1. Realice un filtro a la base de datos e incluya sólo las ofertas de apartamentos. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta.
2. 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.
3. 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).
- Modelo de regresión lineal múltiple
  - Interpretación
4. Realice la validación de supuestos del modelo e interprete los resultados (no es necesario corregir en caso de presentar problemas, solo realizar sugerencias de que se podría hacer).
5. Realice una partición en los datos de forma aleatoria donde 70% sea un set para entrenar el modelo y 30% para prueba. Estime el modelo con la muestra del 70%. Muestre los resultados.
- Interpretación
  - Coeficientes del Modelo:
  - Estadísticas del Modelo:
6. Realice predicciones con el modelo anterior usando los datos de prueba (30%).
7. Calcule el error cuadrático medio, el error absoluto medio y el R2, interprete.
- Interpretación

#install.packages("devtools") # solo la primera vez
#devtools::install_github("centromagis/paqueteMODELOS", force =TRUE)
library(paqueteMODELOS)

## Loading required package: boot

## Loading required package: broom

## Loading required package: GGally

## Loading required package: ggplot2

## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2

## Loading required package: gridExtra

## Loading required package: knitr

## Loading required package: summarytools

data("vivienda")

Validar Información y eliminar los 3 registros con NA para la variable ID

summary(vivienda)

##        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

valores_faltantes <- colSums(is.na(vivienda))
print(valores_faltantes)

##           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

# Eliminando las filas con NA en la columna id
viviendasinna <- vivienda[!is.na(vivienda$id), ]
valores_faltantessinna <- colSums(is.na(viviendasinna))
print(valores_faltantessinna)

##           id         zona         piso      estrato      preciom    areaconst 
##            0            0         2635            0            0            0 
## parqueaderos       banios habitaciones         tipo       barrio     longitud 
##         1602            0            0            0            0            0 
##      latitud 
##            0

Reemplazar los NA de piso y parqueaderos por el modo

sapply(viviendasinna, class)

##           id         zona         piso      estrato      preciom    areaconst 
##    "numeric"  "character"  "character"    "numeric"    "numeric"    "numeric" 
## parqueaderos       banios habitaciones         tipo       barrio     longitud 
##    "numeric"    "numeric"    "numeric"  "character"  "character"    "numeric" 
##      latitud 
##    "numeric"

#Convertir piso a variable numerica
viviendasinna$piso <- as.numeric(viviendasinna$piso)
# Función para calcular el modo
getmode <- function(v) {
  uniqv <- unique(v)
  uniqv[which.max(tabulate(match(v, uniqv)))]
}

# Reemplazar NA con el modo en 'parqueaderos'
mode_parqueaderos <- getmode(viviendasinna$parqueaderos)
viviendasinna$parqueaderos[is.na(viviendasinna$parqueaderos)] <- mode_parqueaderos

# Calcular el modo de 'piso'
mode_piso <- getmode(viviendasinna$piso[!is.na(viviendasinna$piso)])
mode_piso

## [1] 2

viviendasinna$piso[is.na(viviendasinna$piso)] <- mode_piso

#Validar NA
sapply(viviendasinna, class)

##           id         zona         piso      estrato      preciom    areaconst 
##    "numeric"  "character"    "numeric"    "numeric"    "numeric"    "numeric" 
## parqueaderos       banios habitaciones         tipo       barrio     longitud 
##    "numeric"    "numeric"    "numeric"  "character"  "character"    "numeric" 
##      latitud 
##    "numeric"

valores_faltantessinna <- colSums(is.na(viviendasinna))
print(valores_faltantessinna)

##           id         zona         piso      estrato      preciom    areaconst 
##            0            0            0            0            0            0 
## parqueaderos       banios habitaciones         tipo       barrio     longitud 
##            0            0            0            0            0            0 
##      latitud 
##            0

1. Realice un filtro a la base de datos e incluya sólo las ofertas de apartamentos. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta.

# Filtrar las ofertas de apartamentos
apartamentos <- subset(viviendasinna, tipo == "Apartamento")

# Verificar los valores únicos en la columna 'tipo'
unique(apartamentos$tipo)

## [1] "Apartamento"

# Mostrar los primeros 3 registros del dataset filtrado
head(apartamentos, 3)

2. 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.

