Actividad 2: En esta actividad se realizará un proceso de modelaje con el cual se busca encontrar un precio adecuado para dos consultas que se le realizan a una empresa inmobiliaria. Procedemos a cargar la base de datos.

## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'devtools' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
## Downloading GitHub repo dgonxalex80/paqueteMODELOS@HEAD
## utf8        (1.2.3  -> 1.2.4 ) [CRAN]
## fansi       (1.0.4  -> 1.0.6 ) [CRAN]
## stringi     (1.7.12 -> 1.8.3 ) [CRAN]
## vctrs       (0.6.3  -> 0.6.5 ) [CRAN]
## rlang       (1.1.1  -> 1.1.3 ) [CRAN]
## glue        (1.6.2  -> 1.7.0 ) [CRAN]
## dplyr       (1.1.2  -> 1.1.4 ) [CRAN]
## cli         (3.6.1  -> 3.6.2 ) [CRAN]
## Rcpp        (1.0.11 -> 1.0.12) [CRAN]
## digest      (0.6.33 -> 0.6.35) [CRAN]
## plyr        (1.8.8  -> 1.8.9 ) [CRAN]
## curl        (5.0.1  -> 5.2.1 ) [CRAN]
## timechange  (0.2.0  -> 0.3.0 ) [CRAN]
## xfun        (0.39   -> 0.42  ) [CRAN]
## tidyr       (1.3.0  -> 1.3.1 ) [CRAN]
## matrixStats (1.0.0  -> 1.2.0 ) [CRAN]
## magick      (2.7.5  -> 2.8.3 ) [CRAN]
## lubridate   (1.9.2  -> 1.9.3 ) [CRAN]
## htmltools   (0.5.5  -> 0.5.7 ) [CRAN]
## checkmate   (2.2.0  -> 2.3.1 ) [CRAN]
## yaml        (2.3.7  -> 2.3.8 ) [CRAN]
## Installing 21 packages: utf8, fansi, stringi, vctrs, rlang, glue, dplyr, cli, Rcpp, digest, plyr, curl, timechange, xfun, tidyr, matrixStats, magick, lubridate, htmltools, checkmate, yaml
## Installing packages into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'utf8' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'utf8'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\utf8\libs\x64\utf8.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\utf8\libs\x64\utf8.dll:
## Permission denied
## Warning: restored 'utf8'
## package 'fansi' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'fansi'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\fansi\libs\x64\fansi.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\fansi\libs\x64\fansi.dll:
## Permission denied
## Warning: restored 'fansi'
## package 'stringi' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'stringi'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\stringi\libs\icudt69l.dat
## a C:\Users\57301\AppData\Local\R\win-library\4.3\stringi\libs\icudt69l.dat:
## Invalid argument
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\stringi\libs\x64\stringi.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\stringi\libs\x64\stringi.dll:
## Permission denied
## Warning: restored 'stringi'
## package 'vctrs' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'vctrs'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\vctrs\libs\x64\vctrs.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\vctrs\libs\x64\vctrs.dll:
## Permission denied
## Warning: restored 'vctrs'
## package 'rlang' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'rlang'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\rlang\libs\x64\rlang.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\rlang\libs\x64\rlang.dll:
## Permission denied
## Warning: restored 'rlang'
## package 'glue' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'glue'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\glue\libs\x64\glue.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\glue\libs\x64\glue.dll:
## Permission denied
## Warning: restored 'glue'
## package 'dplyr' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'dplyr'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\dplyr\libs\x64\dplyr.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\dplyr\libs\x64\dplyr.dll:
## Permission denied
## Warning: restored 'dplyr'
## package 'cli' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'cli'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\cli\libs\x64\cli.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\cli\libs\x64\cli.dll: Permission
## denied
## Warning: restored 'cli'
## package 'Rcpp' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'Rcpp'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\Rcpp\libs\x64\Rcpp.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\Rcpp\libs\x64\Rcpp.dll:
## Permission denied
## Warning: restored 'Rcpp'
## package 'digest' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'digest'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\digest\libs\x64\digest.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\digest\libs\x64\digest.dll:
## Permission denied
## Warning: restored 'digest'
## package 'plyr' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'plyr'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\plyr\libs\x64\plyr.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\plyr\libs\x64\plyr.dll:
## Permission denied
## Warning: restored 'plyr'
## package 'curl' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'curl'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\curl\libs\x64\curl.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\curl\libs\x64\curl.dll:
## Permission denied
## Warning: restored 'curl'
## package 'timechange' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'timechange'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\timechange\libs\x64\timechange.dll
## a
## C:\Users\57301\AppData\Local\R\win-library\4.3\timechange\libs\x64\timechange.dll:
## Permission denied
## Warning: restored 'timechange'
## package 'xfun' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'xfun'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\xfun\libs\x64\xfun.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\xfun\libs\x64\xfun.dll:
## Permission denied
## Warning: restored 'xfun'
## package 'tidyr' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'tidyr'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\tidyr\libs\x64\tidyr.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\tidyr\libs\x64\tidyr.dll:
## Permission denied
## Warning: restored 'tidyr'
## package 'matrixStats' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'matrixStats'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\matrixStats\libs\x64\matrixStats.dll
## a
## C:\Users\57301\AppData\Local\R\win-library\4.3\matrixStats\libs\x64\matrixStats.dll:
## Permission denied
## Warning: restored 'matrixStats'
## package 'magick' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'magick'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\magick\libs\x64\magick.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\magick\libs\x64\magick.dll:
## Permission denied
## Warning: restored 'magick'
## package 'lubridate' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'lubridate'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\lubridate\libs\x64\lubridate.dll
## a
## C:\Users\57301\AppData\Local\R\win-library\4.3\lubridate\libs\x64\lubridate.dll:
## Permission denied
## Warning: restored 'lubridate'
## package 'htmltools' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'htmltools'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\htmltools\libs\x64\htmltools.dll
## a
## C:\Users\57301\AppData\Local\R\win-library\4.3\htmltools\libs\x64\htmltools.dll:
## Permission denied
## Warning: restored 'htmltools'
## package 'checkmate' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'checkmate'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\checkmate\libs\x64\checkmate.dll
## a
## C:\Users\57301\AppData\Local\R\win-library\4.3\checkmate\libs\x64\checkmate.dll:
## Permission denied
## Warning: restored 'checkmate'
## package 'yaml' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'yaml'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\yaml\libs\x64\yaml.dll a
## C:\Users\57301\AppData\Local\R\win-library\4.3\yaml\libs\x64\yaml.dll:
## Permission denied
## Warning: restored 'yaml'
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
## ── R CMD build ─────────────────────────────────────────────────────────────────
##   
  
