1.INTRODUCCIÓN

En este informe se presenta un análisis estadístico que buscar proporcionar una visión de la situación actual del mercado inmobiliario en la Ciudad de Cali para la empresa B&C del sector de bienes raíces, a partir de una base de datos suministrada sobre oferta de vivienda, para brindar información que sirva para apoyar la toma de decisiones del nivel directivo, en cuanto a la formulación de su estrategia de mercadeo.

A través de la exploración de variables clave, como precios, ubicación, tamaño y características específicas de las propiedades, este informe ofrece una radiografía de la oferta inmobiliaria de la ciudad, identificando correlaciones entre las variables identificadas y patrones emergentes que proporcionan una base sólida cuantitativa para la toma de decisiones del nivel directivo de B&C .

2.OBJETIVOS

2.1 Objetivo general

Proporcionar un análisis descriptivo detallado de la oferta de vivienda en Cali para la empresa B&C que sirva cómo insumo para la definición de su estrategia de mercadeo.

2.1.1 Objetivos específicos

  1. Identificar los tipos de vivienda más ofertados en cali y las zonas donde se ofertan
  2. Identificar cuales son las características que más influyen el en precio en las viviendas ofertadas en Cali
  3. Identificar las características más relevantes de la oferta de vivienda en Cali por zona

3.MÉTODOS

3.1 Recolección y limpieza de los datos

Para realizar la identificación de las variables y datos faltantes se uso la función summary, posteriormente Se usaron las funciones rowSums() en combinación con is.na() para calcular la suma de valores faltantes por fila, para la limpieza de los datos se hizo uso del paquete janitor y la función remove_empty, para visualizar la proporción de datos que una vez eliminadas las filas contaban con faltantes en las variables piso y parqueadero se hizo uso de la libreria VIM y la función aggr_plor.

Para transformar los datos en relación con la variable tipo se hizo uso de la función tolower para pasar todos los datos a minúscula y se cambiaron los tipos “apto” por apartamento.

3.2 imputación de datos

Se usó el paquete mice para la imputación de datos faltantes y el método “pmm”, que corresponde a la imputación por regresión predictiva mediante el método de los mínimos cuadrados parciales (Predictive Mean Matching). Este método selecciona para cada observación con datos faltantes un donante de un conjunto de candidatos cuyos valores predichos son cercanos al valor predicho para la observación incompleta, se especificó un valor N=10 para cada base de datos dividida por tipo, una vez imputadas, se unificaron las bases de datos y se realizó una validación de la distribución de los datos a partir de las variables media, mediana, valores máximo, mínimo y distribución por cuartiles que ofrece la función summary en donde se identificó que efectivamente la función logra imputar los valores sin cambiar de forma significativa las características de distribución de la base de datos original vivienda_faltantes.

Durante el análisis de los datos se identificó la importancia de contar con una variable que pudiera establecer el valor de las viviendas en función del área por tanto se realizó una transformación adicional de la base de datos a partir del cálculo de la relación entre el precio y el área para determinar un valor de las propiedades que fuera menos afectado por la variable área, este se realizó usando la función mutate.

3.3 Análisis descriptivo de los datos

Después de imputar los datos faltantes se procedió a hacer el análisis de estadística descriptiva haciendo uso de gráfico de pastel para identificar la distribución de los tipos de vivienda ,se generó un gráfico de barras y análisis de correlación usando la función cor() y paquetes como ggcorrplot p para calcular y visualizar matrices de correlación, se usaron también Gráficos de Cajas (Boxplots) filtrados por diferentes variables para mostrar la distribución de los datos a través de su cuartiles, destacando la mediana, los cuartiles superior e inferior, y los valores atípicos, usando funciones como boxplot() y geom_boxplot() en ggplot2.

Finalmente se usaron matrices filtradas por variables que se identificaron como más relevantes para identificar las principales características de las viviendas proporcionadas en la base de datos, se usaron las funciones para el cálculo de valores de tendencia central, como mean, median, mode filtradas por tipo y zona y se generó una matriz para mostrar las diferencias.