# Limpiar caracteres especiales en las columnas usadas en 'text'
viviendasinna$estrato <- as.character(viviendasinna$estrato)
viviendasinna$banios <- as.character(viviendasinna$banios)
viviendasinna$habitaciones <- as.character(viviendasinna$habitaciones)

viviendasinna$zona <- enc2utf8(viviendasinna$zona)
viviendasinna$estrato <- enc2utf8(viviendasinna$estrato)
viviendasinna$banios <- enc2utf8(viviendasinna$banios)
viviendasinna$habitaciones <- enc2utf8(viviendasinna$habitaciones)

# Convertir todo el DataFrame a UTF-8
viviendasinna <- as.data.frame(lapply(viviendasinna, function(x) {
  if (is.character(x)) {
    return(iconv(x, from = "latin1", to = "UTF-8", sub = ""))
  } else {
    return(x)
  }
}))

Gráfico de dispersión Precio vs. Estrato

# Instalar plotly
# install.packages("plotly")
 library(plotly)

## 
## 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

# Crear un gráfico de dispersión Precio vs. Estrato 
fig_alternative <- plot_ly(viviendasinna, x = ~estrato, y = ~preciom, type = 'scatter', mode = 'markers',
                           color = ~factor(estrato), colors = 'Set1') %>%
  layout(title = 'Precio vs. Estrato',
         xaxis = list(title = 'Estrato'),
         yaxis = list(title = 'Precio'))
fig_alternative

Interpretación

Se evidencia que los precios aumentan a medida que cambia el estrato
Los estratos 3 y 4 tienen datos atipicos, los cuales merecen la pena revisar mas al detalle

Gráfico de dispersión para área construida vs. precio

# Crear gráfico de dispersión para área construida vs. precio
fig_area <- plot_ly(viviendasinna, x = ~areaconst, y = ~preciom, type = 'scatter', mode = 'markers',
                           color = ~factor(areaconst), colors = 'Set1') %>%
  layout(title = 'Precio vs. Area',
         xaxis = list(title = 'Area'),
         yaxis = list(title = 'Precio'))
fig_area

Interpretación

Se evidencia que a medida que el area construida aumenta, el precio tambien
La mayorua de viviendas se encuentran ubicadas entre los 40 y 500 y con precios que van desde los 58 hasta casi 2000

Gráfico de dispersión para número de baños vs. precio

fig_banios <- plot_ly(viviendasinna, x = ~banios, y = ~preciom, type = 'scatter', mode = 'markers',
                           color = ~factor(banios), colors = 'Set1') %>%
  layout(title = 'Precio vs. Area',
         xaxis = list(title = 'Area'),
         yaxis = list(title = 'Precio'))
fig_banios

Interpretación

Se evidencia que a partir de los 3 baños en adelante las viviendas adquieren un mayor precio
Se evidencian viviendas con 0 baños
Las viviendas con 9 y 10 baños presentan una mayor dispersion con la variable precio

Gráfico de dispersión para número de habitaciones vs. precio

fig_habitaciones <- plot_ly(viviendasinna, x = ~habitaciones, y = ~preciom, type = 'scatter', mode = 'markers',
                           color = ~factor(habitaciones), colors = 'Set1') %>%
  layout(title = 'Precio vs. Area',
         xaxis = list(title = 'Area'),
         yaxis = list(title = 'Precio'))
fig_habitaciones

Interpretación

Las viviendas mas costosas son las de 3, 4 y 5 habitaciones
Las viviendas con cantidad de habitaciones diferentes a 3, 4 y 5, presentan mayor cantidad de datos atipicos
Sin importar la cantidad de habitaciones, se pueden consguir viviendas desde los 220

Gráfico de caja para precio por zona

# Crear gráfico de caja para precio por zona
fig_zona <- plot_ly(viviendasinna, y = ~preciom, color = ~factor(zona), type = 'box',
                    colors = 'Set1') %>%
  layout(title = 'Precio por Zona',
         xaxis = list(title = 'Zona'),
         yaxis = list(title = 'Precio'))
fig_zona

Interpretación

Las zonas centro y oriente tienen los precios mas bajos
todas las zonas presentan datos tipícos con respecto al precio

3. 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).

