Actividad
Juliana Olarte
2023-08-06
Introducción
La compañía B&C, con su sede en la ciudad de Cali, opera como una agencia especializada en bienes raíces. Esta entidad suministró la información sobre la cual se aplicaron diversos indicadores, los cuales permitieron identificar elementos esenciales para la formulación de estrategias.
Las inferencias alcanzadas a través de este análisis tienen un potencial significativo en la orientación de asesoramiento. Esto resulta valioso para determinar en qué zonas, con qué rangos de precios y otros factores específicos se pueden beneficiar los clientes.
A lo largo de este proyecto, se exponen los objetivos del informe, la metodología empleada, los resultados obtenidos, las discusiones en torno a dichos resultados y, finalmente, las conclusiones extraídas. Cada una de estas secciones tiene la finalidad de abordar y comprender aspectos que no se pueden aprehender solo mediante la construcción de la base de datos.
Objetivo General
• Analizar la información de la empresa inmobiliaria B&C en el municipio de Cali.
Objetivo Específicos
• Elaborar la estadística descriptiva de la base de datos de la empresa B&C
• Evaluar los datos de la empresa B&C para conocer cuales son las zonas, precios y áreas más llamativas en el mercado.
Métodos
El método de la presente investigación es estadística descriptiva, dado que se construyó los indicadores que proporcionan un resumen conciso de los datos que se encuentran en la base, esta recolección de información fue analizada para determinar el objetivo del presente trabajo.
El programa que se uso fue Rstudio, en este usaron códigos como summarytools, var, mfv, cuartiles y percentiles, el cual nos permite conocer la estadística descriptiva, sin embargo, en este no se tiene todos los indicadores por cual se usó table, boxplot, ggplot, porcentajes, etiquetas y hist después de conocer la estadística descriptiva se quiso conocer la correlación que se tiene entre algunas variables en este utilizamos el comando cor.
Para la construcción de los indicadores se tomó como base el material usado en clase, para la investigación se contó con tres fases, la primera constó en la descarga de la base y una previa revisión, en la segunda, se construyo los indicadores con el fin de ser interpretadas, y por último se analizó las correcciones que podían existir.
Resultados
file.choose()## [1] "C:\\Users\\juliana\\Desktop\\actvidad.R"viviendas=read.csv("C:\\Users\\juliana\\Downloads\\vivienda_faltantes.csv")
library(summarytools)
library(ggplot2)
library(PerformanceAnalytics)## Loading required package: xts## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## Attaching package: 'PerformanceAnalytics'## The following object is masked from 'package:graphics':
##
## legendlibrary(modeest)##
## Attaching package: 'modeest'## The following object is masked from 'package:PerformanceAnalytics':
##
## skewnessviviendas$tipo <- gsub("apto", "Apartamento", viviendas$tipo)
viviendas$tipo <- gsub("APARTAMENTO", "Apartamento", viviendas$tipo)
viviendas$tipo <- gsub("CASA", "Casa", viviendas$tipo)
viviendas$tipo <- gsub("casa", "Casa", viviendas$tipo)Indicadores de estadística descriptiva
summarytools::descr(viviendas)## Non-numerical variable(s) ignored: zona, tipo, barrio## Descriptive Statistics
