Actividad U1
Luis Guillermo Cortes
2024-02-11
ANÁLISIS DE VIVIENDA EN LA CIUDAD DE CALI
1. Introducción
Debido al crecimiento en el mercado inmobiliario en Colombia, se presenta este informe para la
empresa B&C en el cual se desarrolla un análisis estadístico que permitirá que las directivas
de la empresa puedan apoyarse en gráficas y datos para tomar decisiones importantes sobre las
zonas de Cali en las que puedan concentrarse para realizar negocios importantes.
2. Objetivos
2.1 Desarrollar un documento para la empresa B&C el cual sirva de ayuda para que las directivas tomen decisiones
para enfocar su estrategia de mercadeo y poder tomar decisiones de precios para el mercado inmobiliario en Cali.
3. Métodos
3.1 Se realiza un programa en lenguaje R para realizar la limpieza de los datos y generar gráficas
descriptivas de las diferentes variables.
3.1.1 Base de datos vivienda
En la base d datos proporcionada se encontraron bastantes valores faltantes, principalmente
en las variables piso y parquea se encontraron un 32% y un 19% de valores faltantes por lo
que se decidió tomar solo los valores de filas completas para el análisis:
## 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 :3
3.1.2 Limpieza de la base de datos
Se corrigen valores de latitud y longitud, ya que algunos valores no corresponden
con los valores reales de estos dos parámetros, se corrigen nombres de barrios
## Descriptive Statistics
## vf_sin_na
## N: 4808
##
## areaconst banios estrato habitac id latitud longitud
## ----------------- ----------- --------- --------- --------- --------- --------- -----------
## Mean 174.76 3.22 4.84 3.56 4426.92 725.01 -16216.63
## Std.Dev 138.29 1.35 0.93 1.33 2306.71 1393.47 31203.96
## Min 40.00 0.00 3.00 0.00 1.00 3.33 -76576.00
## Q1 85.00 2.00 4.00 3.00 2478.50 3.38 -76.55
## Median 123.00 3.00 5.00 3.00 4473.50 3.43 -76.54
## Q3 225.00 4.00 6.00 4.00 6413.50 3.49 -76.52
## Max 1500.00 10.00 6.00 10.00 8316.00 3493.00 -76.46
## MAD 74.13 1.48 1.48 0.00 2926.65 0.08 0.02
## IQR 140.00 2.00 2.00 1.00 3934.50 0.10 0.03
## CV 0.79 0.42 0.19 0.37 0.52 1.92 -1.92
## Skewness 2.57 0.90 -0.36 1.84 -0.10 1.41 -1.42
## SE.Skewness 0.04 0.04 0.04 0.04 0.04 0.04 0.04
## Kurtosis 10.97 0.82 -0.76 5.27 -1.13 0.00 0.00
## N.Valid 4808.00 4808.00 4808.00 4808.00 4808.00 4808.00 4808.00
## Pct.Valid 100.00 100.00 100.00 100.00 100.00 100.00 100.00
##
## Table: Table continues below
##
##
##
## parquea piso preciom
## ----------------- --------- --------- ---------
## Mean 1.82 3.89 457.19
## Std.Dev 1.10 2.67 325.62
## Min 1.00 1.00 58.00
## Q1 1.00 2.00 244.00
## Median 2.00 3.00 350.00
## Q3 2.00 5.00 560.00
## Max 10.00 12.00 1999.00
## MAD 1.48 1.48 192.74
## IQR 1.00 3.00 315.50
## CV 0.61 0.69 0.71
## Skewness 2.28 1.23 1.84
## SE.Skewness 0.04 0.04 0.04
## Kurtosis 7.83 0.84 3.53
## N.Valid 4808.00 4808.00 4808.00
## Pct.Valid 100.00 100.00 100.00Se realiza gráfica de correlaciòn de las variables generan histogramas y diagramas de caja de las variables numéricas:
3.1.3 Media por zonas:
3.1.4 Densidad de precios por zona
## 4. Resultados
* Se presentan varias gráficas y resumen de informaciòn para que las directivas de B&C puedan identificar
las diferentes zonas en la ciudad de Cali, se compararon sus precios para que puedan determinar las zonas
en las que más les convenga operar dependiendo de los objetivos trazados.
* La zona oeste brinda una variedad de precios en general mayor a las otras zonas, ya que presenta una densidad
de precios más distribuida, haciendo que su media sea mayor.
* En General, revisando los diagramas de caja, se encuentra que en todas las variables hay algunos valores atipicos
que se producen por las viviendas de muy alto valor que tienen por ejemplo, cantidades inusuales de baños,
habitaciones o parqueaderos.
5. Discusión
5.1 Se realizó una limpieza de la base de datos, teniendo en cuenta que faltaban bastantes valores y que
las principales variables con valores desconocidos fueron piso con 32% y parqueadero con 19%.
Las filas con valores faltantes se eliminaron del estudio ya que no se contaba con argumentos suficientes
para la imputación.
5.2 Se corrigieron los nombres de los barrios ya que algunos estaban digitados de diferentes formas, esto
es útil para que la inmobiliaria pueda decidir si trabajar en barrios especìficos o en zonas de la ciudad.
5.3 Se corrigieron los valores de latitud y longitud, ya que muchos valores presentaban anomalias y no
correspondian con los valores reales.
6. Conclusiones
6.1 Si la inmobiliaria desea trabajar con rangos de precios menores, debería escoger la zona oriente en la
que la media de los precios en menor, o por el contrario, si desea trabajar con precios mayores dependiendo
de su elección de clientes, puede trabajar en la zona oeste.