Modelo de regresión lineal múltiple

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

# Resumen del modelo
summary(modelo)

## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitaciones + parqueaderos + 
##     banios, data = viviendasinna)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1405.35   -66.84   -10.63    42.92  1179.03 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     117.57468   25.79698   4.558 5.25e-06 ***
## areaconst         0.85765    0.01887  45.457  < 2e-16 ***
## estrato4         41.59811    6.04497   6.881 6.36e-12 ***
## estrato5         93.49864    6.13663  15.236  < 2e-16 ***
## estrato6        308.10275    7.52211  40.960  < 2e-16 ***
## habitaciones1    18.13875   33.91430   0.535 0.592774    
## habitaciones10 -126.99760   35.69356  -3.558 0.000376 ***
## habitaciones2   -18.23550   26.98555  -0.676 0.499218    
## habitaciones3     2.98778   26.43377   0.113 0.910010    
## habitaciones4   -27.63416   26.53737  -1.041 0.297753    
## habitaciones5   -62.44655   26.97404  -2.315 0.020634 *  
## habitaciones6  -110.75832   27.84684  -3.977 7.03e-05 ***
## habitaciones7  -105.10005   29.01788  -3.622 0.000294 ***
## habitaciones8  -110.14538   29.85035  -3.690 0.000226 ***
## habitaciones9  -158.17519   32.26086  -4.903 9.62e-07 ***
## parqueaderos     60.09592    2.22454  27.015  < 2e-16 ***
## banios1        -117.98872   32.86163  -3.590 0.000332 ***
## banios10        264.05385   65.54901   4.028 5.67e-05 ***
## banios2         -89.14612   31.98986  -2.787 0.005337 ** 
## banios3         -55.77182   31.94692  -1.746 0.080889 .  
## banios4          26.44296   31.96739   0.827 0.408156    
## banios5          89.88283   32.27899   2.785 0.005372 ** 
## banios6         147.92927   33.23365   4.451 8.65e-06 ***
## banios7         217.22416   35.93500   6.045 1.56e-09 ***
## banios8         171.91130   39.87893   4.311 1.65e-05 ***
## banios9         261.09083   53.85470   4.848 1.27e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 162.8 on 8293 degrees of freedom
## Multiple R-squared:  0.7554, Adjusted R-squared:  0.7546 
## F-statistic:  1024 on 25 and 8293 DF,  p-value: < 2.2e-16

Interpretación

Área Construida:

Coeficiente (0.86): Cada unidad adicional en el área construida está asociada con un aumento de 0.86 en el precio. Este coeficiente es altamente significativo (p < 2e-16), lo que indica que el área construida tiene un impacto significativo en el precio.

Estrato:

Estrato 4 (41.60): Los apartamentos en el estrato 4 tienen un precio promedio 41.60 más alto que el estrato de referencia.
Estrato 5 (93.50): Los apartamentos en el estrato 5 tienen un precio promedio 93.50 más alto que el estrato de referencia.
Estrato 6 (308.10): Los apartamentos en el estrato 6 tienen un precio promedio 308.10 más alto que el estrato de referencia.
Todos los coeficientes de estrato son estadísticamente significativos (p < 0.05), lo que indica que el estrato tiene un efecto significativo en el precio.

Número de Habitaciones:

Habitaciones 1 (18.14): Coeficiente no significativo (p = 0.59).
Habitaciones 10 (-127.00): Coeficiente significativo (p < 0.001), lo que indica que los apartamentos con 10 habitaciones tienen un precio promedio significativamente más bajo que el estrato de referencia.
Los coeficientes para 2 a 9 habitaciones también son significativos, pero varían en magnitud y dirección.

Número de Parqueaderos:

Coeficiente (60.10): Cada parqueadero adicional está asociado con un aumento de 60.10 en el precio, y este efecto es altamente significativo (p < 2e-16).

