Introducción

El mundo inmobiliario es y ha sido durante años un aspectos muy importante para la economía global, ademas de ser uno de los principales medios de inversión de familias y personas por medio de la compra y venta de casa y apartamentos. Como todo mercado, el inmobiliario ha experimentado cambios dinamicos a los largo del tiempo en muchos aspectos, uno de esos aspectos más prominente ha sido la fluctuación en los precios y tamaños de las viviendas que se mueven según la demanda de la población que invierte en el mercado de inmuebles para vivir. La oferta y la demanda, tasas de impuestos y las ubicaciones geográficas han sido fuertes puntos de influencia para el cambio del precio de las viviendas durante los últimos años, mientras que a lo que refiere al tamaño de las viviendas se ha visto influenciado por el crecimiento de las áreas urbanas que ha llevado a una mayor densificación y una mayor demanda de viviendas que sean mas compactas ofreciendo mayor densidad de viviendas en espacios reducidos.

Analisis

¿Cómo se relacionan los precios y tamaños de las viviendas en el dataset clasificado por tipos de viviendas como casas y apartamentos?

Resumen estadistico

Este resumen muestra las medidas de tendencia central de un dataset que cuenta con el precio, el area en metros y el tipo de vivienda (casa o apartamento)

summary(Datos_ejercicio_1)
##     preciom        areaconst          tipo          
##  Min.   :207.4   Min.   : 40.00   Length:1706       
##  1st Qu.:230.7   1st Qu.: 60.00   Class :character  
##  Median :238.8   Median : 75.00   Mode  :character  
##  Mean   :243.7   Mean   : 87.63                     
##  3rd Qu.:251.5   3rd Qu.: 98.00                     
##  Max.   :309.7   Max.   :200.00

Resumen por casas

Este resumen clasifica las medidad de tendencia central solo para las viviendas tipo “casa”

summary(datos1.2)
##     preciom        areaconst         tipo          
##  Min.   :221.3   Min.   : 54.0   Length:343        
##  1st Qu.:251.1   1st Qu.:100.0   Class :character  
##  Median :264.6   Median :130.0   Mode  :character  
##  Mean   :267.6   Mean   :135.9                     
##  3rd Qu.:287.3   3rd Qu.:170.0                     
##  Max.   :309.7   Max.   :200.0

Resumen por apartamento

Este resumen clasifica las medidad de tendencia central solo para las viviendas tipo “apartamento”

summary(datos1.1)
##     preciom        areaconst          tipo          
##  Min.   :207.4   Min.   : 40.00   Length:1363       
##  1st Qu.:228.8   1st Qu.: 60.00   Class :character  
##  Median :236.1   Median : 70.00   Mode  :character  
##  Mean   :237.7   Mean   : 75.48                     
##  3rd Qu.:243.6   3rd Qu.: 84.00                     
##  Max.   :305.2   Max.   :200.00

Distribución de datos por tipo de vivienda

Este gráfico de barras muestra como están distribuidas las cantidades según el tipo de vivienda, observando que la mayor cantidad la llevan por mucho los apartamentos.

tabla1= table(Datos_ejercicio_1$tipo)
barplot(tabla1, ylim = c(0,1706), main= "Distribución de Cantidad por tipo de vivienda", ylab = "Cantidad", col="#B0C4DE")

Diagrama de cajas del Area(m2) de apartamentos y casas

En este diagrama de cajas donde se analizan las areas de el tipo de viviendas, se puede notar que el comportamiento de las areas de una vivienda de tipo “apartamento” es que tienden a ser menores que las de una vivienda de tipo “casa” esto claramente influenciado por la naturaleza del tipo de vivienda. Además es notorio que los apartamentos tienen valores de area más atipicos que las casas.

boxplot(areaconst~tipo, col="#B0C4DE", ylab = "AreaConst(m^2)",main= "Diagrama de cajas del Area(m2) de apartamentos y casas" )

Diagrama de cajas del Precio(metro2) de apartamentos y casas

Contrario a lo que sucede con las areas, el precio en los apartamentos tiende a tener una distribución mas equilibrada, esto sin dejar de ser una distribución a valores menores que los de las casas, igualmente con valores atipicos en los apartamentos, hecho que no se ha presentado para las casas.

