<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Hugo Moraes on Medium]]></title>
        <description><![CDATA[Stories by Hugo Moraes on Medium]]></description>
        <link>https://medium.com/@hugolmcf?source=rss-11d945d9ca21------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*p51s7ZJju1iIh2XC.jpg</url>
            <title>Stories by Hugo Moraes on Medium</title>
            <link>https://medium.com/@hugolmcf?source=rss-11d945d9ca21------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 16:11:06 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hugolmcf/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Explorando os dados do Titanic com a linguagem R]]></title>
            <link>https://medium.com/@hugolmcf/explorando-os-dados-do-titanic-com-a-linguagem-r-995b93746c10?source=rss-11d945d9ca21------2</link>
            <guid isPermaLink="false">https://medium.com/p/995b93746c10</guid>
            <category><![CDATA[titanic]]></category>
            <category><![CDATA[r-language]]></category>
            <category><![CDATA[eda]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Hugo Moraes]]></dc:creator>
            <pubDate>Sat, 04 Jul 2020 21:04:05 GMT</pubDate>
            <atom:updated>2020-07-04T21:19:47.042Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*L3TZHt2gbgemzsw_rASkyA.jpeg" /></figure><h3>História</h3><p>O <strong>RMS <em>Titanic</em></strong> foi um navio britânico criado para fazer viagens transatlânticas. Uma conquista incrível para engenharia. O seu <strong>naufrágio</strong> ocorreu entre a noite de 14 de abril e a manhã do dia seguinte, de<strong> 1912 </strong>no <a href="https://pt.wikipedia.org/wiki/Oceano_Atl%C3%A2ntico">Atlântico Norte</a>, quatro dias após o início de sua viagem inaugural.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/1*8PTWdSwUMHro5G7cFlNXOg.gif" /><figcaption>Figura 2- <strong>RMS <em>Titanic</em></strong></figcaption></figure><p>Existe uma base de dados, que encontra-se no site <a href="https://www.kaggle.com/">Kaggle</a>,com informações a cerca de uma fração dos passageiros que estavam na embarcação e estas serão usadas para nosso estudo.</p><p>https://www.kaggle.com</p><h3>O que será feito ?</h3><p>Será investigado os dados, por meio de <strong>Exploratory Data Analysis</strong> (<strong>EDA</strong>).</p><blockquote>EDA consiste em um proscedimento para analisar conjuntos de dados com o objetivo de <strong>resumir suas principais características</strong>, geralmente por<strong> métodos visuais</strong>.</blockquote><h3>Pacotes</h3><p>Para fazer a análise dos dados os pacotes serão usados:</p><p>library(“tidyverse”)<br>library(“readxl”)<br>library(“DataExplorer”)</p><h3>Importando os dados</h3><p>A linguagem R fornece uma série de formas para fazer importação dos dados. Dessa forma, a função foi usada:</p><p><em>df_titanic &lt;- read_excel(“DadosTitanic.xlsx”,1)</em></p><h3>Descrição das variáveis</h3><p>Nesse banco de dados, existem 11 variáveis, nas quais são:</p><ul><li><strong>survival</strong>: variável binária que representa se o indivíduo sobreviveu (1) ou não (0);</li><li><strong>pclass</strong>: em qual classe ele estava alojado;</li><li><strong>name</strong>: nome do passageiro;</li><li><strong>sex</strong>: gênero do passageiro;</li><li><strong>age</strong>: idade do passageiro;</li><li><strong>sibsp</strong>: número de esposos e/ou irmãos à bordo;</li><li><strong>parch</strong>: número de pais ou filhos à bordo;</li><li><strong>ticket</strong>: número da passagem;</li><li><strong>fare</strong>: preço pago pela passagem;</li><li><strong>cabin</strong>: número da cabine em que estava alojado;</li><li><strong>embarked</strong>: cidade em que embarcou.</li></ul><h3>Arrumando os dados</h3><p>Nessa seção os dados serão arrumados, coma as funções do pacote dplyr, que encontram-se no pacote tidyverse.</p><p>Inicialmente serão escolhidas variáveis para o estudo.Somente algumas serão utilizadas, portanto:</p><p>df &lt;- df %&gt;% <strong>select</strong>( pclass,survived,sex,age)</p><p>Para faciliar a leitura das variáveis, estas serão renomeadas.