Introducción

El presente informe estadístico tiene como objetivo realizar un análisis detallado de una lista de alrededor de 1707 datos, con el fin de proporcionar una comprensión profunda de su distribución y tendencias. Para lograr este propósito, se emplearán técnicas estadísticas y gráficas que permitirán visualizar y interpretar los datos de manera efectiva.

El análisis estadístico incluirá la aplicación de diversos métodos descriptivos para resumir las características fundamentales de los datos, así como la exploración de posibles relaciones entre las variables. Además, se utilizarán diagramas y gráficos adecuados para representar visualmente la información contenida en la lista de datos, facilitando así su comprensión y análisis.

A lo largo del informe, se proporcionarán explicaciones detalladas sobre los procedimientos estadísticos empleados, así como interpretaciones relevantes de los resultados obtenidos. Se espera que este análisis estadístico contribuya significativamente a la comprensión de la naturaleza y el comportamiento de los datos, proporcionando valiosas lecturas para la toma de decisiones y la descripciones de realidades a partir de los datos.

Objetivos

Objetivo Específico: Determinar el impacto del área cuadrada en los precios de casas y apartamentos en el mercado inmobiliario estudiado.

Este objetivo implica:

  1. Analizar cómo varían los precios de las propiedades en función de su área cuadrada.

  2. Identificar si existe una relación significativa entre el tamaño de las propiedades y sus precios.

3 )Cuantificar el efecto del tamaño de la propiedad en los precios, ya sea en términos de aumento por metro cuadrado o en porcentaje.

  1. Explorar si esta relación es consistente en diferentes áreas geográficas, tipos de propiedad u otros segmentos del mercado.

  2. Proporcionar recomendaciones específicas basadas en los hallazgos para los interesados en el mercado inmobiliario, como vendedores, compradores o inversores.

Análisis de datos

###Revision de datos
library(readxl)
Datos_ejercicio_1 <- read_excel("Datos_ejercicio_1.xlsx")

HISTOGRAMAS

Histograma para precios de apartamentos y casas.

El histograma nos permitira comprender la distribución de precios de las viviendas, comparar los precios entre apartamentos y casas, y ver cómo se superponen estas distribuciones en diferentes rangos de precios.

DIAGRAMA DE PASTEL

Al analizar nuestro diagrama de pastel, podemos observar que los datos muestran una mayor participación en la adquisición de apartamentos en comparación con las casas. Esto sugiere que la compra de apartamentos es más dominante en nuestro conjunto de datos. Además, podemos inferir que la preferencia por los apartamentos puede estar relacionada con sus precios, los cuales tienden a ser más accesibles en comparación con el costo de una casa.

# Tabla de frecuencia
attach(Datos_ejercicio_1)
Tabla_f<-table(tipo)
Tabla_f
## tipo
## Apartamento        Casa 
##        1363         343
# Tabla de Frecuencia relativa
Tabla_fr<-prop.table(Tabla_f)
Tabla_fr
## tipo
## Apartamento        Casa 
##   0.7989449   0.2010551
### Porcentaje
Tabla_p<-Tabla_fr*100
Tabla_p
## tipo
## Apartamento        Casa 
##    79.89449    20.10551
# Diagraba de pastel
pie(Tabla_p, main="Diagrama de Pastel", col = rainbow(length(Tabla_p)),labels= paste0(Tabla_p,"%") )
legend("topleft", legend = c("Apartamento", "Casa"), fill = rainbow(length(Tabla_p)))

TENDENCIA CENTRAL

El cálculo de la media de la variable “preciom” nos proporcionará un indicador de tendencia central que nos permitirá entender mejor la distribución de los precios en el conjunto de datos.

Una vez se realice la media de “preciom”, podremos interpretar en el contexto de nuestro conjunto de datos lo siguiente: Si la media es alta, puede indicar que los precios tienden a ser altos en general. Por otro lado, si la media es baja, esto sugiere que los precios son más bajos en promedio.

#### Calcular la media de los datos para precio
mean(Datos_ejercicio_1$preciom)
## [1] 243.7031

Podemos concluir que, en promedio, los precios están alrededor de 243.7031 en este conjunto de datos.

En general de acuerdo a la tabla se puede concluir que tenemos una asimetria positiva en los precios dado que la media es mayor a al mediana, por lo tanto va a ver mas tipo de viviendas con precios elevados.

DIAGRAMA DE DISPERSIÓN

Realizaremos un diagrama de dispersion con el fin de analizar los datos entre precio y area construida. Donde “apartamento” hace referencia al color purpura y el color verde hace referencia a la “casa”.

#Diagrama de dispersión
plot(preciom ~ areaconst, data=Datos_ejercicio_1, col=ifelse(tipo == "Casa", "green", "purple"), xlab="Área construida", ylab="Precio", main="Precio  vs.  Área construida")

Con el diagrama de dispersion podemos conlcuir que, los apartamentos tienden a agruparse en ciertos rangos de precios y tamaños de área construida. Podría ser que la oferta de apartamentos esté más estandarizada en términos de tamaño y precio. Es decir, que entre mas pequeña el área construida, el precio metro cuadrado es mas economico que otros en otro rango.

Conclusión

En conclusión, nuestro análisis revela que, a pesar de que los precios de los apartamentos tienden a aumentar con el tamaño en metros cuadrados, son las propiedades más adquiridas en comparación con las casas. Esto indica que, aunque los apartamentos más grandes pueden ser más costosos, siguen siendo preferidos por los compradores. Esto podría indicar una tendencia hacia la conveniencia y la accesibilidad de los apartamentos, incluso cuando sus precios son más altos en relación con las casas. Las casas son mas costas y por lo tanto se adquieren menos.