Primeiro, aqui temos a base de dados:

load("~/Konoue/Estudo/Faculdade/R Project/Base_de_dados-master/Titanic.RData")

Em seguida temos um resumo de todos os dados:

summary(Titanic)
##         Classe        Idade             Sexo               Sobreviveu  
##  Tripulação:885   criança: 109   Feminino : 470   Não sobreviveu:1490  
##  Primeira  :324   adulto :2091   Masculino:1730   Sobreviveu    : 710  
##  Segunda   :285                                                        
##  Terceira  :706

Segue abaixo a tabela de contigência:

library(dplyr)
## 
## 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
Tabela1 <- Titanic %>% select(Sexo, Sobreviveu) %>% table ()
Tabela1
##            Sobreviveu
## Sexo        Não sobreviveu Sobreviveu
##   Feminino             126        344
##   Masculino           1364        366

Aqui podemos ver que das 470 pessoas do sexo feminino, 126 não sobreviveram, e 344 conseguiram sobreviver.

Enquanto das 1730 pessoas do sexo masculino, 1364 pessoas não conseguiram sobreviver e apenas 366 conseguiram sobreviver ao acidente.

Agoras temos as tabelas de proporções:

round(prop.table(Tabela1,1)*100,1)
##            Sobreviveu
## Sexo        Não sobreviveu Sobreviveu
##   Feminino            26.8       73.2
##   Masculino           78.8       21.2

Nesta tabela temos as propoções na linha, em outras palavras, do sexo feminino, 26,8% não sobreviveram enquanto 73,2% conseguiram sobreviver.

E no sexo masculino, vemos que 78,8% das pessoas não sobreviveram, e apenas 21,2% conseguiram sobreviver.

round(prop.table(Tabela1,2)*100,1)
##            Sobreviveu
## Sexo        Não sobreviveu Sobreviveu
##   Feminino             8.5       48.5
##   Masculino           91.5       51.5

Agora nesta tabela representa a porcentagem da coluna, ou seja, dentre das pessoas que não sobreviveram, 8,5% era pessoas do sexo feminino e 91,5% do sexo masculino.

Assim como também vemos que das pessoas que conseguiram sobreviver, 48,5% faziam parte do sexo feminino e 51,5% são do sexo masculino.

Com isso podemos observar que o sexo masculino, por sua grande numerosidade, foi tanta a parcela onde houve mais perdas quanto também acabou sabendo a parcela que mais compõe os sobrevivente.

Segue abaixo o gráfico sobre as duas variáveis:

barplot(Tabela1, beside = TRUE, col=c("skyblue", "firebrick"),
        main = "análise bivariada", horiz = TRUE, legend = TRUE)

Aqui no gráfico podemos ver de forma mais clara a diferença entre as variáveis. Onde temos nas pessoas que sobreviveram, uma diferença pequena entre a variável sexo, onde tiveram números de sobreviventes próximos do sexo masculino e feminino.

Já na parte das pessoas que não sobreviveram, podemos ver a grande diferença, onde o números de pessoas que morreram no acidente do sexo masculino foi um número muito maior do que o número de pessoas que morreram do sexo feminino.