toc: true
toc_depth: 2
toc_float: true
  1. introducción
  2. Objetivos
  3. Métodos
  4. Resultados
  5. Conclusiones

1. Introducción

Cali ha experimentado un notable crecimiento en su mercado inmobiliario, impulsado por el aumento constante de la población, inversiones extranjeras directas y la ejecución exitosa de nuevos proyectos. En 2021 y 2022, las ventas alcanzaron $6700 millones y $6100 millones, resaltando la robustez y vitalidad de la industria.

Este informe se centra en un análisis detallado del mercado inmobiliario en Cali, examinando aspectos como la distribución geográfica y características de propiedades. La información resultante servirá como base para decisiones estratégicas y la identificación de oportunidades de negocio.

Con un mercado en expansión, el informe busca proporcionar una visión integral de las dinámicas del sector inmobiliario en Cali. Dirigido a inversionistas, desarrolladores y tomadores de decisiones, pretende ofrecer la información necesaria para aprovechar oportunidades emergentes y contribuir al crecimiento sostenido de la economía regional.

  1. Objetivo

Analizar el precio de la viviendas en diferentes zonas de Cali Identificar los tipos de vivienda mas ofertada Proporcionar a la empresa B&C un informe estadístico claro y conciso Facilitar la toma de decisiones estratégicas

  1. Métodos

Recopilación de datos

Se utilizó una base de datos que se obtuvo enfocándose en 13 atributos esenciales asociados con cada anuncio (consulte la Tabla 1), lo que resultó en un total de 8330 registros de anuncios. Esta base de datos engloba información crucial, incluyendo precios, ubicaciones y diversas características relacionadas con la oferta de viviendas en Cali. Estos datos desempeñaron un papel fundamental como la base principal para llevar a cabo un análisis detallado del mercado inmobiliario en la ciudad.

# librerias utilizadas en el trabajo
library(devtools)
## Loading required package: usethis
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
# descarga de la base de datos
devtools::install_github("dgonxalex80/paqueteMETODOS", force = TRUE)
## Downloading GitHub repo dgonxalex80/paqueteMETODOS@HEAD
## 
## ── R CMD build ─────────────────────────────────────────────────────────────────
##   
   checking for file ‘/private/var/folders/wk/nq9_mzv94l5bsfdzt0dx1nn40000gn/T/RtmptgZS00/remotesc90752ba2cb3/dgonxalex80-paqueteMETODOS-341036c/DESCRIPTION’ ...
  
✔  checking for file ‘/private/var/folders/wk/nq9_mzv94l5bsfdzt0dx1nn40000gn/T/RtmptgZS00/remotesc90752ba2cb3/dgonxalex80-paqueteMETODOS-341036c/DESCRIPTION’
## 
  
─  preparing ‘paqueteMETODOS’:
## 
  
   checking DESCRIPTION meta-information ...
  
✔  checking DESCRIPTION meta-information
## 
  
─  checking for LF line-endings in source and make files and shell scripts
## 
  
─  checking for empty or unneeded directories
## 
  
─  building ‘paqueteMETODOS_0.1.0.tar.gz’
## 
  
   
## 
library(paqueteMETODOS)
## Loading required package: cubature
## Loading required package: flextable
## Loading required package: lmtest
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## Loading required package: MASS
## 
## Attaching package: 'MASS'
## The following object is masked from 'package:dplyr':
## 
##     select
## Loading required package: psych
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
## Loading required package: summarytools
## Loading required package: randtests
## Loading required package: rapportools
## 
## Attaching package: 'rapportools'
## The following objects are masked from 'package:summarytools':
## 
##     label, label<-
## The following object is masked from 'package:dplyr':
## 
##     n
## The following objects are masked from 'package:stats':
## 
##     IQR, median, sd, var
## The following objects are masked from 'package:base':
## 
##     max, mean, min, range, sum
data(vivienda_faltantes)
#importar datos
View(vivienda_faltantes)
summarytools::descr(vivienda_faltantes)
## Non-numerical variable(s) ignored: zona, tipo, barrio
## Descriptive Statistics  
## vivienda_faltantes  
## N: 8330  
## 
##                     areaconst    banios   estrato   habitac        id   latitud    longitud
## ----------------- ----------- --------- --------- --------- --------- --------- -----------
##              Mean      174.99      3.11      4.63      3.61   4163.99    970.37   -21845.13
##           Std.Dev      142.95      1.43      1.03      1.46   2403.93   1539.16    34503.90
##               Min       30.00      0.00      3.00      0.00      1.00      3.33   -76576.00
##                Q1       80.00      2.00      4.00      3.00   2082.00      3.39   -76506.00
##            Median      123.00      3.00      5.00      3.00   4164.00      3.45      -76.54
##                Q3      229.00      4.00      5.00      4.00   6246.00   3367.00      -76.52
##               Max     1745.00     10.00      6.00     10.00   8319.00   3497.00      -76.46
##               MAD       84.51      1.48      1.48      1.48   3086.77      0.10        0.03
##               IQR      149.00      2.00      1.00      1.00   4163.00   3363.61    76429.48
##                CV        0.82      0.46      0.22      0.40      0.58      1.59       -1.58
##          Skewness        2.69      0.92     -0.18      1.64      0.00      0.96       -0.95
##       SE.Skewness        0.03      0.03      0.03      0.03      0.03      0.03        0.03
##          Kurtosis       12.90      1.12     -1.11      3.99     -1.20     -1.07       -1.09
##           N.Valid     8327.00   8327.00   8327.00   8327.00   8327.00   8327.00     8327.00
##         Pct.Valid       99.96     99.96     99.96     99.96     99.96     99.96       99.96
## 
## Table: Table continues below
## 
##  
## 
##                     parquea      piso   preciom
## ----------------- --------- --------- ---------
##              Mean      1.84      3.77    434.24
##           Std.Dev      1.13      2.62    329.02
##               Min      1.00      1.00     58.00
##                Q1      1.00      2.00    220.00
##            Median      2.00      3.00    330.00
##                Q3      2.00      5.00    540.00
##               Max     10.00     12.00   1999.00
##               MAD      1.48      1.48    209.05
##               IQR      1.00      3.00    320.00
##                CV      0.61      0.69      0.76
##          Skewness      2.32      1.28      1.85
##       SE.Skewness      0.03      0.03      0.03
##          Kurtosis      8.29      1.05      3.66
##           N.Valid   6724.00   5689.00   8328.00
##         Pct.Valid     80.72     68.30     99.98