Número de Baños):

Banios 1 (-117.99): Coeficiente significativo (p = 0.00033).
Banios 10 (264.05): Coeficiente significativo (p < 0.001), indicando que tener 10 baños está asociado con un aumento de 264.05 en el precio.
Los coeficientes para los números de baños varían, con algunos significativos y otros no.

coeficiente R2

El modelo explica aproximadamente el 75.54% de la variabilidad en el precio. Esto indica un buen ajuste del modelo a los datos
El R2 ajustado está muy cerca del R2, lo que sugiere que el modelo está bien ajustado.

Análisis del Ajuste del Modelo

La mayoría de los coeficientes son estadísticamente significativos, lo que indica que las variables independientes tienen un efecto significativo sobre el precio.
Error Estándar Residual (162.8): Un error estándar residual más bajo indica un mejor ajuste, pero siempre es importante comparar esto con el rango de precios en el dataset para evaluar su significado.
F-statistic (1024): La estadística F es muy alta y el valor p es extremadamente bajo (< 2.2e-16), lo que indica que el modelo en conjunto es significativo y explica una gran parte de la variabilidad en el precio.

Mejoras Potenciales

Transformaciones: Si los residuos muestran patrones no aleatorios, puede ser útil transformar variables (por ejemplo, usar el logaritmo del precio).
Interacciones: Examinra posibles interacciones entre variables (por ejemplo, cómo el efecto del área construida podría depender del estrato).
Validación Cruzada: Utilizar validación cruzada para evaluar el rendimiento del modelo en diferentes subconjuntos de los datos y evitar el sobreajuste.

4. Realice la validación de supuestos del modelo e interprete los resultados (no es necesario corregir en caso de presentar problemas, solo realizar sugerencias de que se podría hacer).

1. Linealidad

# Gráfico de Residuos vs. Valores Ajustados
plot(modelo$fitted.values, modelo$residuals, 
     xlab = "Valores Ajustados", ylab = "Residuos",
     main = "Residuos vs. Valores Ajustados")
abline(h = 0, col = "red")

Interpretación

La relacion entre las variables es lineal

2. Independencia de los Residuos

# Instalar y cargar el paquete lmtest si no está instalado
# install.packages("lmtest")
 library(lmtest)

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

# Prueba de Durbin-Watson
dwtest(modelo)

## 
##  Durbin-Watson test
## 
## data:  modelo
## DW = 1.7517, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0

Interpretación

Valor de DW = 1.7517: El valor de Durbin-Watson está cerca de 2, lo que sugiere que no hay evidencia fuerte de autocorrelación en los residuos. Sin embargo, no está exactamente en 2, lo que podría indicar alguna autocorrelación.
Valor p < 2.2e-16: Este valor p extremadamente bajo indica que hay una evidencia muy fuerte contra la hipótesis nula de que la autocorrelación es 0.
Dado que el valor p es muy bajo, es probable que los residuos estén correlacionados positivamente, lo que sugiere que los errores de predicción no son independientes entre sí.

3. Homoscedasticidad

# Prueba de Breusch-Pagan
bptest(modelo)

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo
## BP = 1615.6, df = 25, p-value < 2.2e-16

Interpretación

El valor BP Indica una fuerte evidencia de heteroscedasticidad.
El valor p extremadamente bajo sugiere que hay una evidencia muy fuerte contra la hipótesis nula de homoscedasticidad. En otras palabras, los residuos no tienen una varianza constante.

4.Normalidad de los Residuos

# Histograma de los Residuos
hist(modelo$residuals, main = "Histograma de los Residuos",
     xlab = "Residuos", breaks = 50)

Interpretación

El grafico indica que los residuos se comportan de manera normal, esto sugiere que los residuos están distribuidos de manera bastante simétrica y sin sesgo.

5. Realice una partición en los datos de forma aleatoria donde 70% sea un set para entrenar el modelo y 30% para prueba. Estime el modelo con la muestra del 70%. Muestre los resultados.

