Actividad 1 - Caso: Evaluación de la Oferta Inmobiliaria Urbana
Actividad 1 - Caso: Evaluación de la Oferta Inmobiliaria Urbana
John Díaz Alonso
2024-02-01
Una empresa inmobiliaria líder en una gran ciudad está buscando comprender en profundidad el mercado de viviendas urbanas para tomar decisiones estratégicas más informadas. La empresa posee una base de datos extensa que contiene información detallada sobre diversas propiedades residenciales disponibles en el mercado. Se requiere realizar un análisis holístico de estos datos para identificar patrones, relaciones y segmentaciones relevantes que permitan mejorar la toma de decisiones en cuanto a la compra, venta y valoración de propiedades.
Importación y exploración de los datos
Inicialmente, se empezará con la importación de datos, para dar comienzo al análisis.
#install.packages("devtools")
#devtools::install_github("dgonxalex80/paqueteMODELOS", force = TRUE)
#library(paqueteMETODOS)
#data(vivenda)Como medida de accesibilidad se guarda el dataset en formato Excel, y se hace la lectura del archivo para ser trabajado desde cualquier sitio.
library("readxl")
Vivienda<-read_excel("C:/Users/john.alonso/Dropbox/Ciencia de Datos/Modelos Estadísticos para la Toma de Decisiones/vivienda.xlsx")Después de cargar la data, se realizará una exploración de los datos contenidos en él.
str(Vivienda)## tibble [8,322 × 13] (S3: tbl_df/tbl/data.frame)
## $ id : num [1:8322] 1147 1169 1350 5992 1212 ...
## $ zona : chr [1:8322] "Zona Oriente" "Zona Oriente" "Zona Oriente" "Zona Sur" ...
## $ piso : chr [1:8322] NA NA NA "02" ...
## $ estrato : num [1:8322] 3 3 3 4 5 5 4 5 5 5 ...
## $ preciom : num [1:8322] 250 320 350 400 260 240 220 310 320 780 ...
## $ areaconst : num [1:8322] 70 120 220 280 90 87 52 137 150 380 ...
## $ parqueaderos: num [1:8322] 1 1 2 3 1 1 2 2 2 2 ...
## $ banios : num [1:8322] 3 2 2 5 2 3 2 3 4 3 ...
## $ habitaciones: num [1:8322] 6 3 4 3 3 3 3 4 6 3 ...
## $ tipo : chr [1:8322] "Casa" "Casa" "Casa" "Casa" ...
## $ barrio : chr [1:8322] "20 de julio" "20 de julio" "20 de julio" "3 de julio" ...
## $ longitud : num [1:8322] -76.5 -76.5 -76.5 -76.5 -76.5 ...
## $ latitud : num [1:8322] 3.43 3.43 3.44 3.44 3.46 ...El dataset contiene las siguientes características:
Tamaño: 8.322 registros y 13 atributos.
Descripción de las Variables:
- id = Es de tipo numérico, que representa el identificador único de cada registro (propiedad).
- zona = Es de tipo carácter, indicando la zona geográfica de Cali en la que se encuentra la propiedad.
- piso = Es de tipo numérico, que podría indicar el número del nivel del piso o la cantidad que tiene la propiedad.
- estrato: Es de tipo numérico, que representa el estrato socioeconómico de la propiedad.
- preciom: Es de tipo numérico con el precio por metro cuadrado de la propiedad, expresada en milles.
- areaconst: Es de tipo numérico que indica el área construida de la propiedad.
- parquea: Es de tipo numérico con la cantidad de estacionamiento de la propiedad.
- banios: Es de tipo numérico con la cantidad de baños de la propiedad.
- habitac: Es de tipo numérico con la cantidad de habitaciones en la propiedad.
- tipo: Es de tipo carácter que indica el tipo de propiedad, “Apartamento” o “Casa”.
- barrio: Es de tipo carácter con el nombre el barrio de la propiedad.
- longitud y latitud: Es de tipo numérico con las coordenadas de la ubicación geográfica de la propiedad.
Limpieza de los datos
El siguiente paso continua con la Limpieza de los datos, para lo cual lo primero es evidenciar datos vacíos en el dataset.
