En este trabajo se va a tratar la actividad propuesta (caso de estudio) de la asignatura “Modelos estadísticos para la toma de decisiones” donde se realizará un análisis multidimensional para dar solución a un problema propuesto del mercado inmobiliario
devtools::install_github("dgonxalex80/paqueteMODELOS", force = TRUE)
## 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\Rtmp0gkFhj\downloaded_packages
## ── R CMD build ─────────────────────────────────────────────────────────────────
##
checking for file 'C:\Users\57301\AppData\Local\Temp\Rtmp0gkFhj\remotes1ce81ee85ed4\dgonxalex80-paqueteMODELOS-796f588/DESCRIPTION' ...
✔ checking for file 'C:\Users\57301\AppData\Local\Temp\Rtmp0gkFhj\remotes1ce81ee85ed4\dgonxalex80-paqueteMODELOS-796f588/DESCRIPTION' (358ms)
##
─ preparing 'paqueteMODELOS': (3.8s)
## 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)
después de instalar el paquete procedemos a visualizar la data
## 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
## id zona piso estrato
## Min. : 1 Length:8322 Length:8322 Min. :3.000
## 1st Qu.:2080 Class :character Class :character 1st Qu.:4.000
## Median :4160 Mode :character Mode :character Median :5.000
## Mean :4160 Mean :4.634
## 3rd Qu.:6240 3rd Qu.:5.000
## Max. :8319 Max. :6.000
## NA's :3 NA's :3
## preciom areaconst parqueaderos banios
## Min. : 58.0 Min. : 30.0 Min. : 1.000 Min. : 0.000
## 1st Qu.: 220.0 1st Qu.: 80.0 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 330.0 Median : 123.0 Median : 2.000 Median : 3.000
## Mean : 433.9 Mean : 174.9 Mean : 1.835 Mean : 3.111
## 3rd Qu.: 540.0 3rd Qu.: 229.0 3rd Qu.: 2.000 3rd Qu.: 4.000
## Max. :1999.0 Max. :1745.0 Max. :10.000 Max. :10.000
## NA's :2 NA's :3 NA's :1605 NA's :3
## habitaciones tipo barrio longitud
## Min. : 0.000 Length:8322 Length:8322 Min. :-76.59
## 1st Qu.: 3.000 Class :character Class :character 1st Qu.:-76.54
## Median : 3.000 Mode :character Mode :character Median :-76.53
## Mean : 3.605 Mean :-76.53
## 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.:3.381
## Median :3.416
## Mean :3.418
## 3rd Qu.:3.452
## Max. :3.498
## NA's :3
Exploramos NA
## id zona piso estrato preciom areaconst
## 3 3 2638 3 2 3
## parqueaderos banios habitaciones tipo barrio longitud
## 1605 3 3 3 3 3
## latitud
## 3
dada a la alta cantidad de NA que existen en esas variables, vmaos a hacer un drop sobre ellas. También podemos directamente eliminar el ID ya que este estudio es general y no busca señalar casas en particular no hay razón para conservar el ID de la propiedad
vemos como quedó el data set
## zona piso estrato preciom
## Length:4808 Length:4808 Min. :3.000 Min. : 58.0
## Class :character Class :character 1st Qu.:4.000 1st Qu.: 244.5
## Mode :character Mode :character Median :5.000 Median : 350.0
## Mean :4.838 Mean : 457.2
## 3rd Qu.:6.000 3rd Qu.: 560.0
## Max. :6.000 Max. :1999.0
## areaconst parqueaderos banios habitaciones
## Min. : 40.0 Min. : 1.000 Min. : 0.000 Min. : 0.000
## 1st Qu.: 85.0 1st Qu.: 1.000 1st Qu.: 2.000 1st Qu.: 3.000
## Median : 123.0 Median : 2.000 Median : 3.000 Median : 3.000
## Mean : 174.8 Mean : 1.815 Mean : 3.219 Mean : 3.564
## 3rd