Exploración de datos

En esta sección, se presentarán las características generales de la base de datos que sirve como fundamento para el presente informe.

#Vista global de las variables
glimpse(vivienda_faltantes)
## Rows: 8,330
## Columns: 13
## $ id        <dbl> 8312, 8311, 8307, 8296, 8297, 8298, 8299, 8300, 8286, 8287, …
## $ zona      <chr> "Zona Oeste", "Zona Oeste", "Zona Oeste", "Zona Sur", "Zona …
## $ piso      <dbl> 4, 1, NA, 2, NA, NA, 2, NA, NA, 2, 1, NA, 6, NA, 2, 8, NA, 6…
## $ estrato   <dbl> 6, 6, 5, 3, 5, 5, 6, 5, 5, 5, 5, 3, 6, 3, 5, 6, 5, 6, 6, 6, …
## $ preciom   <dbl> 1300, 480, 1200, 220, 330, 1350, 305, 480, 275, 285, 310, 17…
## $ areaconst <dbl> 318, 300, 800, 150, 112, 390, 125, 280, 74, 120, 166, 155, 1…
## $ parquea   <dbl> 2, 1, 4, 1, 2, 8, 2, 4, 1, 2, 2, NA, 2, NA, 1, 2, 2, 2, 4, 1…
## $ banios    <dbl> 4, 4, 7, 2, 4, 10, 3, 4, 2, 4, 4, 4, 3, 2, 2, 3, 3, 5, 7, 1,…
## $ habitac   <dbl> 2, 4, 5, 4, 3, 10, 3, 4, 3, 3, 3, 6, 3, 3, 2, 4, 3, 4, 3, 2,…
## $ tipo      <chr> "Apartamento", "Casa", "Casa", "Casa", "Casa", "Casa", "Apar…
## $ barrio    <chr> "arboleda", "normandía", "miraflores", "el guabal", "bella s…
## $ longitud  <dbl> -76576, -76571, -76568, -76565, -76565, -76565, -76565, -765…
## $ latitud   <dbl> 3454.00000, 3454.00000, 3455.00000, 3417.00000, 3408.00000, …

La base de datos contiene un total de 13 variables y abarca información sobre 8,330 viviendas. Estas variables se detallan a continuación:

id: Identificador único del inmueble en la base de datos.

zona: Indica la ubicación geográfica de la ciudad de Cali, dividida por zonas.

piso: Número que representa el piso en el que se encuentra el inmueble.

estrato: Clasificación socio económica utilizada para categorizar las viviendas.

preciom: Precio del inmueble expresado en millones de unidades monetarias. a

reaconst: Superficie total del inmueble.

parquea: Cantidad de paseaderos asociados a cada inmueble.

banios: Número de baños presentes en cada vivienda.

habitac: Cantidad de habitaciones que conforman el inmueble.

tipo: Clasificación categórica que define el tipo de inmueble (casa o apartamento).

barrio: Barrio en el que se encuentra el inmueble, según su zona geográfica.

latitud: Coordenada que indica la posición norte-sur de un punto respecto al ecuador terrestre.

longitud: Coordenada que indica la posición este-oeste de un punto respecto al meridiano de Greenwich.

Adicionalmente, se identificaron variables categóricas que no cumplen con el formato adecuado y requieren ajustes.