## viviendas
## N: 8330
##
## areaconst banios estrato habitac id latitud longitud
## ----------------- ----------- --------- --------- --------- --------- --------- -----------
## Mean 174.99 3.11 4.63 3.61 4163.99 970.37 -21845.13
## Std.Dev 142.95 1.43 1.03 1.46 2403.93 1539.16 34503.90
## Min 30.00 0.00 3.00 0.00 1.00 3.33 -76576.00
## Q1 80.00 2.00 4.00 3.00 2082.00 3.39 -76506.00
## Median 123.00 3.00 5.00 3.00 4164.00 3.45 -76.54
## Q3 229.00 4.00 5.00 4.00 6246.00 3367.00 -76.52
## Max 1745.00 10.00 6.00 10.00 8319.00 3497.00 -76.46
## MAD 84.51 1.48 1.48 1.48 3086.77 0.10 0.03
## IQR 149.00 2.00 1.00 1.00 4163.00 3363.61 76429.48
## CV 0.82 0.46 0.22 0.40 0.58 1.59 -1.58
## Skewness 2.69 0.92 -0.18 1.64 0.00 0.96 -0.95
## SE.Skewness 0.03 0.03 0.03 0.03 0.03 0.03 0.03
## Kurtosis 12.90 1.12 -1.11 3.99 -1.20 -1.07 -1.09
## N.Valid 8327.00 8327.00 8327.00 8327.00 8327.00 8327.00 8327.00
## Pct.Valid 99.96 99.96 99.96 99.96 99.96 99.96 99.96
##
## Table: Table continues below
##
##
##
## parquea piso preciom
## ----------------- --------- --------- ---------
## Mean 1.84 3.77 434.24
## Std.Dev 1.13 2.62 329.02
## Min 1.00 1.00 58.00
## Q1 1.00 2.00 220.00
## Median 2.00 3.00 330.00
## Q3 2.00 5.00 540.00
## Max 10.00 12.00 1999.00
## MAD 1.48 1.48 209.05
## IQR 1.00 3.00 320.00
## CV 0.61 0.69 0.76
## Skewness 2.32 1.28 1.85
## SE.Skewness 0.03 0.03 0.03
## Kurtosis 8.29 1.05 3.66
## N.Valid 6724.00 5689.00 8328.00
## Pct.Valid 80.72 68.30 99.98#Varianza
var(viviendas$piso, na.rm = TRUE)## [1] 6.838294var(viviendas$estrato, na.rm = TRUE)## [1] 1.059514var(viviendas$preciom, na.rm = TRUE)## [1] 108251.3var(viviendas$areaconst, na.rm = TRUE)## [1] 20434.66var(viviendas$parquea, na.rm = TRUE)## [1] 1.265814var(viviendas$banios, na.rm = TRUE)## [1] 2.040171var(viviendas$habitac, na.rm = TRUE)## [1] 2.128957#Moda
mfv(viviendas$piso, na_rm=TRUE)## [1] 2mfv(viviendas$estrato, na_rm=TRUE)## [1] 5mfv(viviendas$preciom, na_rm = TRUE)## [1] 350mfv(viviendas$areaconst, na_rm = TRUE)## [1] 60mfv(viviendas$parquea, na_rm = TRUE)## [1] 1mfv(viviendas$banios, na_rm = TRUE)## [1] 2mfv(viviendas$habitac, na_rm = TRUE)## [1] 3#Cuartiles
cuartiles <- quantile(viviendas$piso, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 2cuartiles[2]## 50%
## 3cuartiles[3]## 75%
## 5cuartiles <- quantile(viviendas$estrato, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 4cuartiles[2]## 50%
## 5cuartiles[3]## 75%
## 5cuartiles <- quantile(viviendas$preciom, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 220cuartiles[2]## 50%
## 330cuartiles[3]## 75%
## 540cuartiles <- quantile(viviendas$areaconst, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 80cuartiles[2]## 50%
## 123cuartiles[3]## 75%
## 229cuartiles <- quantile(viviendas$parquea, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 1cuartiles[2]## 50%
## 2cuartiles[3]## 75%
## 2cuartiles <- quantile(viviendas$banios, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 2cuartiles[2]## 50%
## 3cuartiles[3]## 75%
## 4cuartiles <- quantile(viviendas$habitac, probs = c(0.25, 0.50, 0.75), type = 6, na.rm=TRUE)
cuartiles[1]## 25%
## 3cuartiles[2]## 50%
## 3cuartiles[3]## 75%
## 4#Percentiles
percentil <- quantile(viviendas$piso, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 1percentil[2]## 30%
## 2percentil[3]## 50%
## 3percentil[4]## 70%
## 4percentil[5]## 90%
## 8percentil <- quantile(viviendas$estrato, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 3percentil[2]## 30%
## 4percentil[3]## 50%
## 5percentil[4]## 70%
## 5percentil[5]## 90%
## 6percentil <- quantile(viviendas$preciom, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 145percentil[2]## 30%
## 240percentil[3]## 50%
## 330percentil[4]## 70%
## 475percentil[5]## 90%
## 870percentil <- quantile(viviendas$areaconst, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 