Métodos estadísticos
Andrés Barrios
2023-08-02
#install.packages(paqueteMODELOS)
#install.packages(Amelia)
#install.packages(tidyverse)
#install.packages(summarytools)
library(paqueteMODELOS)
library(Amelia)#Paquete para tratamiento de datos perdidos.## Loading required package: Rcpp## ##
## ## Amelia II: Multiple Imputation
## ## (Version 1.8.1, built: 2022-11-18)
## ## Copyright (C) 2005-2023 James Honaker, Gary King and Matthew Blackwell
## ## Refer to http://gking.harvard.edu/amelia/ for more information
## ##library(tidyverse) # Paquete de preferencia personal para tratamiento de bases de datos## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(summarytools)##
## Attaching package: 'summarytools'
##
## The following object is masked from 'package:tibble':
##
## viewdf_BC <- vivienda_faltantes1. Introducción
El crecimiento del sector constructor durante los últimos años ha sido significativo en materia de comercialización de vivienda; la buena dinámica entre la oferta y la demanda permite un despliegue de la actividad edificadora destacable en inversión, empleo y bienestar para el país.
En este sentido, Cali, durante los últimos años se ha consolidado como uno de los mercados referentes en venta de vivienda, jalonando alta inversión extranjera y nacional, y en consecuencia, ha aumentado sus niveles de competitividad en el marco residencial.
Así las cosas, se dispondrá un análisis investigativo del mercado inmobilidario de la ciudad; esto, en aras de tomar decisiones asertivas en la formulación de proyectos residenciales de éxito, manteniendo y mejorando la participación en el mercado.
Por lo anterior, se pondrá en manifiesto las características principales de la base de datos de origen y a partir de un análisis exploratorio se impartirán diferentes conclusiones.
2. Objetivos
Identificar las tendencias en el mercado acorde a las variables de diseño de unidad residencial y su ubicación.
Definir una estrategia de mercado acorde a los resultados base.
3. Metodos
Los metodos a utilizar seran los siguientes:
- Medidas de tendencia central
- Medidas de dispersión
- Gráficas descriptivas: boxplot
- Tablas de frecuencia
- Tablas de contingencia.
4. Descripcion Bases de datos
4.1 Características de la base de datos
dim(df_BC) #Dimensiones de la base de datos## [1] 8330 13summary(df_BC) #Lectura de cada Variable## id zona piso estrato
## Min. : 1 Length:8330 Min. : 1.000 Min. :3.000
## 1st Qu.:2082 Class :character 1st Qu.: 2.000 1st Qu.:4.000
## Median :4164 Mode :character Median : 3.000 Median :5.000
## Mean :4164 Mean : 3.772 Mean :4.634
## 3rd Qu.:6246 3rd Qu.: 5.000 3rd Qu.:5.000
## Max. :8319 Max. :12.000 Max. :6.000
## NA's :3 NA's :2641 NA's :3
## preciom areaconst parquea banios
## Min. : 58.0 Min. : 30 Min. : 1.000 Min. : 0.000
## 1st Qu.: 220.0 1st Qu.: 80 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 330.0 Median : 123 Median : 2.000 Median : 3.000
## Mean : 434.2 Mean : 175 Mean : 1.836 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
## NA's :2 NA's :3 NA's :1606 NA's :3
## habitac tipo barrio longitud
## Min. : 0.000 Length:8330 Length:8330 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
## NA's :3 NA's :3
## latitud
## Min. : 3.333
## 1st Qu.: 3.390
## Median : 3.450
## Mean : 970.370
## 3rd Qu.:3367.000
## Max. :3497.000
## NA's :3A continuación, se describen algunas características significativas de la base de datos a estudiar:
La base comprende 8330 observaciones distribuidas en 13 variables
Se encontró que 10 variables: id, piso, preciom, estrato, areaconst, parquea, banios, habitac, longitud y latitud, son de tipo numérico; sin embargo, la variable estrato debe ser convertida a variable cualitativa ordinal, dada su naturaleza y comprensión socioeconomica.