4.RESULTADOS

4.1 Principales caracteristicas

Inicialmente se identificó cómo estan distribuidos los datos en cuanto a la oferta por tipo de vivienda y zonas, se evidencia que la mayoria de las viviendas ofertadas corresponden a apartamentos con un 61%, mientras las casas tienen un 39% de participación.

knitr::include_graphics("tipos de vivienda.png")

En relación con su zona se identificó que la gran mayoria de viviendas ofertadas corresponde a la zona sur con 56.8%, seguida por la zona norte que alcanza el 23.1% y la zona oeste con un 14.5% de la oferta, por otro lado las zonas oriente y centro alcanzan unicamente el 4.2% y 1.5% respectivamente.

knitr::include_graphics("viviendasxzona.png")

A continuación se logra identificar tambien que la proporción por tipo de vivienda se mantiene para las zonas sur y norte en donde la relación es cercana al 60%-40% mientras para la zona oeste la proporción es incluso mayor alcanzando un 85% para apartamentos y 15% para casas

Por otro lado la proporción por tipo de vivienda en las zonas oriente y centro es inversa frente a las zonas de mayor oferta, en donde las casas son las más ofertadas alcanzando el 82%-18% en la zona oriente y el 80%-20% en el centro.

4.2 Precio

En relación con el precio de las viviendas se tiene que las casas ofertadas en cali son generalmente más costosas con la mayoria de viviendas de este tipo entre los 250 y los 750 millones con una mediana de 430 millones, mientras la mayoria de los apartamentos ofertados se encuentran entre los 200 y los 450 millones con una mediana de 280 millones.

Teniendo en cuenta que las casas generalmente son más grandes que los apartamentos se hizo un analisis teniendo en cuenta el valor del precio por area construida como una medida más representativa, de lo cual se identificó que si bien las casas tienen por lo general un valor más alto, en relación con el area construida son menos costosas que los apartamentos, en donde la mediana del valor del metro cuadrado de los apartamentos es de 3 millones mientras las casas tienen una mediana de 1.92 millones.

vivienda_ok <- vivienda_ok %>%
  mutate(preciomt2 = preciom / areaconst)
# Calcular la mediana del precio por metro cuadrado por tipo de vivienda
medianas <- vivienda_ok %>%
  group_by(tipo) %>%
  summarise(mediana_preciomt2 = median(preciomt2))

# Crear el gráfico de cajas con etiquetas de mediana para 'preciomt2'
ggplot(vivienda_ok, aes(x = tipo, y = preciomt2, fill = tipo)) +  # Usar directamente 'tipo' para el color
  geom_boxplot() +
  geom_text(data = medianas, aes(x = tipo, y = mediana_preciomt2, label = round(mediana_preciomt2, 2)),
            position = position_dodge(width = 0.75), vjust = -0.5, size = 3.5, color = "blue") +
  scale_fill_brewer(palette = "Set3") +  # Usar la paleta Set3 de colores
  theme_minimal() +
  labs(title = "Valor del metro por area construida y tipo de vivienda",
       x = "Tipo de Vivienda",
       y = "Precio por area construida en millones") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

A partir de las diferencias identificadas entre el tipo de vivienda y su valor comercial, se realizó la comparación de precios por zona y tipo. de aqui se tiene que las viviendas de la zona oeste son aquellas que se encuentran mejor valoradas indiferentemente de si son casas o apartamentos, seguidamente las casas de la zona sur que tambien se destacan por su alto precio en comparación con los demás tipos y zonas.

Si bien los apartamentos de la zona sur corresponden a la mayoria de viviendas ofertadas alcanzando un 33% del total de la oferta, su precio presenta una variación baja en comparación con el valor de las casas de la misma zona y de las propiedades de la zona oeste, tambien se observa que los apartamentos de la zona norte, centro y la zona sur tienen una distribución similar en cuanto a su precio.