# Transformación de tipo de variables
vivienda_faltantes %>%
     mutate(zona = factor(zona),
           estrato = factor(estrato, levels = c(2, 4, 5, 6), ordered = TRUE))
## # A tibble: 8,330 × 13
##       id zona        piso estrato preciom areaconst parquea banios habitac tipo 
##    <dbl> <fct>      <dbl> <ord>     <dbl>     <dbl>   <dbl>  <dbl>   <dbl> <chr>
##  1  8312 Zona Oeste     4 6          1300       318       2      4       2 Apar…
##  2  8311 Zona Oeste     1 6           480       300       1      4       4 Casa 
##  3  8307 Zona Oeste    NA 5          1200       800       4      7       5 Casa 
##  4  8296 Zona Sur       2 <NA>        220       150       1      2       4 Casa 
##  5  8297 Zona Oeste    NA 5           330       112       2      4       3 Casa 
##  6  8298 Zona Sur      NA 5          1350       390       8     10      10 Casa 
##  7  8299 Zona Sur       2 6           305       125       2      3       3 Apar…
##  8  8300 Zona Oeste    NA 5           480       280       4      4       4 Apar…
##  9  8286 Zona Sur      NA 5           275        74       1      2       3 Apar…
## 10  8287 Zona Sur       2 5           285       120       2      4       3 Apar…
## # ℹ 8,320 more rows
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>
#Enfoque detallado de la data
skimr:: skim(vivienda_faltantes)
Data summary
Name vivienda_faltantes
Number of rows 8330
Number of columns 13
_______________________
Column type frequency:
character 3
numeric 10
________________________
Group variables None

Variable type: character

skim_variable n_missing complete_rate min max empty n_unique whitespace
zona 3 1 8 12 0 5 0
tipo 3 1 4 11 0 6 0
barrio 3 1 4 29 0 436 0

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
id 3 1.00 4163.99 2403.93 1.00 2082.50 4164.00 6245.50 8319.00 ▇▇▇▇▇
piso 2641 0.68 3.77 2.62 1.00 2.00 3.00 5.00 12.00 ▇▃▁▁▁
estrato 3 1.00 4.63 1.03 3.00 4.00 5.00 5.00 6.00 ▅▆▁▇▆
preciom 2 1.00 434.24 329.02 58.00 220.00 330.00 540.00 1999.00 ▇▂▁▁▁
areaconst 3 1.00 174.99 142.95 30.00 80.00 123.00 229.00 1745.00 ▇▁▁▁▁
parquea 1606 0.81 1.84 1.13 1.00 1.00 2.00 2.00 10.00 ▇▁▁▁▁
banios 3 1.00 3.11 1.43 0.00 2.00 3.00 4.00 10.00 ▇▇▃▁▁
habitac 3 1.00 3.61 1.46 0.00 3.00 3.00 4.00 10.00 ▂▇▂▁▁
longitud 3 1.00 -21845.13 34503.90 -76576.00 -76506.00 -76.54 -76.52 -76.46 ▃▁▁▁▇
latitud 3 1.00 970.37 1539.16 3.33 3.39 3.45 3367.00 3497.00 ▇▁▁▁▃

Durante la evaluación de las variables de tipo carácter, se ha notado una cantidad inusualmente alta de valores únicos en la variable ‘tipo’, lo que podría sugerir la existencia de posibles inconsistencias en los datos. Simultáneamente, al analizar las variables numéricas, se destaca que la variable ‘piso’ presenta un porcentaje considerable del 31% de datos faltantes, seguida por ‘parquea’ con un 20%. También se ha observado la presencia de tres registros con datos faltantes en la mayoría de las variables, indicando la posibilidad de información incompleta para ciertas viviendas.

Limpieza de datos

# Valores únicos para el tipo de vivienda
 unique(vivienda_faltantes$tipo)
## [1] "Apartamento" "Casa"        "APARTAMENTO" "casa"        "CASA"       
## [6] "apto"        NA
#estandarizacion de variable 'tipo'
vivienda_faltantes <- vivienda_faltantes %>% 
  mutate(tipo = tolower(tipo))
unique(vivienda_faltantes$tipo)
## [1] "apartamento" "casa"        "apto"        NA
# Unificación de variable tipo apartamento
vivienda_faltantes <- vivienda_faltantes %>% 
  mutate(tipo = gsub("apto", "apartamento", tipo))
unique(vivienda_faltantes$tipo)
## [1] "apartamento" "casa"        NA

Filas datos faltantes

# Contabilizar las filas con valores faltantes mayores al 77% o 10/13
filas_NA <- vivienda_faltantes %>% 
  mutate(num_faltantes = rowSums(is.na(.))) %>% 
  filter(num_faltantes >= 10)
filas_NA
## # A tibble: 3 × 14
##      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> 
## 3    NA <NA>     NA      NA     330        NA      NA     NA      NA <NA> 
## # ℹ 4 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>,
## #   num_faltantes <dbl>
# Eliminación de las filas
vivienda_faltantes2 <- vivienda_faltantes[complete.cases(vivienda_faltantes$id),]
str(vivienda_faltantes2)
## spc_tbl_ [8,327 × 13] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ id       : num [1:8327] 8312 8311 8307 8296 8297 ...
##  $ zona     : chr [1:8327] "Zona Oeste" "Zona Oeste" "Zona Oeste" "Zona Sur" ...
##  $ piso     : num [1:8327] 4 1 NA 2 NA NA 2 NA NA 2 ...
##  $ estrato  : num [1:8327] 6 6 5 3 5 5 6 5 5 5 ...
##  $ preciom  : num [1:8327] 1300 480 1200 220 330 1350 305 480 275 285 ...
##  $ areaconst: num [1:8327] 318 300 800 150 112 390 125 280 74 120 ...
##  $ parquea  : num [1:8327] 2 1 4 1 2 8 2 4 1 2 ...
##  $ banios   : num [1:8327] 4 4 7 2 4 10 3 4 2 4 ...
##  $ habitac  : num [1:8327] 2 4 5 4 3 10 3 4 3 3 ...
##  $ tipo     : chr [1:8327] "apartamento" "casa" "casa" "casa" ...
##  $ barrio   : chr [1:8327] "arboleda" "normandía" "miraflores" "el guabal" ...
##  $ longitud : num [1:8327] -76576 -76571 -76568 -76565 -76565 ...
##  $ latitud  : num [1:8327] 3454 3454 3455 3417 3408 ...
##  - attr(*, "spec")=List of 3
##   ..$ cols   :List of 13
##   .. ..$ id       : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ zona     : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ piso     : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ estrato  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ preciom  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ areaconst: list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ parquea  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ banios   : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ habitac  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ tipo     : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ barrio   : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ longitud : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ latitud  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   ..$ default: list()
##   .. ..- attr(*, "class")= chr [1:2] "collector_guess" "collector"
##   ..$ delim  : chr ","
##   ..- attr(*, "class")= chr "col_spec"
##  - attr(*, "problems")=<externalptr>