Se encontró que 3 variables: zona, barrio y tipo, son de carácter cualitativo; sin embargo se debe convertir la variable tipo en cualitativa nominal
De esta manera, a continuación se procede a cambiar las variables señaladas:
Estrato
df_BC$estrato <- as.factor(df_BC$estrato)
summary(df_BC$estrato)## 3 4 5 6 NA's
## 1453 2131 2751 1992 3df_BC$tipo <- as.factor(df_BC$tipo)
summary(df_BC$tipo)## Apartamento APARTAMENTO apto casa Casa CASA
## 5032 61 13 14 3195 12
## NA's
## 3Se halla un nuevo inconveniente y es que las etiquetas de la variable tipo no son homogéneas en tanto a sus clasificaciones: Casa o Apartamento. En este sentido, se procede a hacer la correcion pertinente.
df_BC$tipo <- as.factor(str_to_sentence(df_BC$tipo))
df_BC$tipo <- as.factor(str_replace_all(df_BC$tipo, "Apto", "Apartamento"))
summary(df_BC$tipo)## Apartamento Casa NA's
## 5106 3221 34.2 Datos faltantes
Adicionalmente, la base de datos arroja una serie de observaciones faltante o NA’s (not available) que pueden perpetuar en la lectura de la base de datos a estudiar.
missmap(df_BC, col=c('gray','DarkBlue'),y.at=1,y.labels=' ',legend=TRUE,
main = "Datos Faltantes")
Acorde a la gráfica anterior, se observa una gran cantidad de NA’s para las variables de piso y parqueadero, en donde del total de las observaciones el 4% corresponde a datos faltantes y el 96% a datos observables. Por lo tanto, se debe ir con precaución al momento de utilizar dichas variables.
Para este ejercicio, se omitiran los NA’s extrayendo sub-bases de los caracteres a tratar.
5. Resultados
5.1 Análisis de variables cualitativas
Se expone en primer lugar la categorizacion y clasificacion de las viviendas estudiadas por variable cualitativa (Sin NA’s), teniendo el siguiente orden: Estrato, Zonas, Barrios y Tipo
5.1.1 Estrato
variable_1 <- df_BC[!is.na(df_BC$estrato),]
variable_1$estrato <- as.factor(variable_1$estrato)
ggplot(variable_1, aes(x = estrato, fill = "red",))+
geom_histogram(stat="count", show.legend = FALSE)+
ylab(" ")+xlab("Estrato")+ ggtitle("Vivienda en Cali, según estrato socieconómico\n")+
geom_text(stat = "count", aes(x = estrato, label = ..count..),vjust = -0.5)+
theme_minimal() + scale_y_continuous(limits = c(0,3000))
freq(variable_1$estrato, style = "simple", justify = "center", headings = TRUE,
report.nas = F)## Frequencies
## variable_1$estrato
## Type: Factor
##
## Freq % % Cum.
## ----------- ------ -------- --------
## 3 1453 17.45 17.45
## 4 2131 25.59 43.04
## 5 2751 33.04 76.08
## 6 1992 23.92 100.00
## Total 8327 100.00 100.00Tanto la representación gráfica como la tabla de frecuencia determinan las siguientes características en la variable de estrato:
- El mayor y el menor número de viviendas analizadas pertenecen a los estratos 5 y 3, respectivamente; y
- El conjunto de viviendas analizadas se encuentra destinadas para la comercialización entre personas de ingreso alto.
5.1.2 Zonas
freq(df_BC$zona, style = "simple", justify = "center", headings = TRUE,
report.nas = F)## Frequencies
## df_BC$zona
## Type: Character
##
## Freq % % Cum.
## ------------------ ------ -------- --------
## Zona Centro 124 1.49 1.49
## Zona Norte 1922 23.08 24.57
## Zona Oeste 1204 14.46 39.03
## Zona Oriente 351 4.22 43.24
## Zona Sur 4726 56.76 100.00
## Total 8327 100.00 100.00Con respecto a las zonas analizadas, se tiene que la mayoría de las viviendas se encuentran ubicadas en el sur, con un 56,76% de participación, mientras que la zona menos participativa se ubica en la zona centro con un 1,49%.
