Informe Inmobiliaria B&C
María Camila Mendoza García, Métodos y simulación estadística
14 de agosto de 2023
Introducción
La empresa B&C (Bienes y Casas) es una agencia de bienes raíces que opera en la ciudad de Cali, Colombia,ha crecido significativamente desde el año 2021 hasta la fecha con progresos significativos al mercado inmobiliario superando ventas de 6700 millones anuales. Está empresa entregó una base de datos de precio, ubicación, características de vivienda y sus precios de venta de acuerdo a su valor de la zona y su área construída.
Con la base de datos, se procedió a realizar un análisis por medio de técnicas de estadística descriptiva que permitieron clasificar, resumir, gráficar patrones de cada variable ya sea cualitatia o cuantitativa que tuvieron como resultados proporcionar información sobre tendencias en el precio de las viviendas en Cali, las viviendas más vendidas y la zona con mayor demanda por la inmobiliaria y definir de alguna forma la evolución del mercado inmobiliario; para definir este último paso hizo falta información más detallada de los años 2021 y 2022.
Así mismo,los aportes significativos de la estadistica descriptiva para determinar las tendencias de las variables,se da gracias al apoyo de métodos en la ciencia de datos que obtienen resultados y conclusiones más rápidas y concretas que aportan en cada uno de los criterios que definen el desarrollo de la economía regional.
Objetivos
Objetivo general
Construir un análisis descriptivo para identificar tendencias y patrones en los datos de la inmobiliaria B&C de la ciudad de Cali.
Objetivo especifico
Identificar las variables estadísticas aportadas por la inmobiliaria B&C
Ejecutar un análisis estadístico descriptivo que permita la toma de decisiones frente al sector y al tipo de vivienda en cada zona de la ciudad
Evaluar la oferta inmobiliaria del mercado de bienes raíces para los datos dados por la empresa B&C
Métodos
El primer paso para la ejecución del análisis estadístico de la inmobiliaria B&C que opera en la Ciudad de Cali, es examinar el tipo de variables aportadas por la base de datos de la empresa, como se muestra a continuación:
Tabla 1En donde se específica cada una de variables que están dados por variables cuantitativas y cualitativas. Para el caso de las variables cuantitativas, se tienen discretas y continuas; las variables cuantitativas discretas son el número de pisos, el estrato socioeconómico, número de parqueaderos, número de baños, número de habitaciones y el precio en redondeado en millones de cada inmueble; en cuánto a las continuas, se encuentra el área construída, los valores de latitud y longitud en relación a la ubicación geográfica de cada vivienda.
En el caso de las variables cualitativas se encuentran de carácter nominal como las zonas residenciales de Cali, el tipo de vivienda ya sea casa o apartamento y el barrio.
Al evidenciar cada una de las variables que poseen datos incompletos los cuáles aparecen señalados con la connotación “NA”, se planea realizar una depuración y limpieza de los datos que incluyen tanto las variables cualitativas como cuantitativas.
Es importante señalar, que la base de datos entregada tiene un total 8330 registros de los cuáles se presentan datos incompletos en algunas variables y datos sin ninguna información, por ello, se ejecutan estrategías propias de la ciencia de datos como se mostrará en el apartado de resultados.
Una de las estrategias que permite la ciencia de datos es que por medio de diferentes librerías propias del lenguaje de programación R, es posible realizar el análisis estadístico empezando por la limpieza e imputación de los datos con el uso de las librerías naniar y mice que permiten consultar los datos faltantes de la base de datos por medio del siguiente código.
Al tener la instalación de estás librerías, se hace la siguiente codificación para que se muestren los datos faltantes de la base de datos.
El paso siguiente, consiste en la elaboración de gráficos de las variables a través de las librerias mencionadas y códigos propios del lenguaje de programación utilizado, que suministrarán la visualización de cada dato faltante en las variables y cuál será el método para eliminarlos o cambiarlos ya sea por valores de la media, moda o mediana dependiendo del análisis que construya.
Los variables que se reemplazarán por cero o por valores de la media, mediana o moda estarán sujetos al análisis que se ejecutará en la etapa de resultados.
En segundo lugar, se realiza el análisis estadísticos para identificar patrones y tendencias de las variables, esto se hace a través de paquetes como DescTools que contiene funciones para determinar datos descriptivos, estás funciones tienen herramientas permiten el cálculo de estadísticas y la representación a través de gráficos y tabla, especialmente en el manejo de datos faltantes como es el caso de la base de datos de la inmobiliaria.
Resultados y discusión
Limpieza de datos
En el proceso de limpieza de los datos, se tuvieron varias etapas, la primera de ellas fue conocer cuántos datos estaban sin información en las variables de la base de datos de la inmobiliaria B&C. Este primer paso se hizo con el código [1], el cuál mostró como resultado los valores faltantes en cada variable, como se muestra a continuación
Tabla 2
## id zona piso estrato preciom areaconst parquea banios
## 3 3 2641 3 2 3 1606 3
## habitac tipo barrio longitud latitud
## 3 3 3 3 3Teniendo la información de los datos faltantes, se procede a la representación gráfica de los mismos
Como se puede visualizar en la figura 1, se encuentra que las
variables que más tienen datos faltantes, son la variable piso con un
total de 2641 y la variable parqueadero con 1606.Al no tener contacto
directo con las directivas de la inmobiliaria de la justificación de los
datos faltantes, como el piso y los parqueaderos, se asumieron
situaciones hipotéticas que apoyan el análisis estadístico preliminar;
es importante mencionar que estos análisis estarán sujetos a cambios de
acuerdo al comportamiento de cada variable en su realidad. física.