60percentil[2]## 30%
## 86.48percentil[3]## 50%
## 123percentil[4]## 70%
## 200percentil[5]## 90%
## 350percentil <- quantile(viviendas$parquea, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 1percentil[2]## 30%
## 1percentil[3]## 50%
## 2percentil[4]## 70%
## 2percentil[5]## 90%
## 3percentil <- quantile(viviendas$banios, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 2percentil[2]## 30%
## 2percentil[3]## 50%
## 3percentil[4]## 70%
## 4percentil[5]## 90%
## 5percentil <- quantile(viviendas$habitac, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7, na.rm = TRUE)
percentil[1]## 10%
## 2percentil[2]## 30%
## 3percentil[3]## 50%
## 3percentil[4]## 70%
## 4percentil[5]## 90%
## 5Diagrama de caja
boxplot(x = viviendas$piso, col="red", main = "Piso",
xlab = "Piso", ylab = "Frecuencia")
boxplot(x = viviendas$estrato, col="blue", main = "Estrato",
xlab = "Estrato", ylab = "Frecuencia")
boxplot(x = viviendas$preciom, col="green", main = "Precio",
xlab = "Precio", ylab = "Frecuencia")
boxplot(x = viviendas$areaconst, col="yellow", main = "Area construida",
xlab = "Area construida", ylab = "Frecuencia")
boxplot(x = viviendas$parquea, col="grey", main = "Parqueaderos",
xlab = "Parqueaderos", ylab = "Frecuencia")
boxplot(x = viviendas$banios, col="orange", main = "Banos",
xlab = "Banos", ylab = "Frecuencia")
boxplot(x = viviendas$habitac, col="pink", main = "Habitacion",
xlab = "Habitacion", ylab = "Frecuencia")
Histogramas y Pasteles
hist(x = viviendas$piso, col="red", main = "Piso", xlab = "Piso", ylab = "Frecuencia")
hist(x = viviendas$preciom, col="green", main = "Precio", xlab = "Precio", ylab = "Frecuencia")
hist(x = viviendas$areaconst, col="yellow", main = "Area construida", xlab = "Area", ylab = "Frecuencia")
#Pasteles
porcentajes <- as.numeric(round(((prop.table(table(viviendas$estrato)))*100),2))
porcentajes## [1] 17.45 25.59 33.04 23.92etiquetas <- c("Tres", "Cuatro", "Cinco", "Seis")
etiquetas## [1] "Tres" "Cuatro" "Cinco" "Seis"etiquetas <- paste(etiquetas, porcentajes)
etiquetas## [1] "Tres 17.45" "Cuatro 25.59" "Cinco 33.04" "Seis 23.92"etiquetas <- paste(etiquetas, "%", sep = "")
etiquetas## [1] "Tres 17.45%" "Cuatro 25.59%" "Cinco 33.04%" "Seis 23.92%"pie(porcentajes, etiquetas,
main = "Gráfico de Estrato",
sub = "Porcentajes de los estratos")
porcentajes1 <- as.numeric(round(((prop.table(table(viviendas$zona)))*100),2))
porcentajes1## [1] 1.49 23.08 14.46 4.22 56.76etiquetas1 <- c("Zona Centro", "Zona Norte", "Zona Oeste", "Zona Oriente", "Zona Sur")
etiquetas1## [1] "Zona Centro" "Zona Norte" "Zona Oeste" "Zona Oriente" "Zona Sur"etiquetas1 <- paste(etiquetas1, porcentajes1)
etiquetas1## [1] "Zona Centro 1.49" "Zona Norte 23.08" "Zona Oeste 14.46"
## [4] "Zona Oriente 4.22" "Zona Sur 56.76"etiquetas1 <- paste(etiquetas1, "%", sep = "")
etiquetas1## [1] "Zona Centro 1.49%" "Zona Norte 23.08%" "Zona Oeste 14.46%"
## [4] "Zona Oriente 4.22%" "Zona Sur 56.76%"pie(porcentajes1, etiquetas1,
main = "Gráfico de Zona",
sub = "Porcentajes de las Zonas")
porcentajes2 <- as.numeric(round(((prop.table(table(viviendas$tipo)))*100),2))
porcentajes2## [1] 61.32 38.68etiquetas2 <- c("Apartamento", "Casa")
etiquetas2## [1] "Apartamento" "Casa"etiquetas2 <- paste(etiquetas2, porcentajes2)
etiquetas2## [1] "Apartamento 61.32" "Casa 38.68"etiquetas2 <- paste(etiquetas2, "%", sep = "")
etiquetas2## [1] "Apartamento 61.32%" "Casa 38.68%"pie(porcentajes2, etiquetas2,
main = "Gráfico de Tipo de vivienda",
sub = "Porcentajes de tipo de vivienda")
Diagrama de dispersión
ggplot(data = viviendas) +