5.1.3 Barrios por zona de mayor demanda
df_barrios <- select(df_BC, zona, barrio)
df_barrios$place <- na.omit(paste(df_barrios$zona,"-",df_barrios$barrio))
zon_nor <- df_barrios %>% filter(zona == "Zona Norte")
sort(table(zon_nor$place),decreasing = T)[1:3]##
## Zona Norte - la flora Zona Norte - acopi
## 366 157
## Zona Norte - prados del norte
## 124zon_sur <- df_barrios %>% filter(zona == "Zona Sur")
sort(table(zon_sur$place),decreasing = T)[1:3]##
## Zona Sur - valle del lili Zona Sur - ciudad jardín Zona Sur - pance
## 1004 513 408zon_oes <- df_barrios %>% filter(zona == "Zona Oeste")
sort(table(zon_oes$place),decreasing = T)[1:3]##
## Zona Oeste - santa teresita Zona Oeste - normandía
## 254 157
## Zona Oeste - los cristales
## 154zon_ori <- df_barrios %>% filter(zona == "Zona Oriente")
sort(table(zon_ori$place),decreasing = T)[1:3]##
## Zona Oriente - alfonso lópez Zona Oriente - ciudad cordoba
## 21 20
## Zona Oriente - las ceibas
## 195.1.4 Tipo
freq(df_BC$tipo, style = "simple", justify = "center", headings = TRUE,
report.nas = F)## Frequencies
## df_BC$tipo
## Type: Factor
##
## Freq % % Cum.
## ----------------- ------ -------- --------
## Apartamento 5106 61.32 61.32
## Casa 3221 38.68 100.00
## Total 8327 100.00 100.00El mercado inmobiliario de Cali, se compone principalmente por apartamentos con un 61,32% versus casas, con un 38,68%.
5.1.5 Tabla de contingencia: Zona vs Estrato
contingencia_1 <- drop_na(select(df_BC, zona, estrato))
contingencia_1 <- table(contingencia_1)
round(prop.table(contingencia_1,1)*100,2)## estrato
## zona 3 4 5 6
## Zona Centro 84.68 11.29 3.23 0.81
## Zona Norte 29.76 21.23 40.06 8.95
## Zona Oeste 4.49 7.06 24.09 64.37
## Zona Oriente 96.87 2.28 0.57 0.28
## Zona Sur 8.08 34.19 35.65 22.07Dada el cruce de información entre las variables zona y estrato, se tiene que:
La Zona centro posee mayoritariamente viviendas de estrato 3 y minimamente aquellas de estrato 6.
La Zona Norte se encuentra en su gran mayoría poblada por vivienda de estrato 5 y 3, con una menor participación de estrato 6.
La Zona Oeste es liderada por estrato 6, seguido del 5, y muy poca participación de los demás estratos, siendo la zona más cotizada del territorio.
La Zona Oriente, esta en su mayoría conformada por estrato 3
La Zona Sur, se encuentra en su gran mayoría poblada por vivienda de estrato 5 y 4, con una menor participación de estrato 3.
5.1.6 Tabla de contingencia: Zona vs Tipo
contingencia_2 <- drop_na(select(df_BC, zona, tipo))
contingencia_2 <- table(contingencia_2)
round(prop.table(contingencia_2,1)*100,2)## tipo
## zona Apartamento Casa
## Zona Centro 19.35 80.65
## Zona Norte 62.38 37.62
## Zona Oeste 85.96 14.04
## Zona Oriente 17.66 82.34
## Zona Sur 58.95 41.05Dada el cruce de información entre las variables zona y tipo, y teniendo en cuenta las conclusiones de la tabla anterior, se tiene que:
Las personas del menor estrato estudiado, tiene una preferencia a primera instancia por casas; esto, dado a que las viviendas de tipo casa lideran en las zonas centro y oriente, en donde el porcentaje participativo del tipo habitacional mencionado es mayor al 80%.
Por al contrario, las viviendas 5 y 6, encontradas mayormente en las zonas sur y oeste, poseen cierta preferencia hacia los apartamentos.
5.2 Análisis de variables cuantitativas: Preciom
variable_2 <- df_BC[!is.na(df_BC$preciom),]
ggplot(variable_2, aes(x = preciom, fill = "red",))+
geom_histogram( show.legend = FALSE)+
ylab(" ")+xlab("Precio")+ ggtitle("Vivienda en Cali, según precio\n")+
theme_minimal()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
A primera instancia se observa que el precio por metro cuadrado comercial se concentra en aquellas unidades menores a 500 mil pesos. Adicionalmente, el histograma muestra los datos con una asimetría positiva, es decir, moda y mediana menor a la media.