Teniendo como base el gráfico de la figura 2, se puede inferir que los valores que están vacíos en la variables parqueaderos no podrían reemplazarse por un valor de la moda o la mediana, de acuerdo a las técnicas de imputación de datos, sino por valores de cero. Partiendo del hecho de que no todas las viviendas tienen parqueadero y poner un valor diferente de cero tendría menos probabilidad de que esta variable se comportará de está formay alteraría el estudio estadístico.
Así, se tiene los siguientes resultados
Como se ve en gráfico anterior, los valores de parqueadero han sido corregidos y ya se encuentran con valor de 0, indicando que no todas las viviendas ya sean apartamentos o casas que están a cargo de la inmobiliaria no poseen necesariamente un parqueadero.
Seguidamente, se reemplazan los valores de la moda para los pisos, que es el dato que se encuentra con mayor frecuencia en registro inmobiliario; esta decisión se tomó por el tipo de viviendas que más tiene a cargo la empresa, que son los apartamentos.
Primero, se instala la siguiente librería
Después, a través del código se obtiene los resultados para la
variable piso
Sin embargo, al ejecutarse el código anterior se encuentran tres registros que no tienen información de ninguna de las variables de la base de datos, por lo que se procede a eliminar estos tres registros.
## /\ /\
## { `---' }
## { O O }
## ==> V <== No need for mice. This data set is completely observed.
## \ \|/ /
## `-----'
Con este último proceso de imputación y limpieza de los datos, ya se obtiene la base de datos lista para los análisis estadísticas requeridos en la toma de decisiones por la imboliaria en cuánto a su evolución, diagnóstico de características elegidas por los usuarios. (Ver base en Anexos)
Análisis de datos
Con la finalidad de construir un análisis estadístico, que permita la toma de decisiones frente al precio de las viviendas en las zonas de la ciudad de Cali. Se debe conocer la distribución de los estratos socieconómicos en las zonas residenciales utilizando la siguiente librería.
## Frequencies
## datosSINA$zona
## Type: Character
##
## Freq % Valid % Total
## ------------------ ------ --------- ---------
## Zona Centro 124 1.49 1.49
## Zona Norte 1922 23.08 23.08
## Zona Oeste 1204 14.46 14.46
## Zona Oriente 351 4.22 4.22
## Zona Sur 4726 56.76 56.76
## <NA> 0 0.00
## Total 8327 100.00 100.00##
## 3 4 5 6
## Zona Centro 105 14 4 1
## Zona Norte 572 408 770 172
## Zona Oeste 54 85 290 775
## Zona Oriente 340 8 2 1
## Zona Sur 382 1616 1685 1043De acuerdo con la tabla anterior, se deduce que en la zona centro la mayoría de las viviendas se encuentran en estrato 3; para la zona norte la mayoria de las viviendas se encuentran en estrato 5 con un total de 770; en el caso de la zona oeste, la mayor parte de las viviendas se encuentran entre el estrato 5 y 6 con valores de 290 y 775 respectivamente. La zona sur presenta un comportamiento similar, la mayoria de las viviendas están entre el estrato 5 y el 4, siendo el 5 con 1685 viviendas; en constraste con lo anterior, esta la zona oriente donde más del 90% de las viviendas se encuentran en el estrato 3 con un total de 340.
hist(x = datosSINA$estrato, main = "Histograma estrato socieconómico",
xlim = c(3,6), las=1,
xlab = "Estratos en las Zonas de Cali", ylab = "Frecuencia",
col = "#fff2cc")Ahora se hace necesario, determinar los rangos de precio para cada estrato, como se muestra a continuación con la librería dplyr
## [1] 58 1999De la salida anterior, podemos ver que los precios de las viviendas van desde 58 hasta 1999 millones de pesos, es decir, el rango de la variable precio sería igual 1999-58= 1941 millones de pesos para todos los 8327 registros de la inmobiliaria B&C.
Así, se procede al análisis entre la variables estrato socieconómico y el rango de precios de 1941 millones para las ofertas inmobiliarias en Cali.
De los resultados, se puede decir que a medida que aumenta de estrato el rango del precio de las viviendas aumenta. Viviendas de estrato bajo tienden a tener precios similares mientras que los precios de venta para el estrato 5 es más alto que para el estrato 6 que estan ubicados en la zona oeste y sur de Cali de acuerdo a estos análisis.
Añadido a lo anterior, se puede determinar cuál es la ubicación en la ciudad que presenta mayor varianza en los precios de las viviendas y la ubicación de las mismas.