Valores duplicados

# Valores duplicados
Valores_duplicados <- vivienda_faltantes2$id[duplicated(vivienda_faltantes2$id)]
Valores_duplicados
## [1] 8309 8310 8313 8314 8315 8316 8317 8318

Condujimos un proceso de detección de duplicados en el cual identificamos 8 instancias repetidas para la variable ‘id’. Seguidamente, procedimos a eliminar esos valores duplicados para mantener la integridad de los datos.

# Eliminación de valores duplicados
vivienda_faltantes3 <- vivienda_faltantes2 %>% 
  distinct(id, .keep_all = TRUE)

Columnas de datos faltantes

# Análisis de valores faltantes para 'piso'
Valores_NA_piso <- vivienda_faltantes %>% 
  filter(is.na(piso))

# Create the plot
ggplot(Valores_NA_piso, aes(x = tipo, fill = tipo)) +
  geom_bar(position = "stack") +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white") +
  labs(title = "Valores NA 'piso'",
       x = "Tipo",
       y = "Cantidad") +
  
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")
## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

# Análisis valores faltantes para 'piso' por estrato

# Filter out non-finite values
Valores_NA_piso <- Valores_NA_piso %>% 
  filter(!is.na(estrato) & !is.infinite(estrato))

# Create the plot
ggplot(Valores_NA_piso, aes(x = estrato, fill = tipo)) + 
  geom_bar(position = "stack") +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "White") +
  labs(title = "Valores faltantes para Piso por estrato",
       x = "Estrato",
       y = "Cantidad") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

Detectamos una carencia de datos significativa para la variable ‘piso’, alcanzando el 31.6% de ausencia. Esta falta de información se observa de manera más acentuada en las viviendas clasificadas como apartamentos. Al desglosar por estratos, notamos que el estrato 5 presenta la mayor proporción de datos faltantes, seguido por el estrato 6. Por otro lado, el estrato más bajo (estrato 3) exhibe la proporción más alta en las viviendas de tipo casa.

# Análisis valores faltantes para 'parquea'
Valores_NA_parquea <- vivienda_faltantes %>% 
  filter(is.na(parquea))

ggplot(Valores_NA_parquea, aes(x = tipo)) +
  geom_bar(position = "stack") +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white") +
  labs(title = "Valores faltantes para Parqueadero",
       x = "Tipo",
       y = "Cantidad") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

# Análisis valores faltantes de 'parquea' por estrato
ggplot(Valores_NA_parquea, aes(x = estrato, fill = tipo)) + 
  geom_bar(position = "stack") +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white") +
  labs(title = "Valores faltantes de Parqueadero por estrato",
       x = "Estrato",
       y = "Cantidad") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")
## Warning: Removed 3 rows containing non-finite values (`stat_count()`).
## Removed 3 rows containing non-finite values (`stat_count()`).

Respecto a la variable ‘parquea’, identificamos una carencia de datos del 19.2%, siendo más notable en las viviendas de tipo apartamento. Al analizar la estratificación, se evidencia una tendencia descendente desde los estratos más bajos hacia los más altos. Para abordar esta situación de datos faltantes en ambas variables (parqueadero y piso), se pueden implementar estrategias como la imputación, eliminación, entre otras.

Análisis descriptivo

A continuación, se llevará a cabo un análisis inicial de los datos, con la intención de profundizar en casos específicos más adelante.

datos_cuantitativos_discretos <- vivienda_faltantes[c("piso", "estrato", "preciom", "parquea", "banios", "habitac", "areaconst")]
par(mfrow = c(2, ncol(datos_cuantitativos_discretos)/2))
invisible(lapply(1:ncol(datos_cuantitativos_discretos), function(i) boxplot(
  datos_cuantitativos_discretos[, i], 
  ylab="Frecuencia",
  main = names(datos_cuantitativos_discretos)[i]
)))

En lo que respecta a los datos cualitativos, al examinar la distribución de inmuebles por zona, se destaca que el 56.8% de las viviendas se ubican en la zona sur de la ciudad. El 23.1% se encuentra en la zona norte, alrededor del 14.5% en la zona oeste, y el resto se distribuye entre la zona del centro y oriente.

