1. Introducción

La empresa B&C (Bines y Casas) es una agencia de bienes raíces que opera en la ciudad de Cali, Colombia. La empresa fue fundada por Sandra Milena hace 10 años y actualmente cuenta con ocho agentes de bienes raíces.

El mercado de bienes raíces en Cali ha crecido significativamente en los últimos años, impulsado por el crecimiento de la población, la inversión extranjera directa y el desarrollo de nuevos proyectos inmobiliarios. En 2021, las ventas del sector en Cali llegaron a $6700 millones y en 2022 a $6100 mil millones. Se espera que este sector continue creciendo durante los próximos años, permitiendo un desarrollo dinámico en la economía regional.

La empresa B&C ha recogido información sobre viviendas que incluye información sobre el precio, la ubicación, las características y la venta de viviendas en Cali. Esta base de datos puede ser utilizada para realizar un informe estadístico que sería de gran interés para la empresa.

2. Obejtivos

  • Entregar a la empresa B&C un informe detallado en relación al análisis descriptivo del mercado inmobiliario en la ciudad de Cali.
  • Desarrollar estrategias de marketing.
  • Establecer precios de venta.
  • Ofrecer servicios personalizados a sus clientes.

La empresa solicita un análisis descriptivo de los datos, para identificar las tendencias y patrones en los datos.

3. Analisis preliminar de los datos - Missing Data

La validación de datos es un paso crucial antes de procesar o analizar un conjunto de datos. A continuación, se detallaran algunas comprobaciones y validaciones comunes que se pueden realizar para asegurarse de que los datos estén listos para el análisis. En este paso se va a realizar el proceso de cargue de la infromación, actualización de los nombres de los campos, identificación de los tipos de variables, eliminacion de registro duplicados y los missing data.

3.1 Proceso de cargue y normalización de los nombres de las variables

Una vez realizado el proceso de cargue, se evidencio 8330 registros y 13 variables o campos.

La actulización de los nombres de las variables es una práctica común y útil en la manipulación y análisis de datos. Facilita la legibilidad, la consistencia, la preparación para el análisis, y puede mejorar la estética de los informes y gráficos generados.

## El nombre de Columna id fue actualizado por: Id 
## El nombre de Columna zona fue actualizado por: Zona 
## El nombre de Columna piso fue actualizado por: Piso 
## El nombre de Columna estrato fue actualizado por: Estrato 
## El nombre de Columna preciom fue actualizado por: PrecioVivienda 
## El nombre de Columna areaconst fue actualizado por: AreaConstruccion 
## El nombre de Columna parquea fue actualizado por: NumeroParqueaderos 
## El nombre de Columna banios fue actualizado por: CantidadBanos 
## El nombre de Columna habitac fue actualizado por: CantidadHabitaciones 
## El nombre de Columna tipo fue actualizado por: TipoVivienda 
## El nombre de Columna barrio fue actualizado por: Barrio 
## El nombre de Columna longitud fue actualizado por: Longitud 
## El nombre de Columna latitud fue actualizado por: Latitud

3.2 Identificacion de los tipos de variables

Identificar los tipos de variables es una práctica fundamental que facilita el manejo adecuado de los datos y contribuye a un análisis más efectivo y libre de errores.

Tabla de variables con sus tipos de datos

Columna

Tipo

Id

numeric

Zona

character

Piso

numeric

Estrato

numeric

PrecioVivienda

numeric

AreaConstruccion

numeric

NumeroParqueaderos

numeric

CantidadBanos

numeric

CantidadHabitaciones

numeric

TipoVivienda

character

Barrio

character

Longitud

numeric

Latitud

numeric

Cantidad de variables por tipo de datos

Tipo de Datos

Cantidad de tipos de datos

character

3

numeric

10

3.3 Registros duplicados y/o nulos

Identificar campos duplicados y/o nulos es esencial para la mejora de la calidad de los datos, prevencion de los sesgos, optimizacion del rendimiento, cumplimientos de requisitos unicos y preparacion de los datos para realizacion de analisis.

