El presente informe, construido a partir de la muestra consolidada por la empresa inmobiliaria C&A (contenida en el paquete “paqueteMODELOS” de R) respecto a ubicaciones, precios y características de viviendas en la ciudad de Cali, provee un análisis predictivo inicial en función de los parámetros provistos en la solicitud para oferta de viviendas que origina este ejercicio, de tal forma que los resultados y discusiones obtenidos puedan servir como un insumo inicial para la determinación de ofertas específicas de viviendas de acuerdo a los criterios planteados por el cliente.
Así, este documento hace uso de técnicas fundamentales de preparación, análisis predictivo y visualización de datos, así como de la revisión de indicadores de centralidad y dispersión, y métricas para la validación estadística de los resultados obtenidos.
La siguiente sección presenta el objetivo general y objetivos específicos de este trabajo, la tercera sección realiza una descripción del paso a paso del trabajo realizado de acuerdo a la guía planteada para el primer caso de la solicitud. La cuarta sección presenta el paso a paso de acuerdo a los parámetros de segundo caso de la solicitud. La quinta sección finaliza el informe con conclusiones y recomendaciones.
Realizar un ejercicio práctico de predicción del comportamiento del mercado inmobiliario de la ciudad de Cali en función de las variables del data set provisto y los parámetros especificados en la solicitud del cliente, la cual pueda ser un insumo inicial para la determinación de una oferta concreta y digerible por parte de la firma inmobiliaria.
Realizar un proceso de limpieza y preparación de datos con la mejor retención posible de información fiable del data frame.
Construir un ejercicio de modelación predictiva de los precios de las viviendas en la ciudad de cali de acuerdo a sus atributos de mayor relevancia.
Proveer una predicción del comportamiento de los precios de las viviendas en función de los parámetros en las solicitudes del cliente.
Generar recomendaciones en función de los resultados obtenidos.
El ejercicio de modelación a realizar consistirá en la sucesión de pasos planteados para el caso de estudio en función de las dos solicitudes realizadas por el cliente en cuanto a los parámetros y disponibilidad presupuestal para la compra de vivienda, de tal forma que los pasos a materializar en cada caso parten de la segmentación del dataset vivienda de acuerdo a los criterios de zonificación y tipo de vivienda, para así emplear un ejercicio predictivo en función de un modelo de regresión lineal múltiple (RLM), sobre el cual se puedan extraer predicciones puntuales del precio de las viviendas solicitadas en función de los atributos requeridos.
La primera solicitud a atender por parte de la empresa inicia con la filtración del dataset vivienda, teniendo en cuenta sólo las observaciones tipo Casa y etiquetadas como pertenecientes a la Zona Norte de la ciudad. A continuación, se presentan algunas tablas resumen con respecto al dataset filtrado, renombrado como base_1.
## id zona piso estrato
## Min. : 58.0 Length:722 Length:722 Min. :3.000
## 1st Qu.: 766.2 Class :character Class :character 1st Qu.:3.000
## Median :2257.0 Mode :character Mode :character Median :4.000
## Mean :2574.6 Mean :4.202
## 3rd Qu.:4225.0 3rd Qu.:5.000
## Max. :8319.0 Max. :6.000
##
## preciom areaconst parqueaderos banios
## Min. : 89.0 Min. : 30.0 Min. : 1.000 Min. : 0.000
## 1st Qu.: 261.2 1st Qu.: 140.0 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 390.0 Median : 240.0 Median : 2.000 Median : 3.000
## Mean : 445.9 Mean : 264.9 Mean : 2.182 Mean : 3.555
## 3rd Qu.: 550.0 3rd Qu.: 336.8 3rd Qu.: 3.000 3rd Qu.: 4.000
## Max. :1940.0 Max. :1440.0 