## [1] 434.2532## [1] 329.0335De los resultados anteriores, se observa que las viviendas ubicadas en la zona oeste tienen la mayor variabilidad en sus precios con una desviación estándar de 329.0335 que de acuerdo con la media aritmética 434.2532, la variable de los precios se encuentra alejada de la media de 105millones hasta 763millones este resultado se confirma en el diagrama boxplot para la variable precio dada la ubicación, los resultados de precios que se encuentran después de estos límites se conocen como los outliers o datos atípicos que se analizan por medio del boxplot.
En este sentido, es imprescindible conocer el coeficiente de variación de la variable precio en relación a la muestra de 8327 datos y sus cuartiles que muestran la ubicación de los precios dependiendo del porcentaje de la muestra, ya sea del 25%, 50% y 75%, esto se hace a través de la librería DescTools
## [1] 0.7576997## 25% 50% 75% 100%
## 220 330 540 1999
El 25% de los precios de las viviendas a cargo de la inmobiliaria se encuentran en 220millones, el 50% que corresponde a la mediana de los precios de los bienes inmuebles se encuentra en 330millones y el 75% 540millones.
En el gráfico de boxplot, que muestra la variabilidad de los precios de las viviendas en cada una de las zonas de Cali, en general para las zonas centro, norte, oeste y sur los precios no se comportan simétricamente y están sesgados hacía la izquierda o derecha respectivamente, lo que indica que lo existe una distribución normal de estos valores y una variabilidad más grandes en relación a la zona oriente, en donde los precios se comportan más uniformemente y son simétricos y solo hay cuatro datos que se encuentran fuera de los límites de los precios de la zona.
En particular, se dice que, para la zona centro la mayoría de los precios se encuentran entre los límites de la muestra de 763millones y solo 5 viviendas tienen precios más elevados y son datos atípicos de la zona centro con un comportamiento asimétrico.
En cuánto a la zona norte, los valores de precios se encuentran distribuídos de forma asimétrica y tienen muchos más valores fuera de los límites de rango de la muestra de precios inicial, en lo que concierne a la zona oeste hay una menor variabilidad de los precios que se encuentran dentro de los rangos para está zona y su comportamiento es asimétrico positivo con resultados de precios acumulados a la izquierda que quiere decir que hay más viviendas con precios menos a 1250millones y que hay más pocas viviendas con precios mayores y valores atípicos de viviendas con precios más elevados cercanos a los 2mil millones.
Finalmente, para la zona sur, hay una acumulación de datos que se encuentran entre el Q1 Y EL Q3, sin embargo, se encuentran más datos fuera de este rango desde los 900millones hasta lo 1990millones y son estos los outliers de la zona sur.
Uno de los aspectos más importantes que se pueden deducir de este estudio estadístico y que son de gran interés para la inmobiliaria son los tipos de vivienda más vendidas en la ciudad, ya sean casas o apartamentos.
Para esto, se define en primera medida, el promedio de los precios en millones de las ofertas inmobiliarias como se muestra a continuación
## [1] 374.7222## [1] 1028.5De acuerdo con el código anterior, los precios de las viviendas están en un promedio de 374,7 a 1028,5 millones, que representan la distribución de los precios de los inmuebles desde la zona oriente hasta la zona oeste y sur.
A continuación, se muestran las ofertas inmobiliarias en cada una de las zonas residenciales de Cali, para esto se hizo una limpieza de la base de datos iniciar de los 8327 registros para que solo tuviera la variable de las zonas en donde se encuentran las viviendas de la inmobiliaria para mayor practicidad.
plot(x = Zonas_inmbcali$`Total ofertas`, main = "Gráfica de ofertas inmobiliarias en Cali",
xlab = "Zonas Residenciales", ylab = "Ofertas",
col = c("#ff9999", "#ffb399", "#ffcc99", "#ffe699"))
En donde la zona sur representa una oferta de 4726 viviendas, la zona centro 124, zona norte 1922, zona oriente 351, zona oeste 1204.
Por ello, es de vital importancia seguir fortaleciendo el mercado inmobiliario en la zona sur y tener diferentes estrategias de marketing para la zona norte y oeste.
Ahora bien, es importante conocer el tipo de viviendas más vendidas en la zonas residenciales de Cali ya sean apartamentos y viviendas por medio de la libreria tidyverse
##
## Apartamento APARTAMENTO apto casa Casa CASA
## Zona Centro 24 0 0 0 100 0
## Zona Norte 1172 16 11 4 714 5
## Zona Oeste 1025 10 0 0 168 1
## Zona Oriente 60 1 1 7 281 1
## Zona Sur 2751 34 1 3 1932 5De acuerdo con la gráfica anterior, se deduce que la zona sur tiene más viviendas que las demás zonas para la inmobiliaria; por esto, se hace el análisis del total de tipo de viviendas de la zona sur, en donde se hizo una tabla adicional para estandarizar la base de datos de la zona sur en relación a los tipos de viviendas apartamentos y casa.
tipo=c(1940, 2786)
names(tipo)=c("Casa", "Apartamento")
barplot(tipo, col=c("#ff5b00","#dcf600"), las=1, ylim = c(0,2786))
El tipo de viviendas más vendidas en Cali, son los apartamentos en un total de 2786 en comparación a 1940 casas en la zona sur que es la que más inmuebles vendidos representan para la empresa y en donde deben hacerse las estrategias de marketing, que consigan seguir impulsando el mercado inmobiliario así como en la zona oeste.