## [1] "Registros eliminados:"
##      Id Zona Piso Estrato PrecioVivienda AreaConstruccion NumeroParqueaderos
## 8320 NA <NA>   NA      NA             NA               NA                 NA
## 8321 NA <NA>   NA      NA             NA               NA                 NA
## 8322 NA <NA>   NA      NA            330               NA                 NA
##      CantidadBanos CantidadHabitaciones TipoVivienda Barrio Longitud Latitud
## 8320            NA                   NA         <NA>   <NA>       NA      NA
## 8321            NA                   NA         <NA>   <NA>       NA      NA
## 8322            NA                   NA         <NA>   <NA>       NA      NA

Se tomo como base que los registros que tuviesen mas 30% de sus campos vacios y/o nulos fuesen eliminados de la base de datos. Una vez se ejecuto el proceso se evidencio tres(3) registros que cumplian con el criterio de eliminacion. Al inicio cuando se realizo el carque de la informacion se tenia 8330 registros y 13 variables y al finalizar, la base de datos quedo con 8327 registros y 13 variables.

3.4 Identificación de campos nulos y/o vacios en los registros.

Identificar campos nulos o vacíos es una parte esencial del análisis y limpieza de datos. Los valores faltantes pueden influir significativamente en los resultados de los análisis estadísticos y en la eficacia de los modelos predictivos. A continuación, se detallará el cantidad de registros nulos o vacios agrupados por las variables de la base de datos entregada:

Tabla de Nro. de registros que al menos tiene un campo Vacio o Null

Variable

Nro. de Registros

Id

0

Zona

0

Piso

2,638

Estrato

0

PrecioVivienda

0

AreaConstruccion

0

NumeroParqueaderos

1,603

CantidadBanos

0

CantidadHabitaciones

0

TipoVivienda

0

Barrio

0

Longitud

0

Latitud

0

Se evidenció registros que por lo menos tiene un campo nulo o vacio: 3515

En resumen, la validación de datos es un paso fundamental que aumenta la calidad y confiabilidad de los análisis, previene errores, y facilita el trabajo con los datos. La omisión de esta etapa puede llevar a resultados incorrectos, pérdida de tiempo y recursos, y posiblemente problemas legales o de conformidad en ciertos contextos. Por tanto, dedicar tiempo y esfuerzo a la validación de datos es una inversión sabia en cualquier proyecto de análisis de datos.

3.5 Correcion de valores en las variables de la BD.

Se evidencio que la base de datos el campo Tipo de vivienda tenia los siguientes valores:

  • Apartamento
  • APARTAMENTO
  • CASA
  • Casa
  • apto
  • casa
## El Número total de registros modificados en Tipo de Vivienda fue: 100

Se ejecuto un proceso para unificar los datos quedando de la siguiente manera:

  • Apartamento
  • Casa

4. Métodos

Realizar un análisis descriptivo implica un proceso metodológico que incluye varios pasos. A continuación, se describen los principales componentes de esta metodología:

  1. Entendimiento del Problema y los Datos
  2. Carga de Datos
  3. Exploración Inicial de los Datos
  4. Limpieza de Datos
  5. Análisis Descriptivo Univariable
  6. Análisis Descriptivo Bivariable y Multivariable
  7. Visualización
  8. Interpretación y Comunicación
  9. Documentación

5. Resultados - Análisis estadístico descriptivo

5.1 Tipo de viviendas mas vendidos

TipoVivienda

total_inmuebles

porcentaje_tipo

Apartamento

5,106

61.32

Casa

3,221

38.68

Interpretacion:

  • 1. Ventas totales:

    • Apartamentos vendidos: 5106 (61.3186% del total)
    • Casas vendidas: 3221 (38.6814% del total)
    • Total de unidades vendidas: 8327 (100%). Estas ventas se encuentran distruibuidas en las diferentes zonas de la ciudad de Cali, las cuales son: Zona centro, norte, oeste, oriente y sur.

  • 2. Preferencia de Vivienda:

    • Hay una clara preferencia por los apartamentos en comparación con las casas, con un poco más del 60% de las ventas totales.
    • Las casas representan aproximadamente el 40% de las ventas, lo cual indica que aún hay una demanda significativa.