5.2.1 Medidas de tendencia central
mediat <- round(mean(variable_2$preciom),2)Encontramos una media del: 434.24
moda <- table(variable_2$preciom)
sort(moda, decreasing = T)[1]## 350
## 201Por su parte, la moda en los precios por metro cuadrado es de: 350
mediana <- median(variable_2$preciom)De igual forma su mediana sería: 330
5.2.2 Medidas de dispersión
varia <- sd(variable_2$preciom)
round(varia,1)## [1] 329Los precios pueden variar 329.0157036 pesos
coeficiente <- varia/mean(variable_2$preciom)
coeficiente## [1] 0.7576806Al tener un coeficiente de variación mayor al 30%, se interpreta de que la variabilidad es alta con respecto a la media, es decir, los datos están dispersos y puede tener valores extremos o atipicos.
5.2.3 Análisis entre el precio metro cuadrado y categorias
zon_precio <- variable_2[!is.na(variable_2$zona),]
ggplot(zon_precio, aes(x = zona, y = preciom))+
geom_jitter(aes(color = estrato))+
geom_boxplot(outlier.shape = NA, alpha = 0.5, outlier.color = NA) +
scale_y_continuous(limits = c(0,1600)) +
ggtitle("Vivienda en Cali, según estrato, tipo, zona y precio metro cuadrado\n")+
labs(x = "Zona", y = "Precio m2", color = "Estrato") +
theme_minimal()+facet_wrap(~tipo)+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5))
Acorde al gráfico de apartamentos, la zona que presenta una mayor variabilidad es la Oeste; se puede observar que ésta se encuentra en gran parte constituida por viviendas de estrato 6 y 5 teniendo un precio por metro cuadrado entre los 300 a 800 aproximadamente. Por otro lado, se presenta una concentración acentuada en los datos para la zona sur, compuesto en su mayoría viviendas de estrato 5 y 4. Cabe destacar que las medianas de las zonas norte y sur, a primera instancia parecen similares y su precio metro cuadrado oscila entre los 100 a 400 mil pesos; por último, la zona centro destaca por su poca ausencia de apartamentos.
En este mismo sentido, la gráfica de las casas presenta a la zona norte y sur, como los territorios de casas entre estrato 5 y 6; mientras que la zona oriente se encuentra comprendida por estrato 3; de igual forma, la zona oeste resalta por ser un territorio de poca existencia de la tipología señalada.
5.2.4 Análisis entre el precio metro cuadrado y diseño: habitaciones, baños y parqueaderos.
pre_dis$habitac <- as.factor(pre_dis$habitac)
s <- (max(pre_dis$preciom,na.rm=T) - min(pre_dis$preciom,na.rm=T))/round(1 + log2(length(pre_dis))) # A través de la diferencia del máximo valor observado menos el mínimo y los intervalos determinados por Sturges se llega a una amplitud determinada
vector_preci <- cut_width(pre_dis$preciom, width = s)
table(vector_preci, pre_dis$habitac)##
## vector_preci 1 2 3 4 5 6 7 8 9 10
## [-194,194] 14 432 1112 110 21 16 6 6 2 0
## (194,582] 41 461 2354 1022 364 189 111 102 57 26
## (582,970] 2 27 425 381 186 71 39 22 18 13
## (970,1.36e+03] 1 5 137 142 61 27 9 2 4 7
## (1.36e+03,1.75e+03] 1 1 62 51 35 12 7 4 2 4
## (1.75e+03,2.14e+03] 0 1 11 25 13 3 1 2 0 1round(prop.table(table(vector_preci, pre_dis$habitac))*100,2)##
## vector_preci 1 2 3 4 5 6 7 8 9
## [-194,194] 0.17 5.23 13.46 1.33 0.25 0.19 0.07 0.07 0.02
## (194,582] 0.50 5.58 28.50 12.37 4.41 2.29 1.34 1.23 0.69
## (582,970] 0.02 0.33 5.14 4.61 2.25 0.86 0.47 0.27 0.22
## (970,1.36e+03] 0.01 0.06 1.66 1.72 0.74 0.33 0.11 0.02 0.05
## (1.36e+03,1.75e+03] 0.01 0.01 0.75 0.62 0.42 0.15 0.08 0.05 0.02
## (1.75e+03,2.14e+03] 0.00 0.01 0.13 0.30 0.16 0.04 0.01 0.02 0.00
##
## vector_preci 10
## [-194,194] 0.00
## (194,582] 0.31
## (582,970] 0.16
## (970,1.36e+03] 0.08
## (1.36e+03,1.75e+03] 0.05
## (1.75e+03,2.14e+03] 0.01La relación entre el precio y las habitaciones, muestra una solida oferta de viviendas cuyo metro cuadrado cuesta de 194 a 582 mil pesos y poseen 3 habitaciones, concentrando el 28,50% del mercado, con un total de 2354 unidades habitacionales existentes.