Seguidamente, es necesario conocer cuáles son las características de las viviendas más vendidas, con el objetivo de diferenciarlas de las que no, y estas serán las viviendas que prefieren los usuarios.
En cuánto a las habitaciones y los baños, es necesario conocer el valor de estás variables en la base de datos original, usando la librería tidyverse
##
## 0 1 2 3 4 5 6 7 8 9 10
## 66 59 927 4101 1731 680 318 173 138 83 51##
## 0 1 2 3 4 5 6 7 8 9 10
## 45 497 2946 1994 1460 891 315 107 48 15 9En las zonas residenciales de la ciudad, los usuarios prefieren viviendas entre 3 y 4 habitaciones y entre 2 y 3 baños, según el informe de la base de datos.
En lo que respecta a la zona sur, donde la rentabilidad de la empresa es mucho mayor, se comportan de la siguiente forma
##
## 0 1 2 3 4 5 6 7 8 9 10
## 20 21 490 2350 1044 415 183 85 64 30 24##
## 0 1 2 3 4 5 6 7 8 9 10
## 18 188 1747 1136 765 545 206 75 30 10 6En la zona residencial del sur, los clientes prefieren las viviendas entre 3 y 4 habitaciones y entre 2 y 3 baños que es muy semejante al comportamiento de las demás zonas.
Finalmente, para conocer la evolución del mercado inmobiliario de Cali teniendo como base las estadisticas de los años 2021 y 2022, se puede deducir las estadisticas que van hasta este 2023 según informa compartido de la base de datos de la inmboliaria.
summarytools::freq(datosSINA$preciom, cumul = FALSE)
mean(datosSINA$preciom)
median(datosSINA$preciom)De acuerdo con la tabla obtenido por el código anterior, (ver anexo 2) los precios hasta la fecha son de 3.600 millones de pesos que representan la totalidad de los bienes inmuebles a cargo de la inmobiliaria.
Conclusiones
Teniendo la información analizada por medio de métodos y técnicas propias de la estadística descriptiva, se lograron obtener resultados importantes de los cuáles se concluye que las técnicas utilizadas para la limpieza e imputación de datos son usadas como una etapa preliminar para la ejecución del análisis estadístico, cabe resaltar que, las imputaciones de datos tienen técnicas mucho más complejas a las utilizadas en este informe, que se ajustaron mejor al objetivo de este.
En la construcción del análisis estadístico, se identificaron tendencias y patrones importantes en las variables, en las que se destacan la zonas en donde hay más inmuebles a cargo de la empresa B&C que es la zona sur con 4726 viviendas tanto apartamentos como casas, y que las características más usuales de estos on ras son los apartamentos especialmente de 3 a 4 habitaciones y entre 2 y 3 baños y con rango de precios hasta 1999millones con apartamentos desde 40 a 932 metros cuadrados.
Anexos
Anexo 1
Tabla de base de datos empleada para el análisis estadístico de la inmobiliaria con 8327 valores.
## Rows: 8,327
## Columns: 13
## $ id <int> 8312, 8311, 8307, 8296, 8297, 8298, 8299, 8300, 8286, 8287, …
## $ zona <chr> "Zona Oeste", "Zona Oeste", "Zona Oeste", "Zona Sur", "Zona …
## $ piso <int> 4, 1, 2, 2, 2, 2, 2, 2, 2, 2, 1, 2, 6, 2, 2, 8, 2, 6, 2, 2, …
## $ estrato <int> 6, 6, 5, 3, 5, 5, 6, 5, 5, 5, 5, 3, 6, 3, 5, 6, 5, 6, 6, 6, …
## $ preciom <int> 1300, 480, 1200, 220, 330, 1350, 305, 480, 275, 285, 310, 17…
## $ areaconst <dbl> 318, 300, 800, 150, 112, 390, 125, 280, 74, 120, 166, 155, 1…
## $ parquea <dbl> 2, 1, 4, 1, 2, 8, 2, 4, 1, 2, 2, 0, 2, 0, 1, 2, 2, 2, 4, 1, …
## $ banios <int> 4, 4, 7, 2, 4, 10, 3, 4, 2, 4, 4, 4, 3, 2, 2, 3, 3, 5, 7, 1,…
## $ habitac <int> 2, 4, 5, 4, 3, 10, 3, 4, 3, 3, 3, 6, 3, 3, 2, 4, 3, 4, 3, 2,…
## $ tipo <chr> "Apartamento", "Casa", "Casa", "Casa", "Casa", "Casa", "Apar…
## $ barrio <chr> "arboleda", "normandía", "miraflores", "el guabal", "bella s…
## $ longitud <dbl> -76576, -76571, -76568, -76565, -76565, -76565, -76565, -765…
## $ latitud <dbl> 3454.00000, 3454.00000, 3455.00000, 3417.00000, 3408.00000, …## id zona piso estrato
## Min. : 1 Length:8327 Min. : 1.000 Min. :3.000
## 1st Qu.:2082 Class :character 1st Qu.: 2.000 1st Qu.:4.000
## Median :4164 Mode :character Median : 2.000 Median :5.000
## Mean :4164 Mean : 3.211 Mean :4.634
## 3rd Qu.:6246 3rd Qu.: 4.000 3rd Qu.:5.000
## Max. :8319 Max. :12.000 Max. :6.000
## preciom areaconst parquea banios
## Min. : 58.0 Min. : 30 Min. : 0.000 Min. : 0.000
## 1st Qu.: 220.0 1st Qu.: 80 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 330.0 Median : 123 Median : 1.000 Median : 3.000
## Mean : 434.3 Mean : 175 Mean : 1.483 Mean : 3.112
## 3rd Qu.: 540.0 3rd Qu.: 229 3rd Qu.: 2.000 3rd Qu.: 4.000
## Max. :1999.0 Max. :1745 Max. :10.000 Max. :10.000
## habitac tipo barrio longitud
## Min. : 0.000 Length:8327 Length:8327 Min. :-76576.00
## 1st Qu.: 3.000 Class :character Class :character 1st Qu.:-76506.00
## Median : 3.000 Mode :character Mode :character Median : -76.54
## Mean : 3.605 Mean :-21845.13
## 3rd Qu.: 4.000 3rd Qu.: -76.52
## Max. :10.000 Max. : -76.46
## latitud
## Min. : 3.333
## 1st Qu.: 3.390
## Median : 3.450
## Mean : 970.370
## 3rd Qu.:3367.000
## Max. :3497.000Anexo 2
Tabla de base de datos empleada para la evolución del mercado inmbiliaria hasta el momento
## Frequencies
## datosSINA$preciom
## Type: Integer
##
## Freq % Valid % Total
## ----------- ------ --------- ---------
## 58 1 0.012 0.012
## 62 3 0.036 0.036
## 65 1 0.012 0.012
## 69 1 0.012 0.012
## 70 4 0.048 0.048
## 72 2 0.024 0.024
## 73 1 0.012 0.012
## 75 10 0.120 0.120
## 76 1 0.012 0.012
## 77 2 0.024 0.024
## 78 8 0.096 0.096
## 79 1 0.012 0.012
## 80 7 0.084 0.084
## 83 1 0.012 0.012
## 85 11 0.132 0.132
## 86 1 0.012 0.012
## 87 5 0.060 0.060
## 88 2 0.024 0.024
## 89 5 0.060 0.060
## 90 14 0.168 0.168
## 91 1 0.012 0.012
## 92 4 0.048 0.048
## 93 6 0.072 0.072
## 95 23 0.276 0.276
## 96 9 0.108 0.108
## 97 5 0.060 0.060
## 98 12 0.144 0.144
## 99 9 0.108 0.108
## 100 19 0.228 0.228
## 103 1 0.012 0.012
## 104 2 0.024 0.024
## 105 23 0.276 0.276
## 106 1 0.012 0.012
## 107 2 0.024 0.024
## 108 12 0.144 0.144
## 109 2 0.024 0.024
## 110 43 0.516 0.516
## 111 1 0.012 0.012
## 112 5 0.060 0.060
## 113 9 0.108 0.108
## 114 1 0.012 0.012
## 115 49 0.588 0.588
## 116 4 0.048 0.048
## 117 5 0.060 0.060
## 118 14 0.168 0.168
## 119 4 0.048 0.048
## 120 67 0.805 0.805
## 121 3 0.036 0.036
## 122 5 0.060 0.060
## 123 5 0.060 0.060
## 124 1 0.012 0.012
## 125 59 0.709 0.709
## 126 4 0.048 0.048
## 127 7 0.084 0.084
## 128 17 0.204 0.204
## 129 3 0.036 0.036
## 130 74 0.889 0.889
## 131 2 0.024 0.024
## 132 12 0.144 0.144
## 133 2 0.024 0.024
## 134 2 0.024 0.024
## 135 76 0.913 0.913
## 136 5 0.060 0.060
## 137 4 0.048 0.048
## 138 14 0.168 0.168
## 139 5 0.060 0.060
## 140 79 0.949 0.949
## 141 1 0.012 0.012
## 142 7 0.084 0.084
## 143 6 0.072 0.072
## 144 1 0.012 0.012
## 145 62 0.745 0.745
## 147 8 