# revision de datos faltantes
faltantes <- colSums(is.na(Vivienda))
faltantes## id zona piso estrato preciom areaconst
## 3 3 2638 3 2 3
## parqueaderos banios habitaciones tipo barrio longitud
## 1605 3 3 3 3 3
## latitud
## 3En el resumen anterior se observan una gran cantidad de datos vacíos, la mayoría corresponde a la variable parqueadero y piso, las demás variables presentan vacíos, pero de manera muy mínima, por lo cual se procede a: - Se elimina la variable Parqueadero que contienen 1.605 con NA, ya que son demasiados y se debe tener exactitud en su cantidad para dar una mejor apreciación. - Se elimina la variable Piso con 2.638 datos NA, ya que la variable no es Clara ¿Son Pisos (Nivel) por apartamentos o el número de Pisos por Casa? - Posteriormente, se elimina la variable longitud y latitud debido a que se cuenta con la Zona geográfica y el barrio de la Ciudad. - Finalmente, Eliminar los registros con datos vacíos, los cuales son pocos.
Vivienda$parqueaderos<-NULL
Vivienda$piso<-NULL
Vivienda$longitud<-NULL
Vivienda$latitud<-NULL
Vivienda<-na.omit(Vivienda)
faltantes <- colSums(is.na(Vivienda))
faltantes## id zona estrato preciom areaconst banios
## 0 0 0 0 0 0
## habitaciones tipo barrio
## 0 0 0En relación con los datos faltantes, se observa que ya no existen registros vacíos (NA) y su disminución en registros fue solo de 3, lo cual afectara en un mínimo los resultados.
library("plyr")
Vivienda$barrio<-revalue(Vivienda$barrio, c("aguablanca"="agua blanca"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("alameda del río"="alameda del rio"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("alférez real"="alferez real"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("alfonso lópez"="alfonso lopez"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("alfonso lópez i"="alfonso lopez"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("arboleda campestre candelaria"="arboleda"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("arboledas"="arboleda"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("base aérea"="base aerea"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad córdoba"="ciudad cordoba"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad córdoba reservado"="ciudad cordoba"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad jardín"="ciudad jardin"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad jardin pance"="ciudad jardin"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad los alamos"="ciudad los álamos"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudad meléndez"="ciudad melendez"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("ciudadela pasoancho"="ciudadela paso ancho"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("cristóbal colón"="cristobal colón"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("el trébol"="el trebol"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("juanamb√∫"="juanambu"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("junín"="junin"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("las américas"="las americas"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("las vegas de"="las vegas"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("los alcázares"="los alcazares"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("los cámbulos"="los cambulos"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("meléndez"="melendez"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("nápoles"="napoles"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("normandía"="normandia"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("pacará"="pacara"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("pampalinda"="pampa linda"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("rep√∫blica de israel"="republica de israel"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("san joaquín"="san joaquin"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("san luís"="san luis"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("san nicolás"="san nicolas"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("santa mónica"="santa monica"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("santa mónica popular"="santa monica popular"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("santa mónica residencial"="santa monica residencial"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("tequendema"="tequendama"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("valle del lili"="valle de lili"))
Vivienda$barrio<-revalue(Vivienda$barrio, c("zona norte los"="zona norte"))Finalmente, se reclasifican valores con diferencias con tildes, espacios o caracteres especiales, unificando los datos de la variable barrio.
1- Análisis de Componentes Principales:
Inicialmete se procede a convertir las variables categóricas a numéricas, para el Análisis de Componentes Principales:
#install.packages("dplyr")
library(dplyr)## Warning: package 'dplyr' was built under R version 4.3.2##
## Attaching package: 'dplyr'## The following objects are masked from 'package:plyr':
##
## arrange, count, desc, failwith, id, mutate, rename, summarise,
## summarize## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionVivienda <- Vivienda %>%
mutate(zona = as.numeric(factor(zona)),
tipo = as.numeric(factor(tipo)),
barrio = as.numeric(factor(barrio)))
head(Vivienda)## # A tibble: 6 × 9
## id zona estrato preciom areaconst banios habitaciones tipo barrio
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1147 4 3 250 70 3 6 2 1
## 2 1169 4 3 320 120 2 3 2 1
## 3 1350 4 3 350 220 2 4 2 1
## 4 5992 5 4 400 280 5 3 2 2
## 5 1212 2 5 260 90 2 3 1 3
## 6 1724 2 5 240 87 3 3 1 3Con el fin de evitar que las variables que tiene una escala con valores más grandes afecten las estimaciones realizadas (sesgos) se realiza la estandarización de las variables antes de proceder a realizar el proceso de estimación de los componentes principales.