  • 3. Posibles Factores Contribuyentes:

    • Urbanización y densidad poblacional: La preferencia por apartamentos podría ser un reflejo de la urbanización y la densidad poblacional en Cali. Los apartamentos pueden ofrecer un acceso más conveniente a los servicios de la ciudad, mientras que las casas pueden ubicarse en áreas más suburbanas o rurales.
    • Precios: Si los apartamentos tienden a ser más asequibles que las casas, esto podría explicar su mayor popularidad. Un análisis más detallado de los precios podría ofrecer más información al respecto.
    • Tendencias del mercado y preferencias demográficas: Las preferencias por apartamentos o casas pueden variar según la demografía y las tendencias actuales del mercado. Por ejemplo, los jóvenes profesionales pueden preferir apartamentos cerca del centro de la ciudad, mientras que las familias pueden buscar casas con más espacio.

5.2 Tipo de viviendas mas vendidos por zonas

A continuacion, se detalla las ventas de apartamentos y casas teniendo en cuenta las diferentes zonas de la ciudad:

Zona

TipoVivienda

total_inmuebles

porcentaje_zona_tipo

Zona Centro

Apartamento

24

0.29%

Zona Centro

Casa

100

1.20%

Zona Norte

Apartamento

1,199

14.40%

Zona Norte

Casa

723

8.68%

Zona Oeste

Apartamento

1,035

12.43%

Zona Oeste

Casa

169

2.03%

Zona Oriente

Apartamento

62

0.74%

Zona Oriente

Casa

289

3.47%

Zona Sur

Apartamento

2,786

33.46%

Zona Sur

Casa

1,940

23.30%

Interpretacion:

  • 1. Zona Sur: La Zona Sur destaca como la región con la mayor cantidad de ventas tanto para apartamentos como para casas. Esto puede sugerir que esta área es particularmente atractiva para los compradores, posiblemente debido a factores como la ubicación, precio, o disponibilidad de servicios.

  • 2. Preferencia por Tipos de Vivienda: En casi todas las zonas, excepto la Zona Centro y la Zona Oeste, los apartamentos se venden en mayor cantidad que las casas. Esto podría reflejar una preferencia general por los apartamentos en la ciudad, aunque las razones podrían variar según la zona.

  • 3. Zonas con Menos Ventas: La Zona Centro y la Zona Oriente muestran un volumen significativamente menor de ventas en comparación con las otras zonas. Esto podría indicar una menor demanda en estas áreas, o posiblemente una menor disponibilidad de propiedades.

5.3 Número de viviendas por estrato

Interpretacion:

    1. Estrato 5: tiene la mayor cantidad de viviendas disponibles, representando un tercio del mercado total. Esto sugiere que hay una fuerte demanda o interés en las propiedades en esta categoría, posiblemente debido a ubicaciones deseables, servicios adicionales o una mejor calidad de construcción.
    1. Estrato 3: representa una porción significativa pero más pequeña del mercado en comparación con los estratos superiores. Podría ser una opción atractiva para compradores con un presupuesto más ajustado o aquellos que buscan vivienda en áreas con costos de vida más bajos.

5.4 Análisis de la variable Piso

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.772368       3    2      1     12  2  3  5   3

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.382975       3    2      1      9  2  3  5   3

Interpretacion de la variable Piso:

La variable “piso” representa los niveles de un edificio en la base de datos analizada.

Antes de Aplicar el Rango Intercuartílico de 1.5:

  • 1. Centralidad: La media de 3.772368 sugiere que el nivel promedio de los pisos está alrededor del tercer y cuarto piso. La mediana y la moda corroboran esto, con una mediana en el tercer piso y la moda en el segundo piso.
  • 2. Dispersión: El mínimo y el máximo, desde 1 hasta 12, muestran que hay una amplia gama de niveles de piso en el conjunto de datos. El rango intercuartílico (RIQ) de 3 refleja una dispersión moderada de los valores alrededor de la mediana.
  • 3. Outliers: La presencia de outliers indica que hay algunos pisos que son significativamente más altos o más bajos que la mayoría. Esto podría ser una señal de edificios inusualmente altos o bajos en tu conjunto de datos.