0.096 0.096
## 148 24 0.288 0.288
## 149 8 0.096 0.096
## 150 112 1.345 1.345
## 151 2 0.024 0.024
## 152 16 0.192 0.192
## 153 5 0.060 0.060
## 154 5 0.060 0.060
## 155 77 0.925 0.925
## 156 3 0.036 0.036
## 157 9 0.108 0.108
## 158 18 0.216 0.216
## 159 10 0.120 0.120
## 160 105 1.261 1.261
## 161 1 0.012 0.012
## 162 7 0.084 0.084
## 163 8 0.096 0.096
## 164 4 0.048 0.048
## 165 71 0.853 0.853
## 166 1 0.012 0.012
## 167 3 0.036 0.036
## 168 14 0.168 0.168
## 169 2 0.024 0.024
## 170 71 0.853 0.853
## 171 1 0.012 0.012
## 173 3 0.036 0.036
## 175 53 0.636 0.636
## 176 4 0.048 0.048
## 177 3 0.036 0.036
## 178 10 0.120 0.120
## 179 3 0.036 0.036
## 180 71 0.853 0.853
## 182 3 0.036 0.036
## 183 1 0.012 0.012
## 184 1 0.012 0.012
## 185 46 0.552 0.552
## 186 1 0.012 0.012
## 188 3 0.036 0.036
## 189 2 0.024 0.024
## 190 63 0.757 0.757
## 192 3 0.036 0.036
## 193 1 0.012 0.012
## 195 46 0.552 0.552
## 196 2 0.024 0.024
## 197 2 0.024 0.024
## 198 13 0.156 0.156
## 199 8 0.096 0.096
## 200 66 0.793 0.793
## 201 2 0.024 0.024
## 202 2 0.024 0.024
## 203 1 0.012 0.012
## 204 3 0.036 0.036
## 205 19 0.228 0.228
## 206 3 0.036 0.036
## 208 8 0.096 0.096
## 209 1 0.012 0.012
## 210 74 0.889 0.889
## 211 1 0.012 0.012
## 212 1 0.012 0.012
## 213 2 0.024 0.024
## 214 1 0.012 0.012
## 215 59 0.709 0.709
## 216 1 0.012 0.012
## 218 3 0.036 0.036
## 219 2 0.024 0.024
## 220 130 1.561 1.561
## 221 1 0.012 0.012
## 222 6 0.072 0.072
## 223 3 0.036 0.036
## 224 2 0.024 0.024
## 225 63 0.757 0.757
## 226 4 0.048 0.048
## 227 3 0.036 0.036
## 228 6 0.072 0.072
## 229 4 0.048 0.048
## 230 113 1.357 1.357
## 231 1 0.012 0.012
## 232 2 0.024 0.024
## 233 2 0.024 0.024
## 234 1 0.012 0.012
## 235 66 0.793 0.793
## 236 6 0.072 0.072
## 237 2 0.024 0.024
## 238 6 0.072 0.072
## 239 1 0.012 0.012
## 240 122 1.465 1.465
## 242 3 0.036 0.036
## 243 4 0.048 0.048
## 245 59 0.709 0.709
## 246 1 0.012 0.012
## 248 5 0.060 0.060
## 249 2 0.024 0.024
## 250 164 1.969 1.969
## 251 1 0.012 0.012
## 252 2 0.024 0.024
## 253 3 0.036 0.036
## 255 41 0.492 0.492
## 256 1 0.012 0.012
## 257 3 0.036 0.036
## 258 4 0.048 0.048
## 259 6 0.072 0.072
## 260 120 1.441 1.441
## 262 1 0.012 0.012
## 265 35 0.420 0.420
## 266 1 0.012 0.012
## 267 2 0.024 0.024
## 268 6 0.072 0.072
## 269 1 0.012 0.012
## 270 108 1.297 1.297
## 271 1 0.012 0.012
## 272 2 0.024 0.024
## 275 42 0.504 0.504
## 276 2 0.024 0.024
## 277 1 0.012 0.012
## 278 1 0.012 0.012
## 279 4 0.048 0.048
## 280 105 1.261 1.261
## 283 3 0.036 0.036
## 285 47 0.564 0.564
## 286 1 0.012 0.012
## 287 1 0.012 0.012
## 288 3 0.036 0.036
## 289 3 0.036 0.036
## 290 109 1.309 1.309
## 291 2 0.024 0.024
## 293 1 0.012 0.012
## 294 1 0.012 0.012
## 295 55 0.661 0.661
## 296 2 0.024 0.024
## 297 2 0.024 0.024
## 298 16 0.192 0.192
## 299 10 0.120 0.120
## 300 147 1.765 1.765
## 303 1 0.012 0.012
## 304 3 0.036 0.036
## 305 19 0.228 0.228
## 306 2 0.024 0.024
## 307 1 0.012 0.012
## 308 4 0.048 0.048
## 309 4 0.048 0.048
## 310 88 1.057 1.057
## 314 3 0.036 0.036
## 315 47 0.564 0.564
## 318 6 0.072 0.072
## 319 1 0.012 0.012
## 320 138 1.657 1.657
## 321 3 0.036 0.036
## 324 1 0.012 0.012
## 325 34 0.408 0.408
## 327 2 0.024 0.024
## 328 4 0.048 0.048
## 329 1 0.012 0.012
## 330 105 1.261 1.261
## 332 1 0.012 0.012
## 333 1 0.012 0.012
## 334 2 0.024 0.024
## 335 35 0.420 0.420
## 336 