zona_viviendas <- table(vivienda_faltantes$zona)
porcentajes_zonas <- round((zona_viviendas / sum(zona_viviendas)) * 100, 1)

pie(zona_viviendas,
    labels = paste(zona_viviendas, "(", porcentajes_zonas, "%",")"),  
    main = "Distribución de inmuebles por zona",
    col = topo.colors(length(zona_viviendas)),
    radius = 0.9
)
legend("bottomright", 
       legend = names(zona_viviendas), 
       cex = 1,
       fill = topo.colors(length(zona_viviendas))
)

En cuanto a la distribución por tipo de inmueble, se evidencia que el 61.3% corresponde a apartamentos, mientras que el restante 38.7% corresponde a casas.

# Se normalizan los datos de tipo
vivienda_faltantes$tipo <- toupper(vivienda_faltantes$tipo)
vivienda_faltantes$tipo <- ifelse(vivienda_faltantes$tipo == "APTO", "APARTAMENTO", vivienda_faltantes$tipo)

tipo_viviendas <- table(vivienda_faltantes$tipo)
porcentajes_tipo <- round((tipo_viviendas / sum(tipo_viviendas)) * 100, 1)

pie(tipo_viviendas,
    labels = paste(tipo_viviendas, "(", porcentajes_tipo, "%",")"),  
    main = "Distribución de inmuebles por tipo",
    col = topo.colors(length(tipo_viviendas)),
    radius = 0.9
)
legend("topright", 
       legend = names(tipo_viviendas), 
       cex = 1,
       fill = topo.colors(length(tipo_viviendas))
)

En consecuencia, procederemos a analizar el precio de las viviendas en las distintas zonas de Cali. Como se aprecia en el siguiente gráfico, existe una variación considerable en los precios encontrados. Sin embargo, se destaca que la zona oeste de Cali exhibe un precio medio superior en comparación con las demás zonas.

boxplot(preciom ~ zona, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por zona",
        col = "red",
        xlab = "Zona de la ciudad",
        ylab = "Precio del inmueble"
        )

Al examinar la distribución de datos según el tipo de vivienda, se observa que las casas presentan una media de precio de venta superior a la de los apartamentos.

boxplot(preciom ~ tipo, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por tipo",
        col = "red",
        xlab = "Tipo",
        ylab = "Precio del inmueble"
        )

La distribución de precios de las viviendas por estrato muestra una tendencia esperada, donde los precios aumentan a medida que el estrato socioeconómico es más alto.

boxplot(preciom ~ estrato, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por estrato",
        col = "red",
        xlab = "Estrato",
        ylab = "Precio del inmueble"
        )

A continuación, analizaremos la distribución de precios de las viviendas según el piso en el que se ubican. Se observa que no existe una diferencia significativa en cuanto al valor medio, siendo el piso 5 el menos cotizado.

boxplot(preciom ~ piso, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por cantidad de pisos",
        col = "red",
        xlab = "Pisos",
        ylab = "Precio del inmueble"
        )

A continuación, se presenta la distribución de precios en relación con la cantidad de habitaciones. Se observa una variación significativa en el valor del inmueble cuando la cantidad de habitaciones se encuentra en el rango de 3 a 7.

boxplot(preciom ~ habitac, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por cantidad de habitaciones",
        col = "red",
        xlab = "Cantidad de Habitaciones",
        ylab = "Precio del inmueble"
        )

En el siguiente gráfico, se presenta la distribución de precios en función de la cantidad de baños en la vivienda. Se refleja que a medida que aumenta la cantidad de baños, también se incrementa el precio del inmueble.

boxplot(preciom ~ banios, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por cantidad de baños",
        col = "red",
        xlab = "Cantidad de baños",
        ylab = "Precio del inmueble"
        )

Finalmente, se contrasta el precio de la vivienda con la cantidad de parqueaderos, revelando una tendencia al incremento del valor a medida que aumenta la cantidad de parqueaderos disponibles.

boxplot(preciom ~ parquea, 
        data = vivienda_faltantes, 
        main = "Distribucion de precio por cantidad de parqueaderos",
        col = "red",
        xlab = "Cantidad de parqueaderos",
        ylab = "Precio del inmueble"
        )

variables numéricas

Precio

La variable ‘preciom’ refleja el precio del inmueble en millones de pesos colombianos (COP). Se procede a calcular la mediana, los rangos mínimo y máximo, y la distribución de los precios mediante un histograma. Asimismo, se empleará un diagrama de caja para identificar posibles valores atípicos, tanto visualmente como mediante el cálculo del Rango Intercuartílico (IQR).

# Rangos minimo, máximos y mediana
summary(vivienda_faltantes$preciom)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##    58.0   220.0   330.0   434.2   540.0  1999.0       2
# Histograma de los precios
Preciom_hist <- vivienda_faltantes %>% 
  ggplot(aes(preciom)) +
  geom_histogram() + 
  labs(title = "Distribución Precio",
       y = "Densidad",
       x = "Precio en millones (COP)")
Preciom_hist
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Warning: Removed 2 rows containing non-finite values (`stat_bin()`).