</p><p>df &lt;- df %&gt;% <strong>rename</strong>(classe = pclass, Sobrevivencia = survived, sexo= sex,<br> idade= age)</p><p>As informações da variável classe estão como tipo númerica: 1,2 e 3. Uma forma mais adequada de mostrá-la como primeiro, segunda e terceira:</p><p>df_titanic &lt;- df_titanic %&gt;% <strong>mutate</strong>(</p><p>classe =<strong> case_when</strong>(classe == 1 ~”primeira”,<br> classe == 2 ~ “segunda”,<br> classe == 3 ~ “terceira”))</p><p>A variável Sobrevivencia está como 0 ou1 e será substituida por sim e não:</p><p>df_titanic &lt;- df_titanic %&gt;% <br><strong>mutate</strong>( Sobrevivencia = <strong>case_when</strong>( Sobrevivencia == 1 ~”sim”,<br>Sobrevivencia == 0 ~ “não”))</p><p>O gênero será modificado para português:</p><p>df &lt;- df %&gt;% <br> mutate( sexo = case_when sexo == “female” ~”Feminino”,<br> sexo == “male” ~ “Masculino”))</p><p>Para saber o tipo de cada variável e a porcentagens de valores faltantes é utilizado o código.</p><p>create_report(df)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/695/1*gp_4FYWfR-BpzSSVVBoXkQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/770/1*-u4-A5yMP-PZDqPz-DpGzw.png" /></figure><p>A idade possui 20.09% dos valores dos seus valores como faltantes. Portanto eles serão substituidos por seu valor médio:</p><p>df &lt;- df %&gt;% <br><strong> mutate</strong>(idade = <strong>replace</strong>(idade, is.na(idade), mean(idade,na.rm=TRUE)))</p><h3>Formulando perguntas</h3><p>Antes de começar a análise, é uma <strong>boa prática</strong> <strong>formular perguntas sobre o problema,</strong> para limitar a quantidade de caminhos possíveis na análise, deixando o proscedimento mais objetivo. Mais quais serão as perguntas mais relevantes?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/499/0*otgl_ecYuREZG8xb.gif" /></figure><p>Bem, elas precisam fazer sentido para o problema. Não existe receita de bolo. Escolhi as perguntas que considerei mais importantes, que foram:</p><ol><li>Existiam mais pessoas de qual classe?</li><li>Mais pessoas morreram ou sobreviveram?</li><li>Havia mais pessoas de qual sexo?</li><li>A distribuição de idade dos passageiros segue uma curva normal?</li><li>Qual o sexo morreu mais passageiros?</li><li>Qual classe morreu mais passageiros?</li><li>Houve diferença discrepante entre a idade de quem morreu e sobrevivel?</li></ol><p>As quatro primeiras perguntas são respondidas com duas linha de código. As funções são do pacote DataExporer.</p><p>plot_bar(df)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/645/1*5yE5IzfvxRElgyx3JtnTAQ.png" /></figure><p>plot_density(df, geom_density_args = list(“fill” = “black”, “alpha” = 0.6))</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/488/1*y6IxQjk3ffTnX-GyWbpnEA.png" /></figure><p>Nas demais, serão usadas as funções do pacote ggplot2:</p><p>df %&gt;%<br>ggplot(aes(x =sexo, fill=Sobrevivencia)) +<br>geom_bar() + labs( title = “Sexo x mortes”, x = “Sexo”, y = “Total”)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*0LNulNYXXmYls1asDJBixA.png" /></figure><p>df %&gt;%<br> ggplot(aes(x = classe, fill=Sobrevivencia)) + <br> geom_bar()+<br> labs(title = “Classe x mortes”, x = “Classe”, y = “Total”)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/488/1*dBl-IEXLoDGElrQaN4M8LQ.png" /></figure><p>df %&gt;%<br>ggplot(aes(x = idade, y =Sobrevivencia,color=Sobrevivencia)) +<br> geom_boxplot()+ coord_flip()+<br> labs(title = “Idade x mortes”, x = “Idade”, y = “Total”)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/488/1*a2qn6M788ovru1NPOg5OKg.png" /></figure><h4>Respostas das perguntas</h4><ol><li>Terceira classe.</li><li>A maioria dos passageiros morreram.</li><li>Haviam mais homens.</li><li>Não segue uma distribuição normal.</li><li>Morreu mais homens.</li><li>Houve mais mortes na terceira classe.</li><li>Não houve discrepância entre as idades de quem morreu e sobrevivel.</li></ol><h3>Considerações finais</h3><p>Como usuário de excel tive uma boa impressão da linguagem R, devido sua facilidade de criar vizualizações. Também o que o fato de ele apresentar uma característica mais funcional ajudou na minha velocidade de aprendizado, já que no excel problemas são resolvidos com funções.</p><p>Referencias:</p><p><a href="https://pt.wikipedia.org/wiki/Naufr%C3%A1gio_do_RMS_Titanic">Naufrágio do RMS Titanic</a></p><p><a href="https://www.vox.com/2015/4/14/8416475/titanic-size-chart">https://www.vox.com/2015/4/14/8416475/titanic-size-chart</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=995b93746c10" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>