ViviendaZ= scale(Vivienda)
ViviendaZ = as.data.frame(ViviendaZ)
head(ViviendaZ)## id zona estrato preciom areaconst banios
## 1 -1.2545632 0.06192582 -1.5872276 -0.5595498 -0.7339949 -0.07793773
## 2 -1.2454027 0.06192582 -1.5872276 -0.3465670 -0.3842568 -0.77811479
## 3 -1.1700373 0.06192582 -1.5872276 -0.2552886 0.3152194 -0.77811479
## 4 0.7628144 0.81508501 -0.6156201 -0.1031580 0.7349051 1.32241640
## 5 -1.2274982 -1.44439256 0.3559875 -0.5291236 -0.5940997 -0.77811479
## 6 -1.0143099 -1.44439256 0.3559875 -0.5899759 -0.6150839 -0.07793773
## habitaciones tipo barrio
## 1 1.6406840 1.2586312 -1.847842
## 2 -0.4147626 1.2586312 -1.847842
## 3 0.2703863 1.2586312 -1.847842
## 4 -0.4147626 1.2586312 -1.839464
## 5 -0.4147626 -0.7944184 -1.831087
## 6 -0.4147626 -0.7944184 -1.831087Elección del número de componentes principales
Inicialmente se utiliza la función prcomp para realizar análisis de componentes principales, ya que es una técnica de reducción de dimensionalidad que se utiliza para resumir y visualizar la estructura de datos de alta dimensionalidad en un espacio de dimensiones más bajas.
prcomp(ViviendaZ)## Standard deviations (1, .., p=9):
## [1] 1.8301276 1.3151508 1.0131990 1.0078882 0.7831388 0.7014469 0.5887796
## [8] 0.4904636 0.4313357
##
## Rotation (n x k) = (9 x 9):
## PC1 PC2 PC3 PC4 PC5
## id 0.22162966 -0.46222626 0.18343375 0.19227129 0.74095635
## zona 0.05781075 -0.13502069 -0.30222856 0.89934359 -0.23393308
## estrato 0.27779118 -0.54670743 -0.05407254 -0.11623914 -0.27410993
## preciom 0.45404214 -0.22918089 -0.03154667 -0.20457682 -0.25271161
## areaconst 0.46574121 0.13107721 -0.01295717 -0.10208577 -0.15524368
## banios 0.47960029 0.02856523 -0.07316936 -0.02946987 0.03198539
## habitaciones 0.34190817 0.42076214 -0.04766169 0.09066418 0.41517997
## tipo 0.31088867 0.47028676 0.02200643 0.15020235 -0.10028693
## barrio -0.06108792 -0.02226605 -0.92887747 -0.23828327 0.22294407
## PC6 PC7 PC8 PC9
## id -0.33855192 -0.02022932 0.046019280 -0.021219624
## zona 0.04761726 0.14194433 0.006982074 0.032822243
## estrato 0.20162626 -0.47845754 -0.497840012 -0.122278284
## preciom -0.10730034 0.27100257 0.217359816 0.708809408
## areaconst -0.31929961 0.53663047 -0.294470349 -0.504555853
## banios 0.41073473 -0.16840194 0.653032982 -0.372032242
## habitaciones 0.50371558 0.05774546 -0.435343149 0.276775019
## tipo -0.53102456 -0.59630293 0.006497587 0.107096290
## barrio -0.15677040 -0.04284126 0.003573649 -0.007144837#install.packages("factoextra")
library(factoextra)## Warning: package 'factoextra' was built under R version 4.3.2## Loading required package: ggplot2## Warning: package 'ggplot2' was built under R version 4.3.2## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBares.pca <- prcomp(ViviendaZ)
fviz_eig(res.pca, addlabels = TRUE)
Nota: Entre los cuatro primeros se obtiene casi el 80% de los datos
(79.1), con PC1, PC2, PC3 y PC4 se obtiene mediante una combinación
lineal de las variables se puede resumir gran parte de la variabilidad
que contiene la base de datos.
fviz_pca_var(res.pca,
col.var = "contrib", # Color by contributions to the PC
gradient.cols = c("#FF7F00", "#034D94"),
repel = TRUE # Avoid text overlapping
)
Observación: Se observa que el primer cuadrante esta asociado a los
variables del Area Construida, Baños, Número de Habitaciones y Tipo de
la Vivienda y en el segundo cuadrante se encuentra el precio por medtro
cuadrado y el estrato.