Max. :10.000 Max. :10.000
## NA's :287
## habitaciones tipo barrio longitud
## Min. : 0.000 Length:722 Length:722 Min. :-76.59
## 1st Qu.: 3.000 Class :character Class :character 1st Qu.:-76.53
## Median : 4.000 Mode :character Mode :character Median :-76.52
## Mean : 4.507 Mean :-76.52
## 3rd Qu.: 5.000 3rd Qu.:-76.50
## Max. :10.000 Max. :-76.47
##
## latitud
## Min. :3.333
## 1st Qu.:3.452
## Median :3.468
## Mean :3.460
## 3rd Qu.:3.482
## Max. :3.496
## ## base1
##
## 13 Variables 722 Observations
## --------------------------------------------------------------------------------
## id
## n missing distinct Info Mean Gmd .05 .10
## 722 0 722 1 2575 2232 206.2 343.3
## .25 .50 .75 .90 .95
## 766.2 2257.0 4225.0 5242.3 6135.1
##
## lowest : 58 88 94 98 103, highest: 7885 7987 8088 8318 8319
## --------------------------------------------------------------------------------
## zona
## n missing distinct value
## 722 0 1 Zona Norte
##
## Value Zona Norte
## Frequency 722
## Proportion 1
## --------------------------------------------------------------------------------
## piso
## n missing distinct
## 350 372 5
##
## Value 1 2 3 4 7
## Frequency 84 194 65 6 1
## Proportion 0.240 0.554 0.186 0.017 0.003
## --------------------------------------------------------------------------------
## estrato
## n missing distinct Info Mean Gmd
## 722 0 4 0.901 4.202 1.077
##
## Value 3 4 5 6
## Frequency 235 161 271 55
## Proportion 0.325 0.223 0.375 0.076
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## preciom
## n missing distinct Info Mean Gmd .05 .10
## 722 0 167 1 445.9 275.4 145.0 167.1
## .25 .50 .75 .90 .95
## 261.2 390.0 550.0 780.0 928.5
##
## lowest : 89 110 115 117 118, highest: 1530 1600 1650 1800 1940
## --------------------------------------------------------------------------------
## areaconst
## n missing distinct Info Mean Gmd .05 .10
## 722 0 251 1 264.9 172.1 75.0 93.1
## .25 .50 .75 .90 .95
## 140.0 240.0 336.8 454.9 535.4
##
## lowest : 30 45 55 60 61, highest: 942 950 960 1188 1440
## --------------------------------------------------------------------------------
## parqueaderos
## n missing distinct Info Mean Gmd .05 .10
## 435 287 10 0.899 2.182 1.372 1 1
## .25 .50 .75 .90 .95
## 1 2 3 4 5
##
## Value 1 2 3 4 5 6 7 8 9 10
## Frequency 161 158 49 40 11 8 5 1 1 1
## Proportion 0.370 0.363 0.113 0.092 0.025 0.018 0.011 0.002 0.002 0.002
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## banios
## n missing distinct Info Mean Gmd .05 .10
## 722 0 11 0.954 3.555 1.65 2 2
## .25 .50 .75 .90 .95
## 2 3 4 5 6
##
## Value 0 1 2 3 4 5 6 7 8 9 10
## Frequency 10 17 165 187 171 101 46 11 11 1 2
## Proportion 0.014 0.024 0.229 0.259 0.237 0.140 0.064 0.015 0.015 0.001 0.003
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## habitaciones
## n missing distinct Info Mean Gmd .05 .10
## 722 0 11 0.95 4.507 1.922 3 3
## .25 .50 .75 .90 .95
## 3 4 5 7 8
##
## Value 0 1 2 3 4 5 6 7 8 9 10
## Frequency 20 2 12 171 222 137 60 42 29 14 13
## Proportion 0.028 0.003 0.017 0.237 0.307 0.190 0.083 0.058 0.040 0.019 0.018
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## tipo
## n missing distinct value
## 722 0 1 Casa
##
## Value Casa
## Frequency 722
## Proportion 1
## --------------------------------------------------------------------------------
## barrio
## n missing distinct
## 722 0 103
##
## lowest : acopi alameda del río alamos atanasio girardot barranquilla
## highest: villas de veracruz Villas De Veracruz vipasa zona norte zona oriente
## --------------------------------------------------------------------------------
## longitud
## n missing distinct Info Mean Gmd .05 .10
## 722 0 464 1 -76.52 0.01892 -76.54 -76.54
## .25 .50 .75 .90 .95
## -76.53 -76.52 -76.50 -76.49 -76.49
##
## lowest : -76.5892 -76.5888 -76.555 -76.5536 -76.5529
## highest: -76.483 -76.4827 -76.4824 -76.482 -76.473
## --------------------------------------------------------------------------------
## latitud
## n missing distinct Info Mean Gmd .05 .10
## 722 0 462 1 3.46 0.03112 3.386 3.413
## .25 .50 .75 .90 .95
## 3.452 3.468 3.482 3.487 3.489
##
## lowest : 3.33308 3.33656 3.34102 3.34994 3.35133
## highest: 3.49341 3.49374 3.49453 3.49461 3.49584
## --------------------------------------------------------------------------------De igual forma, es posible visualizar la muestra obtenida al graficar sus observaciones en el mapa de la ciudad de Cali:
Nótese que la filtración del dataset tomó como criterio de zonificación la etiqueta provista por el atributo zona, el cual parece ser incongruente con los atributos de localización geográfica provistos por las variables latitud y longitud, de tal forma que las viviendas consideradas, si bien se muestran ubicadas alrededor del norte de la ciudad, denotan alta dispersión por toda la ciudad. Este problema fue explorado en la actividad 1, tomando como referencia espacial las coordenadas geográficas para el análisis. Sin embargo, es pertinente justificar el empleo de filtros al dataset en función de zona, en tanto la imprecisión en la etiqueta de zonificación, o posibles desfases en las coordenadas geográficas implican una situación ambigua que se decide superar al apegarse a la guía planteada para la actividad 2. Nótese además que la centralidad alrededor de la zona norte en las observaciones del dataset hace de este problema de ambiguedad menos grave.
Así, se procede con la limpieza y preparación del dataset base1 de manera análoga a como ésta se hizo en la actividad 1: se descarta la variable pisos debido a la confusión en su interpretación, y se eliminan las observaciones con NA’s debido a su baja proporción con respecto a las variables completas del dataset. A continuación, se presentan algunas observaciones ejemplo del dataset resultante, y un summary con sus indicadores descriptivos.
## id zona estrato preciom
## Min. : 94 Length:435 Min. :3.000 Min. : 89.0
## 1st Qu.:1114 Class :character 1st Qu.:4.000 1st Qu.: 330.0
## Median :2759 Mode :character Median :5.000 Median : 425.0
## Mean :2725 Mean :4.455 Mean : 479.8
## 3rd Qu.:4268 3rd Qu.:5.000 3rd Qu.: 582.5
## Max. :8319 Max. :6.000 Max. :1940.0
## areaconst parqueaderos banios habitaciones
## Min. : 30.0 Min. : 1.000 Min. : 0.000 Min. : 0.000
## 1st Qu.: 170.5 1st Qu.: 1.000 1st Qu.: 3.000 1st Qu.: 4.000
## Median : 264.5 Median : 2.000 Median : 4.000 Median : 4.000
## Mean : 292.7 Mean : 2.182 Mean : 3.782 Mean : 4.809
## 3rd Qu.: 357.0 3rd Qu.: 3.000 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. :1440.0 Max. :10.000 Max. :10.000 Max. :10.000
## tipo barrio longitud latitud
## Length:435 Length:435 Min. :-76.59 Min. :3.333
## Class :character Class :character 1st Qu.:-76.53 1st Qu.:3.462
## Mode :character Mode :character Median :-76.52 Median :3.473
## Mean :-76.52 Mean :3.468
## 3rd Qu.:-76.51 3rd Qu.:3.483
## Max. :-76.48 Max. :3.496Pasando a la fase exploratoria de la modelación, se procede con el análisis de correlación en función del gráfico interactivo de matriz de plotly.
##
## Attaching package: 'plotly'## The following object is masked from 'package:Hmisc':
##
## subplot## 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':
##
## layoutAl realizar un enfoque en el comportamiento de correlación entre los precios de las viviendas preciom y los atributos predictores del dataset, se puede obtener una idea previa de cómo éstos pueden determinar el comportamiento de la variable a predecir desde su alta correlación lineal.