Después de Aplicar el Rango Intercuartílico de 1.5:

  • 1. Centralidad: La media se reduce a 3.382975 después de eliminar los outliers, lo que sugiere que los valores extremos estaban influyendo en la media original. La mediana y la moda se mantienen constantes, reflejando que la mayoría de los datos centrales no se vieron afectados.
  • 2. Dispersión: El rango de los pisos se ha reducido a 1-9 después de aplicar el filtro. Sin embargo, los cuartiles y el RIQ se mantienen, lo que indica que la eliminación de outliers no afectó la dispersión general de los datos.
  • 3. Outliers: La ausencia de outliers en el análisis filtrado indica que el método fue eficaz en eliminar los valores extremos.

Interpretación Final:

La variable “piso” tiene una distribución con una tendencia central alrededor del segundo y tercer piso. La presencia inicial de outliers sugiere que había algunos edificios inusualmente altos o bajos que podrían haber sido el resultado de errores en los datos o representar casos inusuales, como rascacielos o edificios de un solo piso.

La aplicación de un rango intercuartílico de 1.5 ayudó a refinar la distribución, eliminando estos casos extremos y proporcionando una imagen más clara y representativa de la mayoría de los edificios en tu conjunto de datos.

Este análisis podría ser útil para entender la tipología de los edificios en una región particular, ayudando en la planificación urbana, análisis inmobiliario, o cualquier contexto en el que los niveles de piso sean una característica relevante.

5.5 Análisis de la variable Estrato

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 4.634322       5    5      3      6  4  5  5   1

Interpretacion de la variable Estrato:

El estrato de una vivienda indica en qué nivel socioeconómico se encuentra la zona en la que está ubicada, lo cual puede influir en el costo de los servicios públicos y en el acceso a ciertos beneficios o subsidios.

En este analisis de la variable Estrato no se aplico el rango intertcuatilico porque no presento outliers.

El análisis de la variable “Estrato” en la base de datos analizada revela que hay una concentración significativa de viviendas en los estratos 4, 5 y 6, con un énfasis particular en el estrato 5. La ausencia de viviendas en los estratos más bajos y la falta de outliers sugieren que los datos representan una población que vive en áreas de estrato medio-alto. Esto podría tener varias implicancias, dependiendo del contexto en el que se esté trabajando, como políticas de vivienda, planificación urbana, o la distribución de recursos y servicios.

5.6 Análisis de la variable Precio de la vivienda

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo  Q1  Q2  Q3 RIQ
## 25% 434.2532     330  350     58   1999 220 330 540 320

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo  Q1  Q2  Q3 RIQ
## 25% 367.3798     315  350     58   1015 220 315 540 320

Interpretacion de la variable Precio de la vivienda:

Centralidad

  • 1. Media: Se redujo de 434.2532 a 367.3798 tras aplicar el RIQ. Esto indica que los outliers estaban influyendo en la media, haciéndola más alta antes de aplicar el RIQ.

  • 2. Mediana: Se mantuvo cercana, de 330 a 315, demostrando que la mayoría de los datos están concentrados en este rango, y que los outliers no estaban afectando significativamente la mediana.

  • 3. Moda: Se mantuvo constante en 350, reforzando la idea de una fuerte concentración de precios en esta área.

Dispersión

  • 1. RIQ: Se mantuvo en 320 en ambos casos, lo que sugiere que la dispersión de los datos en la mitad central de la distribución no fue significativamente afectada por los outliers.
  • 2. Mínimo y Máximo: El mínimo se mantuvo en 58, pero el máximo se redujo drásticamente de 1999 a 1015. Esto refleja la eliminación de algunos valores extremos altos y muestra una reducción en la dispersión total.

Outliers

    1. Antes de aplicar el RIQ, los outliers estaban presentes y afectaban la media. Después de aplicar el RIQ, algunos outliers fueron eliminados, pero aún quedaron algunos en los datos.