pre_dis_ban <- variable_2[!is.na(variable_2$banios),]
pre_dis_ban <- variable_2[(variable_2$banios) > 0,]
pre_dis_ban$banios <- as.factor(pre_dis_ban$banios)
s_2 <- (max(pre_dis_ban$preciom,na.rm=T) - min(pre_dis_ban$preciom,na.rm=T))/round(1 + log2(length(pre_dis_ban))) # A través de la diferencia del máximo valor observado menos el mínimo y los intervalos determinados por Sturges se llega a una amplitud determinada
vector_preci <- cut_width(pre_dis_ban$preciom, width = s_2)
table(vector_preci, pre_dis_ban$banios)##
## vector_preci 1 2 3 4 5 6 7 8 9 10
## [-194,194] 428 1178 100 12 1 1 0 0 0 1
## (194,582] 67 1733 1662 859 316 75 14 12 4 1
## (582,970] 1 34 192 408 385 109 33 19 5 3
## (970,1.36e+03] 0 1 26 124 123 81 27 7 1 3
## (1.36e+03,1.75e+03] 1 0 13 45 46 34 26 8 5 1
## (1.75e+03,2.14e+03] 0 0 1 12 20 15 7 2 0 0round(prop.table(table(vector_preci, pre_dis_ban$banios))*100,2)##
## vector_preci 1 2 3 4 5 6 7 8 9
## [-194,194] 5.17 14.22 1.21 0.14 0.01 0.01 0.00 0.00 0.00
## (194,582] 0.81 20.92 20.07 10.37 3.82 0.91 0.17 0.14 0.05
## (582,970] 0.01 0.41 2.32 4.93 4.65 1.32 0.40 0.23 0.06
## (970,1.36e+03] 0.00 0.01 0.31 1.50 1.49 0.98 0.33 0.08 0.01
## (1.36e+03,1.75e+03] 0.01 0.00 0.16 0.54 0.56 0.41 0.31 0.10 0.06
## (1.75e+03,2.14e+03] 0.00 0.00 0.01 0.14 0.24 0.18 0.08 0.02 0.00
##
## vector_preci 10
## [-194,194] 0.01
## (194,582] 0.01
## (582,970] 0.04
## (970,1.36e+03] 0.04
## (1.36e+03,1.75e+03] 0.01
## (1.75e+03,2.14e+03] 0.00En relación a los baños, se encuentra una gran participación en el mercado de unidades cuyo valor oscila entre los 194 a 582 mil pesos y poseen 2 o 3 habitaciones del 20%.
df_interiores <- drop_na(select(df_BC, zona, habitac, banios))
df_interiores <- filter(df_interiores, banios>0, habitac>0)
round(prop.table(table(df_interiores$zona, df_interiores$habitac),1)*100,2)##
## 1 2 3 4 5 6 7 8 9 10
## Zona Centro 2.48 9.92 23.14 15.70 16.53 9.09 7.44 6.61 5.79 3.31
## Zona Norte 0.90 11.64 53.28 18.10 7.78 3.17 2.17 1.53 0.74 0.69
## Zona Oeste 1.26 14.57 52.35 22.86 5.36 1.84 0.50 0.42 0.50 0.34
## Zona Oriente 0.58 8.99 25.80 15.07 9.86 12.17 8.99 9.28 7.54 1.74
## Zona Sur 0.45 10.42 49.93 22.21 8.81 3.89 1.81 1.36 0.64 0.49De esta forma se tiene que el número de habitaciones óptimo para todas las zonas es de 3.