6.2 Si la inmobiliaria desea trabajar con una variedad más amplia de precios, la zona oeste es la ideal, pues
presenta el mayor despliegue de precios en todos los rangos.
6.3 Dado que los valores en la base de datos contienen solo información de los estratos 3 hacia adelante, si
en el futuro desea ampliar a otro tipo de clientes, se debe realizar un estudio con los estratos 1 y 2.
7. Anexos
Se anexa código completo
##### ANÁLISIS VIVIENDA FALTANTES ####
###### 1. Librerias ####
library(paqueteMETODOS)
library(dplyr)
library(ggplot2)
library(naniar)
library(tidyverse)
library(psych)
###### 2. Carga datos #####
data(vivienda_faltantes)
summary(vivienda_faltantes)
psych::describe(vivienda_faltantes)
summarytools::descr(vivienda_faltantes)
glimpse(vivienda_faltantes)
###### 3. Eliminación de datos repetidos ######
vfmod_No_rep <- unique(vivienda_faltantes) #Quedan 8321 observaciones
###### 4. Faltantes en porcentaje ######
vis_miss(vfmod_No_rep)
### Corrección de Latitud y Longitud
vfmod_No_rep <- vfmod_No_rep %>%
mutate(latitud = ifelse(latitud > 1000, latitud/1000, latitud))
vfmod_No_rep <- vfmod_No_rep %>%
mutate(longitud = ifelse(abs(longitud) > 1000, longitud/1000, longitud))
### Gráfica de latidud y longitud
colores <- c("red", "blue", "green")
ggplot(vfmod_No_rep, aes(x = latitud, y = longitud)) +
geom_point(color = colores)
ggplot(vfmod_No_rep, aes(x = latitud, y = longitud)) + geom_point(color = "green")
### Se seleccionan los casos con variables completas
vf_sin_na <- vfmod_No_rep[complete.cases(vfmod_No_rep),]
#df_si_na <- vfmod_No_rep[!complete.cases(vfmod_No_rep),]
vf_sin_na[c("zona", "tipo", "barrio")] <- lapply(vf_sin_na [c("zona", "tipo", "barrio")], tolower)
vf_sin_na <- vf_sin_na %>% mutate(tipo = ifelse(tipo == "apto", "apartamento", tipo))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "alfonso lopez", "alfonso lópez", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "alfonso lópez i", "alfonso lopez", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "meléndez", "melendez", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "alférez real", "alferez real", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "ciudad jardin", "ciudad jardín", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "ciudad los alamos", "ciudad los álamos", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "ciudad cordoba ", "ciudad córdoba", barrio))
vf_sin_na <- vf_sin_na %>% mutate(barrio = ifelse(barrio == "ciudad meléndez", "ciudad melendez", barrio))
boxplot(vf_sin_na$preciom)
pairs.panels(vf_sin_na, gap=0)
par(mfrow=c(1,3))
hist(vf_sin_na$estrato, col="green", breaks=15, main="Estrato")
hist(vf_sin_na$preciom, col="#87CEFA", breaks=15, main="Precio")
hist(vf_sin_na$areaconst, col="#90EE90", breaks=15, main="Area")
par(mfrow=c(1,3))
boxplot(vf_sin_na$estrato, col="green", main="Estrato")
boxplot(vf_sin_na$preciom, col="blue", main="Precio")
boxplot(vf_sin_na$areaconst, col="orange", main="Area")
par(mfrow=c(1,3))
hist(vf_sin_na$parquea, col="green", breaks=15, main="Parqueaderos")
hist(vf_sin_na$banios, col="#87CEFA", breaks=15, main="Baños")
hist(vf_sin_na$habitac, col="#90EE90", breaks=15, main="Habitaciones")
par(mfrow=c(1,3))
boxplot(vf_sin_na$parquea, col="green", main="Parquea")
boxplot(vf_sin_na$banios, col="blue", main="Bañios")
boxplot(vf_sin_na$habitac, col="orange", main="habitaciones")
media_zonas <- vf_sin_na %>% group_by(zona) %>% summarize(media_precio =mean(preciom))
ggplot(vf_sin_na, aes(x=zona, y=media_zonas)) + geom_point(color = "red")
pairs.panels(vf_sin_na, gap=0)
par(mfrow=c(1,3))
hist(vf_sin_na$estrato, col="green", breaks=15, main="Estrato")
hist(vf_sin_na$preciom, col="#87CEFA", breaks=15, main="Precio")
hist(vf_sin_na$areaconst, col="#90EE90", breaks=15, main="Area")
par(mfrow=c(1,3))
boxplot(vf_sin_na$estrato, col="green", main="Estrato")
boxplot(vf_sin_na$preciom, col="blue", main="Precio")
boxplot(vf_sin_na$areaconst, col="orange", main="Area")
par(mfrow=c(1,3))
hist(vf_sin_na$parquea, col="green", breaks=15, main="Parqueaderos")
hist(vf_sin_na$banios, col="#87CEFA", breaks=15, main="Baños")
hist(vf_sin_na$habitac, col="#90EE90", breaks=15, main="Habitaciones")
par(mfrow=c(1,3))
boxplot(vf_sin_na$parquea, col="green", main="Parquea")
boxplot(vf_sin_na$banios, col="blue", main="Bañios")
boxplot(vf_sin_na$habitac, col="orange", main="habitaciones"))
barplot(media_zonas$media_precio, names.arg = media_zonas$zona, col=topo.colors(5), main = "Graf",
xlab = "Zona", ylab ="media_precio")
vf_sin_na %>% ggplot(aes(x=preciom, fill = zona)) + geom_density(alpha=0.5) +
theme(legend.position = "bottom")