Titanic

TITANIC

Eduardo Duro Pérez
M. Teresa Megías Cantero

ÍNDICE

1. Introducción…………………………………………………………………3
2. Metodología……….…………………………………………………………4
3. Análisis:
I.

Ajuste del modelo…….………………………………………....6
a)

Modelo regresión logística simple

b)

Regresión por pasos

c)

Modelo

regresión

logística

con

interacciones
II.

Análisis del modelo………………………..……………………7

III.

Validación delmodelo…………………………………………8
a)

Capacidad de predicción

b)

Elección del punto de corte

c)

Comparación

entre

la

muestra

de

estimación y validación
d)

Evaluación del punto de corte sobre la

muestra de valoración
IV.

Pronóstico de las observaciones……………………....10

4. Resultados…………………………………………………………..………12
5. Conclusiones y recomendaciones………………………………13
6. Bibliografía…………………………………………………………………14

2

1.Introducción
El estudio que vamos a llevar a cabo es en relación al hundimiento del Titanic, ocurrido
en el 1.912, para ello disponemos de 1.046 sujetos, pero de 46 de ellos no se conoce si
sobrevivieron, por lo que vamos a trabajar con las primeras mil observaciones, 500 para
la estimación y 500 para la validación. Lo que pretendemos con este estudio es ajustar
un modelo de regresión logística queexplique la variable sobrevivir en relación al resto
de variables.
Se han llevado a cabo diversos estudios relacionados con este tema, de los cuáles nos
hemos podido apoyar en los resultados y datos de uno de ellos para llevar a cabo
nuestro estudio.
Los datos se obtuvieron del fichero titanic.rda, en el que ya se recoge información sobre
diferentes variables de interés para nuestro estudio, así comoinformación sobre si
sobrevivieron o no.

3

2. Metodología
Estos datos están relacionados con la supervivencia de los pasajeros del Titanic en el
hundimiento de 1.912. Los datos se obtuvieron del fichero titanic.rda en el que ya se
recoge la información para determinar cómo la variable “sobrevivio” depende de las
otras variables medidas en el estudio.
El número de casos son 1.046, el total de lospasajeros que componían dicho barco en el
momento del hundimiento, de los que sólo vamos a utilizar 1.000 puesto que de los
otros 46 no conocemos si sobrevivieron o no.
Las variables son:
1. Y→Sobrevivió: Listado de supervivientes y muertos en el hundimiento,
variable cualitativa dicotómica numeral. (0 = No, 1 = Sí).
2. x1→ Sexo: Género de los pasajeros. (0 = Hombre, 1 = Mujer).
3. x2→ Edad: Edadde los pasajeros en años.
4. x3→ Clase: Clase en la que viajaban los pasajeros. (0 = primera, 1 = segunda, 2
= tercera).
Se consideró la clase primera como referencia ya que se espera que ésta tenga el mayor
índice de supervivencia.
De igual forma, se consideró como referencia a la mujer para el sexo.
Todo el estudio ha sido realizado con el programa estadístico R, en concreto, con la
pantalla deRcmdr.
Puesto que queremos ajustar un modelo de regresión logística que nos explique la
supervivencia (la variable dependiente) con respecto a las otras 3 variables, lo primero
que hacemos es ajustar el modelo.
Para ello hemos utilizado un modelo de regresión logística sobre la muestra de
estimación (las 500 primeras observaciones del fichero).
Hemos ajustado un modelo simple y otro coninteracciones para contrastar la
introducción de estas.
La regresión logística es una de las herramientas estadísticas con mejor capacidad para
el análisis de datos en investigación clínica y epidemiología, de ahí su amplia
utilización.
El objetivo primordial que resuelve esta técnica es el de modelar cómo influye en la
probabilidad de aparición de un suceso, habitualmente dicotómico, la presencia o no dediversos factores y el valor o nivel de los mismos.
Mediante la regresión por pasos, hemos observado las variables significativas en
nuestro modelo, el método utilizado ha sido backward/forward, que consiste en

4

empezar con todas las variables e ir eliminando aquella que minimice el AIC = Criterio
de Información de Akaike.
Posteriormente, ya seleccionado el modelo hemos realizado el...