Por otro lado las casas y apartamentos de la zona oriente son los de menor precio.

ggplot(vivienda_ok, aes(x = zona, y = preciom, fill = zona)) +
  geom_boxplot() +
  facet_wrap(~ tipo) +  
  scale_fill_brewer(palette = "Set3") +  #
  theme_minimal() +
  labs(title = "Variación de precios por zona y tipo de vivienda",
       x = "Zona",
       y = "Precio") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position = "none") 

Al revisar el valor por metro cuadrado en relación con la zona y el tipo de vivienda se encuentra que la mayoria de viviendas mejor valoradas en relación con su área son los apartamentos de la zona oeste, seguidos por los de la zona sur y norte,todos mejor valorados que las casas de todas las zonas en relación de de la variable preció por metro cuadrado.

ggplot(vivienda_ok, aes(x = zona, y = preciomt2, fill = zona)) +
  geom_boxplot() +
  facet_wrap(~ tipo) +  
  scale_fill_brewer(palette = "Set3") +  
  theme_minimal() +
  labs(title = "Variación del precio por metro cuadrado, zona y tipo de vivienda",
       x = "Zona",
       y = "Precio por Metro Cuadrado") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position = "none")

5.DISCUSIÓN

5.1 Características más valoradas según la oferta de vivienda en cali

Para identificar las caracteristicas más valoradas en general, se procedió a realizar un analisis de correlación con las variables cuantitativas para determinar cuales eran las que incidian más en la variable preció de alli se tiene que en terminos generales la variable de mayor influencia es el número de parqueaderos, seguida de cerca por el área construida y el número de baños, si bien el estrato tiene una alta correlación conel precio, esta no es la variable principal cómo podria pensarse.

knitr::include_graphics("correlación general.png")

5.2 Caracteristicas de propiedades más ofertadas por zona

Teniendo en cuenta de que existen varios datos atipicos en las variables de las viviendas, se opta por usar la mediana como medida más representativa de la mayoria de datos (exceptuando la moda para la variable estrato) para identificar las principales caracteristicas de las viviendas ofertadas por tipo, en donde se logra identificar que la composición de la mayoria de apartamentos ofertados es 2 baños, 1 parqueadero, 3 habitaciones, los pisos más ofertados generalmente son el 4 y el valor del metro cuadrado esta alrededor de los $3000.000 con una area construida de 90 metros cuadrados y estrato 5.

tipo baños areaconstruida parqueadero habitación piso preciomt2 estrato_moda
apartamento 2 90 1 3 4 3.00000 5
casa 4 240 2 4 2 1.92053 5

Como se observó anteriormente la zona tiene una relación importante en con el precio por tanto se revisarón estas caracteristicas en relación con cada una de las zonas y cada tipo de propiedad, para determinar una serie de caracteristicas generales enmarcadas en estas variables.

resumen_caracteristicas <- vivienda_ok %>%
  group_by(zona, tipo) %>%
  summarize(
    baños = median(banios, na.rm = TRUE),
    areaconstruida = median(areaconst, na.rm = TRUE),
    parqueadero = median(parquea, na.rm = TRUE),
    habitación = median(habitac, na.rm = TRUE),
    piso = median(piso, na.rm = TRUE),
    preciomt2 = median(preciomt2, na.rm = TRUE),
    estrato_moda = Mode(estrato)
  ) 
## `summarise()` has grouped output by 'zona'. You can override using the
## `.groups` argument.
# Mostrar la tabla usando kable
kable(resumen_caracteristicas, format = "markdown")
zona tipo baños areaconstruida parqueadero habitación piso preciomt2 estrato_moda
Zona Centro apartamento 2 93 1 3 4.5 1.835034 3
Zona Centro casa 3 200 1 5 2.0 1.485799 3
Zona Norte apartamento 2 83 1 3 4.0 2.666667 5
Zona Norte casa 3 240 2 4 2.0 1.666667 5
Zona Oeste apartamento 3 150 2 3 4.0 3.840580 6
Zona Oeste casa 4 300 2 4 2.0 2.068966 6
Zona Oriente apartamento 2 63 1 3 3.0 1.578953 3
Zona Oriente casa 3 179 1 5 2.0 1.262376 3
Zona Sur apartamento 2 85 1 3 4.0 2.902593 4
Zona Sur casa 4 247 2 4 2.0 2.173913 5

De aqui se logran apreciar las diferencias fundamentales que existen entre las zonas, tipos y sus principales caracteristicas.

Las propiedades más ofertadas que corresponden a las zonas sur y norte cuentan con diferencias notables entre tipo de vivienda casa y apartamento, en donde la diferencia de precio por metro cuadrado entre casas y apartamentos es notable.

por su parte la zona oeste es la que cuenta con las propiedades tipo apartamento más grandes, con más parqueaderos y habitaciones, tambien son aquellas que tienen el estrato más alto,destaca tambien la zona cómo la unica en la cual la mayoria de propiedades ofertadas es de estrato 6.