Interpretación final:

El análisis contrastado revela la influencia de los outliers en la media y en la dispersión total de los precios de las viviendas. La aplicación del RIQ ayudó a minimizar esta influencia, llevando a una disminución en la media y en el valor máximo, y brindando una representación más robusta de los datos centrales. Sin embargo, la persistencia de algunos outliers y la constancia en otros parámetros, como la mediana, la moda, y el RIQ, sugieren que el conjunto de datos aún refleja una diversidad inherente en los precios. Puede ser útil examinar estos outliers restantes y entender sus causas, ya que podrían revelar información valiosa sobre segmentos específicos del mercado inmobiliario, como áreas geográficas particulares o tipos de viviendas.

5.7 Análisis de la variable Area de contrucción

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo Q1  Q2  Q3 RIQ
## 25% 174.9876     123   60     30   1745 80 123 229 149

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo Q1  Q2  Q3 RIQ
## 25% 153.5333     118   60     30    452 80 118 229 149

Interpretacion de la variable Area de construcion:

En esta interpretacion se contrasta los resultados de la variable “Área de construcción” antes y después de aplicar el rango intercuartílico (RIQ) de 1.5.

Centralidad

  • 1. Media: La media disminuyó de 174.9876 a 153.5333 después de aplicar el RIQ, lo que refleja la eliminación de algunos outliers extremos que estaban elevando la media.
  • **2. Mediana: La mediana también disminuyó, de 123 a 118, aunque en menor grado que la media. Esto sugiere una ligera tendencia hacia valores más bajos después de la corrección de

outliers

  • 1. Moda: La moda se mantuvo constante en 60, lo que indica que el valor más frecuente no fue afectado por la aplicación del RIQ.

Dispersión

  • 1. Rango: El rango se redujo significativamente de (30, 1745) a (30, 452). Esto muestra que los valores atípicos extremos fueron eliminados, reduciendo la dispersión en los datos.
  • 2. RIQ: El RIQ se mantuvo constante en 149, lo que indica que la dispersión en la mitad central de los datos no cambió.

Outliers

  • 1. Antes de aplicar el RIQ: la distribución presentaba outliers. Después de aplicar el RIQ, aún se detectaron outliers, aunque en un rango reducido.

Interpretación final:

El área promedio de construcción antes de aplicar el RIQ es de aproximadamente 174.99 metros cuadrados, mientras que después de aplicar el RIQ, se reduce a 153.53 metros cuadrados. Esto podría sugerir que las viviendas de tamaño medio son comunes en el mercado.

La mediana de 123 metros cuadrados (o 118 después del ajuste) indica que al menos la mitad de las viviendas tienen un área de construcción de menos de 123 metros cuadrados, lo que podría ser un tamaño deseable para muchos compradores.

La moda de 60 metros cuadrados sugiere que este tamaño específico podría ser especialmente popular, tal vez reflejando un tipo particular de vivienda, como apartamentos de un dormitorio.

Basándonos en la información proporcionada sobre el área de construcción, se puede inferir que las viviendas más vendidas podrían estar en el rango de tamaño mediano, con un énfasis particular en las viviendas de alrededor de 60 metros cuadrados. La variedad de tamaños y la presencia de outliers podrían reflejar una diversidad en las opciones de vivienda, atendiendo tanto al mercado de lujo como al mercado más asequible.

Sin embargo, es importante tener en cuenta que este análisis se basa en una única variable.

5.8 Análisis de la variable Parqueaderos

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 1.835961       2    1      1     10  1  2  2   1

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 1.571893       1    1      1      3  1  1  2   1

Interpretacion de la variable Número de parqueaderos:

Centralidad

  • 1. Media: Antes del RIQ, la media era aproximadamente 1.836, pero se redujo a 1.572 después de aplicar el RIQ. Esto refleja una disminución en la tendencia central, eliminando las viviendas con un mayor número de parqueaderos.
  • 1. Mediana y Moda: La mediana disminuyó de 2 a 1, y la moda permaneció en 1. Esto indica que la mayoría de las viviendas ofrecen solo un espacio de estacionamiento después de excluir los valores atípicos.