  
   checking for file 'C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\remotes69c43296520\dgonxalex80-paqueteMODELOS-796f588/DESCRIPTION' ...
  
✔  checking for file 'C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\remotes69c43296520\dgonxalex80-paqueteMODELOS-796f588/DESCRIPTION' (491ms)
## 
  
  
  
─  preparing 'paqueteMODELOS': (7s)
##    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 'paqueteMODELOS_0.1.0.tar.gz'
## 
  
   
## 
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## Loading required package: boot
## Loading required package: broom
## Loading required package: GGally
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.3.3
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
## Loading required package: gridExtra
## Warning: package 'gridExtra' was built under R version 4.3.2
## Loading required package: knitr
## Warning: package 'knitr' was built under R version 4.3.2
## Loading required package: summarytools

Resumen Ejecutivo

El presente estudio se enfocó en analizar una base de datos de propiedades inmobiliarias para atender y asesorar a un cliente en dos peticiones específicas: una en la zona sur y otra en la zona norte. Cada petición tenía especificaciones únicas en términos de área, habitaciones, baños, entre otros aspectos. Para ello, se llevaron a cabo análisis exploratorios, se generaron mapas y se implementó un modelo de regresión múltiple para predecir el precio de propiedades que cumplieran con las especificaciones del cliente.