round(prop.table(table(df_interiores$zona, df_interiores$banios),1)*100,2)##
## 1 2 3 4 5 6 7 8 9 10
## Zona Centro 13.22 35.54 21.49 15.70 9.09 3.31 0.00 0.83 0.83 0.00
## Zona Norte 9.79 42.65 22.96 14.07 6.83 2.43 0.58 0.53 0.05 0.11
## Zona Oeste 3.18 19.77 26.47 29.48 15.49 3.69 1.59 0.17 0.17 0.00
## Zona Oriente 19.71 31.01 22.61 15.07 5.51 3.77 0.58 1.16 0.29 0.29
## Zona Sur 4.00 37.08 24.14 16.23 11.59 4.38 1.60 0.64 0.21 0.13De esta forma se tiene que el número de habitaciones óptimo por zona es el siguiente: las zonas centro, norte, sur y oriente presentan mayoritariamente 2 baños; mientras que la zona oeste 4 baños.
df_parqueaderos <- drop_na(select(df_BC, zona, parquea))
round(prop.table(table(df_parqueaderos$zona, df_parqueaderos$parquea),1)*100,2)##
## 1 2 3 4 5 6 7 8 9 10
## Zona Centro 78.12 15.62 0.00 3.12 0.00 3.12 0.00 0.00 0.00 0.00
## Zona Norte 56.48 32.51 5.35 3.57 0.85 0.62 0.39 0.08 0.08 0.08
## Zona Oeste 17.68 59.38 15.14 6.35 0.73 0.54 0.18 0.00 0.00 0.00
## Zona Oriente 74.85 17.18 4.91 1.84 0.61 0.61 0.00 0.00 0.00 0.00
## Zona Sur 50.21 33.28 6.75 6.46 1.17 1.24 0.27 0.39 0.07 0.17La Zona Centro, Norte, Oriente y Sur debe tener al menos un parqueadero; mientras que la zona oeste debe tener 2.
6. Análisis de variables cuantitativas: Area
variable_3 <- df_BC[!is.na(df_BC$areaconst),]
ggplot(variable_3, aes(x = areaconst))+
geom_histogram( show.legend = FALSE)+
ylab(" ")+xlab("Area construida")+ ggtitle("Vivienda en Cali, segun area\n")+
theme_minimal()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
A primera instancia se observa que el área construida se concentra en aquellas unidades menores a 250 mil pesos. Adicionalmente, el histograma muestra los datos con una asimetría positiva, es decir, moda y mediana menor a la media.
6.1 Medidas de tendencia central
mediat_2 <- round(mean(variable_3$areaconst),2)Se encuentra una media del: 174.99
moda_2 <- table(variable_3$areaconst)
sort(moda_2, decreasing = T)[1]## 60
## 314Por su parte, la moda en el area construida es de: 60
mediana_2 <- median(variable_3$areaconst)De igual forma su mediana sería: 330
6.2 Medidas de dispersión
varia_2 <- sd(variable_3$areaconst)
round(varia_2,1)## [1] 142.9el área construída puede variar 329.0157036 metros
cuadrados
coeficiente_2 <- varia_2/mean(variable_3$areaconst)
coeficiente_2## [1] 0.8169142Al tener un coeficiente de variación mayor al 30%, se interpreta de que la variabilidad es alta con respecto a la media, es decir, los datos están dispersos y puede tener valores extremos o atipicos.