Finalmente, de las 9 Variables análizadas del dataset se concluye que despues de realizar el Análisis de Componentes Principales, se puede explicar con 6 variables una cierta cantidad de varianza en los datos.
2-Análisis de Conglomerados
Como segundo Análisis se realiza el de Conglomerados, tambien llamado Análisis de Clústeres, técnica utilizada para agrupar un conjunto de observaciones en subconjuntos o “clústeres” que comparten características similares entre sí.
Pero antes de continuar con el Análisis de Conglomerados, se eliminan las variables que no son representativas según el Análisis de Componentes Principales, barrio, zona y id, del dataset estandarizado.
ViviendaZ$barrio<-NULL
ViviendaZ$id<-NULL
ViviendaZ$zona<-NULLSe inicial calculando la distancias euclidianas, Manhattan y Minkowski, las más utilizadas.
- Distancias euclidianas
#dist(ViviendaZ, method = "euclidean")- Distancias de Manhattan
#dist(ViviendaZ, method = "manhattan")- Distancias de Minkowski
#dist(ViviendaZ, method = "minkowski")Distribución de los individuos por distancias
Se inicia el Análisis de Conglomerados con el calculo del Coeficiente de Silhouette promedio paradeterminar el número k óptimo, con el calculo de la distancia euclidiana, y el calculo del cluster jerarquico con el método complete se determina a dónde pertenece cada observación, para calcular el coeficiente de Silhouette.
library(tidyverse)## Warning: package 'tidyr' was built under R version 4.3.2## Warning: package 'readr' was built under R version 4.3.2## Warning: package 'stringr' was built under R version 4.3.2## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ lubridate 1.9.3 ✔ tibble 3.2.1
## ✔ purrr 1.0.1 ✔ tidyr 1.3.1
## ✔ readr 2.1.5
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::arrange() masks plyr::arrange()
## ✖ purrr::compact() masks plyr::compact()
## ✖ dplyr::count() masks plyr::count()
## ✖ dplyr::desc() masks plyr::desc()
## ✖ dplyr::failwith() masks plyr::failwith()
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::id() masks plyr::id()
## ✖ dplyr::lag() masks stats::lag()
## ✖ dplyr::mutate() masks plyr::mutate()
## ✖ dplyr::rename() masks plyr::rename()
## ✖ dplyr::summarise() masks plyr::summarise()
## ✖ dplyr::summarize() masks plyr::summarize()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(cluster)
dist_viv <- dist(ViviendaZ, method = 'euclidean')
hc_viv <- hclust(dist_viv, method = 'complete')
cluster_assigments <- cutree(hc_viv, k = 2)
sil <- silhouette(cluster_assigments, dist(ViviendaZ))
sil_avg <- mean(sil[,3])
cat("Coeficiente de Silhouette promedio para k=2 es: ", sil_avg)## Coeficiente de Silhouette promedio para k=2 es: 0.5502288Los resultados para los diferentes k presenta que el mejor valor de k es 2.
2 = 0.5502 3 = 0.4059 4 = 0.4033 5 = 0.3353 6 = 0.2298
Se continua con el calculo de la distancia euclidiana y el calculo del cluster jerarquico con el método complete, para determinar a dónde pertenece cada observación, seguido de la asignación de los clusters.
#install.packages("tidyr")
#install.packages("ggplot2")
library(tidyverse)
dist_viv <- dist(ViviendaZ, method = 'euclidean')
hc_viv <- hclust(dist_viv, method = 'complete')
cluster_assigments <- cutree(hc_viv, k = 2)
assigned_cluster <- ViviendaZ %>% mutate(cluster = as.factor(cluster_assigments))Por último se grafican los puntos y se agregan etiquetas
ggplot(assigned_cluster, aes(x = areaconst, y = preciom, color = cluster)) +
geom_point(size = 4) +
geom_text(aes(label = cluster), vjust = -.8) +
theme_classic()
Finalmente, se puede observar gráficamente el cluster 1 al lado
izquierdo y el cluster 2 al lado derecho, en diferentes colores.
plot(hc_viv, cex = 0.6, main = "Dendograma", las=1,
ylab = "Distancia euclidiana", xlab = "Grupos")
rect.hclust(hc_viv, k = 2, border = 2:5)
En el gráfico del modelo jerárquico, en el dendograma se puede observar
que uno de los cluesteres es demasiado pequeño.