Para la primera petición, se determinó que el cliente cuenta con un presupuesto más que suficiente (350) y se identificaron cinco ofertas que se ajustaban perfectamente a sus criterios, todas ubicadas en la zona norte y con características de una casa de 200 metros cuadrados y estrato 4 o 5. Se proporcionaron tres de las mejores ofertas ubicadas en el barrio La Merced.

En cuanto a la segunda petición, que requería un apartamento de al menos 300 metros cuadrados en la zona sur y estrato 5 o 6, se encontraron únicamente dos ofertas que se ajustaban perfectamente al presupuesto del cliente (850). Estas ofertas se ubicaban en los barrios Seminario y Guadalupe. Sin embargo, debido a la alta demanda de 5 habitaciones, 3 baños y al menos parqueaderos, se reconoció que esta petición requería propiedades de lujo que naturalmente excedían el presupuesto del cliente. A pesar de esto, las dos ofertas identificadas deberían satisfacer las necesidades del cliente de manera óptima.

En conclusión, el estudio proporcionó al cliente un análisis detallado de las opciones disponibles en las zonas sur y norte, destacando las ofertas que mejor se ajustaban a sus requerimientos y presupuesto en cada caso.

  1. Realice un filtro a la base de datos e incluya solo las ofertas de : base1: casas, de la zona norte de la ciudad. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta. (Adicional un mapa con los puntos de las bases. Discutir si todos los puntos se ubican en la zona correspondiente o se presentan valores en otras zonas, por que?).
# Filtrar las entradas que contienen "Zona Norte" en la columna "zona"
vivienda_zona_norte <- subset(vivienda, zona == "Zona Norte")

# Verificar la nueva base de datos
head(vivienda_zona_norte)
## # A tibble: 6 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  1212 Zona N… 01          5     260        90            1      2            3
## 2  1724 Zona N… 01          5     240        87            1      3            3
## 3  2326 Zona N… 01          4     220        52            2      2            3
## 4  4386 Zona N… 01          5     310       137            2      3            4
## 5  1209 Zona N… 02          5     320       150            2      4            6
## 6  1592 Zona N… 02          5     780       380            2      3            3
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

ya que hemos veriricado imprimiendo el head de la nueva base de datos, que efectivamente tenemos solo entradas en la zona norte, procedemos eliminar todo lo que no sea una casa

vivienda_casas <- subset(vivienda_zona_norte, tipo == "Casa")

# Verificar la nueva base de datos
head(vivienda_casas)
## # A tibble: 6 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  1209 Zona N… 02          5     320       150            2      4            6
## 2  1592 Zona N… 02          5     780       380            2      3            3
## 3  4057 Zona N… 02          6     750       445           NA      7            6
## 4  4460 Zona N… 02          4     625       355            3      5            5
## 5  6081 Zona N… 02          5     750       237            2      6            6
## 6  7824 Zona N… 02          4     600       160            1      4            5
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

ya que hemos verificado que solo han quedado entradas de tipo casa de la zona norte. Podemos proceder a crear un mapa que muestre los puntos de esta base.

install.packages("leaflet")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'leaflet' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
library(leaflet)
## Warning: package 'leaflet' was built under R version 4.3.3
# Crear un mapa interactivo
mapa <- leaflet(data = vivienda_casas) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud,
                   color = "blue", radius = 5)


mapa

Es claro que no algunos puntos se encuentran muy dispersos, si bien la mayoría se encuentra efectivamente hacia el Norte (suponiendo como norte, el norte de Colombia). Hay una cierta cantidad considerable que se encuentra esparcidad por el resto de la ciudad. Puede haber errores en los datos de latitud y longitud que están causando que algunos puntos se muestren en ubicaciones incorrectas en el mapa. Por ejemplo, podría haber valores atípicos o datos incorrectos en estas columnas.También puede deberse, al estrato y la definición de “Zona”.