Tambien se logra apreciar que las propiedades del sector oriente y centro son aquellas que poseen el valor de metro cuadrado menor, especialmente las viviendas tipo casa.

6.CONCLUSIONES

La mayor oferta de viviendas en cali se encuentra en la zona sur, se diferencia notablemente de acuerdo al tipo de propiedad y consisten principalmente en apartamentos cuyas características son 3 habitaciones, 2 baños, 1 parqueadero, 85mt2 y estrato 4.

Las zonas de mayor valorización de la ciudad son la zona oeste seguida de la zona sur y norte, las de peor valorización son la zona centro seguida de la zona oriente.

El precio de las viviendas si bien tiene una relación con la zona y el estrato, tiene una fuerte influencia de las variables número de parqueaderos y baños.

Las características de vivienda por tipo deben ser consideradas teniendo en cuenta que poseen grandes diferencias, también en cuanto a su oferta al ser mucho menor que la de los apartamentos, sobre todo en las zonas de mayor valorización cómo el oeste, norte y sur.

ANEXOS

7.1 Procedimiento para hacer la limpieza, transformación e imputación de los datos

Primero se realizó el cargue de la librería propuesta para realizar el ejercicio y de la base de datos “vivienda faltantes”, posteriormente se realizó una identificación de la base de datos, de cada una de sus variables y de la existencia de datos faltantes haciendo uso de la función summary.

library(paqueteMETODOS)
data("vivienda_faltantes")
 summary(vivienda_faltantes)
##        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

De aquí se logró identificar características generales de la base de datos en donde se cuentan con 8330 registros y 13 variables, un aspecto importante a considerar es que hay datos faltantes o NA´s en donde la mayoría de variables tienen 3 datos faltantes, mientras las variables piso y parqueadero no cuentan con datos en 2641 y 1606 registros respectivamente.

Se usó la función rowSums() en combinación con is.na() para calcular la suma de valores faltantes por fila y se filtraron las filas donde la suma es igual al número total de columnas, para identificar que estas filas no tienen datos en ninguna variable.

filas_sin_datos <- rowSums(is.na(vivienda_faltantes)) == ncol(vivienda_faltantes)
vivienda_faltantes[filas_sin_datos, ]
## # A tibble: 2 × 13
##      id zona   piso estrato preciom areaconst parquea banios habitac tipo 
##   <dbl> <chr> <dbl>   <dbl>   <dbl>     <dbl>   <dbl>  <dbl>   <dbl> <chr>
## 1    NA <NA>     NA      NA      NA        NA      NA     NA      NA <NA> 
## 2    NA <NA>     NA      NA      NA        NA      NA     NA      NA <NA> 
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>

Se observó que existen dos filas que no tienen datos, al revisar la base de datos y organizarla en orden ascendente se identificó además que hay una fila que tiene un solo dato en la variable precio, por tanto se considera necesario eliminar estas tres filas de la base de datos teniendo en cuenta que no aportan información completa y que no deberían hacer parte del proceso de imputación debido a que no tienen datos.

Se hace uso de la librería “janitor” para realizar la limpieza de los datos y se crea una nueva base de datos denominada “vivienda_faltantes3”.

Se corrió nuevamente la función summary para verificar que efectivamente se eliminaron las tres filas sin datos.

 library("janitor")
vivienda_faltantes2<-janitor::remove_empty(vivienda_faltantes)
## value for "which" not specified, defaulting to c("rows", "cols")
 vivienda_faltantes3 <-vivienda_faltantes2[-c(8320),]
  summary(vivienda_faltantes3)
##        id           zona                piso           estrato     
##  Min.   :   1   Length:8327        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   :2638                    
##     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   : 434.3   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   :1603                     
##     habitac           tipo              barrio             longitud        
##  Min.   : 0.000   Length:8327        Length:8327        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  
##                                                                            
##     latitud        
##  Min.   :   3.333  
##  1st Qu.:   3.390  
##  Median :   3.450  
##  Mean   : 970.370  
##  3rd Qu.:3367.000  
##  Max.   :3497.000  
## 

Se creó un gráfico para identificar la proporción de datos ausentes en las variables piso y parqueadero haciendo uso de la librería VIM y la función aggr_plor.