# Establecer una semilla para reproducibilidad
set.seed(123) 

n <- nrow(viviendasinna)

# Índices para la partición (70% para entrenamiento, 30% para prueba)
indices <- sample(seq_len(n), size = 0.7 * n)

# Crear conjuntos de entrenamiento y prueba
train_data <- viviendasinna[indices, ]
test_data <- viviendasinna[-indices, ]

# Ajustar el modelo de regresión lineal múltiple con el conjunto de entrenamiento
modelo_entrenamiento <- lm(preciom ~ areaconst + estrato + habitaciones + parqueaderos + banios, data = train_data)

# Resumen del modelo ajustado con el conjunto de entrenamiento
summary(modelo_entrenamiento)

## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitaciones + parqueaderos + 
##     banios, data = train_data)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1394.25   -66.55    -9.63    42.77  1169.30 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     119.55027   30.47756   3.923 8.86e-05 ***
## areaconst         0.85456    0.02255  37.890  < 2e-16 ***
## estrato4         40.76144    7.28242   5.597 2.28e-08 ***
## estrato5         93.99351    7.39607  12.709  < 2e-16 ***
## estrato6        302.35169    8.99431  33.616  < 2e-16 ***
## habitaciones1    51.59337   39.94046   1.292 0.196493    
## habitaciones10 -101.95150   41.58679  -2.452 0.014254 *  
## habitaciones2     4.78368   31.89790   0.150 0.880795    
## habitaciones3    25.49552   31.24902   0.816 0.414601    
## habitaciones4    -4.66973   31.31995  -0.149 0.881482    
## habitaciones5   -38.48331   31.85767  -1.208 0.227106    
## habitaciones6   -84.62401   32.82887  -2.578 0.009970 ** 
## habitaciones7   -76.08980   34.31172  -2.218 0.026620 *  
## habitaciones8   -90.80067   35.32007  -2.571 0.010171 *  
## habitaciones9  -137.38383   37.72532  -3.642 0.000273 ***
## parqueaderos     57.37242    2.66623  21.518  < 2e-16 ***
## banios1        -139.39600   39.83344  -3.499 0.000470 ***
## banios10        142.29269   90.98756   1.564 0.117903    
## banios2        -109.27773   38.67769  -2.825 0.004739 ** 
## banios3         -81.02552   38.55683  -2.101 0.035644 *  
## banios4          11.94155   38.53542   0.310 0.756659    
## banios5          72.28242   38.79235   1.863 0.062468 .  
## banios6         142.93941   39.86431   3.586 0.000339 ***
## banios7         218.87087   43.00195   5.090 3.70e-07 ***
## banios8         182.65884   47.07559   3.880 0.000106 ***
## banios9         327.45775   67.59509   4.844 1.30e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 162.7 on 5797 degrees of freedom
## Multiple R-squared:  0.7542, Adjusted R-squared:  0.7531 
## F-statistic: 711.3 on 25 and 5797 DF,  p-value: < 2.2e-16

Interpretación

Coeficientes del Modelo:

Intercepto (117.55): El precio estimado de una vivienda cuando todas las variables predictoras son cero.
Área Construida (0.85456): Por cada unidad adicional en el área construida, el precio de la vivienda aumenta en promedio 0.85 unidades monetarias, manteniendo constantes otras variables.

Estrato:

Estrato 4 (40.76), Estrato 5 (93.99) y Estrato 6 (302.35): Estos coeficientes indican el incremento en el precio comparado con el estrato de referencia. Los coeficientes son significativos y positivos, mostrando que un estrato más alto está asociado con un precio más alto.

Número de Habitaciones:

Habitaciones 1 (51.59) y Habitaciones 2,3,4,…,10 (-101.95): Algunos coeficientes son significativos, indicando que el número de habitaciones tiene un efecto en el precio, aunque los efectos no son uniformes a través de todas las categorías.

Número de Parqueaderos

Cada parqueadero adicional está asociado con un incremento en el precio de 57.37 unidades monetarias.

Número de Baños:

Banios 1 (-139.40), Banios 2,3,4,…,10 (142.29): Los efectos varían según la cantidad de baños. Algunos coeficientes son significativos, indicando que más baños pueden estar asociados con un aumento en el precio, pero no todos los niveles de baños muestran significancia.