1 0.012 0.012
## 337 2 0.024 0.024
## 338 3 0.036 0.036
## 339 1 0.012 0.012
## 340 95 1.141 1.141
## 341 1 0.012 0.012
## 342 2 0.024 0.024
## 343 1 0.012 0.012
## 344 2 0.024 0.024
## 345 18 0.216 0.216
## 346 1 0.012 0.012
## 347 2 0.024 0.024
## 348 1 0.012 0.012
## 349 2 0.024 0.024
## 350 201 2.414 2.414
## 352 1 0.012 0.012
## 353 1 0.012 0.012
## 354 1 0.012 0.012
## 355 26 0.312 0.312
## 356 1 0.012 0.012
## 357 2 0.024 0.024
## 358 2 0.024 0.024
## 359 1 0.012 0.012
## 360 97 1.165 1.165
## 362 2 0.024 0.024
## 365 22 0.264 0.264
## 367 2 0.024 0.024
## 368 2 0.024 0.024
## 369 2 0.024 0.024
## 370 80 0.961 0.961
## 371 1 0.012 0.012
## 372 1 0.012 0.012
## 375 19 0.228 0.228
## 377 2 0.024 0.024
## 378 1 0.012 0.012
## 379 1 0.012 0.012
## 380 98 1.177 1.177
## 382 1 0.012 0.012
## 383 1 0.012 0.012
## 385 26 0.312 0.312
## 387 2 0.024 0.024
## 388 3 0.036 0.036
## 389 1 0.012 0.012
## 390 74 0.889 0.889
## 392 1 0.012 0.012
## 393 4 0.048 0.048
## 395 37 0.444 0.444
## 397 4 0.048 0.048
## 398 6 0.072 0.072
## 399 2 0.024 0.024
## 400 107 1.285 1.285
## 403 1 0.012 0.012
## 404 1 0.012 0.012
## 405 12 0.144 0.144
## 406 1 0.012 0.012
## 408 2 0.024 0.024
## 410 46 0.552 0.552
## 411 1 0.012 0.012
## 412 2 0.024 0.024
## 415 17 0.204 0.204
## 416 1 0.012 0.012
## 419 1 0.012 0.012
## 420 101 1.213 1.213
## 421 1 0.012 0.012
## 423 1 0.012 0.012
## 424 1 0.012 0.012
## 425 20 0.240 0.240
## 428 1 0.012 0.012
## 429 1 0.012 0.012
## 430 83 0.997 0.997
## 432 1 0.012 0.012
## 433 1 0.012 0.012
## 435 11 0.132 0.132
## 438 2 0.024 0.024
## 439 1 0.012 0.012
## 440 39 0.468 0.468
## 445 6 0.072 0.072
## 447 1 0.012 0.012
## 449 3 0.036 0.036
## 450 170 2.042 2.042
## 455 4 0.048 0.048
## 460 31 0.372 0.372
## 461 1 0.012 0.012
## 465 7 0.084 0.084
## 468 2 0.024 0.024
## 469 1 0.012 0.012
## 470 49 0.588 0.588
## 472 1 0.012 0.012
## 475 18 0.216 0.216
## 480 77 0.925 0.925
## 485 13 0.156 0.156
## 488 1 0.012 0.012
## 490 27 0.324 0.324
## 494 2 0.024 0.024
## 495 13 0.156 0.156
## 496 1 0.012 0.012
## 498 1 0.012 0.012
## 499 2 0.024 0.024
## 500 86 1.033 1.033
## 505 5 0.060 0.060
## 508 1 0.012 0.012
## 510 17 0.204 0.204
## 513 1 0.012 0.012
## 515 7 0.084 0.084
## 518 2 0.024 0.024
## 520 53 0.636 0.636
## 524 1 0.012 0.012
## 525 11 0.132 0.132
## 530 58 0.697 0.697
## 534 1 0.012 0.012
## 535 5 0.060 0.060
## 537 1 0.012 0.012
## 538 2 0.024 0.024
## 540 18 0.216 0.216
## 542 1 0.012 0.012
## 545 2 0.024 0.024
## 547 1 0.012 0.012
## 548 3 0.036 0.036
## 550 110 1.321 1.321
## 555 1 0.012 0.012
## 560 30 0.360 0.360
## 565 5 0.060 0.060
## 569 1 0.012 0.012
## 570 32 0.384 0.384
## 575 5 0.060 0.060
## 580 58 0.697 0.697
## 585 7 0.084 0.084
## 590 37 0.444 0.444
## 591 1 0.012 0.012
## 594 1 0.012 0.012
## 595 13 0.156 0.156
## 597 2 0.024 0.024
## 598 1 0.012 0.012
## 599 5 0.060 0.060
## 600 87 1.045 1.045
## 603 2 0.024 0.024
## 605 2 0.024 0.024
## 610 11 0.132 0.132
## 615 1 0.012 0.012
## 620 30 0.360 0.360
## 621 3 0.036 0.036
## 622 1 0.012 0.012
## 625 3 0.036 0.036
## 626 1 0.012 0.012
## 630 32 0.384 0.384
## 635 2 0.024 0.024
## 637 1 0.012 0.012
## 638 1 0.012 0.012
## 639 1 0.012 0.012
## 640 13 0.156 0.156
## 643 1 0.012 0.012
## 645 4 0.048 0.048
## 648 1 0.012 0.012
## 649 1 0.012 0.012
## 650 118 1.417 1.417
## 651 1 0.012 0.012
## 655 4 0.048 0.048
## 660 23 