Bertha"
## [320] "Douglas, Mr. Walter Donald"
## [321] "Sandstrom, Miss. Marguerite Rut"
## [322] "Sandstrom, Mrs. Hjalmar (Agnes Charlotta Bengtsson)"
## [323] "Mallet, Mr. Albert"
## [324] "Mallet, Master. Andre"
## [325] "Mack, Mrs. (Mary)"
## [326] "Mudd, Mr. Thomas Charles"
## [327] "Hood, Mr. Ambrose Jr"
## [328] "Hickman, Mr. Stanley George"
## [329] "Davies, Mr. Charles Henry"
## [330] "Hickman, Mr. Leonard Mark"
## [331] "Hickman, Mr. Lewis"
## [332] "Laroche, Miss. Simonne Marie Anne Andree"
## [333] "Laroche, Mrs. Joseph (Juliette Marie Louise Lafargue)"
## [334] "Laroche, Mr. Joseph Philippe Lemercier"
## [335] "Hakkarainen, Mrs. Pekka Pietari (Elin Matilda Dolck)"
## [336] "Hakkarainen, Mr. Pekka Pietari"
## [337] "Johnston, Mr. Andrew G"
## [338] "Johnston, Miss. Catherine Helen \"Carrie\""
## [339] "Ford, Mr. William Neal"
## [340] "Ford, Miss. Robina Maggie \"Ruby\""
## [341] "Ford, Miss. Doolina Margaret \"Daisy\""
## [342] "Ford, Mrs. Edward (Margaret Ann Watson)"
## [343] "Crosby, Miss. Harriet R"
## [344] "Crosby, Capt. Edward Gifford"Tarifa
Con la primera función podemos observar las distintas tarifas que los pasajeros tuvieron que pagar para abordar el Titanic. Posteriormente podemos observar algunas estadísticas basadas en estos datos:
table(unique(train$Fare))##
## 0 4.0125 5 6.2375 6.4375 6.45 6.4958 6.75
## 1 1 1 1 1 1 1 1
## 6.8583 6.95 6.975 7.0458 7.05 7.0542 7.125 7.1417
## 1 1 1 1 1 1 1 1
## 7.225 7.2292 7.25 7.3125 7.4958 7.5208 7.55 7.6292
## 1 1 1 1 1 1 1 1
## 7.65 7.725 7.7292 7.7333 7.7375 7.7417 7.75 7.775
## 1 1 1 1 1 1 1 1
## 7.7875 7.7958 7.8 7.8292 7.8542 7.875 7.8792 7.8875
## 1 1 1 1 1 1 1 1
## 7.8958 7.925 8.0292 8.05 8.1125 8.1375 8.1583 8.3
## 1 1 1 1 1 1 1 1
## 8.3625 8.4042 8.4333 8.4583 8.5167 8.6542 8.6625 8.6833
## 1 1 1 1 1 1 1 1
## 8.7125 8.85 9 9.2167 9.225 9.35 9.475 9.4833
## 1 1 1 1 1 1 1 1
## 9.5 9.5875 9.825 9.8375 9.8417 9.8458 10.1708 10.4625
## 1 1 1 1 1 1 1 1
## 10.5 10.5167 11.1333 11.2417 11.5 12 12.275 12.2875
## 1 1 1 1 1 1 1 1
## 12.35 12.475 12.525 12.65 12.875 13 13.4167 13.5
## 1 1 1 1 1 1 1 1
## 13.7917 13.8583 13.8625 14 14.1083 14.4 14.4542 14.4583
## 1 1 1 1 1 1 1 1
## 14.5 15 15.0458 15.05 15.1 15.2458 15.5 15.55
## 1 1 1 1 1 1 1 1
## 15.7417 15.75 15.85 15.9 16 16.1 16.7 17.4
## 1 1 1 1 1 1 1 1
## 17.8 18 18.75 18.7875 19.2583 19.5 19.9667 20.2125
## 1 1 1 1 1 1 1 1
## 20.25 20.525 20.575 21 21.075 21.6792 22.025 22.3583
## 1 1 1 1 1 1 1 1
## 22.525 23 23.25 23.45 24 24.15 25.4667 25.5875
## 1 1 1 1 1 1 1 1
## 25.925 25.9292 26 26.25 26.2833 26.2875 26.3875 26.55
## 1 1 1 1 1 1 1 1
## 27 27.7208 27.75 27.9 28.5 28.7125 29 29.125
## 1 1 1 1 1 1 1 1
## 29.7 30 30.0708 30.5 30.6958 31 31.275 31.3875
## 1 1 1 1 1 1 1 1
## 32.3208 32.5 33 33.5 34.0208 34.375 34.6542 35
## 1 1 1 1 1 1 1 1
## 35.5 36.75 37.0042 38.5 39 39.4 39.6 39.6875
## 1 1 1 1 1 1 1 1
## 40.125 41.5792 42.4 46.9 47.1 49.5 49.5042 50
## 1 1 1 1 1 1 1 1
## 50.4958 51.4792 51.8625 52 52.5542 53.1 55 55.4417
## 1 1 1 1 1 1 1 1
## 55.9 56.4958 56.9292 57 57.9792 59.4 61.175 61.3792
## 1 1 1 1 1 1 1 1
## 61.9792 63.3583 65 66.6 69.3 69.55 71 71.2833
## 1 1 1 1 1 1 1 1
## 73.5 75.25 76.2917 76.7292 77.2875 77.9583 78.2667 78.85
## 1 1 1 1 1 1 1 1
## 79.2 79.65 80 81.8583 82.1708 83.1583 83.475 86.5
## 1 1 1 1 1 1 1 1
## 89.1042 90 91.0792 93.5 106.425 108.9 110.8833 113.275
## 1 1 1 1 1 1 1 1
## 120 133.65 134.5 135.6333 146.5208 151.55 153.4625 164.8667
## 1 1 1 1 1 1 1 1
## 211.3375 211.5 221.7792 227.525 247.5208 262.375 263 512.3292
## 1 1 1 1 1 1 1 1summary(train$Fare)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 7.91 14.45 32.20 31.00 512.30Cabina
Con la primera función observamos los distintos números de cambinas que existieron en el Titanic, después vemos el total de cabinas que tuvo el barco.