  1. Realice un análisis exploratorio de datos enfocado en la correlación entre la variable respuesta (precio de la casa) en función del área construida, estrato, numero de baños, numero de habitaciones y zona donde se ubica la vivienda. Use gráficos interactivos con el paquete plotly e interprete los resultados.
# Instalar y cargar el paquete psych
install.packages("psych")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'psych' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
library(psych)
## Warning: package 'psych' was built under R version 4.3.3
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
## The following object is masked from 'package:boot':
## 
##     logit
# Obtener un resumen más detallado de la columna "preciom"
describe(vivienda_casas$preciom)
##    vars   n   mean     sd median trimmed    mad min  max range skew kurtosis
## X1    1 722 445.91 268.36    390  409.11 220.17  89 1940  1851 1.76     4.65
##      se
## X1 9.99

Ahora procedamos a hacer un Análisis sobre el resto de las variables.En general podemos apreciar que el credito pre aprobado por el banco para la petición 1 está pode debajo de la media, por lo cual es posible que no haya un gran abaníco de opciones una vez incluidas todas las exigencias del cliente.

# Instalar y cargar la librería plotly
install.packages("plotly")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'plotly' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
library(plotly)
## Warning: package 'plotly' was built under R version 4.3.3
## 
## Attaching package: 'plotly'
## 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
# Histograma de la columna "estrato"
histogram_estrato <- plot_ly(data = vivienda_casas, x = ~estrato, type = "histogram")
histogram_estrato
# Diagrama de caja de la columna "areaconst"
boxplot_areaconst <- plot_ly(data = vivienda_casas, y = ~areaconst, type = "box")
boxplot_areaconst
# Gráfico de barras de la columna "banios"
barplot_banios <- plot_ly(data = vivienda_casas, x = ~banios, type = "histogram")
barplot_banios
# Gráfico de dispersión de "areaconst" versus "preciom"
scatter_areaconst_preciom <- plot_ly(data = vivienda_casas, x = ~areaconst, y = ~preciom, mode = "markers")
scatter_areaconst_preciom
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

La mayoría de las casa de la zona Norte, son estrato 3,4, y 5 un área construido de alrededor de 500 y entre dos y 4 baños, generalmente una vez pasado los 450 en área construida el precio supera los 500. Lo que indica que probablemente las ofertas disonibles para la petición estarán justas en el área construida

# Calcular la matriz de correlación
matriz_correlacion <- cor(vivienda_casas[c("preciom", "estrato", "areaconst", "banios", "habitaciones")])

# Cargar la librería corrplot
install.packages("corrplot")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'corrplot' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
library(corrplot)
## Warning: package 'corrplot' was built under R version 4.3.3
## corrplot 0.92 loaded
# Visualizar la matriz de correlación
corrplot(matriz_correlacion, method = "color")

La mariz de correlaciones nos indica que en general las habitaciones y baños, si bien influyen el precio, realmente lo más importante es el estrato y área construida. Ahora, teniendo en eucnta toda la base de datos orignal veamos cuanto influye la zona en el precio.

# Cargar la librería ggplot2
install.packages("ggplot2")
## Warning: package 'ggplot2' is in use and will not be installed
library(ggplot2)

# Crear el gráfico de correlación
ggplot(vivienda, aes(x = zona, y = preciom, fill = zona)) +
  geom_boxplot() +
  labs(x = "Zona", y = "Precio de la vivienda") +
  theme_minimal()
## Warning: Removed 2 rows containing non-finite outside the scale range
## (`stat_boxplot()`).

Si bien la zona si influye, de zona a zona la mayoría del tiempo el cambio no es muy drasdico, lo cual es congruente cn trabajos anteriores en donde se analizó que realmente dentro de las zonas lo que marca el precio es el estrato y la zona construida.