## Loading required package: colorspace
## Loading required package: grid
## VIM is ready to use.
## Suggestions and bug-reports can be submitted at: https://github.com/statistikat/VIM/issues
## 
## Attaching package: 'VIM'
## The following object is masked from 'package:datasets':
## 
##     sleep

De aquí se tiene que la proporción de datos faltantes en la variable piso es superior al 31%, mientras en la variable parqueadero faltan alrededor del 20% de los datos.

Partiendo de la suposición de que la variable piso, así como parqueadero deben tener un comportamiento similar dependiendo de la variable tipo, se realiza una comparación de los datos teniendo en cuenta cuales corresponden a apartamentos y cuales a casas.

Se observó que la variable tipo está escrita de formas diferentes, por tanto se procede a realizar una transformación de los datos para estandarizar la tipología

 vivienda_faltantes3$tipo <- tolower(vivienda_faltantes3$tipo)
 vivienda_faltantes3$tipo[vivienda_faltantes3$tipo %in% c("apartamento", "apto")] <- "apartamento"
 vivienda_faltantes3$tipo[vivienda_faltantes3$tipo %in% c("casa")] <- "casa"

7.2 imputación de datos faltantes

Posteriormente se dividieron los datos por tipo y se elaboró un diagrama de cajas para identificar si había una diferencia considerable entre la variable piso y parqueadero para los tipos casas y apartamento, de allí se observa que la mayoría de datos de la variable apartamento están agrupados entre 1 y 6 pisos, por su parte las casas cuentan con menor variación en donde los datos se encuentran agrupados entre 1 y 3 pisos con algunos datos atípicos, apartamentos con una mediana cercana a 3 y casas a 1

 apartamentos <- vivienda_faltantes3[vivienda_faltantes3$tipo == "apartamento", ]
 casas <- vivienda_faltantes3[vivienda_faltantes3$tipo == "casa", ]

Por su parte el diagrama de cajas creado para la variable parqueadero en comparación con piso permitió identificar que la mayoría de datos de la variable apartamento están agrupados entre 1 y 2 parqueaderos con una mediana de 1, por su parte las casas cuentan con mayor variación en donde la mayoría de datos se encuentran agrupados entre 1 y 3 parqueaderos con una mediana cercana 2, ambos con datos atípicos.

Por su parte el diagrama de cajas creado para la variable parqueadero en comparación con piso permitió identificar que la mayoría de datos de la variable apartamento están agrupados entre 1 y 2 parqueaderos con una mediana de 1, por su parte las casas cuentan con mayor variación en donde la mayoría de datos se encuentran agrupados entre 1 y 3 parqueaderos con una mediana cercana 2, ambos con datos atípicos.

Por tanto se valida la suposición de que la variable tipo tiene relación con el número de pisos y parqueaderos de las viviendas de nuestra base de datos.

Teniendo en cuenta las características similares entre casas y apartamentos se opta por usar el método PMM (Predictive Mean Matching) de forma separada, usando la libreria de MICE, que consiste en predecir los valores faltantes utilizando la media de las observaciones más cercanas en términos de variables predictoras similares.

