더보기...
스토리를 전달하는 방식은 JMP를 넘어 JMP의 분석 및 보고서를 사용합니다. 이것은 @Telefonica가 분석 결과를 다른 보고서에도 통합해야 하기 때문입니다. Titanic 데이터 세트를 기반으로 정보에 입각한 그래프가 어떻게 보이는지 더 잘 알아보려면 다음을 수행할 수 있습니다. 이 소책자를 읽기 시작하십시오
인생은 지저분하고 데이터도 마찬가지입니다
우리는 이것이 쉬울 것이라고 생각했습니다. 그렇지 않았습니다. 처음에는 JMP "internet Open" 데이터 스크래퍼(ImportScript.jsl 첨부)가 잘 작동했지만 현실은 항상 그렇듯이 더 까다롭습니다. 데이터가 (서로 다른 소스 간에) 일관성이 없다는 것을 발견했습니다. 누락된 데이터.
(참고: 타이타니카 백과사전에서 다운로드 규칙을 변경했습니다. 불행히도 이제 전체 데이터를 얻으려면 구독해야 합니다. 해당 스크립트를 사용하면 이름, 나이, 클래스/부서 및 사진에 대한 링크만 제공됩니다. 철저한 분석을 위한 정보가 너무 적습니다. 전체 데이터 세트에는 훨씬 더 많은 정보가 포함되어 있으며 곧 여기에 포함할 예정입니다.)
우리는 관계형 데이터베이스의 TRIPLET 일반 형식을 준수하는 "깔끔한 데이터"를 위해 노력합니다.
- 각 변수는 열을 형성합니다.
- 각 관찰은 행을 형성합니다.
- 각 유형의 관찰 단위는 테이블을 형성합니다. .
Recode와 같은 JMP의 기능이나 조인, 연결 등과 같은 데이터 테이블 도구를 사용해도 데이터 품질을 수정하는 데 몇 달이 걸렸습니다. 주로 이름과 ID가 항상 정확하게 일치하는 것은 아니며 일부 사람들은 탑승해야 했지만 그렇지 않았기 때문에 데이터 자체가 올바른 일치를 위해 수동으로 증명되어야 했기 때문입니다. 그리고 우리의 목표는 추가 분석을 위한 기반으로 매우 견고한 데이터 테이블을 얻는 것이었습니다.
거대한 재난에 대한 고전적 관점: 부자, 여성, 어린이는 살아남았다
타이타닉 재해에 대해 생각할 때 마음에 떠오른 처음 두 가지는 무엇인지 마음 속에 짧은 목록을 만드십시오. 아마도 부자, 여성, 어린이와 같은 것이 살아남았을까요? 번거로운 데이터 준비 작업을 마친 후 이제 JMP의 환상적인 탐색적 데이터 분석 도구를 사용하여 생존율의 주요 동인을 이해할 수 있습니다.
먼저 우리는 RIP나 살아남은 사람들의 나이 분포에 큰 차이가 없다고 봅니다. 더 자세히 살펴보고 클래스와 여성/어린이/남성 분할을 살펴보겠습니다. 여성과 상급자는 생존율이 더 좋습니다. 더 깊이 파헤쳐 보자. 모든 여성과 어린이에게 이것은 사실이 아닙니다. 3 등석은 생존율이 더 나쁩니다. 성별, 연령, 재산의 간단한 모델을 사용하면 좋은 결과를 보여주고 이러한 견해를 확인합니다. 그러나 우리는 이것이 완전한 진실이 아니라고 생각했고, 특히 우리는 모든 데이터 준비 작업을 마친 후에 이것을 믿지 않았습니다.
새로운 접근: 새로운 변수와 그 시대의 사고방식
전통적인 분석에 더 많은 변수를 추가했습니다. 즉 " 기원 ". 이것은 한 알의 소금과 함께 섭취해야 합니다. 국적 , 민족 그리고 거주지 분리된 집합이 아닙니다. 따라서 매우 미묘한 주제입니다. 장엄한 타임스.
우리가 고려한 또 다른 중요한 사실은 이 재난 동안 대피에 엄청난 영향을 미쳤던 그 시대의 사고 방식이었습니다. 빙산이 배에 부딪힌 후 타이타닉을 계속 운행하기 위해 희생한 엔지니어들의 운명이 없었다면 타이타닉은 훨씬 더 빨리 가라앉았을 것이고 훨씬 더 많은 사람들이 죽었을 것입니다. 훈련받은 해군 장교와 가능한 한 엄격한 명령을 따르는 정신이 없었다면 더 많은 사람들이 구해졌을 것입니다. "여성과 어린이 우선" 명령을 "여성과 어린이만"으로 취급한 항구의 해군 장교는 배의 항구 쪽 승객의 수, 성별 및 등급에 영향을 미쳤습니다. 신기원을 더 살펴보자.
파란 리본
타이타닉호가 처녀 항해 중이었기 때문에 기계류, 특히 왕복 엔진에 세심한 주의를 기울여야 했으며 항해 기간 동안 점차 최대 출력으로 가동될 것입니다. 4월 15일에 계획된 최대 출력 실행은 기록을 깨려는 시도가 아니라 단순히 엔진이 설계된 출력을 지속적으로 달성할 수 있는지 확인하기 위한 것이었습니다. Titanic이 "Blue Riband"를 깨뜨릴 가능성은 없었습니다. 그녀는 단순히 충분히 강력하지 않았습니다. 모리타니아와 루시타니아는 기록적인 속도로 더 작은 톤수를 추진하는 데 약 75,000마력이 필요했으며 타이타닉의 엔진이 생산할 수 있는 최대 출력은 약 45,000마력이었습니다.