  1. Estime un modelo de regresión lineal múltiple con las variables del punto anterior (precio = f(área construida, estrato, número de cuartos, número de parqueaderos, número de baños ) ) e interprete los coeficientes si son estadísticamente significativos. Las interpretaciones deber están contextualizadas y discutir si los resultados son lógicos. Adicionalmente interprete el coeficiente R2 y discuta el ajuste del modelo e implicaciones (que podrían hacer para mejorarlo).
# Cargar la librería para regresión lineal
install.packages("lmtest")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'lmtest' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'lmtest'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\lmtest\libs\x64\lmtest.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\lmtest\libs\x64\lmtest.dll:
## Permission denied
## Warning: restored 'lmtest'
## 
## The downloaded binary packages are in
##  C:\Users\57301\AppData\Local\Temp\RtmpsB0siY\downloaded_packages
library(lmtest)
## Warning: package 'lmtest' was built under R version 4.3.3
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
# Crear el modelo de regresión lineal múltiple
modelo <- lm(preciom ~ habitaciones + banios + areaconst + estrato + parqueaderos, data = vivienda_casas)

# Resumen del modelo
summary(modelo)
## 
## Call:
## lm(formula = preciom ~ habitaciones + banios + areaconst + estrato + 
##     parqueaderos, data = vivienda_casas)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -784.29  -77.56  -16.03   47.67  978.61 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -238.17090   44.40551  -5.364 1.34e-07 ***
## habitaciones    7.64511    5.65873   1.351    0.177    
## banios         18.89938    7.48800   2.524    0.012 *  
## areaconst       0.67673    0.05281  12.814  < 2e-16 ***
## estrato        80.63495    9.82632   8.206 2.70e-15 ***
## parqueaderos   24.00598    5.86889   4.090 5.14e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 155.1 on 429 degrees of freedom
##   (287 observations deleted due to missingness)
## Multiple R-squared:  0.6041, Adjusted R-squared:  0.5995 
## F-statistic: 130.9 on 5 and 429 DF,  p-value: < 2.2e-16

Viendo el coeficiente R2 se aprecia que los predictores explican el 60% de la variabilidad de la respuesta. Además, la mayorías de los valores p son considerablemente menores que 0.05, lo que sugiere que la mayoría de variables predictoras son estadísticamente significativas en el modelo de regresión.

Hay varias técnicas que podrías considerar para mejorar el modelo de regresión lineal múltiple:

Incluir variables adicionales: Podrías buscar otras variables que puedan estar relacionadas con el precio de la vivienda y agregarlas al modelo si son relevantes.

Transformar variables: Si las relaciones entre las variables predictoras y la variable de respuesta no son lineales, podrías considerar transformar las variables utilizando funciones como logaritmos, raíces cuadradas, o transformaciones polinómicas.

Explorar interacciones: Podrías explorar interacciones entre variables, es decir, cómo el efecto de una variable puede depender del valor de otra variable.

Regularización: Podrías considerar técnicas de regularización como la regresión Ridge o LASSO para penalizar los coeficientes y reducir el sobreajuste del modelo.

# Calcula los residuos del modelo
residuos <- resid(modelo)

# Gráfico de residuos vs. valores ajustados
plot(modelo$fitted.values, residuos, 
     xlab = "Valores Ajustados", ylab = "Residuos",
     main = "Gráfico de Residuos vs. Valores Ajustados")
abline(h = 0, col = "red")  # Línea horizontal en y = 0

# Gráfico Q-Q de residuos
qqnorm(residuos)
qqline(residuos)

Como se puede evidenciar los dos tests indican que el modelo tiene un “buen” desempeño, no hay patrón claro en el gráfico de residuos y los puntos siguen la diagonal en el Q-Q plot.

Ahora procedemos a realizar la predicción del precio con base en las carácterísticas de la petición número 1. Primero para estrato 4 y luego para estrato 5.