Imputación de valores apartamentos

library(tidyr)
apartamentos_imputados <- mice::mice(apartamentos, method = "pmm", m = 10)
## 
##  iter imp variable
##   1   1  piso  parquea
##   1   2  piso  parquea
##   1   3  piso  parquea
##   1   4  piso  parquea
##   1   5  piso  parquea
##   1   6  piso  parquea
##   1   7  piso  parquea
##   1   8  piso  parquea
##   1   9  piso  parquea
##   1   10  piso  parquea
##   2   1  piso  parquea
##   2   2  piso  parquea
##   2   3  piso  parquea
##   2   4  piso  parquea
##   2   5  piso  parquea
##   2   6  piso  parquea
##   2   7  piso  parquea
##   2   8  piso  parquea
##   2   9  piso  parquea
##   2   10  piso  parquea
##   3   1  piso  parquea
##   3   2  piso  parquea
##   3   3  piso  parquea
##   3   4  piso  parquea
##   3   5  piso  parquea
##   3   6  piso  parquea
##   3   7  piso  parquea
##   3   8  piso  parquea
##   3   9  piso  parquea
##   3   10  piso  parquea
##   4   1  piso  parquea
##   4   2  piso  parquea
##   4   3  piso  parquea
##   4   4  piso  parquea
##   4   5  piso  parquea
##   4   6  piso  parquea
##   4   7  piso  parquea
##   4   8  piso  parquea
##   4   9  piso  parquea
##   4   10  piso  parquea
##   5   1  piso  parquea
##   5   2  piso  parquea
##   5   3  piso  parquea
##   5   4  piso  parquea
##   5   5  piso  parquea
##   5   6  piso  parquea
##   5   7  piso  parquea
##   5   8  piso  parquea
##   5   9  piso  parquea
##   5   10  piso  parquea
apartamentosok <- complete(apartamentos_imputados)
summary(apartamentosok)
##        id           zona                piso           estrato     
##  Min.   :   3   Length:5106        Min.   : 1.000   Min.   :3.000  
##  1st Qu.:2182   Class :character   1st Qu.: 3.000   1st Qu.:4.000  
##  Median :4162   Mode  :character   Median : 4.000   Median :5.000  
##  Mean   :4290                      Mean   : 4.702   Mean   :4.729  
##  3rd Qu.:6562                      3rd Qu.: 6.000   3rd Qu.:6.000  
##  Max.   :8317                      Max.   :12.000   Max.   :6.000  
##     preciom         areaconst        parquea           banios     
##  Min.   :  58.0   Min.   : 35.0   Min.   : 1.000   Min.   :0.000  
##  1st Qu.: 175.0   1st Qu.: 68.0   1st Qu.: 1.000   1st Qu.:2.000  
##  Median : 280.0   Median : 90.0   Median : 1.000   Median :2.000  
##  Mean   : 367.6   Mean   :112.9   Mean   : 1.499   Mean   :2.619  
##  3rd Qu.: 430.0   3rd Qu.:130.0   3rd Qu.: 2.000   3rd Qu.:3.000  
##  Max.   :1950.0   Max.   :932.0   Max.   :10.000   Max.   :8.000  
##     habitac          tipo              barrio             longitud        
##  Min.   :0.000   Length:5106        Length:5106        Min.   :-76576.00  
##  1st Qu.:3.000   Class :character   Class :character   1st Qu.:-76506.75  
##  Median :3.000   Mode  :character   Mode  :character   Median :   -76.54  
##  Mean   :2.972                                         Mean   :-21547.99  
##  3rd Qu.:3.000                                         3rd Qu.:   -76.52  
##  Max.   :9.000                                         Max.   :   -76.46  
##     latitud        
##  Min.   :   3.334  
##  1st Qu.:   3.390  
##  Median :   3.450  
##  Mean   : 944.409  
##  3rd Qu.:3365.000  
##  Max.   :3497.000
summary(apartamentos)
##        id           zona                piso           estrato     
##  Min.   :   3   Length:5106        Min.   : 1.000   Min.   :3.000  
##  1st Qu.:2182   Class :character   1st Qu.: 2.000   1st Qu.:4.000  
##  Median :4162   Mode  :character   Median : 4.000   Median :5.000  
##  Mean   :4290                      Mean   : 4.635   Mean   :4.729  
##  3rd Qu.:6562                      3rd Qu.: 6.000   3rd Qu.:6.000  
##  Max.   :8317                      Max.   :12.000   Max.   :6.000  
##                                    NA's   :1383                    
##     preciom         areaconst        parquea           banios     
##  Min.   :  58.0   Min.   : 35.0   Min.   : 1.000   Min.   :0.000  
##  1st Qu.: 175.0   1st Qu.: 68.0   1st Qu.: 1.000   1st Qu.:2.000  
##  Median : 280.0   Median : 90.0   Median : 1.000   Median :2.000  
##  Mean   : 367.6   Mean   :112.9   Mean   : 1.569   Mean   :2.619  
##  3rd Qu.: 430.0   3rd Qu.:130.0   3rd Qu.: 2.000   3rd Qu.:3.000  
##  Max.   :1950.0   Max.   :932.0   Max.   :10.000   Max.   :8.000  
##                                   NA's   :869                     
##     habitac          tipo              barrio             longitud        
##  Min.   :0.000   Length:5106        Length:5106        Min.   :-76576.00  
##  1st Qu.:3.000   Class :character   Class :character   1st Qu.:-76506.75  
##  Median :3.000   Mode  :character   Mode  :character   Median :   -76.54  
##  Mean   :2.972                                         Mean   :-21547.99  
##  3rd Qu.:3.000                                         3rd Qu.:   -76.52  
##  Max.   :9.000                                         Max.   :   -76.46  
##                                                                           
##     latitud        
##  Min.   :   3.334  
##  1st Qu.:   3.390  
##  Median :   3.450  
##  Mean   : 944.409  
##  3rd Qu.:3365.000  
##  Max.   :3497.000  
## 