Se evidenciaron algunos valores atípicos

# Identificación de valores atípicos mediante IQR
iqr_precio <- quantile(vivienda_faltantes$preciom, 0.75, na.rm = TRUE) - quantile(vivienda_faltantes$preciom, 0.25, na.rm = TRUE)
umbral_inferior_precio <- quantile(vivienda_faltantes$preciom, 0.25, na.rm = TRUE) - 1.5 * iqr_precio
umbral_superior_precio <- quantile(vivienda_faltantes$preciom, 0.75, na.rm = TRUE) + 1.5 * iqr_precio
outliers_precio <- vivienda_faltantes %>% 
  filter(preciom < umbral_inferior_precio | preciom > umbral_superior_precio)
summary(outliers_precio$preciom)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1050    1200    1300    1371    1500    1999

Estos valores atípicos se encuentran en los rangos de precio de entre 1.050 millones a 1.999 millones de pesos colombianos.

# Diagrama Caja con IQR
ggplot(vivienda_faltantes, aes(x = "", y = preciom)) +
  geom_boxplot(fill = "lightblue", color = "black") +
  geom_point(data = outliers_precio, aes(x = 1, y = preciom), color = "black", size = 3) +
  geom_hline(yintercept = c(umbral_inferior_precio, umbral_superior_precio), 
             linetype = "dashed", color = "red", size = 1) +
  labs(title = "Valores Atípicos",
       x = "",
       y = "Precio en millones (COP)") +
  theme_minimal() +
  theme(axis.text.x = element_blank(),
        axis.ticks.x = element_blank())
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## Warning: Removed 2 rows containing non-finite values (`stat_boxplot()`).

Se identificaron 552 observaciones como datos atípicos en la variable ‘preciom’. Considerando la cantidad, dispersión y representatividad de estos datos, se ha decidido no excluir ningún elemento para el análisis del precio de las viviendas.

# Histograma con densidad
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:MASS':
## 
##     select
## The following objects are masked from 'package:flextable':
## 
##     highlight, style
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
Preciom_hist2 <- vivienda_faltantes %>% 
  ggplot(aes(preciom)) + 
  geom_histogram(aes(y = after_stat(density)), fill = "blue", color = "red") +
  geom_density(kernel = "gaussian") + 
  labs(title = "",
       x = "Precio en millones (COP)",
       y = "Densidad")

ggplotly(Preciom_hist2)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Warning: Removed 2 rows containing non-finite values (`stat_bin()`).
## Warning: Removed 2 rows containing non-finite values (`stat_density()`).

En la distribución de los precios, se observa una asimetría o sesgo positivo, indicando que la mayoría de los resultados son bajos y algunos pocos son altos. Por lo tanto, la mediana se presenta como una medida de centralidad más apropiada, ya que es menos sensible a valores extremos. Los precios oscilan entre 58 y 1.999 millones de pesos, con una mediana de 330 millones de pesos. Se observan picos de frecuencia entre 230 y 300 millones de pesos.

# Diagrama caja según estrato
ggplot(vivienda_faltantes, aes(x = factor(estrato), y = preciom)) + 
  geom_boxplot() + 
  labs(title = "Según Estrato",
       x = "Estrato",
       y = "Precio en millones (COP)")
## Warning: Removed 2 rows containing non-finite values (`stat_boxplot()`).

El precio mediano de las viviendas aumenta en relación con la estratificación; sin embargo, se observa un rango máximo considerablemente amplio, donde incluso el estrato 5 supera al estrato 6.

Área construida

La variable ‘areaconst’ refleja el área construida de las viviendas en metros cuadrados. Se procede a calcular la mediana, los rangos mínimos y máximos, así como la distribución del área a través de un histograma. También, se emplea un diagrama de caja para identificar posibles valores atípicos mediante el cálculo del rango intercuartílico (IQR).

# Rangos minimo, máximos, media y mediana
summary(vivienda_faltantes3$areaconst)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    30.0    80.0   123.0   174.9   229.0  1745.0
# Histograma de área construida
areaconst_hist <- vivienda_faltantes3 %>% 
  ggplot(aes(areaconst)) +
  geom_histogram() + 
  labs(title = "Distribución Área Construida",
       y = "Densidad",
       x = "Metro cuadrado")
areaconst_hist
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Los posibles valores atípicos

# Identificando valores atipicos
iqr_area <- quantile(vivienda_faltantes3$areaconst, 0.75) - quantile(vivienda_faltantes3$areaconst, 0.25)
umbral_inferior_area <- quantile(vivienda_faltantes3$areaconst, 0.25) - 1.5 * iqr_area
umbral_superior_area <- quantile(vivienda_faltantes3$areaconst, 0.75) + 1.5 * iqr_area
outliers_areaconst <- vivienda_faltantes3 %>% 
  filter(areaconst < umbral_inferior_area | areaconst > umbral_superior_area)
summary(outliers_areaconst$areaconst)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   453.0   500.0   550.0   620.4   660.0  1745.0

Se observa que los valores atípicos relacionados con el área construida abarcan un rango que va desde 453 metros cuadrados hasta 1745 metros cuadrados.

