惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - Franky
J
Java Code Geeks
腾讯CDC
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Jina AI
Jina AI
博客园 - 司徒正美
Stack Overflow Blog
Stack Overflow Blog
美团技术团队
L
LangChain Blog
WordPress大学
WordPress大学
A
About on SuperTechFans
Martin Fowler
Martin Fowler
月光博客
月光博客
Y
Y Combinator Blog
U
Unit 42
D
Docker
Recent Announcements
Recent Announcements
Hugging Face - Blog
Hugging Face - Blog
B
Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
G
Google Developers Blog
Last Week in AI
Last Week in AI
T
The Blog of Author Tim Ferriss
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com

V2EX

我用 AI 写代码,但终端管理反而成了累赘——于是我做了 codux [调研] 各位在公司都用什么 ide 和 agent 写代码? 老运维 share 一个运维平台 新电脑 brew install node 之后,一个小设置可以提升对供应链投毒的防御 GLM-Coding 调用持续报错: z.ai 的 Lite 套餐几乎无法使用,官方 Pro/Max 是否稳定? 上海漕河泾内推,本组有 2 个 hc,一个后端,一个前端,预算都是 20k 左右,不打卡,氛围好 如果 V2EX 上有一组不永久保存聊天记录(比如只保存 7 天或者 24 小时)的聊天室,那么会开启哪些有用或者有趣的可能? gemini cli 貌似挂了,一直返回 403 第一次在自媒体上赚到钱 收集了最近在使用的低价 GPT, Gemini,邮箱等 AI 会员的小店合集 讨论个大实话:现在企业还在说 AI 编程提效 20%, 30%的,真的太落后,没用懂 AI。因为包括很多前沿公司,已经狂奔到提效 200%-500%的情况 [招聘][远程][币安] 前端/后端/QA/iOS/Android 至少 3 年以上经验 目前有大量 HC 欢迎投递 Chatgpt Pro 用量用不完的可以开这些设置 面试的时候好像遇到钓鱼了,给各位避个坑 cursor 年续费 22 号到期, 自动续费是否还是老的计次套餐呢 被两件破事毁掉的一下午,琐碎的内耗消磨人的精力 使用 Planet 存储 Codex 的会话或者重要信息 如果业务部门领导不要你开发功能,而是要求你教会它用 claude code 开发功能,你会怎么做? 分享一个 MacOS 接绿联 CM818 USB 转 DP 转接器使用感受 我的 HR 朋友 10 年老 Java ,非全大专,大家帮忙看看简历 开源了一个 AI 口语练习工具,音素级发音评分,完全免费可自部署 V2EX 上有哪些你觉得很有趣、印象深刻的妹纸? 字节为啥不出个国内版 Vercel? 有在大马的朋友吗? 问个运营商问题 你们在有领导的公司大群发过的最大胆的消息是什么 公司裁员,目前没有工作。想试试摆摊,做一个移动鲜啤打酒车 我的硬盘 Memblaze Pblaze 5 Linux 下不识别,给 Linux 内核提交了补丁, AI 说有望被合并 只有我一个人觉得 codex 不好用? 做了个 AI + 真人专家监督的广告投放平台 Auxora, 7 个品牌跑出 6x ROAS
泰坦尼克号乘客生存数据分析
davidqw · 2026-03-27 · via V2EX

数据源:

两个 CSV 总计 1309 条乘客信息,数据头包括 PassengerId (乘客 id )、Survived (是否幸存)、Pclass (舱位)、Name (姓名)、Sex (性别)、Age (年龄)、SibSp (兄弟姐妹与配偶总数)、Parch (父母/子女数量)、Ticket (票号)、Fare (票价)、Cabin (舱位号)、Embarked (登船地点)

1. 总体生还情况

指标 数值
总人数 1,309
生还人数 494
遇难人数 815
总体生还率 37.74%

2. 舱位等级 — 阶级决定生死

舱位 人数 生还率
一等舱 323 57.59%
二等舱 277 42.24%
三等舱 709 26.94%

一等舱乘客生还率是三等舱的 2.1 倍。三等舱人数最多(占 54%),但生还率最低,船舱位置(靠近甲板的距离)和优先疏散顺序是关键因素。


3. 性别 — "女士优先"原则得到充分体现

性别 人数 生还率
女性 466 82.62%
男性 843 12.93%

女性生还率是男性的 6.4 倍,差距极为悬殊,"女士优先"救援原则在数据上得到强烈印证。


4. 性别 × 舱位交叉分析

性别 舱位 人数 生还率
女性·一等舱 一等舱 144 97.92%
女性·二等舱 二等舱 106 94.34%
女性·三等舱 三等舱 216 66.67%
男性·一等舱 一等舱 179 25.14%
男性·二等舱 二等舱 171 9.94%
男性·三等舱 三等舱 493 9.53%

即使是三等舱女性( 66.67%)的生还率也远高于一等舱男性( 25.14%)。性别是比舱位更强的生还决定因素。男性中二、三等舱生还率几乎相同(约 10%),阶级对男性的影响远不如对女性显著。


5. 年龄段分析 — 儿童优先

年龄段 人数 生还率
儿童(<18 岁) 154 50.65%
中年( 36-55 岁) 263 39.16%
青年( 18-35 岁) 570 37.72%
老年(>55 岁) 59 35.59%
年龄未知 263 29.28%

儿童生还率最高,"女士和儿童优先"规则在数据中得到验证。263 名年龄未知者生还率仅 29%,推测多为低等舱成年男性。


6. 家庭规模 — 小家庭最占优

家庭类型 人数 生还率
小家庭( 1-3 名亲属) 437 56.06%
独自出行 790 29.24%
大家庭( 4+名亲属) 82 21.95%

独自出行者占比最大( 60%)但生还率偏低;小家庭生还率最高,可能因为家庭成员互助、且多为携带妇孺的家庭;大家庭生还率最低,推测因成员众多难以协同撤离。


7. 票价 — 财富与生存强相关

票价段 人数 生还率
豪华(>100 ) 84 69.05%
高( 30-100 ) 259 51.35%
中( 10-30 ) 474 40.93%
低(<10 ) 491 22.20%

票价与生还率呈现单调正相关,豪华票价乘客生还率是低票价乘客的 3.1 倍,与舱位分析相互印证。


8. 登船港口

港口 人数 生还率 平均票价
C (法国瑟堡) 270 49.26% £62.34
Q (爱尔兰昆斯敦) 123 43.90% £12.41
S (英国南安普顿) 914 33.37% £27.42

从 C 港登船的乘客生还率最高,平均票价也最高(£62 vs £27 ),说明从瑟堡登船的多为高端乘客; S 港人数最多但生还率最低。


总结

  1. 性别 > 舱位 > 年龄是影响生还率的三大因素,按重要性排序
  2. 女士和儿童优先 在数据上得到充分验证
  3. 阶级不平等在灾难中被放大——三等舱男性生还率仅 9.5%
  4. 小家庭互助效应显著,独自出行反而处于劣势
  5. 财富/票价与生存强相关,体现了社会资源在极端情况下的分配不均