table(unique(train$Cabin))##
## A10 A14 A16
## 1 1 1 1
## A19 A20 A23 A24
## 1 1 1 1
## A26 A31 A32 A34
## 1 1 1 1
## A36 A5 A6 A7
## 1 1 1 1
## B101 B102 B18 B19
## 1 1 1 1
## B20 B22 B28 B3
## 1 1 1 1
## B30 B35 B37 B38
## 1 1 1 1
## B39 B4 B41 B42
## 1 1 1 1
## B49 B5 B50 B51 B53 B55
## 1 1 1 1
## B57 B59 B63 B66 B58 B60 B69 B71
## 1 1 1 1
## B73 B77 B78 B79
## 1 1 1 1
## B80 B82 B84 B86 B94
## 1 1 1 1
## B96 B98 C101 C103 C104
## 1 1 1 1
## C106 C110 C111 C118
## 1 1 1 1
## C123 C124 C125 C126
## 1 1 1 1
## C128 C148 C2 C22 C26
## 1 1 1 1
## C23 C25 C27 C30 C32 C45
## 1 1 1 1
## C46 C47 C49 C50
## 1 1 1 1
## C52 C54 C62 C64 C65
## 1 1 1 1
## C68 C7 C70 C78
## 1 1 1 1
## C82 C83 C85 C86
## 1 1 1 1
## C87 C90 C91 C92
## 1 1 1 1
## C93 C95 C99 D
## 1 1 1 1
## D10 D12 D11 D15 D17
## 1 1 1 1
## D19 D20 D21 D26
## 1 1 1 1
## D28 D30 D33 D35
## 1 1 1 1
## D36 D37 D45 D46
## 1 1 1 1
## D47 D48 D49 D50
## 1 1 1 1
## D56 D6 D7 D9
## 1 1 1 1
## E10 E101 E12 E121
## 1 1 1 1
## E17 E24 E25 E31
## 1 1 1 1
## E33 E34 E36 E38
## 1 1 1 1
## E40 E44 E46 E49
## 1 1 1 1
## E50 E58 E63 E67
## 1 1 1 1
## E68 E77 E8 F E69
## 1 1 1 1
## F G63 F G73 F2 F33
## 1 1 1 1
## F38 F4 G6 T
## 1 1 1 1sum(train$Cabin != "")## [1] 204Boxplots y su interpretación
Edad de los pasajeros a bordo
Con la primera función obtenemos algunas estadísticas con los datos almacenados en la base de datos relacionados a la edad de los pasajeros a bordo del Titanic.
En el boxplot podemos visualizar en la gráfica como es que se mueven los datos obtenidos del summary, por ejemplo podemos observar que el primer y último cuartil van desde un poco más de 0 hasta 0, pero que la mayoría de nuestros pasajeros estaban entre los 20 y 40 años que se presentan entre el segundo y tercer cuartil.
La mediana de edades de los pasajeros a bordo del Titanic se encuentra representada por la línea más gruesa en el valor 29.7.
summary(train$Age)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.42 20.12 28.00 29.70 38.00 80.00 177boxplot(train$Age, xlab="Edad de los pasajeros a bordo")
Clases en que viajaron los pasajeros a bordo
Con esta gráfica podes observar con mayor claridad la distribución de los pasajeros entre las distintas clases de viaje.
