Analiza danych pasażerów Titanica¶

No description has been provided for this image

Cel analizy¶

Które cechy pasażerów — płeć, klasa biletu, wiek i port wejścia na pokład — były najsilniej związane z przeżyciem katastrofy?¶

Zbiór danych zawiera informacje o pasażerach RMS Titanic, który zatonął 15 kwietnia 1912 roku po zderzeniu z górą lodową. Dane obejmują takie atrybuty jak klasa podróży, wiek, płeć, liczba rodzeństwa/małżonków na pokładzie, liczba rodziców/dzieci na pokładzie, cena biletu oraz miejsce zaokrętowania.

Zbiór zawiera także informację o tym, czy pasażer przeżył katastrofę.

Titanic przewoził ponad 2,200 osób, z czego ponad 1,500 zginęło, co czyni tę katastrofę jedną z najbardziej tragicznych w historii morskiej.

Kolumny:

pclass - Klasa biletu
survived - Czy pasażer przeżył katastrofę
name - Imię i nazwisko pasażera
sex - Płeć pasażera
age - Wiek pasażera
sibsp - Liczba rodzeństwa/małżonków na pokładzie
parch - Liczba rodziców/dzieci na pokładzie
ticket - Numer biletu
fare - Cena biletu
cabin - Numer kabiny
embarked - Port, w którym pasażer wszedł na pokład (C = Cherbourg, Q = Queenstown, S = Southampton)
boat - Numer łodzi ratunkowej
body - Numer ciała (jeśli pasażer nie przeżył i ciało zostało odnalezione)
home.dest - Miejsce docelowe

Zbiór zawiera 1309 rekordów oraz 14 kolumn.¶

Dane obejmują 2 płcie, 3 klasy biletów¶

oraz informację, czy pasażer przeżył katastrofę.

Krok 1: Ogólny przegląd danych¶

Spostrzeżenia¶

Zbiór zawiera 1309 rekordów i 14 kolumn.
Dane dotyczą pasażerów trzech klas biletowych.
W zbiorze jest 843 mężczyzn i 466 kobiet.
Katastrofę przeżyło 500 osób (38,2%), a 809 osób (61,8%) nie przeżyło.
Średni wiek pasażerów wynosi około 30 lat.

Krok 2: Brakujące wartości¶

Spostrzeżenia¶

Najwięcej braków występuje w kolumnach body (90,8%), cabin (77,5%) i boat (62,9%).
Kolumna age, ważna dla dalszej analizy, ma braki dla około 20% pasażerów.
Braki w fare i embarked są marginalne — po około 0,2%.
Kolumny body oraz boat dotyczą zdarzeń po katastrofie, dlatego nie będą używane do analizy czynników związanych z przeżyciem.
W dalszej części analizy brakujący wiek uzupełnimy medianą obliczoną osobno dla grup płci i klas biletowych.

Krok 3: Analiza pojedyńczych kolumn:¶

1. Przeżywalność¶

2. Podział na klasy¶

Ciekawostka historyczna: rozmieszczenie ocalałych w łodziach ratunkowych¶

Wykres pokazuje skład pasażerów przypisanych do poszczególnych łodzi ratunkowych. Jest to analiza uzupełniająca — numer łodzi był znany dopiero po katastrofie, dlatego nie używamy go do oceny czynników wpływających na przeżycie.

Spostrzeżenia¶

Przeżywalność¶

Katastrofę przeżyło 38,2% pasażerów.
Najwyższą przeżywalność odnotowano w klasie pierwszej (61,9%), a najniższą w klasie trzeciej (25,5%).
Kobiety przeżywały zdecydowanie częściej niż mężczyźni.
Najwyższy odsetek ocalałych wystąpił wśród dzieci do 12 lat (56,0%).
Wśród portów wejścia na pokład najwyższą przeżywalność mieli pasażerowie z Cherbourga (55,6%). Ten wynik może być częściowo związany z innym składem pasażerów, np. większym udziałem osób z pierwszej klasy.

Podział na klasy¶

We wszystkich klasach mężczyźni stanowili większość; największy ich udział wystąpił w klasie trzeciej (69,5%).
Pasażerowie pierwszej klasy byli przeciętnie starsi niż pasażerowie klas drugiej i trzeciej.
Średnia cena biletu malała wraz z klasą: 87,5 w klasie pierwszej, 21,2 w drugiej i 13,3 w trzeciej.