Qu.: 225.0 3rd Qu.: 2.000 3rd Qu.: 4.000 3rd Qu.: 4.000
## Max. :1500.0 Max. :10.000 Max. :10.000 Max. :10.000
## tipo barrio longitud latitud
## Length:4808 Length:4808 Min. :-76.59 Min. :3.333
## Class :character Class :character 1st Qu.:-76.54 1st Qu.:3.378
## Mode :character Mode :character Median :-76.53 Median :3.408
## Mean :-76.53 Mean :3.414
## 3rd Qu.:-76.52 3rd Qu.:3.451
## Max. :-76.46 Max. :3.498
Ahora procedemos a realizar el PCA, particularmente sobre las variables numéricas y interpretaremos los resultados del mismo
## Warning: package 'FactoMineR' was built under R version 4.3.2
##
## Call:
## PCA(X = variables_numericas, graph = FALSE)
##
##
## Eigenvalues
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
## Variance 2.985 1.163 0.416 0.250 0.187
## % of var. 59.694 23.254 8.317 5.002 3.734
## Cumulative % of var. 59.694 82.948 91.264 96.266 100.000
##
## Individuals (the 10 first)
## Dist Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3
## 1 | 1.829 | 0.538 0.002 0.087 | -0.662 0.008 0.131 | -0.599
## 2 | 1.329 | -1.177 0.010 0.784 | 0.405 0.003 0.093 | 0.184
## 3 | 1.041 | -0.835 0.005 0.642 | 0.326 0.002 0.098 | 0.444
## 4 | 1.770 | -1.714 0.020 0.939 | -0.338 0.002 0.036 | -0.109
## 5 | 0.666 | -0.274 0.001 0.169 | -0.148 0.000 0.050 | 0.508
## 6 | 1.981 | 0.717 0.004 0.131 | -1.167 0.024 0.347 | 1.374
## 7 | 1.850 | 1.055 0.008 0.325 | 0.427 0.003 0.053 | -1.396
## 8 | 2.384 | 1.700 0.020 0.509 | -1.508 0.041 0.400 | -0.459
## 9 | 2.937 | 2.463 0.042 0.703 | -1.039 0.019 0.125 | 0.981
## 10 | 2.029 | -0.681 0.003 0.113 | 1.846 0.061 0.828 | 0.008
## ctr cos2
## 1 0.018 0.107 |
## 2 0.002 0.019 |
## 3 0.010 0.182 |
## 4 0.001 0.004 |
## 5 0.013 0.582 |
## 6 0.094 0.481 |
## 7 0.097 0.569 |
## 8 0.011 0.037 |
## 9 0.048 0.112 |
## 10 0.000 0.000 |
##
## Variables
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr
## estrato | 0.542 9.831 0.293 | 0.755 48.989 0.570 | 0.297 21.262
## preciom | 0.868 25.215 0.753 | 0.300 7.735 0.090 | -0.231 12.878
## areaconst | 0.862 24.875 0.742 | -0.184 2.900 0.034 | -0.379 34.478
## banios | 0.897 26.941 0.804 | -0.096 0.790 0.009 | 0.196 9.272
## habitaciones | 0.626 13.138 0.392 | -0.678 39.586 0.460 | 0.303 22.111
## cos2
## estrato 0.088 |
## preciom 0.054 |
## areaconst 0.143 |
## banios 0.039 |
## habitaciones 0.092 |
## Warning: package 'factoextra' was built under R version 4.3.2
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
Si cada una de las variables aporta aproximadamente el 20% de la varianza en el conjunto de datos, significa que todas las variables están contribuyendo significativamente a la estructura de los datos y no hay una variable dominante que explique la mayoría de la variabilidad. Esto sugiere que todas las variables tienen una influencia similar en la estructura general de los datos y que ninguna variable tiene un efecto abrumador en el análisis. En otras palabras, hay una distribución equilibrada de la varianza explicada entre las variables seleccionadas. Esto, naturalmente nos lleva por necesidad al punto dos del caso propuesto. Aunque es claro también que el estrato naturalmente domina por un poco el peso.