Dispersión

  • 1. Mínimo y Máximo: El rango original era de 1 a 10, pero se redujo a 1-3 después del RIQ. La mayor restricción en el rango sugiere que las viviendas ofrecen un número más consistente de parqueaderos después de eliminar los valores extremos.
  • **1. RIQ: La medida de RIQ permaneció constante en 1, indicando una dispersión similar en los datos, aunque con menos variabilidad en el conjunto filtrado.

Outliers

  • 1. Antes del RIQ: Había outliers, como viviendas con 10 parqueaderos, representando propiedades atípicas. Después del RIQ: No hay outliers, lo que significa que los valores extremos han sido eliminados, y los datos reflejan una oferta más común de estacionamiento.

Interpretación final:

El análisis contrastado revela cómo la aplicación del RIQ ha llevado a una comprensión más realista de la oferta de parqueaderos en las viviendas. Mientras que el análisis original podría haber sido influenciado por algunas propiedades con un número inusualmente alto de parqueaderos, el análisis filtrado presenta una visión más concentrada y probablemente más representativa de la situación típica.

En términos prácticos, esto sugiere que la mayoría de las viviendas ofrecen solo uno o dos espacios de estacionamiento, y las inmobiliarias y compradores deben considerar esto al evaluar las necesidades de estacionamiento en su búsqueda de vivienda. Los valores atípicos eliminados podrían haber representado viviendas de lujo o propiedades especiales que no son representativas de la oferta general del mercado.

5.8 Análisis de la variable Cantidad de Banos.

## [1] "Análisis Original"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.112045       3    2      0     10  2  3  4   2

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.065415       3    2      0      7  2  3  4   2

Interpretacion de la variable Cantidad de banos

Centralidad

  • 1. Media: La media disminuyó ligeramente de 3.112045 a 3.065415. Esto muestra que el tratamiento de outliers tuvo un pequeño efecto en la media, al reducir la influencia de los valores extremos.
  • 2. Mediana y Moda: Estas no cambiaron, lo que sugiere que la mayoría de los datos se concentran en torno a los mismos valores centrales, ya sea con o sin outliers.

Dispersión

  • 1. Rango (Máximo - Mínimo): El rango disminuyó de 10 a 7. Esto refleja una menor dispersión en los datos después de tratar los outliers.
  • **2. RIQ: No hubo cambios en el RIQ, manteniéndose en 2, lo que significa que la dispersión entre los cuartiles no se vio afectada significativamente.

Outliers

  • 1. La aplicación del RIQ: Eliminó los valores extremos, reduciendo el máximo de 10 a 7 y dejando el mínimo en 0. Esto sugiere que los valores por encima de 7 se consideraron atípicos y fueron excluidos.

Interpretación final:

El análisis revela que la aplicación del rango intercuartílico de 1.5 tuvo un efecto modesto en los datos. Aunque los cambios en las medidas de centralidad fueron menores, la disminución en el rango refleja una reducción en la dispersión. La eliminación de outliers llevó a una representación posiblemente más realista del número de parqueaderos, minimizando el efecto de los valores extremos. Sin embargo, es esencial considerar el contexto y la naturaleza de los datos para determinar si este tratamiento es apropiado en cada caso particular.

## [1] "Análisis Original"
##       Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.60514       3    3      0     10  3  3  4   1

## [1] "Análisis Filtrado"
##        Media Mediana Moda Minimo Maximo Q1 Q2 Q3 RIQ
## 25% 3.290899       3    3      2      5  3  3  4   1

Interpretacion de la variable Cantidad de Habitaciones

Centralidad

  • 1. Media: La media bajó de 3.60514 a 3.290899 tras la eliminación de los valores atípicos. Esto indica que había ciertos valores extremos que estaban influyendo en la media y elevándola.
  • 2. Mediana y Moda: Ambas permanecieron constantes en 3. Esto sugiere que la mayor parte de la distribución se encuentra centrada en torno a este valor, y la eliminación de outliers no afectó significativamente a la mediana o la moda.

Dispersión

  • 1. Rango (Máximo - Mínimo): El rango disminuyó de 10 a 5, y los valores extremos del mínimo y máximo se ajustaron de 0 y 10 a 2 y 5, respectivamente. Esto refleja una mayor concentración de los datos en un rango más estrecho.
  • 2. RIQ: El RIQ no cambió y permaneció en 1, lo que indica que la dispersión entre los cuartiles no fue significativamente afectada.