Estas son las correlaciones más altas altas con respecto al precio: el área construida de las viviendas presenta una correlación de 0,685, así como una correlación de 0,5086 con la cantidad de baños, y una correlación de 0,4116 con respecto a la cantidad de parqueaderos.
Nótese que la correlación con la cantidad de habitaciones es relativamente baja (0,36), además, no es posible fijar una correlación fiable con las variables de localización geográfica, en tanto sus magnitudes no son simétricas. El análisis de correlación con la variable estrato no puede realizarse desde la matriz provista, en tanto se trata de una variable categórica. Para este propósito, se emplea un conjunto de diagramas de caja, los cuales muestran el comportamiento de la distribución de precios de las viviendas en función de cata estrato considerado:
De esta manera, puede apreciarse claramente una relación directamente proporcional entre el estrato de las viviendas y su precio, este es un resultado previo acorde al contexto del análisis inmobiliario. Así, la correlación alta y positiva entre los atributos del dataset y el comportamiento de los precios, da un indicio de cómo estos pueden funcionar de forma eficiente como variables exógenas de un modelo predictivo.
Dado el análisis exploratorio realizado, se procede al planteamiento del modelo predictivo a emplear, el cual tiene la siguiente definición:
\[preciom_i = {\beta}_o + {\beta}_1areaconst_i + {\beta}_2habitaciones_i + {\beta}_3parqueaderos_i + {\beta}_4banios_i + {\alpha}_1E4_i + {\alpha}_2E5_i + {\alpha}_3E6_i + {\epsilon}_i\]
Donde tomamos la definición estándar de un RLM para preciom en función de los atributos numéricos areaconst, habitaciones, parqueaderos, banios; y las instancias categóricas de la variables estrato, E4 (estrato 4), E5 (estrato 5), E6 (estrato 6), de tal forma que la estimación toma como caso base el estrato 3 y determina interceptos diferenciales en función de las dummies correspondientes a los estratos 4, 5 y 6.
A continuación, se presenta el summary de la estimación realizada:
##
## Call:
## lm(formula = preciom ~ areaconst + habitaciones + parqueaderos +
## banios + factor(estrato), data = base1_clean)
##
## Residuals:
## Min 1Q Median 3Q Max
## -790.71 -74.72 -18.93 46.54 991.70
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 11.71883 27.15751 0.432 0.66631
## areaconst 0.68098 0.05283 12.890 < 2e-16 ***
## habitaciones 7.17906 5.69802 1.260 0.20839
## parqueaderos 24.22922 5.86635 4.130 4.36e-05 ***
## banios 18.09024 7.62857 2.371 0.01816 *
## factor(estrato)4 80.91006 24.55085 3.296 0.00106 **
## factor(estrato)5 147.53872 22.70871 6.497 2.29e-10 ***
## factor(estrato)6 281.68942 37.33161 7.546 2.74e-13 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 154.9 on 427 degrees of freedom
## Multiple R-squared: 0.607, Adjusted R-squared: 0.6006
## F-statistic: 94.24 on 7 and 427 DF, p-value: < 2.2e-16Y se realizan las interpretaciones correspondientes a los coeficientes obtenidos:
Se obtiene un intercepto ue describe el valor medio de las viviendas en aproximadamente 11 millones de pesos, este coeficiente carece de valor práctico real, en tanto su nivel de significancia estadística se halla en la región de la hipótesis nula.
El coeficiente para areaconst estima un incremento promedio de aproximadamente $680.000 por cada metro cuadrado adicional en área construida de la vivienda, y cuenta con un alto nivel de significancia estadística, cerca al 0%.
El coeficiente para habitaciones estima un incremento promedio de aproximadamente $7 millones por cada habitación adicional de la vivienda, sin embargo, cuenta con un nivel de significancia estadística descartable, en tanto se halla inmerso en la región correspondiente a la hipótesis nula.
El coeficiente para parqueaderos estima un incremento promedio de aproximadamente $24 millones por cada parqueadero adicional de la vivienda, y cuenta con un alto nivel de significancia estadística, cerca al 0%.