# Diagrama Caja con IQR
ggplot(vivienda_faltantes3, aes(x = "", y = areaconst)) +
  geom_boxplot(fill = "red", color = "black") +
  geom_point(data = outliers_areaconst, aes(x = 1, y = areaconst), color = "black", size = 3) +
  geom_hline(yintercept = c(umbral_inferior_area, umbral_superior_area), 
             linetype = "dashed", color = "red", size = 1) +
  labs(title = "Valores Atípicos",
       x = "",
       y = "Metros cuadrados") +
  theme_minimal() +
  theme(axis.text.x = element_blank(),
        axis.ticks.x = element_blank())

# Histograma con densidad
areaconst_hist2 <- vivienda_faltantes3 %>% 
  ggplot(aes(areaconst)) + 
  geom_histogram(aes(y = ..density..),fill = "blue", color = "red") +
  geom_density(kernel = "gaussian") +
  labs(title = "",
       x = "Metros cuadrados",
       y = "Densidad")
ggplotly(areaconst_hist2)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

La distribución de los precios muestra una asimetría positiva, indicando que la mayoría de los resultados son bajos con unos pocos resultados altos. Por lo tanto, se opta por utilizar la mediana como medida de centralidad, ya que es menos sensible a valores extremos. En cuanto al área construida, esta abarca un rango que va desde los 30 hasta los 1,749 metros cuadrados, con una mediana de 123 metros cuadrados y picos de frecuencia entre 30 y 140 metros cuadrados.

# Diagrama caja según estrato
ggplot(vivienda_faltantes3, aes(x = factor(estrato), y = areaconst)) + 
  geom_boxplot() + 
  labs(title = "Según Estrato",
       x = "Estrato",
       y = "Metros Cuadrados")

La mediana del área de las viviendas tiende a aumentar con respecto a la estratificación, con la excepción del salto del estrato 3 al estrato 4. La desagregación por estrato revela posibles valores atípicos para cada nivel, y antes de excluirlos, es crucial examinar su correlación con el precio de las viviendas correspondientes.

# Correlación entre Precio y Área construida
Cor_Precio_area <- vivienda_faltantes3 %>% 
  select(preciom, areaconst) %>%
  cor() %>% 
  round(2)
Cor_Precio_area
##           preciom areaconst
## preciom      1.00      0.69
## areaconst    0.69      1.00
# Gráfico correlación 
ggplot(vivienda_faltantes3, aes(x = areaconst, y = preciom)) +
  geom_point(color = "blue", alpha = 0.5) +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  labs(title = "Correlación Precio y Área Construida",
       x = "Metros Cuadrados",
       y = "Precio en millones (COP)") +
  theme_light()
## `geom_smooth()` using formula = 'y ~ x'

Variables cualitativas

Como resultado, se observa una correlación de 0.69 entre el precio de la vivienda y el área construida. Esta correlación positiva relativamente fuerte sugiere que, en términos generales, a medida que aumenta el área construida, tiende a incrementar su precio y viceversa. Sin embargo, determinar causalidad requeriría análisis adicional, que no se encuentra dentro de los objetivos del presente informe.

Zona geográfica

zona_tabla <- table(vivienda_faltantes3$zona) %>% 
  prop.table()*100 
round(zona_tabla, 2)
## 
##  Zona Centro   Zona Norte   Zona Oeste Zona Oriente     Zona Sur 
##         1.49        23.08        14.40         4.22        56.81

Se evidencia que la zona sur representa el 56.81% de la distribución, seguida por la zona norte con un 23.08%.

Tipo

tipo_tabla <- table(vivienda_faltantes3$tipo) %>% 
  prop.table()*100
round(tipo_tabla, 2)
## 
## apartamento        casa 
##       61.29       38.71

En el conjunto de viviendas ofertadas, se destaca una proporción mayor para los apartamentos, alcanzando el 61.29%.

  1. Resultados

Distribución vivienda por estrato socio economico

# Proporción de las viviendas
vivienda_faltantes3 %>% 
  count(estrato, tipo) %>%
  group_by(estrato) %>% 
  mutate(proporcion = n / sum(n) * 100) %>%
  ggplot(aes(x = estrato, y = proporcion, fill = tipo)) +
  geom_bar(stat = "identity", position = "stack") +
  geom_text(aes(label = scales::percent(proporcion / 100)), 
            position = position_stack(vjust = 0.5),
            color = "white") +
  labs(title = "Según Estrato",
       x = "Estrato",
       y = "%") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

# Cantidad de las viviendas
ggplot(vivienda_faltantes3, aes(x = estrato, fill = tipo)) +
  geom_bar(position = "stack") +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white") +
  labs(title = "Según Estrato",
       x = "Estrato",
       y = "Cantidad") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

Distribución vivienda por zona geográfica

ggplot(vivienda_faltantes3, aes(x = zona, fill = tipo)) +
  geom_bar(position = "stack") + 
  labs(title = "Según Zona Geográfica",
       x = "Zona",
       y = "Cantidad") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