Outliers

  • 1. La aplicación del RIQ: Identificó y eliminó outliers, ajustando el rango de la variable. Esto muestra que había ciertos valores extremos que fueron considerados atípicos y, por tanto, excluidos.

Interpretación final:

El tratamiento de los valores atípicos a través del RIQ llevó a una disminución en la media y el rango, lo cual sugiere que los datos originales contenían algunos valores extremos que podían haber distorsionado la interpretación. La mediana y la moda no se vieron afectadas, lo que refuerza la idea de que la mayoría de las viviendas se agrupan alrededor del valor de 3 habitaciones.

6. Discusión y Conclusiones

    1. La mayor cantidad de inmuebles son apartamentos (5.106 inmmuebles) que representa el 61.3% y la menor cantidad son casas (3.221 inmuebles) que representa el 38.7%.
    1. La mayor cantidad de inmuebles se ubican en la Zona Sur (4.726 inmuebles) que representa el 56.8% descriminados de la siguiente manera:
    • Apartamentos (2.786 inmmuebles) que representa el 33.5%
    • Casas (1.940 inmuebles) que representa el 23.3%
    1. La menor cantidad de inmuebles se ubican en la Zona Centro (124 inmuebles) que representa el 1.5% descriminados de la siguiente manera:
    • Casas (100 inmmuebles) que representa el 1.2%
    • Apartamentos (24 inmuebles) que representa el 0.3%
    1. Estrato 5 domina el mercado con el 33.03% del total de viviendas, indicando una fuerte demanda o interés en propiedades en esta categoría, posiblemente debido a una combinación favorable de ubicación, precio y calidad.
    1. Los estratos 4 y 6 también tienen una presencia significativa en el mercado, con el 25.99% y 23.92%, respectivamente. Esto refleja una diversidad en las opciones de vivienda disponibles para diferentes segmentos de compradores.
    1. Estrato 3, aunque representa una porción más pequeña del mercado (17.44%), sigue siendo una parte vital, posiblemente atendiendo a los compradores con presupuestos más ajustados.
    1. El valor promedio de avalúo es de $ 434.25 millones de pesos, con un máximo de $1.999 millones de pesos y un mínimo de $58 millones de pesos y aplicando RIQ de 1.5 El valor promedio de avalúo es de $ 367.37 millones de pesos.

Otras interpretacione de las variables fueron expuestas en el respectivo analisis de las mismas.

A continuación, se presenta la posible relación de comportamiento entre el valor del metro cuadro de los inmuebles por estrato de cada zona:

