“Arbol Titanic”
José María Durazo Durazo
2022-09-22
Importar dase de datos
base_de_datos <- read.csv("C:\\Users\\chema\\Downloads\\titanic.csv")Entender base de datos
summary(base_de_datos)## pclass survived name sex
## Min. :1.000 Min. :0.000 Length:1309 Length:1309
## 1st Qu.:2.000 1st Qu.:0.000 Class :character Class :character
## Median :3.000 Median :0.000 Mode :character Mode :character
## Mean :2.295 Mean :0.382
## 3rd Qu.:3.000 3rd Qu.:1.000
## Max. :3.000 Max. :1.000
##
## age sibsp parch ticket
## Min. : 0.1667 Min. :0.0000 Min. :0.000 Length:1309
## 1st Qu.:21.0000 1st Qu.:0.0000 1st Qu.:0.000 Class :character
## Median :28.0000 Median :0.0000 Median :0.000 Mode :character
## Mean :29.8811 Mean :0.4989 Mean :0.385
## 3rd Qu.:39.0000 3rd Qu.:1.0000 3rd Qu.:0.000
## Max. :80.0000 Max. :8.0000 Max. :9.000
## NA's :263
## fare cabin embarked boat
## Min. : 0.000 Length:1309 Length:1309 Length:1309
## 1st Qu.: 7.896 Class :character Class :character Class :character
## Median : 14.454 Mode :character Mode :character Mode :character
## Mean : 33.295
## 3rd Qu.: 31.275
## Max. :512.329
## NA's :1
## body home.dest
## Min. : 1.0 Length:1309
## 1st Qu.: 72.0 Class :character
## Median :155.0 Mode :character
## Mean :160.8
## 3rd Qu.:256.0
## Max. :328.0
## NA's :1188Filtrar base de datos
titanic <- base_de_datos[,c("pclass", "age", "sex", "survived")]
titanic$survived <- as.factor (ifelse(titanic$survived==0,"Muerto","Sobreviviente"))
titanic$pclass <- as.factor (titanic$pclass)
titanic$sex <- as.factor(titanic$sex)
str(titanic)## 'data.frame': 1309 obs. of 4 variables:
## $ pclass : Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
## $ age : num 29 0.917 2 30 25 ...
## $ sex : Factor w/ 2 levels "female","male": 1 2 1 2 1 2 1 2 1 2 ...
## $ survived: Factor w/ 2 levels "Muerto","Sobreviviente": 2 2 1 1 1 2 2 1 2 1 ...sum(is.na(titanic))## [1] 263titanic <- na.omit(titanic)Crear arbol de decisión
library(rpart)
arbol <- rpart(formula = survived ~ ., data = titanic )
arbol## n= 1046
##
## node), split, n, loss, yval, (yprob)
## * denotes terminal node
##
## 1) root 1046 427 Muerto (0.59177820 0.40822180)
## 2) sex=male 658 135 Muerto (0.79483283 0.20516717)
## 4) age>=9.5 615 110 Muerto (0.82113821 0.17886179) *
## 5) age< 9.5 43 18 Sobreviviente (0.41860465 0.58139535)
## 10) pclass=3 29 11 Muerto (0.62068966 0.37931034) *
## 11) pclass=1,2 14 0 Sobreviviente (0.00000000 1.00000000) *
## 3) sex=female 388 96 Sobreviviente (0.24742268 0.75257732)
## 6) pclass=3 152 72 Muerto (0.52631579 0.47368421)
## 12) age>=1.5 145 66 Muerto (0.54482759 0.45517241) *
## 13) age< 1.5 7 1 Sobreviviente (0.14285714 0.85714286) *
## 7) pclass=1,2 236 16 Sobreviviente (0.06779661 0.93220339) *library(rpart.plot)
rpart.plot(arbol)
prp(arbol,extra=7,prefix="fraccion/n")
#Conclusión Por medio de un diagrama de “Arbol de decisión” podemos observar los factores que influyeron en la supervivencia de los integrantes del Titanic.
41% de los pasajerosn del titanic sobrevivieron. Siendo mujer se tenia un 75% de probavilidad de sobrevivir, la cual aumentaba a 93% si no pertenecias a la tercera clase. Siendo de tercera clase, tus posibilidades de sobrevivir eran optimas si eras niña con menos de 1.5 años, siendo su posibilidad de sobrevivir de 86%. En cuanto a los hombres, todos los niños menores de 9.5 años sobrevivieron.
Con esta herramienta podemos establecer estrategias basadas en estadistica para distintos proyectos dentro de una empresa.