Taller1

El archivo titanic.csv brinda informaci´on de 891 pasajeros que se encontraban en el barco Titanic el d´ıa del tragedia. la base de datosd considera la siguientes; Supervivencia, clase de boleto, Edad en a˜nos de hermanos/c´onyuges a bordo del Titanic, de padres/hijos a bordo del Titanic, entre otras.

1. Carga el archivo suministrado titanic.cvs

## importamos los datos
titanic1 <- read_csv("titanic (1).csv")
glimpse(titanic1)

## Rows: 891
## Columns: 12
## $ PassengerId <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,…
## $ Survived    <dbl> 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1…
## $ Pclass      <dbl> 3, 1, 3, 1, 3, 3, 1, 3, 3, 2, 3, 1, 3, 3, 3, 2, 3, 2, 3, 3…
## $ Name        <chr> "Braund, Mr. Owen Harris", "Cumings, Mrs. John Bradley (Fl…
## $ Sex         <chr> "male", "female", "female", "female", "male", "male", "mal…
## $ Age         <dbl> 22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 39, 14, …
## $ SibSp       <dbl> 1, 1, 0, 1, 0, 0, 0, 3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0…
## $ Parch       <dbl> 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0…
## $ Ticket      <chr> "A/5 21171", "PC 17599", "STON/O2. 3101282", "113803", "37…
## $ Fare        <dbl> 7.2500, 71.2833, 7.9250, 53.1000, 8.0500, 8.4583, 51.8625,…
## $ Cabin       <chr> NA, "C85", NA, "C123", NA, NA, "E46", NA, NA, NA, "G6", "C…
## $ Embarked    <chr> "S", "C", "S", "S", "S", "Q", "S", "S", "S", "C", "S", "S"…

Observamos que algunas variables no corresponden a tipo de datos, como lo son: Survived,Pclass, Sex, sibsp, Parch, Embarked, Cabin. Las cuales deberias se consideradas como factores.

titanic1$Survived <- as.factor(titanic1$Survived)
titanic1$Pclass <- as.factor(titanic1$Pclass)
titanic1$Sex <- as.factor(titanic1$Sex) 
titanic1$SibSp <- as.factor(titanic1$SibSp)
titanic1$Parch <- as.factor(titanic1$Parch)
titanic1$Embarked <- as.factor(titanic1$Embarked)
titanic1$Cabin <- as.factor(titanic1$Cabin)

1.1 Valores ausentes.

valores_ausentes <- sapply(titanic1, function (x) sum(is.na(x))/length(x)  )
valores_ausentes <- valores_ausentes[valores_ausentes>0]

q1 <- ggplot() + geom_bar(aes(x=names(valores_ausentes),
                              y=valores_ausentes),
                          stat = "identity",show.legend = F,
                          width = 0.7,
                          fill = "orange")

q1 + scale_y_continuous(limits =c(0,0.8),
                        labels = function(x) paste(x*100,"%"),
                        expand = c(0,0)) + 
  xlab("Variables") + ylab("Porcentaje")+
  ggtitle("Valores ausentes") + theme_linedraw() 

2. Calcular y mostrar el valor de la media y la mediana de las edades de las personas que viajaban en el barco y sobrevivieron.

t1 <- titanic1 %>% 
  select(Survived,Age)  %>% 
  filter(Survived == 1) %>% 
  summarise(media = mean(na.omit(Age)),
            mediana = median(na.omit(Age)))

row.names(t1) <- c("Edad")
t1 %>% kable(digits = 2,caption = "Edad",align = c("c","c")) %>% kable_styling(position = "c")

Edad

media	mediana
28.34	28

3. Mostrar la cantidad de personas que viajaban en el barco en cada una de las tres clases

t2 <- titanic1 %>%   
  group_by(Pclass) %>%
  summarise(cantidad = n())

t2 %>% 
  kable(align = c("l","c"),
        caption = "Cantidad de personas que viajaban en cada clase") %>%
  kable_styling(position = "c")

Cantidad de personas que viajaban en cada clase

Pclass	cantidad
1	216
2	184
3	491

4. Mostrar la cantidad de personas que viajaban en el barco en cada una de las tres clases dicriminando por sobrevivientes y no sobrevivientes.

t4 <- titanic1 %>% 
  group_by(Pclass,Survived) %>% 
  summarise(Cantidad = n())

t4 %>% 
  kable(align = c("c","c","c")) %>%
  kable_styling(position = "c")

Pclass	Survived	Cantidad
1	0	80
1	1	136
2	0	97
2	1	87
3	0	372
3	1	119

5. Calular y mostrar el valor del tiquete mas economico, mas costoso y el valor promedio.

titanic1 %>% 
  summarise(masEconomico = min(Fare) ,
            masCostoso = max(Fare),
            Promedio = mean(Fare) )

## # A tibble: 1 × 3
##   masEconomico masCostoso Promedio
##          <dbl>      <dbl>    <dbl>
## 1            0       512.     32.2

Segun la informacion el valor minimo del costo del tikete es 0, valor que genera confucion, probablemente puede que este valor represente una invitacion o simplemente que son valores ausentes.

titanic1 %>% 
  filter(Fare>0) %>%  
  summarise(masEconomico = min(Fare) ,
            masCostoso = max(Fare), 
            Promedio = mean(Fare) )

## # A tibble: 1 × 3
##   masEconomico masCostoso Promedio
##          <dbl>      <dbl>    <dbl>
## 1         4.01       512.     32.8

6. Realice un diagrama de barras (barplot) que permita visualizar la cantidad de personas por genero.

titanic1 %>%  
  ggplot(aes(x=Sex,fill="Orange")) +
  geom_bar(stat = "count",width = 0.5,
           fill = "Orange") +
  theme_linedraw()+
  xlab("Sexo")+
  scale_y_continuous(limits = c(0,600) , expand = c(0,0))

7. Realice un diagrama de barras (barplot) que permita visualizar la cantidad de personas por tipo de tiquete.

titanic1 %>% ggplot(aes(x=Pclass)) + geom_bar(stat = "count")

8. Realice un diagrama de caja (boxplot) con los datos de las edades. ¿Cu´al es su interpretaci´on a lo visualizado en el gr´afico?

titanic1 %>% ggplot(aes(y=Age,x="Edad")) + geom_boxplot() +geom_jitter()

plot(density(titanic1$Age,na.rm = T))

shapiro.test( na.omit(titanic1$Age) )

## 
##  Shapiro-Wilk normality test
## 
## data:  na.omit(titanic1$Age)
## W = 0.98146, p-value = 7.337e-08