El coeficiente para banios estima un incremento promedio de aproximadamente $18 millones por cada baño adicional de la vivienda, y cuenta con un alto nivel de significancia estadística, 1%.
En cuanto al efecto del estrato en las viviendas, se tiene que el valor promedio del precio total de las viviendas incrementa en aproximadamente $80 millones al pertenecer al estrato 4, en aproximadamente $147 millones al pertenecer al estrato 5, y en aproximadamente $281 millones al pertenecer al estrato 6. Contando con niveles sanos de significancia, en tanto las variables dummy para los estratos 5 y 6 poseen coeficientes con máxima significancia, y la variable dummy para el estrato 4 posee un nivel de significancia sobre el 0,1%.
En general, los resultados hallados se muestran congruentes con el contexto del mercado inmobiliario de la ciudad, en tanto establecen una clara relación directamente proporcional entre la mejoría en los distintos atributos considerados para las viviendas y su correspondiente precio. La relación de mayor congruencia que puede hallarse, notablemente, es el incremento exponencial del precio de las viviendas al ascender entre estratos socioeconómicos.
Finalmente, las medidas de bondad de ajuste R2 y R2 ajustado determinan que el modelo estimado explica aproximadamente el 60% de la variabilidad en los datos, lo cual se muestra como una bondad de ajuste suficiente, pero por debajo del comportamiento de un buen ajuste en el caso de datos de corte transversal (70%), esto puede indicar que es necesario aplicar algunas mejorías al modelo planteado, así como resaltar la necesidad de validar su grado de ajuste. Este ejercicio se realiza a continuación.
Se procede a particionar el dataset en conjuntos de training (60% de los datos) y test (40%) de los datos, de tal forma que se aplica el mismo modelo planteado sobre el conjunto de training, y se contrastan sus predicciones con los valores de preciom del conjunto de test, con el fin de obtener la métrica de ajuste Root Mean Squared Error (RMSE), la cual determina el grado de error en las predicciones realizadas en las mismas unidades de preciom. Las salidas mostradas a continuación presentan el summary del modelo sobre los datos de training y el valor de RMSE obtenido al contrastar con el conjunto de test.
##
## Call:
## lm(formula = preciom ~ areaconst + habitaciones + parqueaderos +
## banios + factor(estrato), data = base1_clean, subset = train1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -604.42 -72.74 -13.17 39.25 927.65
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 46.33881 35.21530 1.316 0.1894
## areaconst 0.77061 0.07186 10.724 < 2e-16 ***
## habitaciones 4.40962 7.34328 0.600 0.5487
## parqueaderos 16.42643 7.22239 2.274 0.0238 *
## banios 11.04915 10.20136 1.083 0.2798
## factor(estrato)4 77.65531 30.17194 2.574 0.0106 *
## factor(estrato)5 134.12921 28.96792 4.630 5.84e-06 ***
## factor(estrato)6 308.27274 48.19528 6.396 7.64e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 152.4 on 253 degrees of freedom
## Multiple R-squared: 0.5989, Adjusted R-squared: 0.5878
## F-statistic: 53.96 on 7 and 253 DF, p-value: < 2.2e-16## RMSE Modelo 1: 161.8123Como puede observarse, la aplicación del modelo sobre los datos de training arroja magnitudes similares en los coeficientes, así como expresa la relación directamente proporcional entre el precio de la vivienda y los atributos considerados. Si bien denota discrepancias relevantes con los valores de los coeficientes originales, es posible afirmar que la estructura en el modelo de training es congruente con el modelo original. En cuanto a la métrica RMSE, se puede interpretar como que el error medio en las predicciones del modelo se halla en torno a los $161 millones, este alto nivel de variabilidad en las predicciones evoca signos de la necesidad de realizar cambios al modelo con el fin de obtener predicciones más exactas.