Análisis de Conglomerados: Agrupar las propiedades residenciales en segmentos homogéneos con características similares para entender las dinámicas de las ofertas específicas en diferentes partes de la ciudad y en diferentes estratos socioeconómicos.
Al haber una cierta paridad es necesario separar en grupos la data escalonada para poder apreciar más claramente la relación que tienen al precio.
##
## Attaching package: 'dplyr'
## The following object is masked from 'package:gridExtra':
##
## combine
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
## # A tibble: 4 × 3
## Cluster cor_areaconst_precio cor_estrato_precio
## <int> <dbl> <dbl>
## 1 1 0.158 0.0858
## 2 2 0.434 0.528
## 3 3 0.473 0.452
## 4 4 0.569 0.414
de forma natural se usan 4 clusters, para 4 posibles estratos que contiene el dataset. Vemos como en cada uno de ellos la correlación al precio varia, aunque generalmente es significativa, para un mayor análisis neceistamos conocer cual es el estrato y areaconst promedio de cada agrupación.
## # A tibble: 4 × 3
## Cluster mean_estrato mean_areaconst
## <int> <dbl> <dbl>
## 1 1 5.84 397.
## 2 2 4.20 309.
## 3 3 5.42 152.
## 4 4 4.19 91.9
Se puede comprobar a fácil vista que los cluster en cierta medida fueron exitosos ya que acercan generalmente a los estratos presentes dentro del data set, también podemos notar la tendencia del crecimiento de área hacia el lujo. Explicando así por qué en el cluster 2 y 4 hay poca correlación entre el área y el precio, de forma natural una vez se alcanza cierto lujo la mayoría de viviendas son amplias lo cual deja de repercutir en el precio, lo mismo hacia abajo, si la vivienda tiende al estrato 3 no importa tanto el tamaño. posiblemente estos dos grupos esten fuertemente marcados por la zona y barrio en que se encuentren más allá de su área.
Ahora procedemos a apreciar la relación de ´rea, estrato y precio a través de un gráfico de puntos.
Como era de esperar entre más alto el estrato más costosa es, también se reafirma el hallazgo anterior cuando se trata del grupo 2 y 4 la relación entre estas variables no es tan clara, mientras que en el 3 y 1 es sencillo notar que entre más grande la vivienda más tiende a costar, en los grupos 2 y 4 esto no es necesariamente tan claro, seguramente la respuesta se dará en el aspecto categórico.
Ahora veamos por último solo para evidenciar cada correlación de todas las variables un mapa de calor para cada cluster.
Una vez más parece ser que los grupos 2 y 4 que son el estrato más bajo y alto respectivamente en promedio no parecen mantener relaciones claras a parte de que obviamente las viviendas más lujosas suelen tener más baños/habitaciones y las menos lujosas son el caso contrario. Pero esto es solo natural y esperado.
Ahora solo para comprobar que el clustering fue exitoso hagamos un test de silueta. y confirmar que no haya algun cluster cercano a -1.
## Silhouette of 4808 units in 4 clusters from silhouette.default(x = kmeans_result$cluster, dist = dist(variables_numericas)) :
## Cluster sizes and average silhouette widths:
## 606 503 1718 1981
## 0.28317992 0.04324292 -0.03654612 0.55712304
## Individual silhouette widths:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.78592 0.01772 0.30081 0.25670 0.63806 0.72124
Efectivamente no encontramos ningún cluster muy cercano a -1 parecer ser que el análisis fue correcto.
Ahora, procedemos al inciso 3, la inspección de correspondencia de variables categóricas, empecemos con simplemente comprender la oferta que existe en la ciudad a través de histogramas.