Precio metro cuadrado

# Nueva variable metro cuadrado
vivienda_faltantes3 <- vivienda_faltantes3 %>% 
  mutate(metro_cuadrado = preciom / areaconst)

ggplot(vivienda_faltantes3, aes(x = tipo, y = metro_cuadrado, fill = tipo)) +
  geom_bar(stat = "summary", fun = "median", position = "stack") +
  geom_text(stat = "summary", fun = "median", aes(label = scales::dollar(..y..)),
            position = position_stack(vjust = 0.5), color = "white") +
  labs(title = "Precio Mediano m^2",
       x = "Tipo",
       y = "Precio en millones (COP)") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

# Según zona geográfica
ggplot(vivienda_faltantes3, aes(x = tipo, y = metro_cuadrado, fill = zona)) +
  geom_bar(stat = "summary", fun = "median", position = "dodge") +
  geom_text(stat = "summary", fun = "median", aes(label = scales::dollar(..y..)),
            position = position_dodge(width = 0.9), vjust = -0.1) +
  labs(title = "Precio Mediano m^2",
       x = "Tipo",
       y = "Precio en millones (COP)",
       fill = "Zona Geográfica") +
  scale_fill_manual(values = c("red", "blue", "green", "yellow", "orange")) +
  theme_light() + 
  theme(legend.position = "top")

# Según estrato
ggplot(vivienda_faltantes3, aes(x = tipo, y = metro_cuadrado, fill = factor(estrato))) +
  geom_bar(stat = "summary", fun = "median", position = "dodge") +
  geom_text(stat = "summary", fun = "median", aes(label = scales::dollar(..y..)),
            position = position_dodge(width = 0.9), vjust = -0.1) +
  labs(title = "Precio Mediano m^2",
       x = "Tipo",
       y = "Precio en millones (COP)",
       fill = "Estrato") +
  scale_fill_manual(values = c("red", "blue", "green", "yellow", "orange")) +
  theme_update() +
  theme(legend.position = "top")

Distribución de las viviendas según piso

ggplot(vivienda_faltantes3, aes(x = factor(piso), fill = tipo)) + 
  geom_bar() +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white", size = 2.5) + 
  labs(title = "",
       x = "Piso",
       y = "") +
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

Distribución de las viviendas según habitaciones

# Suponiendo que 'vivienda_faltantes3' es el marco de datos con las columnas 'habitac' y 'tipo'
ggplot(vivienda_faltantes3, aes(x = factor(habitac), fill = tipo)) + 
  geom_bar() +
  geom_text(stat = "count", aes(label = ..count..), position = position_stack(vjust = 0.5), color = "white", size = 2.5) + 
  labs(title = "",
       x = "Habitaciones",
       y = "") +
  # Add legend
  scale_fill_manual(values = c("red", "blue")) +
  theme_update() +
  theme(legend.position = "top")

  1. Conclusiones

El análisis revela que el precio mediano de las viviendas aumenta a medida que se incrementa el estrato socio económico. Sin embargo, se observa una excepción en los estratos 3 y 4, donde se identifican posibles valores atípicos que se relacionan con precios elevados en proporción.

La relación positiva entre el precio de las viviendas y el área construida, indicada por una correlación de 0.69, sugiere que, en general, a medida que aumenta el área construida, tiende a incrementarse el precio y viceversa. No obstante, se señala que determinar causalidad requeriría análisis adicionales más allá de los objetivos de este informe.

En cuanto a la distribución geográfica, se destaca que la zona sur representa el 56.81%, seguida de la zona norte con el 23.08%, en el total de viviendas ofertadas. Además, los apartamentos lideran el mercado con el 61.29%, mientras que las casas representan el 38.71%.

En el análisis de los estratos, se evidencia que los estratos 4, 5 y 6 tienen la mayor proporción de apartamentos, abarcando aproximadamente del 64% al 66%. Sin embargo, en el estrato 3, de menor nivel socio económico, las casas predominan con un 56.02%.

La distribución de precios por metro cuadrado en diferentes zonas revela que los apartamentos tienen un valor mediano de $3 millones por metro cuadrado, mientras que las casas presentan $1.92 millones. Las zonas oeste y sur destacan con los valores más altos para ambos tipos de vivienda.

La preferencia de pisos muestra una concentración significativa en los pisos 2 y 3, especialmente para casas, mientras que para apartamentos, la distribución abarca desde el piso 1 hasta el piso 12. Cabe destacar que el análisis se realizó excluyendo datos faltantes, que representan el 31.6%.

La distribución de habitaciones indica que la mayoría de las viviendas tiene 3 habitaciones, siendo 4 habitaciones el patrón predominante para casas y 3 habitaciones para apartamentos. Adicionalmente, las casas muestran hasta un máximo de 10 habitaciones.

En cuanto a los precios por zonas, se determina que la zona oeste tiene los precios más elevados en promedio, aunque con mayor dispersión. Por otro lado, los apartamentos lideran las ventas, representando el 61.3%, mientras que las casas son, en promedio, más costosas.

Características frecuentes incluyen una mediana de 2 parqueaderos, 3 habitaciones, 3 baños y una ubicación en el estrato 5. Estos datos sirven como base para futuros proyectos de vivienda que cumplan con estas características.

Se identifica una tendencia al aumento del precio de los inmuebles con más baños, habitaciones, parqueaderos y ubicados en estratos socio económicos más altos. No obstante, el precio en relación al piso no muestra una tendencia clara respecto a la media.