geom_point(mapping = aes(x =preciom, y =areaconst, color=zona),na.rm = TRUE)+
labs(title = "Viviendas construidas según precio y área por zona",
x = "Precio",
y = "Área construida")
ggplot(data = viviendas) +
geom_point(mapping = aes(x = preciom, y = estrato, color= zona),na.rm = TRUE)+
labs(title = "Viviendas según estrato, precio y tipo" ,
x = "Precio",
y = "Estrato")
ggplot(data = viviendas) +
geom_point(mapping = aes(x = preciom, y = estrato, color= tipo),na.rm = TRUE)+
labs(title = "viviendas según su tipo y precio",
x = "Precio",
y = "Tipo")
Correlación
nuevo<-data.frame(viviendas$areaconst, viviendas$estrato, viviendas$preciom, viviendas$piso, viviendas$banios, viviendas$habitac)
chart.Correlation(nuevo, histogram = T, method = "pearson")## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
Discusiones
En esta etapa, analizaremos los resultados obtenidos del estudio de la base de datos. Esta base cuenta con 8,330 observaciones y 13 variables relacionadas con la empresa B&C, la cual opera en el sector inmobiliario. Nuestro objetivo es realizar una descripción estadística para comprender cada una de estas variables.
Comenzando con el área construida, observamos que la máxima extensión es de 1,745 m², mientras que la mínima es de 30 m². Esta variable muestra simetría positiva, con una dispersión de 0.82 y una curtosis leptocúrtica. El diagrama revela varios datos atípicos, siendo 100 m² el pico más alto según el histograma. Asimismo, cuenta con una varianza de 20434.66 y su moda es de 60, en cuanto a los cuartiles 25% es de 2, 50% de 3 y el 75% de 229, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 60, 30% de 86.48, 50% de 123, 70% de 200, 90% de 350, este nos permite valor y comprar el crecimiento.
En cuanto a la variable de baños, encontramos que el máximo número de baños en una vivienda es de 10, y el mínimo es de 0 baños, el resultado del mínimo se debe revisar, porque quizás fue un error de digitación. Esta variable también presenta simetría positiva, con una dispersión de 0.46 y una curtosis leptocúrtica. Al igual que antes, observamos datos atípicos, los cuartiles 25% es de 2, 50% de 3 y el 75% de 4, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 2, 30% de 2, 50% de 3, 70% de 4, 90% de 5, este nos permite valor y comprar el crecimiento. Tiene una varianza de 2.04 y una moda de 2.
Para el estrato socioeconómico, encontramos un mínimo de 3 y un máximo 6. Esta variable exhibe asimetría negativa, con una dispersión de 0.22 y una curtosis platicúrtica. En el diagrama, no se evidencian variables atípicas, cuenta con una varianza de 1.05 y una moda de 5, esto se puede evidenciar en la gráfica de torta, donde el 33.04% pertenecen al estrato 5. Los cuartiles 25% es de 4, 50% de 5 y el 75% de 5, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 3, 30% de 4, 50% de 5, 70% de 5, 90% de 6, este nos permite valor y comprar el crecimiento.
Las habitaciones en las viviendas que se vendieron, cuentan con un máximo de 10 y su mínimo de 0 habitaciones, el cuanto al mínimo podemos inferir que existen espacios como aparta estudios con los que no se cuenta la división de habitaciones, es por esto que este valor aparece en 0. Esta variable presenta simetría positiva, con una dispersión de 0.40 y una curtosis leptocúrtica. Se registran datos atípicos, tiene una varianza de 2.12 y una moda de 3, los cuartiles 25% es de 3, 50% de 3 y el 75% de 4, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 2, 30% de 3, 50% de 3, 70% de 4, 90% de 5, este nos permite valor y comprar el crecimiento.