## 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.
Dada a la excesiva cantidad de barrios disponibles, busquemos los 10 más frecuentes
De esta forma, ya sabemos que la zona sur representa más del 50% del mercado de la ciudad, concoemos los 10 barrios donde hay más movimiento inmobiliario y que aproximadamente el 50% de los inmuebles son apartamentos.
Veamos su relación a las variables numéricas
## [1] "Resumen por tipo:"
## # A tibble: 2 × 7
## tipo promedio_estrato desviacion_estrato promedio_preciom desviacion_preciom
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Apart… 4.89 0.886 390. 286.
## 2 Casa 4.74 0.995 589. 357.
## # ℹ 2 more variables: promedio_areaconst <dbl>, desviacion_areaconst <dbl>
## [1] "Resumen por zona:"
## # A tibble: 5 × 7
## zona promedio_estrato desviacion_estrato promedio_preciom desviacion_preciom
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Zona … 3.08 0.280 298. 122.
## 2 Zona … 4.56 0.862 371. 225.
## 3 Zona … 5.55 0.732 684. 389.
## 4 Zona … 3.04 0.247 249. 113.
## 5 Zona … 4.82 0.848 435. 313.
## # ℹ 2 more variables: promedio_areaconst <dbl>, desviacion_areaconst <dbl>
Como era de esperarse, se encuentra la razón de las correlaciones presentes en el análisis de clusters, generalmente los apartamentos suben de precio sin aumentar drasdicamente su tamaño, sabemos que la oferta de apartamentos es el 50% de todo el mercado y que la zona sur (zona de estrato medio alto) es también la zona predominante en el negocio, por lo que se explica la baja correlación de el área con el precio una vez el estrato sube, la clave se encuentra en la ubicación realmente ek mismo análisis se sostiene para los estratos más bajos.
Veamos los precios y tipos de viviendas que se encuentran por cada zona para pasar a las conclusiones.
##
## Apartamento Casa
## Zona Centro 4 32
## Zona Norte 632 254
## Zona Oeste 669 84
## Zona Oriente 17 80
## Zona Sur 1860 1176
Conclusiones: A partir de análisis multivariado que se ha llevado a cabo durante el ejericico se llegan a las siguientes conclusione.
1.A través del análisis de PCA sobre las variables numéricas, se observa que ninguna de ellas domina necesariamente la varianza, dado que están intrínsecamente relacionadas entre sí.
2.Siendo más específico, agrupando por cualidades similares Las variables numéricas que más influyen en el precio son el área y el estrato. Naturalmente, a medida que el estrato aumenta, las viviendas tienden a ser más grandes pero el área no afecta tanto el precio.
Una vez que se alcanza un cierto nivel en el estrato, el área deja de ser un factor determinante en el precio y este queda definido principalmente por la ubicación. Es importante comprender que, para capturar el mercado de gama alta, no es necesario enfocarse únicamente en construcciones muy amplias, ya que la zona en sí misma aporta valor al inmueble.
En general, el cliente objetivo de la compañía parece ser de clase media alta. Más del 50% del mercado se encuentra en la zona sur, que es de clase media alta, mientras que la segunda zona más prominente es la oeste, considerada una zona de lujo.
Por lo tanto, la compañía debería considerar incursionar en la zona sur, donde se encuentra la mayoría del mercado. La incursión en la zona oeste sería costosa, y en las demás zonas no hay suficientes propiedades disponibles. Adquirir apartamentos en la zona sur puede ser una buena estrategia, aunque también deberían considerarse casas, ya que esto ampliaría las opciones para atraer a una clientela familiar que pueda necesitar más espacio y habitaciones. Además, se destaca que la valorización de los apartamentos en gran medida está influenciada por la ubicación, mientras que el área construida pierde relevancia una vez se consideran variables como el estrato y la ubicación. De forma generalizada una vez se evalua el PCA y el cluster se llega a la conclusión que la mejor forma de asegurar un redito económico es a través de la zona y el estrato, después de forma natural el tamaño le sigue, aunque en caso de que no, no afecta de forma drasdica el precio del inmueble.