Krok 4: Trasformacje¶

Liczba wykrytych wartości odstających: 171

Krok 5: Relacje¶

Spostrzeżenia¶

Najsilniejsza zależność występuje między płcią a przeżyciem (r = 0,53). Ponieważ female = 1, oznacza to, że kobiety częściej przeżywały katastrofę.
Klasa biletu i cena biletu są umiarkowanie ujemnie skorelowane (r = -0,56): niższy numer klasy oznaczał wyższy standard podróży i przeciętnie wyższą cenę biletu.
Pozostałe zależności są słabe lub umiarkowane.

Krok 6: Wartości odstające¶

Spostrzeżenia¶

Wiek zawiera pojedyncze wartości odstające, lecz mieszczą się one w realistycznym zakresie od 0 do 80 lat.
Najwięcej wartości odstających występuje w cenie biletu. Są to przede wszystkim bardzo drogie bilety, głównie w klasie pierwszej.
Nie usunięto tych obserwacji, ponieważ przedstawiają rzeczywiste różnice w cenie i standardzie podróży.

Podsumowanie końcowe¶

1. Zakres danych i ich jakość¶

Analiza obejmuje 1309 pasażerów i 14 pierwotnych kolumn.
Katastrofę przeżyło 500 osób, czyli 38,2% pasażerów w zbiorze.
Najwięcej braków dotyczy kolumn body, cabin, boat oraz home.dest.
Brakujące wartości wieku uzupełniono medianą wyznaczoną w grupach płci i klas biletowych.

2. Czynniki związane z przeżyciem¶

Płeć była najsilniej związana z przeżyciem: korelacja między płcią a przeżyciem wyniosła r = 0,53. Kobiety przeżywały znacznie częściej niż mężczyźni.
Klasa biletu była wyraźnie powiązana z przeżywalnością: w pierwszej klasie przeżyło 61,9% pasażerów, a w trzeciej 25,5%.
Najwyższy odsetek ocalałych wystąpił wśród dzieci do 12 lat — 56,0%.
Wśród portów wejścia na pokład najwyższą przeżywalność odnotowano w Cherbourgu — 55,6%. Wynik może być związany z różnym składem pasażerów w portach, np. udziałem osób z pierwszej klasy.

3. Klasa podróży i cena biletu¶

W każdej klasie było więcej mężczyzn niż kobiet; największy udział mężczyzn wystąpił w klasie trzeciej.
Pasażerowie pierwszej klasy byli przeciętnie starsi niż pasażerowie klas drugiej i trzeciej.
Średnia cena biletu wyniosła 87,5 w klasie pierwszej, 21,2 w drugiej i 13,3 w trzeciej.
Cena biletu i klasa są umiarkowanie ujemnie skorelowane (r = -0,56), ponieważ niższy numer klasy oznaczał wyższy standard podróży.
Przeżywalność rosła wraz z klasą ceny biletu: od 22,8% dla najtańszej grupy do 58,5% dla najdroższej.

4. Relacje i wartości odstające¶

Poza płcią, klasą biletu i ceną nie występują silne zależności liniowe między analizowanymi cechami.
Najwięcej wartości odstających występuje w cenie biletu; dotyczą one przede wszystkim bardzo drogich biletów w klasie pierwszej.
Wartości odstających nie usunięto, ponieważ opisują rzeczywiste różnice w kosztach i standardzie podróży.

5. Analiza uzupełniająca: informacje po katastrofie¶

Dane o łodziach ratunkowych pokazują skład pasażerów przypisanych do poszczególnych łodzi według klasy podróży.
Informacja o kabinie jest najczęściej dostępna dla pasażerów pierwszej klasy, lecz kolumna cabin zawiera liczne braki.
Informacja o odnalezieniu ciała również jest niepełna i dotyczy zdarzeń po katastrofie.
Dane o łodziach, kabinach i ciałach są wartościowe historycznie, ale nie są używane do oceny czynników związanych z przeżyciem, ponieważ opisują skutki katastrofy lub mają znaczną liczbę braków.

Wniosek¶

Największe różnice w przeżywalności wiążą się z płcią, klasą biletu, wiekiem oraz ceną biletu. Analiza pokazuje zależności w zbiorze danych, ale sama nie dowodzi bezpośrednich przyczyn przeżycia.