6.3 Análisis entre el area metro cuadrado y categorias
zon_precio_2 <- variable_3[!is.na(variable_3$zona),]
ggplot(zon_precio_2, aes(x = zona, y = areaconst))+
geom_jitter(aes(color = estrato))+
geom_boxplot(outlier.shape = NA, alpha = 0.5, outlier.color = NA) +
scale_y_continuous(limits = c(0,1600)) +
ggtitle("Vivienda en Cali, segun estrato, tipo, zona y area metro cuadrado\n")+
labs(x = "Zona", y = "Area m2", color = "Estrato") +
theme_minimal()+facet_wrap(~tipo)+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5))
Acorde al gráfico de apartamentos, la zona que presenta una mayor variabilidad es la Oeste; se puede observar que ésta se encuentra en gran parte constituida por viviendas de estrato 6 teniendo un area por metro cuadrado menor a 250 m2 aproximadamente. Cabe destacar que las medianas de las zonas norte y sur, a primera instancia parecen similares, teniendo un área metro cuadrado similar; por último.
En este mismo sentido, la gráfica de las casas presenta a la zona norte y sur, como los territorios de casas entre estrato 5 y 6; mientras que la zona oriente se encuentra comprendida por estrato 3; de igual forma, la zona oeste resalta por ser un territorio de poca existencia de la tipología señalada.
6.4 Análisis entre el area metro cuadrado y diseño: habitaciones, baños y parqueaderos.
are_dis <- variable_3[!is.na(variable_3$habitac),]
are_dis <- variable_3[(variable_3$habitac) > 0,]are_dis$habitac <- as.factor(are_dis$habitac)
s_3 <- (max(are_dis$areaconst,na.rm=T) - min(are_dis$areaconst,na.rm=T))/round(1 + log2(length(are_dis))) # A través de la diferencia del máximo valor observado menos el mínimo y los intervalos determinados por Sturges se llega a una amplitud determinada
vector_area <- cut_width(are_dis$areaconst, width = s_3)
table(vector_area, are_dis$habitac)##
## vector_area 1 2 3 4 5 6 7 8 9 10
## [-172,172] 54 890 3413 799 105 47 18 14 10 5
## (172,514] 5 34 673 880 514 226 136 116 65 33
## (514,858] 0 2 9 41 55 39 17 7 8 7
## (858,1.2e+03] 0 0 3 10 5 5 2 1 0 5
## (1.2e+03,1.54e+03] 0 0 3 1 0 0 0 0 0 1
## (1.54e+03,1.89e+03] 0 1 0 0 1 1 0 0 0 0round(prop.table(table(vector_area, are_dis$habitac))*100,2)##
## vector_area 1 2 3 4 5 6 7 8 9
## [-172,172] 0.65 10.77 41.31 9.67 1.27 0.57 0.22 0.17 0.12
## (172,514] 0.06 0.41 8.15 10.65 6.22 2.74 1.65 1.40 0.79
## (514,858] 0.00 0.02 0.11 0.50 0.67 0.47 0.21 0.08 0.10
## (858,1.2e+03] 0.00 0.00 0.04 0.12 0.06 0.06 0.02 0.01 0.00
## (1.2e+03,1.54e+03] 0.00 0.00 0.04 0.01 0.00 0.00 0.00 0.00 0.00
## (1.54e+03,1.89e+03] 0.00 0.01 0.00 0.00 0.01 0.01 0.00 0.00 0.00
##
## vector_area 10
## [-172,172] 0.06
## (172,514] 0.40
## (514,858] 0.08
## (858,1.2e+03] 0.06
## (1.2e+03,1.54e+03] 0.01
## (1.54e+03,1.89e+03] 0.00La relación entre el area y las habitaciones, muestra una solida oferta de viviendas cuyo metro cuadrado construido es menor a 172 m2 y poseen 3 habitaciones, concentrando el 41m31% del mercado, con un total de 3413 unidades habitacionales existentes.