-238.17090 +(7.64511*4)+(18.89938*2)+ (0.67673*200) + (80.63495*4)
## [1] 288.0941
-238.17090 +(7.64511*4)+(18.89938*2)+ (0.67673*200) + (80.63495*5)
## [1] 368.7291

Como es claro, el estrato 5, junto con todas las especificaciones que busca el cliente escapa el presupuesto del crédito pre aprobado, 350, razón por la cual se le recomendará al cliente casas con las características deseadas de estrato 4. Procedemos ha encontrar el menos 10 ofertas y a maparlas para el cliente.

# Filtrar las entradas del dataframe

resultados <- vivienda_casas[vivienda_casas$areaconst >= 200 & 
                            vivienda_casas$parqueaderos >= 1 & 
                            vivienda_casas$banios >= 2 & 
                            vivienda_casas$habitaciones >= 4 & 
                            vivienda_casas$estrato == 4 & 
                            vivienda_casas$preciom >= 288 & 
                            vivienda_casas$preciom <= 350 &
                            !is.na(vivienda_casas$zona), ]

# Imprimir las primeras 10 filas de los resultados
print(head(resultados, 15))
## # A tibble: 14 × 13
##       id zona   piso  estrato preciom areaconst parqueaderos banios habitaciones
##    <dbl> <chr>  <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
##  1    NA <NA>   <NA>       NA      NA       NA            NA     NA           NA
##  2  4458 Zona … 02          4     315      270             2      4            4
##  3    NA <NA>   <NA>       NA      NA       NA            NA     NA           NA
##  4  3352 Zona … <NA>        4     335      300             3      4            4
##  5    NA <NA>   <NA>       NA      NA       NA            NA     NA           NA
##  6   937 Zona … 02          4     350      280             2      3            4
##  7   952 Zona … 02          4     330      275             2      3            5
##  8  1108 Zona … 02          4     330      260             1      3            4
##  9  1144 Zona … <NA>        4     320      200             2      4            4
## 10    NA <NA>   <NA>       NA      NA       NA            NA     NA           NA
## 11  5031 Zona … 03          4     350      350             1      4            5
## 12  2544 Zona … 01          4     340      264.            2      4            4
## 13  7470 Zona … 02          4     340      264             2      5            7
## 14  1822 Zona … <NA>        4     340      295             2      2            4
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

Hemos encontrado de froma exitosa al menos 5 casas que pueden satisfacer las eexpectativas del cliente, procedemos a generar un mapa con ellas

library(leaflet)

# Crear un mapa interactivo con los datos de 'resultados'
mapa <- leaflet(data = resultados) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud,
                   color = "blue", radius = 5,
                   popup = ~paste("Precio:", preciom))
## Warning in validateCoords(lng, lat, funcName): Data contains 4 rows with either
## missing or invalid lat/lon values and will be ignored
# Mostrar el mapa
mapa

podemos descartar las dos propiedades que parecen estar más inclinadas hacia el centro y sur. Dejándonos con 5 posibles ofertas para discutir con el cliente todas con un precio menor o igual al crédito pre aprobado, con todas las carácteristicas deseadas y la ubicación correcta. Siendo probablemente la mejor opción las tres casas del barrio la merced.

Ahora vamos a proceder de igual forma sobre la segunda petición número 2

vivienda_zona_sur <- subset(vivienda, zona == "Zona Sur")

# Verificar la nueva base de datos
head(vivienda_zona_norte)
## # A tibble: 6 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  1212 Zona N… 01          5     260        90            1      2            3
## 2  1724 Zona N… 01          5     240        87            1      3            3
## 3  2326 Zona N… 01          4     220        52            2      2            3
## 4  4386 Zona N… 01          5     310       137            2      3            4
## 5  1209 Zona N… 02          5     320       150            2      4            6
## 6  1592 Zona N… 02          5     780       380            2      3            3
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>
vivienda_apt <- subset(vivienda_zona_sur, tipo == "Apartamento")