En cuanto a los parqueaderos, las viviendas pueden tener hasta 10 parqueaderos como máximo y 1 como mínimo. Esta variable muestra simetría negativa, con una dispersión de 0.61 y una curtosis leptocúrtica. Los datos atípicos se visualizan en el diagrama, este variable tiene una varianza de 1.26 y una moda de 1, lo que nos indica que por lo general cuenta con un parqueadero las viviendas que se han vendido, los cuartiles 25% es de 1, 50% de 2 y el 75% de 2, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 1, 30% de 1, 50% de 2, 70% de 2, 90% de 3, este nos permite valor y comprar el crecimiento.
La variable del precio de las viviendas presenta un valor máximo de 1,999,000 COP y un mínimo de 58,000,000 COP. La simetría es positiva, con una dispersión de 0.76 y una curtosis leptocúrtica. En el diagrama, se identifican numerosos datos atípicos. Según el histograma, el pico más frecuente se encuentra en un precio de 300.000.000 COP. Además, cuenta con una varianza 108251.3 y una moda de 350, lo que nos indica que el valor en el que más compran es de 350.000.000COP, los cuartiles 25% es de 220, 50% de 330 y el 75% de 540, este indicador nos indica la importancia relativa, en cuanto a los percentiles el 10% de 145, 30% de 240, 50% de 330, 70% de 475, 90% de 870, este nos permite valor y comprar el crecimiento.
La variable zona nos muestra que la mayor parte de ventas de viviendas se presentaron en la zona sur 56.76%, seguido la zona norte 23.08%, y en la zona que menos presentaron venta fue en la zona centro 1.49%. Por último, la variable tipo de vivienda nos refleja que los apartamentos son los que más se venden con 61.32% con respecto a la casa que es de 38.68%.
Conclusiones
El fin de este trabajo es darles a conocer la estadística descriptiva, y que conozcan un poco la relaciones que existen entre las variables proporcionadas. Los apartados anteriores muestran algunas consideraciones que se pueden tener en cuenta, sin embargo, el primer paso es la validación interna y externa, que hace posible un mejor análisis, es por esto que se observó en un primer momento la construcción de las variables y cuál era su contenido, esta base es sobre la venta de inmuebles en la ciudad de Cali, en el apartado de discusión se mostró la estadística descriptiva que muestra puntos, máximo, mínimos y otros indicadores que son claves para la empresa.
La empresa debe conocer de acuerdo a su zona cuales son los precios más altos en los que ha vendido un inmueble, por ello, se mencionaran estos, la zona centro su precio más alto es de 1.100.000COP, en la zona norte de 1.940.000COP, en la zona oeste 1.999.000, zona oriente de 1.350.000 y por último, la zona sur con un valor 1.900.000COP, esto puede ayudar a la hora del accesoriamente de los clientes de acuerdo al poder adquisitivo del cliente, todas las ventas se dieron en estratos superiores a el 3, y se debe observar que el estrato más común es el 5 que 33.04%, se le puede recomendar una zona y un estrato teniendo en cuenta que a mayor precio mayor área de construcción. Igualmente, podemos observar que en estrato 6, en su mayoría consta de apartamentos.
En el gráfico de dispersión, es posible notar una correlación positiva significativa en una primera parte. Esto señala que el valor del precio tiende a aumentar ligeramente a medida que se incrementa el tamaño del área construida. Además, la zona sur se destaca como la que registra la mayor cantidad de ventas, tal como se mencionó previamente. Este mismo patrón se refleja en los estratos; aunque la zona oeste es la tercera en términos de ventas, es la que logra los precios más altos.
En relación a las correlaciones, se observa que el tamaño del área construida y el precio están fuertemente relacionados, dado que un incremento en el área conlleva a mayores costos. Esta misma tendencia se aprecia en relación al estrato: una ubicación más favorable se traduce en un precio más elevado.
La correlación entre los baños y el área construida, así como con el precio, tiene mucho sentido. Un área más amplia proporciona espacio adicional para la construcción de baños, lo cual se refleja en un aumento en el precio. Además, la cantidad de habitaciones guarda correlación con la cantidad de baños, ya que un mayor número de habitaciones suele requerir más baños, lo que a su vez implica una mayor área de construcción.
Es recomendable que en posibles futuros estudios usen las variables de manera numéricas y luego de esto se ponen una etiqueta con el fin de generar una base más uniforme. Además, es importante que todas las casillas sean llenas en su totalidad porque al contener tantos missing genera que los indicadores no den un resultado significativo.