boxplot(preciom~tipo, col="#F5DEB3", ylab = "Precio", main = "Diagrama de cajas del Precio(metro2) de apartamentos y casas")

Dispersión de Precio y Area

Para ver un poco mejor como se relacionan el precio y el area este diagrama muestra como se distribuyen las areas y los precios y hacia donde se concentran, es evidente una vez más que los apartamentos tienden a concentrarse en areas menores a los 100m2 y precios por debajo de 250 por metro, mientras que las casas se distribuyen mas uniformemente con valores que van desde areas pequeñas con precios bajos hasta casas de mayor area con precios evidentemente mas altos.

library(ggplot2)
ggplot(Datos_ejercicio_1, aes(x = areaconst, y = preciom, color = tipo,xlab="Area(m^2)", ylab="Precio" )) +
  geom_point()

Histogramas

Histograma de precio

En este histograma de precio una vez más se evidencia el sesgo positivo que tienen los precios de viviendas, considerando que no se analisan por tipo, sino en general.

hist(Datos_ejercicio_1$preciom, xlab = "Precio",ylab = "Frecuencia", col = "#5F9EA0", main = "Histograma Precio de viviendas", xlim = c(190,350))

Histograma de area

Este histograma refleja también un sesgo positivo de los tamaños de las areas de las viviendas una vez más, sin ser discriminadas por tipo de vivienda.

hist(Datos_ejercicio_1$areaconst, xlab = "Area en Metros Cuadrados",ylab = "Frecuencia", col = "#B0C4DE", main = "Histograma de Areas de viviendas", xlim = c(0,210),ylim = c(0,400))

Histogramas discriminados por tipo(Casa o Apartamento)

Precio - Tipo

Para estos histogramas discriminados por el tipo de vivienda y que relacionan el precio, logramos ver como las casas tienen una distribución más uniforme con un sesgo poco pronunciado y que es realmente no evidente, mientras que los apartamentos si presentan el sesgo positivo, aunque no es realmente pronunciado como cuando se analizaron estos valores sin ser discriminados en tipo

hist(datos1.1$preciom, main = "Precio - Apartamentos", col = "#EEE8AA", ylab = "Frecuencia", xlab = "Precios(m)")

hist(datos1.2$preciom, main = "Precio - Casas", col = "#EEE8AA", ylab = "Frecuencia", xlab = "Precios(m)")

Area - Tipo

Es evidente para este caso la asimetria positiva de los valores que toman las Areas de los apartamentos, aún más si se compara con los de las casas que muestran una tendencia a valores altos sin ser completamente un sesgo.

hist(datos1.1$areaconst, main = "Area - Apartamentos", col = "#EEE8AA", ylab = "Frecuencia", xlab = "Area(m2)")

hist(datos1.2$areaconst, main = "Area - Casas", col = "#EEE8AA", ylab = "Frecuencia", xlab = "Area(m2)")

Conclusiones

Para terminar y responder que relación pudo ser encontrada entre los precios y las areas de viviendas, que a su vez pudieron ser clasificados por tipo de vivienda se puede decir que es evidente como un tipo de vivienda clasifica como “Apartamento” Tiene una tendencia a valores de area y precios mas bajos, pero no por esto son los menos frecuentes, al contrario son los apartamentos los que cuentan con mayor distribución dentro de la muestra.

La tendencia a valores bajos de precios y areas en los apartamentos puede deberse a su naturaleza y a que no es realmente del interes de la población una zona de vivienda reducida a un precio elevado, Por el contrario dentro de las viviendas clasificas como “Casas” es evidentes que no hay una tendencia muy marcada dentro de los análisis, aunque su distribución es menor a la de los apartamentos, los valores que toma para areas y precio se encuentran distribuidos mas equilibradamente dentro del estudio, podría decirse también que esto es debido a que los inmuebles clasificados como “Casas” tienden a ser muy diferentes unos de otros dependiendo de las zonas y eso hace que los valores puedan cambiar mientras que los apartamentos tienden a seguir una tendencia en cuanto tamaños de area.