# Verificar la nueva base de datos
head(vivienda_apt)
## # A tibble: 6 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  5098 Zona S… 05          4     290        96            1      2            3
## 2   698 Zona S… 02          3      78        40            1      1            2
## 3  8199 Zona S… <NA>        6     875       194            2      5            3
## 4  1241 Zona S… <NA>        3     135       117           NA      2            3
## 5  5370 Zona S… <NA>        3     135        78           NA      1            3
## 6  6975 Zona S… 06          4     220        75            1      2            3
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

ya que hemos verificado que solo han quedado entradas de tipo apartamento de la zona sur. Podemos proceder a crear un mapa que muestre los puntos de esta base.

library(leaflet)

# Crear un mapa interactivo
mapa <- leaflet(data = vivienda_apt) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud,
                   color = "blue", radius = 5)


mapa

Obtenemos un resultado similar al primer caso, si bien la mayoría de puntos se encuentran en la zona sur de la ciudad, muchos de ellos se encuentran dispersos por otras zonas esto se puede deber errores de data a la hora de registrar la latitud y la longitud. Podría solucionarse creando definciones más concretas de que es zona sur para después aplicar una limpieza. Sin embargo, esa tarea no compete a este análisis.

library(psych)

# Obtener un resumen más detallado de la columna "preciom"
describe(vivienda_apt$preciom)
##    vars    n   mean     sd median trimmed    mad min  max range skew kurtosis
## X1    1 2787 297.29 191.55    245  261.98 114.16  75 1750  1675 2.63    10.44
##      se
## X1 3.63

Podemos ver que en general el valor del crédito supera con creces la media del precio en la zona. Sin embargo, cabe notar la gran varianza y rango, dada la mayor cantidad de errores en este subconjunto de data, a priori se podría llegar a ser muy optimista respecto a la cantidad de opciones que el cliente pueda tener disponible, después de tener en cuenta todas las exigencias del mismo.

Procedemos a hacer un análisis exploratorio para entender las columnas que tendremos en cuenta para el modelo.

library(plotly)

# Histograma de la columna "estrato"
histogram_estrato <- plot_ly(data = vivienda_apt, x = ~estrato, type = "histogram")
histogram_estrato
# Diagrama de caja de la columna "areaconst"
boxplot_areaconst <- plot_ly(data = vivienda_apt, y = ~areaconst, type = "box")
boxplot_areaconst
# Gráfico de barras de la columna "banios"
barplot_banios <- plot_ly(data = vivienda_apt, x = ~banios, type = "histogram")
barplot_banios
# Gráfico de dispersión de "areaconst" versus "preciom"
scatter_areaconst_preciom <- plot_ly(data = vivienda_apt, x = ~areaconst, y = ~preciom, mode = "markers")
scatter_areaconst_preciom
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

Aquí podemos apreciar, como efectivamente el abaníco de posibilidades se ve reducido, ya que el cliente pide 300 en areaconst y 3 baños, y la mayoría de viviendas solo poseen 2 baños, y una vez el areaconst supera los 250 el precio se dispara drasdicamente.

Procedemos a crear la tabla de correlación.

# Calcular la matriz de correlación
matriz_correlacion <- cor(vivienda_apt[c("preciom", "estrato", "areaconst", "banios", "habitaciones")])


library(corrplot)

# Visualizar la matriz de correlación
corrplot(matriz_correlacion, method = "color")

Como podemos ver, el estrato, areaconst y baños tienen una gran relación con el precio. El estrato no será un gran problema puesto que hay una gran cantidad de apt estrato 5 y 6, el baño y área pueden marcar la diferencia en este caso.