Como se mencionó anteriormente la mayoría de los pasajeros viajaron en 3era clase.
summary(train$Pclass)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 2.000 3.000 2.309 3.000 3.000boxplot(train$Pclass, xlab="Clases en que viajaron los pasajeros a bordo")
Interpretación de la oblicuidad de los datos
Histogramas
Histograma de la edad
Por medio de esta gráfica es mucho más sencillo observar las edades que tenían los pasajeros abordo del Titanic.
Teniendo en cuenta que hay 177 pasajeros de los cuales no conocemos su edad, podemos obervar que 290 pasajeros estaban entre los 20 y 30 años que equivale al 32.54 por ciento del total de pasajeros.
El resto se distribuye en las distintas edades, pero es importante recalcar que el 70 por ciento de los pasajeros se encuentra entre los 0 y 40 años.
hist(na.omit(train$Age),
main = "Histograma de las edades de los pasajeros",
xlab = "Edad",
ylab = "Personas",
labels = TRUE)
Varianza
Varianza de los datos de la edad
El valor de la varianza, es el valor aproximado que hay entre una edad y otra, es decir, que tanto se alejan los datos unos de otros.
sqrt(var(train$Age, na.rm=TRUE))## [1] 14.5265Cuartiles
Cuartiles y rango intercuartil de la edad
Teniendo el total de edades almacenadas en el dataset ordenadas de menor a mayor, se separan en cuatro subconjuntos, cada uno de los puntos que seran cada conjunto es un cuartil.
Es posible observar que entre el primer y tercer cuartil son las edades entre 20 y 38 años, es decir, que la mayoría de los pasajeros estaban entre estas edades.
También es posible observar la edad mínima que es de paroximadamente de 5 meses y la edad máxima de 80 años.
EL rango intercuartil es de 17.875 que es la distancia que existen entre el primer y tercer cuartil.
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.42 20.12 28.00 29.70 38.00 80.00## [1] 17.875Cuartiles y rango intercuartil de la tarifa.
Aquí podemos observar que el primer cuartil se encuentra en 7.91 y el tercer cuartil se encuentra en 31, es decir, la mayoría de los pasajeros pagaron entre 7.91 y 31 libras por su pasaje.
Sin embargo podemos observar que hubo pasajeros quienes no pagaron por el pasaje y quienes pagaron hasta 512.30 libras por el suyo.
El rango intercuartil es de 23.08 que es la distancia que hay entre el primer y tercer cuartil, entre estos cuartiles se encuentra la mayor cantidad de tarifas a las que se vendieron los pasajes.
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 7.91 14.45 32.20 31.00 512.30## [1] 23.0896Correlación
Correlación entre la edad y la tarifa
La correlación entre la edad y la tarifa es de 0.09, si ña correlación es más cercana a 1 quiere decir que es una correlación fuerte y positiva, pero si es más cercana a -1 quiere decir que la correlación es negativa y débil.
En este caso la correlación no está muy alejada del 0 por lo que podemos decir que hay una relación entre los datos un tanto dispareja, en el sentido de que no tienen los mismos comportamientos.
cor(train$Age,train$Fare, use="complete.obs")## [1] 0.09606669Gráficos de Dispersión
Gráfica de dispersión de la edad con respecto a la tarifa.
Gracias a esta gráfica podemos observar facilmente lo que se mencionaba anteriormente respecto a la correlación, pues los datos no tienen una separación clara, o un comportamieto claro unos respecto a los otros.
En otras palabras no están totalmente relacionados, es decir, que a cuanta más edad más caro el pasaje, pero tampoco están totalmente disparejos, es decir, no hay muchas tarifas iguales con distintas edades. En ese sentido podemos decir que están un tanto equilibradas.
Representación de los sobrevivientes respecto a sus clases sociales
Gracias a esta gráfica podemos observar de acuerdo a las clases; primera, segunda y tercera clase, qué cantidad ed cada una de ellas murió y qué cantidad sobrevivió.
Fácilmente podemos obsevar que aquellos que pertenecían a tercera clase fueron los más afectados por la falta de botes salvavidas.
También podríamos hacer un análisis un poco más allá, todos conocemos la historia de este famoso barco, y sabemos que se les dió prioridad a la mujeres que iban a bordo, también sabemos que en tercera clase viajaban mayoritariamente los pasajeros que se hicieron cargo del funcionamiento del barco, por lo que la cantidad de mujeres era menor en esta clase de pasajeros.
Representación de los sobrevivientes respecto al género
Aquí podemos comprobar un poco de lo que se menciona en el gráfico anterior, pues la mayor cantidad de sobrevivientes fue mujer.
Representación de los sobrevivientes con respecto a la embarcación en la que abordaron
C = Cherbourg; Q = Queenstown; S = Southampton
Aquí podemos observar que no hubo tanta distinción entre los lugares de embarcación de los pasajeros, si no que más bien se tuvieron bajar un tanto similares, que variaron principalmente por el total de pasajeros que embarcaron en cada uno de los lugares.
##
## C Q S
## 2 168 77 644