Comportamientovalor del metro cuadro de inmuebles por estrato de cada zona

Zona

Estrato

Media_precio_m2

Mediana_precio_m2

Min_precio_m2

Max_precio_m2

Desviacion_estandar

Precio_sugerido_superior

Precio_sugerido_riesgoso

Zona Centro

3

$1.63

$1.50

$0.89

$4.21

0.53

$2.16

$2.69

Zona Centro

4

$2.16

$2.03

$0.81

$5.07

1.15

$3.31

$4.46

Zona Centro

5

$3.21

$2.98

$1.84

$5.04

1.44

$4.65

$6.09

Zona Centro

6

$2.50

$2.50

$2.50

$2.50

Zona Norte

3

$1.88

$1.89

$0.26

$7.00

0.62

$2.50

$3.12

Zona Norte

4

$2.31

$2.26

$0.84

$4.62

0.74

$3.05

$3.79

Zona Norte

5

$2.76

$2.79

$0.55

$9.47

1.04

$3.80

$4.84

Zona Norte

6

$3.27

$3.32

$1.08

$6.12

1.16

$4.43

$5.59

Zona Oeste

3

$2.19

$2.08

$0.77

$6.18

0.89

$3.08

$3.97

Zona Oeste

4

$2.57

$2.62

$0.84

$7.74

1.08

$3.65

$4.73

Zona Oeste

5

$3.25

$3.33

$0.95

$7.39

1.03

$4.28

$5.31

Zona Oeste

6

$4.01

$4.00

$1.08

$8.30

1.15

$5.16

$6.31

Zona Oriente

3

$1.41

$1.31

$0.15

$4.86

0.61

$2.02

$2.63

Zona Oriente

4

$2.03

$1.91

$0.90

$3.17

0.84

$2.87

$3.71

Zona Oriente

5

$1.37

$1.37

$0.99

$1.75

0.54

$1.91

$2.45

Zona Oriente

6

$6.37

$6.37

$6.37

$6.37

Zona Sur

3

$1.88

$1.83

$0.56

$5.49

0.67

$2.55

$3.22

Zona Sur

4

$2.49

$2.56

$0.38

$6.38

0.67

$3.16

$3.83

Zona Sur

5

$2.72

$2.77

$0.28

$5.87

0.79

$3.51

$4.30

Zona Sur

6

$3.40

$3.40

$0.85

$8.05

1.06

$4.46

$5.52

El analisis visualidado en la tabla anterior nos muestra unos valores estimados por metro cuadrado, por zona y por estrato. De igual forma nos muestra la desvicacion estandar la cual nos indica cuán dispersos están los valores en relación con la media en el conjunto de datos. En este caso, podemos utilizar la media y la desviación estándar para determinar un rango razonable de valores para el precio por metro cuadrado. Una forma común de hacerlo es utilizar la media más una o dos veces la desviación estándar para determinar un rango superior. Esto se basa en la regla empírica, que establece que aproximadamente el 68% de los datos se encuentran dentro de una desviación estándar de la media, y aproximadamente el 95% de los datos están dentro de dos desviaciones estándar de la media.

    1. Por ejemplo, podemos calcular para la Zona Centro en el estrato 3:
    • Una Desviación Estándar por Encima de la Media: $ 1.63 + 0.53 = 2.16
    • Dos Desviaciones Estándar por Encima de la Media: 1.63+(2×0.53) = 2.69

El valor por metro cuadrado sugerido que un comprador no debería superar dependerá de su tolerancia al riesgo y su evaluación del mercado. Si desea ser más conservador, puede considerar el valor con una desviación estándar por encima de la media (2.16) como el límite superior. Si está dispuesto a aceptar más riesgo y variabilidad, podría considerar el valor con dos desviaciones estándar por encima de la media (2.69) como el límite superior.

En la tabla anterior se evidencia los valores estimados teniendo en cuenta una (1) o (2) desviaciones estándar para el precio por metro cuadrado de cada estrato. Los nombres de las columnas son: Precio_sugerido_superior y Precio_sugerido_riesgoso.

Estos valores sugeridos podrían ser útiles como una guía para compradores que buscan entender el rango de precios en diferentes zonas y estratos, tomando en cuenta la variabilidad en los precios. El uso de la desviación estándar en este contexto puede ofrecer una idea de la dispersión de los precios y ayudar a establecer un rango de compra realista.

Basándonos en análisis del mercado inmobiliario en Cali, nuestra recomendación se centra en la implementación de una estrategia de personalización dirigida a los posibles compradores. Esta estrategia debería tener en cuenta el perfil individual, el poder adquisitivo, y las necesidades específicas de cada cliente.

Cali presenta una gran variedad de inmuebles con diferentes características, tales como área construida, número de habitaciones, baños y otros elementos distintivos. Esto ofrece una oportunidad única para alinear las ofertas de vivienda con las demandas y expectativas de los compradores.

La variabilidad observada en los datos sugiere que hay espacio para ofrecer soluciones personalizadas que puedan satisfacer una amplia gama de requerimientos. Los clientes que buscan viviendas en diferentes estratos y zonas tienen diferentes expectativas y restricciones presupuestarias, lo que hace que la personalización sea no solo deseable sino también esencial.

En conclusión, el mercado inmobiliario en Cali ofrece una rica variedad de oportunidades. Al adoptar una estrategia centrada en el cliente, que valore y responda a sus necesidades y preferencias individuales, los vendedores pueden esperar no solo cumplir sino superar las expectativas de sus clientes, creando así una experiencia de compra más gratificante y exitosa.

7. Anexos

El presente informe no contiene anexos.