El nivel de ajuste del modelo y la alta variabilidad en sus predicciones arrojan la sospecha de posibles inconsistencias en cuanto al cumplimiento de los supuestos fundamentales del modelo de regresión lineal múltiple. La siguiente salida denota las pruebas de hipótesis para la validación de los supuestos: el test Shapiro-Wilk para la normalidad en los residuales, el test de Goldfeld-Quandt para evaluar homocedasticidad, y el test Durbin-Watson para evaluar autocorrelación en los errores.
## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## Goldfeld-Quandt test
##
## data: modelo1
## GQ = 2.256, df1 = 210, df2 = 209, p-value = 3.298e-09
## alternative hypothesis: variance increases from segment 1 to 2##
## Shapiro-Wilk normality test
##
## data: residuals1
## W = 0.8487, p-value < 2.2e-16##
## Durbin-Watson test
##
## data: modelo1
## DW = 1.79, p-value = 0.01124
## alternative hypothesis: true autocorrelation is greater than 0En cuanto la normalidad en los errores, el test de Shapiro-Wilk ubica el resultado sobre la hipotesis alternativa, por lo cual no se puede afirmar que se cumple el supuesto de normalidad en los residuales.
En cuanto a homocedasticidad, el test GQ determina que la varianza no es homogénea a través de las observaciones, rompiendo el supuesto de constancia en la misma.
En cuanto al test Durbin-Watson, si bien el resultado se halla sobre el valor de 1% de probabilidad, se sigue teniendo un resultado donde hay presencia de autocorrelación de errores.
Las sospechas mencionadas a raíz de la alta variabilidad hallada en el análisis de ajuste son congruentes con el análisis de validación de los supuestos del RLM, en tanto no es posible afirmar que se cumple ninguno de los 3. Este resultado implica que es necesario realizar modificaciones en la estructura funcional del modelo. A continuación, se presentan algunas sugerencias.
Eliminar o transformar algunas variables exógenas del modelo, en tanto la alta variabilidad en el ajuste de las predicciones, y los resultados observados en la matriz de correlación, pueden inferir la presencia de multicolinealidad.
Agrupar los datos en función de clusteres de mayor homogeneidad, en tanto la presencia de heterocedasticidad en el modelo puede verse relacionada con la presencia de outliers, como pudo apreciarse en la actividad 1 y los diagramas de caja por estrato vistos anteriormente.
Revisar la idoneidad del RLM para este ejercicio, en tanto puede ser necesario el uso de modelos o métodos de mayor sofisticación, los cuales vayan más allá de las relaciones lineales entre los datos.
En función del modelo estimado, se procede a la fijación de predicciones en los precios de las viviendas en función de los parámetros de la solicitud del cliente. La salida mostrada a continuación muestra los parámetros de los atributos requeridos por el cliente, en conjunto con los intervalos de predicción que emergen del modelo realizado (diferenciándose entre los estratos 4 y 5).
## areaconst habitaciones parqueaderos banios estrato
## 1 200 4 1 2 4## areaconst habitaciones parqueaderos banios estrato
## 1 200 4 1 2 5## fit lwr upr
## 1 317.9507 11.07692 624.8244## fit lwr upr
## 1 384.5793 78.334 690.8247Así, se tiene que el precio de las viviendas bajo las especificaciones del cliente se halla en un promedio aproximado de $318 millones en el caso del estrato 4, y de $384 millones en el caso del estrato 5. Esta cifra se muestra congruente con el contexto del mercado inmobiliario, sin embargo, es importante resaltar la altísima amplitud en los límites de los intervalos de predicción, los cuales pueden hallarse estrechamente relacionados con los problemas revelados anteriormente en el modelo estimado.
Dados los resultados obtenidos, se toma como referencia el presupuesto disponible en la solicitud y la información provista por el intervalo de predicción para generar un filtro con las ofertas disponibles en función de este nivel de precios. De tal forma que es posible tomar las ofertas potenciales, ubicarlas en un nuevo dataset, y plasmarlas en un mapa de la ciudad de Cali. A continuación, se presenta el mapa resultante y una vista previa de la lista de ofertas potenciales obtenidas.
