#I. Aspectos generales

1.1 Nombre de la organización : Precios de la vivienda 2023

1.2 Misión y visión :

Misión: Ofrecer a nuestros usuarios una amplia variedad de propiedades a los mejores precios, ayudándoles a encontrar la vivienda ideal para sus necesidades.

Visión: Ser el portal inmobiliario de referencia en Piura, Perú, proporcionando a nuestros usuarios una experiencia de compra o venta de propiedades sencilla, segura y transparente.

1.3 Descripción del servicio/productos que se va a analizar: El portal inmobiliario es un servicio que ofrece una plataforma para que las personas puedan comprar, vender o alquilar propiedades. El servicio permite a los usuarios buscar propiedades por ubicación, tipo, precio y otros criterios. También permite a los usuarios ponerse en contacto con los propietarios o agentes inmobiliarios para obtener más información o programar una visita.

1.4 Problemática de estudio: El estudio se centrará en analizar estos aspectos para identificar oportunidades de mejora y desarrollar recomendaciones para el portal inmobiliario.

#II. Fundamentos básicos de la Estadística

2.1 Objetivo de estudio

El objetivo del estudio es analizar la problemática del portal inmobiliario en Piura, con el fin de identificar oportunidades de mejora y desarrollar recomendaciones para el servicio.

2.2 Población de estudio

La población de estudio son todas las personas que utilizan el portal inmobiliario en Piura. Esta población incluye tanto a compradores como a vendedores de propiedades.

2.3 Muestra

La muestra serán 300 Personas del Total de la Población que se tomarón en cuenta para el estudio.

2.4 Unidad de análisis

La unidad de análisis es el usuario del portal inmobiliario en Piura.

2.5 Tipo de muestreo a utilizar

El tipo de muestreo a utilizar es un muestreo de conveniencia.

#III. Variables y tipo de variables

3.1 Importación al entorno de trabajo

#Carga de Datos
viviendas <- read.csv("viviendas.csv", sep = ",")
head(viviendas)

3.2 Variables y descripción de cada variable

Tipo de propiedad: Variable cualitativa nominal.

Precio: Variable cuantitativa discreta.

Ubicación: Variable cualitativa nominal.

Ciudad: Variable cualitativa nominal.

Balneario: Variable cuantitativa ordinal.

Objetivo: Variable cualitativa nominal.

Dormitorios: Variable cuantitativa discreta

Zona en marla: Variable cuantitativa continua.

#IV. Tablas estadísticas y gráficos adecuados (Considerar todos los estudiados)

TABLA DE FRECUENCIAS (VARIABLE PRECIO)

library(agricolae)
tabla_frecuencia_precio <- (table.freq(hist(viviendas$price,breaks = "Sturges", plot = FALSE)))
tabla_frecuencia_precio

TABLA DE FRECUENCIAS (VARIABLE DORMITORIOS)

tabla_frecuencia_dormitorios <- (table.freq(hist(viviendas$bedrooms,breaks = "Sturges", plot = FALSE)))
tabla_frecuencia_dormitorios

TABLA DE FRECUENCIAS (VARIABLE ZONA EN MARLA)

tabla_frecuencia_zona <- (table.freq(hist(viviendas$Area_in_Marla,breaks = "Sturges", plot = FALSE)))
tabla_frecuencia_zona

Gráficos Estadísticos

Gráficos Estadísticos para variable precio

# Gráfico de Barras
plot(viviendas$price)

Gráficos Estadísticos para variable dormitorios

# Gráfico Circular
pie(table(viviendas$bedrooms))

Gráficos Estadísticos para variable zona en marla

# Gráfico de Barras
plot(viviendas$Area_in_Marla)

#V. Medidas estadísticas (Considerar todas las medidas estudiadas)

Caso Precio las viviendas:

¿Cuál es el precio medio de las propiedades en el conjunto de datos?, El Objetivo es Obtener medidas estadisticas a partir de sus datos.

Los Datos Son:

preciosVivindas <-c(10000, 10000, 6900000, 16500000, 43500000, 7000000, 7800000, 69023243)

Medidas Estadísticas de tendencia central

Media Aritmética

mean(preciosVivindas)
## [1] 18842905

Interpretación: Los precios de las viviendas de las viviendas es: 18842905.

Mediana

median(preciosVivindas)
## [1] 7400000

Interpretación : El 50% de los precios de las viviendas máxima es: 7400000.

Moda

library(modeest)
## 
## Attaching package: 'modeest'
## The following object is masked from 'package:agricolae':
## 
##     skewness
mfv(preciosVivindas)
## [1] 10000

Interpretación: Los precios de las viviendas vendidas más frecuentes (que más se repiten) es 10000 respectivamente.

MEDIDAS DE VARIABILIDAD O DISPERSIÓN

Rango

range(preciosVivindas)
## [1]    10000 69023243

Varianza

\(s^2=\frac{\sum_{i=1}^n\left(x_i-\bar{x}\right)^2}{n-1}\)

var(preciosVivindas)
## [1] 6.065311e+14

Desviación Estándar

sd(preciosVivindas)
## [1] 24627852

Interpretación: La Variabilidad Promedio de los datos respecto a la media es: 24627852.

Coeficiente de Variación

\[ C V=\frac{S}{\bar{x}} \times 100 \]

library(psych)
## Registered S3 method overwritten by 'psych':
##   method         from  
##   plot.residuals rmutil
describe(preciosVivindas)

Interpretación: Como el CV es 18842905 < 30%, entonces la distribución de los precios de la vivienda es homogénea y la medida es representativa.