are_dis_ban <- variable_3[!is.na(variable_3$banios),]
are_dis_ban <- variable_3[(variable_3$banios) > 0,]
are_dis_ban$banios <- as.factor(are_dis_ban$banios)
s_4 <- (max(are_dis_ban$areaconst,na.rm=T) - min(are_dis_ban$areaconst,na.rm=T))/round(1 + log2(length(are_dis_ban))) # A través de la diferencia del máximo valor observado menos el mínimo y los intervalos determinados por Sturges se llega a una amplitud determinada
vector_area_2 <- cut_width(are_dis_ban$areaconst, width = s_4)
table(vector_area_2, are_dis_ban$banios)##
## vector_area_2 1 2 3 4 5 6 7 8 9 10
## [-172,172] 479 2760 1429 517 164 11 1 1 0 0
## (172,514] 17 183 555 902 681 243 65 32 11 7
## (514,858] 0 3 7 34 33 53 36 15 3 1
## (858,1.2e+03] 0 0 2 5 10 7 5 0 1 1
## (1.2e+03,1.54e+03] 1 0 0 1 3 0 0 0 0 0
## (1.54e+03,1.89e+03] 0 0 1 1 0 1 0 0 0 0round(prop.table(table(vector_area_2, are_dis_ban$banios))*100,2)##
## vector_area_2 1 2 3 4 5 6 7 8 9
## [-172,172] 5.78 33.33 17.25 6.24 1.98 0.13 0.01 0.01 0.00
## (172,514] 0.21 2.21 6.70 10.89 8.22 2.93 0.78 0.39 0.13
## (514,858] 0.00 0.04 0.08 0.41 0.40 0.64 0.43 0.18 0.04
## (858,1.2e+03] 0.00 0.00 0.02 0.06 0.12 0.08 0.06 0.00 0.01
## (1.2e+03,1.54e+03] 0.01 0.00 0.00 0.01 0.04 0.00 0.00 0.00 0.00
## (1.54e+03,1.89e+03] 0.00 0.00 0.01 0.01 0.00 0.01 0.00 0.00 0.00
##
## vector_area_2 10
## [-172,172] 0.00
## (172,514] 0.08
## (514,858] 0.01
## (858,1.2e+03] 0.01
## (1.2e+03,1.54e+03] 0.00
## (1.54e+03,1.89e+03] 0.00En relación a los baños, se encuentra una gran participación en el mercado de unidades cuyo metro cuadrado oscila es menor a 172 m2 y poseen 2 habitaciones del 33.3%.
6.5 Análisis area vs precio
are_pre <- select(df_BC, areaconst, preciom, tipo, zona)
are_pre <- na.omit(are_pre)
ggplot(are_pre, aes(x = preciom, y = areaconst))+
geom_point(aes(color = tipo))+
ggtitle("Viviendas en Cali segun tipo, area y precio m2")+
labs(x = "Precio m2", y = "Area m2", color = "Tipo")+
theme_minimal()
Dada la concentración de los datos, los apartamentos poseen menor metro cuadrado construido a comparación de las casas. De igual manera, se constata de que entre mayor es el precio metro cuadrado, mayor será el área de la vivienda
ggplot(are_pre, aes(x = preciom, y = areaconst))+
geom_point(aes(color = tipo))+
ggtitle("Viviendas en Cali segun tipo, zona, area y precio m2")+
labs(x = "Precio m2", y = "Area m2", color = "Tipo")+
facet_wrap(~zona)+
theme_minimal()
En la zona oriente y sur existen viviendas de más de 1500 metros cuadrados; sin embargo, en la zona oriente el precio m2 es menor o igual a 250 mil pesos.
7. Conclusiones
EL mercado inmobiliario de Cali se encuentra mayoritariamente comprendido por apartamentos; sin embargo, por zonas, las distinciones son diferentes. Las zonas centro y oriente tienen una preferencia marcada por casas, con más del 80% de las unidades habitacionales pertenecientes a esta tipología. En consecuencia, los lineamientos de marketing e identificación de nichos de mercado deben estar definidos por esta distinción, entre territorios.
Los barrios de mayor demanda por zona son: en zona norte están La flora, Acopi y Prados del norte; Zona sur, se encuentra Valle Lili, Ciudad Jardin y Pan; la zona oeste, esta Santa teresita, normandia y los cristales; por ultimo la zona oriente, se encuentra Alfonso López, ciudad cordoba y las ceibas.
Por otra parte, en cuanto al diseño de interiores, se desatacan unidades habitacionales de al menos 172 m2 construidos, 3 habitaciones, 2 baños y un parqueadero, siendo otro punto referente entre lo que los clientes potenciales buscan en el mercado.
El precio promedio metro cuadrado del mercado se encuentra en 434 mil pesos y el área en 330 metros cuadrados.
Todo lo anterior es necesario para poder abordar el mercado de gran manera y continuar con un papel significativo en él.