Procedemos a crear el modelo y interpretar su resultado

library(lmtest)

# Crear el modelo de regresión lineal múltiple
modelo_1 <- lm(preciom ~ habitaciones + banios + areaconst + estrato + parqueaderos , data = vivienda_apt)

# Resumen del modelo
summary(modelo)
## 
## Call:
## lm(formula = preciom ~ habitaciones + banios + areaconst + estrato + 
##     parqueaderos, data = vivienda_casas)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -784.29  -77.56  -16.03   47.67  978.61 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -238.17090   44.40551  -5.364 1.34e-07 ***
## habitaciones    7.64511    5.65873   1.351    0.177    
## banios         18.89938    7.48800   2.524    0.012 *  
## areaconst       0.67673    0.05281  12.814  < 2e-16 ***
## estrato        80.63495    9.82632   8.206 2.70e-15 ***
## parqueaderos   24.00598    5.86889   4.090 5.14e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 155.1 on 429 degrees of freedom
##   (287 observations deleted due to missingness)
## Multiple R-squared:  0.6041, Adjusted R-squared:  0.5995 
## F-statistic: 130.9 on 5 and 429 DF,  p-value: < 2.2e-16
# Calcula los residuos del modelo
residuos <- resid(modelo_1)

# Gráfico de residuos vs. valores ajustados
plot(modelo_1$fitted.values, residuos, 
     xlab = "Valores Ajustados", ylab = "Residuos",
     main = "Gráfico de Residuos vs. Valores Ajustados")
abline(h = 0, col = "red")  # Línea horizontal en y = 0

qqnorm(residuos)
qqline(residuos)

El modelo todavía conserva un rendimiento decente con un R2 de 60, descubrimos que el baño no es tan significativo a la hora de explicar variabilidad de precios sino más bien el número de parqueaderos. Esto puede ser explicado por la naturaleza del inmueble al pertenecer a un bloque o edificio, el poseer más parqueaderos puede estar fuertemente relacionado a un apt más lujoso.

Procedemos a realizar la predicción en base a la petición del cliente.

-238.17090 + ( 7.64511*5) + (18.89938*3) + ( 0.67673*300) + (80.63495*5) + (24.00598*3)
## [1] 534.9645
-238.17090 + ( 7.64511*5) + (18.89938*3) + ( 0.67673*300) + (80.63495*6) + (24.00598*3)
## [1] 615.5994

Un apartamente de esas carácteristicas puede llegar a valer según el modelo entre 540 a 616 aprox. Teniendo en cuenta que para esta petición el cliente posee un crédito de 850, puede presionar más sobre variables como el areaconst.

Veamos un par de sus opciones.

resultados_2 <- vivienda_apt[vivienda_apt$areaconst >= 300 & 
                            vivienda_apt$parqueaderos >= 3 & 
                            vivienda_apt$banios >= 2 & 
                            vivienda_apt$habitaciones >= 5 & 
                            vivienda_apt$estrato >= 5 & 
                            vivienda_apt$preciom >= 535 & 
                            !is.na(vivienda_apt$zona), ]

# Imprimir las primeras 15 filas de los resultados
print(head(resultados_2, 15))
## # A tibble: 5 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  5248 Zona S… 08          6    1150       344            4      5            5
## 2  6023 Zona S… 08          6    1150       464            4      6            5
## 3     4 Zona S… <NA>        6    1280       346            4      6            5
## 4  7182 Zona S… <NA>        5     730       573            3      8            5
## 5  7512 Zona S… <NA>        5     670       300            3      5            6
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

Como podemos ver, las especificaciones del cliente solo nos permite obtener una oferta posible, grafiquemos para identificar el lugar.

library(leaflet)

# Crear un mapa interactivo con los datos de 'resultados'
mapa <- leaflet(data = resultados_2) %>%
  addTiles() %>%
  addCircleMarkers(lng = ~longitud, lat = ~latitud,
                   color = "blue", radius = 5,
                   popup = ~paste("Precio:", preciom))

# Mostrar el mapa
mapa

Como podemos ver la propiedad se encuentra en el sur de la ciudad, en el barrio seminario y Guadalupe sería la única oferta que se ajuste de forma perfecta a las necesidades del cliente. Luego, si el cliente estuviera dispuesto a disminuir su apiración en el estrato y parqueaderos, podría tener más opciones, actualmente el cliente solo tiene dos opciónes reales en la zona que cumple todas sus exigencias.