Estadísticas del Modelo:

Error estándar residual (162.7): La desviación estándar de los residuos del modelo, indicando la variabilidad en las predicciones.
R2 (0.7542): Aproximadamente el 75.4% de la variabilidad en el precio de la vivienda es explicada por el modelo.
R2 Ajustado (0.7531): Ajustado por el número de variables en el modelo, muestra que el modelo sigue explicando un alto porcentaje de la variabilidad en el precio.
F-statistic (711.3): El valor alto y el valor p muy bajo (< 2.2e-16) indican que el modelo es estadísticamente significativo en general.

6. Realice predicciones con el modelo anterior usando los datos de prueba (30%).

# Predicciones en el conjunto de prueba
predicciones_test <- predict(modelo_entrenamiento, newdata = test_data)

# Comparar las predicciones con los valores reales
resultados <- data.frame(Real = test_data$preciom, Prediccion = predicciones_test)

# Mostrar las primeras filas de los resultados
head(resultados)

7. Calcule el error cuadrático medio, el error absoluto medio y el R2, interprete.

# Cálculo del MSE (Error Cuadrático Medio) en el conjunto de prueba
mse_test <- mean((test_data$preciom - predicciones_test)^2)
mse_test

## [1] 26766.4

# Cálculo del MAE (Error Absoluto Medio) en el conjunto de prueba
mae_test <- mean(abs(test_data$preciom - predicciones_test))
mae_test

## [1] 99.78438

# Cálculo del R2 en el conjunto de prueba
ss_total <- sum((test_data$preciom - mean(test_data$preciom))^2)
ss_residual <- sum((test_data$preciom - predicciones_test)^2)
r2_test <- 1 - (ss_residual / ss_total)
r2_test

## [1] 0.7561565

Interpretación

MSE (26766.4): Indica que el error cuadrático medio de las predicciones es relativamente alto. Esto sugiere que hay una cantidad significativa de variabilidad en las predicciones que no es capturada por el modelo.
MAE (99.78438): Significa que, en promedio, el modelo se desvía en aproximadamente 99.78 de precio de los valores reales. Comparado con el rango de precios, este valor puede ser considerado relativamente alto
R2 (0.7561565): Significa que aproximadamente el 75.6% de la variabilidad en el precio de las viviendas es explicada por el modelo. Esto indica que el modelo tiene un buen ajuste, ya que una proporción significativa de la variabilidad en los precios se explica por las variables independientes incluidas en el modelo.

Modelos_Unidad2

AlejandroPosada

2024-09-03

Validar Información y eliminar los 3 registros con NA para la variable ID

Reemplazar los NA de piso y parqueaderos por el modo

1. Realice un filtro a la base de datos e incluya sólo las ofertas de apartamentos. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta.

Gráfico de dispersión Precio vs. Estrato

Interpretación

Gráfico de dispersión para área construida vs. precio

Interpretación

Gráfico de dispersión para número de baños vs. precio

Interpretación

Gráfico de dispersión para número de habitaciones vs. precio

Interpretación

Gráfico de caja para precio por zona

Interpretación

Modelo de regresión lineal múltiple

Interpretación

Área Construida:

Estrato:

Número de Habitaciones:

Número de Parqueaderos:

Número de Baños):

coeficiente R2

Análisis del Ajuste del Modelo

Mejoras Potenciales

4. Realice la validación de supuestos del modelo e interprete los resultados (no es necesario corregir en caso de presentar problemas, solo realizar sugerencias de que se podría hacer).

1. Linealidad

Interpretación

2. Independencia de los Residuos

Interpretación

3. Homoscedasticidad

Interpretación

4.Normalidad de los Residuos

Interpretación

5. Realice una partición en los datos de forma aleatoria donde 70% sea un set para entrenar el modelo y 30% para prueba. Estime el modelo con la muestra del 70%. Muestre los resultados.

Interpretación

Coeficientes del Modelo:

Estrato:

Número de Habitaciones:

Número de Parqueaderos

Número de Baños:

Estadísticas del Modelo:

6. Realice predicciones con el modelo anterior usando los datos de prueba (30%).

7. Calcule el error cuadrático medio, el error absoluto medio y el R2, interprete.

Interpretación