#install.packages("factoextra")
#install.packages("ggplot2")
library(factoextra)
dist_viv <- dist(ViviendaZ, method = "euclidean")
dendograma <- hclust(dist_viv, method = "average")
# plot(dendograma, cex = 0.6, hang = -1)
barplot(sort(dendograma$height, decreasing = TRUE), horiz = TRUE,
main = "Agregaciones (distancias euclidianas)",
col = "lightblue", ylab = "Nodo", xlab = "Peso", xlim = c(0, 2.5))
Por último, se gráfican las agregaciones de las distancias euclidianas,
observando que son bajos el número de clusteres a formar.
3-Análisis de Correspondencia
Las tablas cruzadas permite calcular las frecuencias y son una herramienta comúnmente utilizada en el Análisis de Correspondencia para examinar las relaciones entre dos o más variables categóricas, dado que son 3 variables categoricas, se utiliza la función ftable() para crear una tabla de frecuencias multidimensional y luego convertirla en una matriz para realizar el análisis de correspondencia.
A. Tipo de Vivienda vs Zona
#install.packages("FactoMineR")
#install.packages("ca")
tablaf <-ftable(Vivienda$tipo, Vivienda$zona, Vivienda$barrio)
tabla <- as.matrix(tablaf)
head(tabla, 1)##
## _ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
## 1_1 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0
##
## _ 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99
## 1_1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135
## 1_1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
##
## _ 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171
## 1_1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
##
## _ 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189
## 1_1 0 0 1 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0
##
## _ 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0
##
## _ 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279
## 1_1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297
## 1_1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
##
## _ 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0
##
## _ 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333
## 1_1 0 0 0 0 0 0 1 0 0 0 0 2 0 0 1 0 0 0
##
## _ 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
##
## _ 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
##
## _ 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## _ 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402
## 1_1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0Valores menores a Cero (0), tiene unaavertencia afecta el estadistico del problema.
chisq.test(tabla)## Warning in chisq.test(tabla): Chi-squared approximation may be incorrect##
## Pearson's Chi-squared test
##
## data: tabla
## X-squared = 38869, df = 3609, p-value < 2.2e-16Prueba Chi-cuadrado de independencia, Si las dos variables en estudio son Independientes o son dependientes, en este caso el resultado es mayor a p-value: 0.0000, por lo cual no se rechaza la hipótesis de independencia.
library(FactoMineR)## Warning: package 'FactoMineR' was built under R version 4.3.2library(factoextra)
library(gridExtra)## Warning: package 'gridExtra' was built under R version 4.3.2##
## Attaching package: 'gridExtra'## The following object is masked from 'package:dplyr':
##
## combinelibrary(ca)## Warning: package 'ca' was built under R version 4.3.2resultados_ac <- CA(tabla)
#summary(ac)Dada la cantidad de barrios del dataset, se complica la visualización de esa variable.
valores_prop <-resultados_ac$eig ; valores_prop## eigenvalue percentage of variance cumulative percentage of variance
## dim 1 0.9621319 20.592280 20.59228
## dim 2 0.9292779 19.889113 40.48139
## dim 3 0.8937331 19.128356 59.60975
## dim 4 0.7486402 16.022968 75.63272
## dim 5 0.2925895 6.262224 81.89494
## dim 6 0.2381077 5.096163 86.99110
## dim 7 0.2124812 4.547684 91.53879
## dim 8 0.1991246 4.261817 95.80060
## dim 9 0.1962082 4.199397 100.00000Para medir el grado de representatividad del proceso calculas los valores de la varianza acumulada, utilizando para ellos los valores propios de la matriz de discrepancias.
fviz_screeplot(resultados_ac, addlabels = TRUE, ylim = c(0, 80))+ggtitle("")+
ylab("Porcentaje de varianza explicado") + xlab("Ejes")
Los resultados indican que la primera componente resumen el 20.6% y los
cuatro primeros componentes prepresentados en el plano factorial,
mientras que los cuatro primeros ejes resumen un 75.6% de los datos,