함교에서 Murdoch는 빙산이 목격된 직후 두 엔진 모두에 대해 기관실 전신을 "완전 후진"으로 울렸고 모든 설명에 따르면 그 때부터 충돌까지 30~40초가 걸렸습니다. 따라서 충돌 전에 엔진이 완전히 후진했을 가능성은 낮습니다. 엔진이 충돌에 영향을 미치기에는 빙산이 너무 가까웠습니다. 의심할 여지 없이 엔진은 멈췄지만 충돌 전에 효과를 발휘할 시간이 충분하지 않았습니다. 엔진은 시험 정보에서 볼 수 있듯이 컨트롤에 신속하게 반응했지만 엔지니어가 컨트롤에 도달한 다음 엔진이 반응하는 데 더 많은 시간이 걸리기 때문에 충돌 시점에 여전히 앞서 나가고 있었습니다.
Blue Riband는 기록적인 최고 속도로 정기적으로 대서양을 횡단하는 여객선에 주어지는 비공식적 인 영예입니다. 이 용어는 경마에서 차용되었으며 1910년 이후까지 널리 사용되지 않았습니다. 전통적으로 기록은 선박이 서로 다른 경로를 따르기 때문에 통과 시간이 아닌 평균 속도를 기반으로 합니다. 또한 동쪽 방향 및 서쪽 방향 속도 기록은 별도로 계산되는데, 걸프 스트림과 우세한 기상 시스템에 대한 서쪽 방향 기록 항해가 더 어려울수록 일반적으로 평균 속도가 낮아지기 때문입니다.
대부분의 배는 상선의 레드 더스터를 탔습니다. 왕립 해군 예비군 사령관으로서의 지위 때문에 Smith 대위는 RNR의 Blue Duster를 조종할 수 있다는 특징을 가졌습니다.
일반 파란색 소위는 민간 선박의 세 가지 범주에서 착용하는 것이 허용되었습니다. 장교와 승무원이 일정 수의 은퇴한 왕립 해군 요원 또는 왕립 해군 예비군을 포함하거나 정부 영장을 소지한 왕립 해군 예비군 장교가 지휘하는 일부 영국 상선 중 하나입니다.
HMS Dreadnought는 해군력에 혁명을 일으킨 영국 해군을 위해 건조된 전함입니다. 그녀의 이름과 그녀의 이름을 딴 전체 전함 유형은 "dreadnought"가 "두려움 없는 사람"을 의미하는 고대 영어에서 유래되었습니다. 1906년 Dreadnought의 취역은 해군 기술의 발전을 상징했으며, 그 이름은 "dreadnoughts"라는 전 세대 전함과 그 이름을 딴 함급과 관련이 있게 되었습니다. 그녀가 구식으로 만든 배의 세대는 "pre-dreadnoughts"로 알려지게 되었습니다. 드레드노트의 아버지로 알려진 제1해군장관 존 "재키" 피셔 제독. 취임 직후 그는 12인치(305mm) 함포와 21노트(39km/h; 24mph)의 속도로 무장한 전함에 대한 설계 연구를 지시했습니다. 그는 대체 설계를 평가하고 상세한 설계 작업을 지원하기 위해 "설계 위원회"를 소집했습니다. 위원회의 부수적인 이점 중 하나는 근본적으로 다른 전함을 설계하기 전에 주요 전문가와 상의하지 않았다는 정치적 혐의로부터 그와 해군을 보호할 수 있다는 것입니다.
Dreadnought는 소형 함포로 구성된 중무장 보조 무장으로 보완되는 몇 개의 대형 함포 대신 균일한 주함포를 탑재한 최초의 전함이었습니다. 그녀는 또한 증기 터빈으로 동력을 공급받은 최초의 주력함으로서 건조 당시 세계에서 가장 빠른 전함이 되었습니다. 그녀의 발사는 전 세계 해군, 특히 독일 제국 해군이 제1차 세계 대전을 대비하기 위해 서두르면서 해군 군비 경쟁을 촉발하는 데 도움이 되었습니다.
타이타닉호는 더 빠른 대서양 횡단에 대한 서두름이 있었음에도 불구하고 세계 기록을 깨기 위한 것이 아니었습니다.
타이타닉은 승선한 하사관과 장교 때문에 군기 아래 있었습니다.
새로운 변수: Trim, Fate, Wealth, Survival_Trim
새로운 변수의 도입으로 타이타닉 데이터의 일반적인 범주 분석을 연속 변수 분석으로 변경할 수 있습니다. Trim은 Survived/RIP라고만 말할 수 없음을 분명히 하기 위해 사용되었습니다. 당신이 대피 줄의 첫 번째인지 마지막인지에 차이가 있습니다. 운명은 살아남았어야 하지만 희생된 사람들이 있음을 보여줍니다. 예를 들어 탑승자 내부의 엔지니어, 사제, 음악가, 자녀를 둔 여성, ...
새 변수로 모델링하면 AUC가 훨씬 더 나은 모델을 찾을 수 있습니다(원래 모델의 0.72에서 0.85로). 그러나 왜 더 나은 모델을 찾을 수 없었습니까? 오분류율, 특히 모델에 따라 생존해야 하지만 사망한 오분류 승객을 살펴봅니다. 우리는 XXX에서 더 많은 정보에 입각한 데이터를 통해 이러한 잘못 분류된 많은 승객이 배에서 내리기를 거부하거나 희생되거나 영어를 하지 못해 배에서 길을 잃었다는 사실을 알게 되었습니다.
저널에서 더 많은 정보를 얻을 수 있습니다.