0.276 0.276
## 667 1 0.012 0.012
## 670 18 0.216 0.216
## 673 2 0.024 0.024
## 677 1 0.012 0.012
## 679 1 0.012 0.012
## 680 47 0.564 0.564
## 681 1 0.012 0.012
## 685 4 0.048 0.048
## 690 37 0.444 0.444
## 695 8 0.096 0.096
## 697 4 0.048 0.048
## 698 1 0.012 0.012
## 699 1 0.012 0.012
## 700 56 0.673 0.673
## 701 1 0.012 0.012
## 704 1 0.012 0.012
## 705 1 0.012 0.012
## 707 1 0.012 0.012
## 710 6 0.072 0.072
## 720 24 0.288 0.288
## 725 3 0.036 0.036
## 730 15 0.180 0.180
## 732 1 0.012 0.012
## 735 1 0.012 0.012
## 736 1 0.012 0.012
## 737 1 0.012 0.012
## 738 1 0.012 0.012
## 740 5 0.060 0.060
## 745 1 0.012 0.012
## 749 1 0.012 0.012
## 750 82 0.985 0.985
## 754 1 0.012 0.012
## 760 10 0.120 0.120
## 765 1 0.012 0.012
## 767 1 0.012 0.012
## 770 4 0.048 0.048
## 775 1 0.012 0.012
## 780 43 0.516 0.516
## 785 1 0.012 0.012
## 790 13 0.156 0.156
## 792 1 0.012 0.012
## 795 7 0.084 0.084
## 800 37 0.444 0.444
## 810 4 0.048 0.048
## 820 8 0.096 0.096
## 825 2 0.024 0.024
## 830 7 0.084 0.084
## 832 1 0.012 0.012
## 833 1 0.012 0.012
## 835 1 0.012 0.012
## 836 1 0.012 0.012
## 840 7 0.084 0.084
## 845 1 0.012 0.012
## 849 1 0.012 0.012
## 850 93 1.117 1.117
## 852 1 0.012 0.012
## 860 4 0.048 0.048
## 865 3 0.036 0.036
## 870 17 0.204 0.204
## 875 1 0.012 0.012
## 880 18 0.216 0.216
## 887 2 0.024 0.024
## 890 14 0.168 0.168
## 895 3 0.036 0.036
## 900 54 0.648 0.648
## 910 7 0.084 0.084
## 920 5 0.060 0.060
## 923 1 0.012 0.012
## 925 1 0.012 0.012
## 930 12 0.144 0.144
## 934 1 0.012 0.012
## 938 2 0.024 0.024
## 940 3 0.036 0.036
## 950 54 0.648 0.648
## 960 6 0.072 0.072
## 970 2 0.024 0.024
## 975 2 0.024 0.024
## 980 29 0.348 0.348
## 985 1 0.012 0.012
## 990 11 0.132 0.132
## 998 2 0.024 0.024
## 999 1 0.012 0.012
## 1000 33 0.396 0.396
## 1015 1 0.012 0.012
## 1050 14 0.168 0.168
## 1051 1 0.012 0.012
## 1077 1 0.012 0.012
## 1078 1 0.012 0.012
## 1080 2 0.024 0.024
## 1090 4 0.048 0.048
## 1100 46 0.552 0.552
## 1103 1 0.012 0.012
## 1106 1 0.012 0.012
## 1110 1 0.012 0.012
## 1120 1 0.012 0.012
## 1125 1 0.012 0.012
## 1126 1 0.012 0.012
## 1130 1 0.012 0.012
## 1133 1 0.012 0.012
## 1149 1 0.012 0.012
## 1150 26 0.312 0.312
## 1160 2 0.024 0.024
## 1170 1 0.012 0.012
## 1180 4 0.048 0.048
## 1190 1 0.012 0.012
## 1195 2 0.024 0.024
## 1200 80 0.961 0.961
## 1220 3 0.036 0.036
## 1226 1 0.012 0.012
## 1230 1 0.012 0.012
## 1240 1 0.012 0.012
## 1250 35 0.420 0.420
## 1255 1 0.012 0.012
## 1270 3 0.036 0.036
## 1280 9 0.108 0.108
## 1290 1 0.012 0.012
## 1300 40 0.480 0.480
## 1320 1 0.012 0.012
## 1330 4 0.048 0.048
## 1350 24 0.288 0.288
## 1360 1 0.012 0.012
## 1370 2 0.024 0.024
## 1380 2 0.024 0.024
## 1385 2 0.024 0.024
## 1390 2 0.024 0.024
## 1395 1 0.012 0.012
## 1398 1 0.012 0.012
## 1400 49 0.588 0.588
## 1440 1 0.012 0.012
## 1450 9 0.108 0.108
## 1480 2 0.024 0.024
## 1500 32 0.384 0.384
## 1530 1 0.012 0.012
## 1550 8 0.096 0.096
## 1561 1 0.012 0.012
## 1580 2 0.024 0.024
## 1583 1 0.012 0.012
## 1584 1 0.012 0.012
## 1590 4 0.048 0.048
## 1600 25 0.300 0.300
## 1650 9 0.108 0.108
## 1680 2 0.024 0.024
## 1700 22 0.264 0.264
## 1750 4 0.048 0.048
## 1800 24 0.288 0.288
## 1801 1 0.012 0.012
## 1830 1 0.012 0.012
## 1850 11 0.132 0.132
## 1900 11 0.132 0.132
## 1940 1 0.012 0.012
## 1950 3 0.036 0.036
## 1999 1 0.012 0.012
## <NA> 0 0.000
## Total 8327 100.000 100.000