Al comparar la base de datos imputada “apartamentosok” vs la base de datos sin imputar “apartamentos” usando la función summary se observa que tanto las variables piso como parqueadero conservan sus características de distribución y que solo existe un cambio en relación con la media en donde 4.635 es el valor de la media del piso en la base sin imputar y 4.666 en la base imputada, teniendo en cuenta que la variable piso para los apartamentos se mueve en un rango entre 1 y 6 para la mayoría de los datos, en donde 12 es el valor máximo y la mediana es 4 se considera aceptable este resultado dado que mantiene la distribución de los datos en su forma original.

Mientras para la variable parqueadero se tiene que la media en la base sin imputar es de 1.569 y de 1.499 para la base imputada. Teniendo en cuenta que la variable parqueadero para los apartamentos se mueve en un rango entre 1 y 2 para la mayoría de los datos, en donde la mediana es 1 se considera aceptable este resultado dado que mantiene la distribución de los datos en su forma original.

Imputación de valores casas

casas_imputadas <- mice::mice(casas, method = "pmm", m = 10)
## 
##  iter imp variable
##   1   1  piso  parquea
##   1   2  piso  parquea
##   1   3  piso  parquea
##   1   4  piso  parquea
##   1   5  piso  parquea
##   1   6  piso  parquea
##   1   7  piso  parquea
##   1   8  piso  parquea
##   1   9  piso  parquea
##   1   10  piso  parquea
##   2   1  piso  parquea
##   2   2  piso  parquea
##   2   3  piso  parquea
##   2   4  piso  parquea
##   2   5  piso  parquea
##   2   6  piso  parquea
##   2   7  piso  parquea
##   2   8  piso  parquea
##   2   9  piso  parquea
##   2   10  piso  parquea
##   3   1  piso  parquea
##   3   2  piso  parquea
##   3   3  piso  parquea
##   3   4  piso  parquea
##   3   5  piso  parquea
##   3   6  piso  parquea
##   3   7  piso  parquea
##   3   8  piso  parquea
##   3   9  piso  parquea
##   3   10  piso  parquea
##   4   1  piso  parquea
##   4   2  piso  parquea
##   4   3  piso  parquea
##   4   4  piso  parquea
##   4   5  piso  parquea
##   4   6  piso  parquea
##   4   7  piso  parquea
##   4   8  piso  parquea
##   4   9  piso  parquea
##   4   10  piso  parquea
##   5   1  piso  parquea
##   5   2  piso  parquea
##   5   3  piso  parquea
##   5   4  piso  parquea
##   5   5  piso  parquea
##   5   6  piso  parquea
##   5   7  piso  parquea
##   5   8  piso  parquea
##   5   9  piso  parquea
##   5   10  piso  parquea
casasok <- complete(casas_imputadas)
summary(casasok)
##        id           zona                piso           estrato     
##  Min.   :   1   Length:3221        Min.   : 1.000   Min.   :3.000  
##  1st Qu.:1856   Class :character   1st Qu.: 2.000   1st Qu.:3.000  
##  Median :4190   Mode  :character   Median : 2.000   Median :5.000  
##  Mean   :3964                      Mean   : 2.159   Mean   :4.485  
##  3rd Qu.:5863                      3rd Qu.: 3.000   3rd Qu.:5.000  
##  Max.   :8319                      Max.   :10.000   Max.   :6.000  
##     preciom         areaconst         parquea          banios      
##  Min.   :  77.0   Min.   :  30.0   Min.   : 1.00   Min.   : 0.000  
##  1st Qu.: 300.0   1st Qu.: 154.0   1st Qu.: 1.00   1st Qu.: 3.000  
##  Median : 430.0   Median : 240.0   Median : 2.00   Median : 4.000  
##  Mean   : 539.9   Mean   : 273.3   Mean   : 2.16   Mean   : 3.894  
##  3rd Qu.: 670.0   3rd Qu.: 350.0   3rd Qu.: 3.00   3rd Qu.: 5.000  
##  Max.   :1999.0   Max.   :1745.0   Max.   :10.00   Max.   :10.000  
##     habitac           tipo              barrio             longitud        
##  Min.   : 0.000   Length:3221        Length:3221        Min.   :-76571.00  
##  1st Qu.: 3.000   Class :character   Class :character   1st Qu.:-76506.00  
##  Median : 4.000   Mode  :character   Mode  :character   Median :   -76.54  
##  Mean   : 4.609                                         Mean   :-22316.15  
##  3rd Qu.: 5.000                                         3rd Qu.:   -76.52  
##  Max.   :10.000                                         Max.   :   -76.46  
##     latitud        
##  Min.   :   3.333  
##  1st Qu.:   3.391  
##  Median :   3.442  
##  Mean   :1011.524  
##  3rd Qu.:3374.000  
##  Max.   :3493.000
summary(casas)
##        id           zona                piso           estrato     
##  Min.   :   1   Length:3221        Min.   : 1.000   Min.   :3.000  
##  1st Qu.:1856   Class :character   1st Qu.: 2.000   1st Qu.:3.000  
##  Median :4190   Mode  :character   Median : 2.000   Median :5.000  
##  Mean   :3964                      Mean   : 2.139   Mean   :4.485  
##  3rd Qu.:5863                      3rd Qu.: 3.000   3rd Qu.:5.000  
##  Max.   :8319                      Max.   :10.000   Max.   :6.000  
##                                    NA's   :1255                    
##     preciom         areaconst         parquea          banios      
##  Min.   :  77.0   Min.   :  30.0   Min.   : 1.00   Min.   : 0.000  
##  1st Qu.: 300.0   1st Qu.: 154.0   1st Qu.: 1.00   1st Qu.: 3.000  
##  Median : 430.0   Median : 240.0   Median : 2.00   Median : 4.000  
##  Mean   : 539.9   Mean   : 273.3   Mean   : 2.29   Mean   : 3.894  
##  3rd Qu.: 670.0   3rd Qu.: 350.0   3rd Qu.: 3.00   3rd Qu.: 5.000  
##  Max.   :1999.0   Max.   :1745.0   Max.   :10.00   Max.   :10.000  
##                                    NA's   :734                     
##     habitac           tipo              barrio             longitud        
##  Min.   : 0.000   Length:3221        Length:3221        Min.   :-76571.00  
##  1st Qu.: 3.000   Class :character   Class :character   1st Qu.:-76506.00  
##  Median : 4.000   Mode  :character   Mode  :character   Median :   -76.54  
##  Mean   : 4.609                                         Mean   :-22316.15  
##  3rd Qu.: 5.000                                         3rd Qu.:   -76.52  
##  Max.   :10.000                                         Max.   :   -76.46  
##                                                                            
##     latitud        
##  Min.   :   3.333  
##  1st Qu.:   3.391  
##  Median :   3.442  
##  Mean   :1011.524  
##  3rd Qu.:3374.000  
##  Max.   :3493.000  
## 

Al comparar la base de datos imputada “casasok” vs la base de datos sin imputar “casas” usando la función summary se observa que tanto las variables piso como parqueadero conservan sus características de distribución y que solo existe un cambio en relación con la media en donde 2.139 es el valor de la media del piso en la base sin imputar y 2.168 en la base imputada, teniendo en cuenta que la variable piso para las casas se mueve en un rango entre 1 y 3 para la mayoría de los datos, en donde la mediana es 2 se considera aceptable este resultado dado que mantiene la distribución de los datos en su forma original.

Mientras para la variable parqueadero se tiene que la media en la base sin imputar es de 2.29 y de 2.168 para la base imputada. Teniendo en cuenta que la variable parqueadero para las casas se mueve en un rango entre 1 y 3 para la mayoría de los datos, en donde la mediana es 2 se considera aceptable este resultado dado que mantiene la distribución de los datos en su forma original.

vivienda_ok <- rbind(apartamentosok,casasok)