## # A tibble: 63 × 12
## id zona estrato preciom areaconst parqueaderos banios habitaciones tipo
## <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 3779 Zona … 4 350 98 2 3 4 Casa
## 2 4210 Zona … 5 350 200 3 3 4 Casa
## 3 4209 Zona … 5 350 300 3 5 6 Casa
## 4 4422 Zona … 5 350 240 2 3 6 Casa
## 5 1270 Zona … 5 350 203 2 2 5 Casa
## 6 819 Zona … 5 350 264 2 3 4 Casa
## 7 3060 Zona … 5 350 110 1 4 3 Casa
## 8 459 Zona … 5 350 160 2 3 3 Casa
## 9 1352 Zona … 5 350 190 1 3 3 Casa
## 10 1491 Zona … 5 350 140 2 3 2 Casa
## # ℹ 53 more rows
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>De entre las ofertas obtenidas, es posible mencionar las siguientes viviendas puntuales, las cuales destacan por poseer características similares o mejores a las de la solicitud del cliente y se ubican al límite del presupuesto planteado (para una revisión específica de todas la ofertas disponibles a este nivel de precios, revisar los anexos):
ID 4210, precio de 350 millones, área de 200 m2, 3 parqueaderos, 3 baños, 4 habitaciones, estrato 5, barrio el bosque.
ID 3779, precio de 350 millones, área de 98 m2, 2 parqueaderos, 3 baños, 4 habitaciones, estrato 4, barrio chipichape.
ID 4209, precio de 350 millones, área de 300 m2, 3 parqueaderos, 5 baños, 6 habitaciones, estrato 5, barrio el bosque.
ID 4422, precio de 350 millones, área de 240 m2, 2 parqueaderos, 3 baños, 6 habitaciones, estrato 5, barrio el bosque.
ID 1270, precio de 350 millones, área de 203 m2, 2 parqueaderos, 2 baños, 5 habitaciones, estrato 5, barrio el bosque.
Por practicidad, para el siguiente caso se procede a mencionar los resultados obtenidos, en tanto la descripción de la metodología fue cubierta en el caso 1.
Dataset base_2.
## id zona piso estrato
## Min. : 3 Length:2787 Length:2787 Min. :3.00
## 1st Qu.:2292 Class :character Class :character 1st Qu.:4.00
## Median :4004 Mode :character Mode :character Median :5.00
## Mean :4131 Mean :4.63
## 3rd Qu.:5876 3rd Qu.:5.00
## Max. :8302 Max. :6.00
##
## preciom areaconst parqueaderos banios
## Min. : 75.0 Min. : 40.00 Min. : 1.000 Min. :0.000
## 1st Qu.: 175.0 1st Qu.: 65.00 1st Qu.: 1.000 1st Qu.:2.000
## Median : 245.0 Median : 85.00 Median : 1.000 Median :2.000
## Mean : 297.3 Mean : 97.47 Mean : 1.415 Mean :2.488
## 3rd Qu.: 335.0 3rd Qu.:110.00 3rd Qu.: 2.000 3rd Qu.:3.000
## Max. :1750.0 Max. :932.00 Max. :10.000 Max. :8.000
## NA's :406
## habitaciones tipo barrio longitud
## Min. :0.000 Length:2787 Length:2787 Min. :-76.57
## 1st Qu.:3.000 Class :character Class :character 1st Qu.:-76.54
## Median :3.000 Mode :character Mode :character Median :-76.53
## Mean :2.966 Mean :-76.53
## 3rd Qu.:3.000 3rd Qu.:-76.52
## Max. :6.000 Max. :-76.46
##
## latitud
## Min. :3.334
## 1st Qu.:3.370
## Median :3.383
## Mean :3.390
## 3rd Qu.:3.406
## Max. :3.497
## ## base2
##
## 13 Variables 2787 Observations
## --------------------------------------------------------------------------------
## id
## n missing distinct Info Mean Gmd .05 .10
## 2787 0 2787 1 4131 2437 968.5 1518.4
## .25 .50 .75 .90 .95
## 2291.5 4004.0 5876.0 7086.4 7667.5
##
## lowest : 3 4 8 9 10, highest: 8288 8293 8294 8299 8302
## --------------------------------------------------------------------------------
## zona
## n missing distinct value
## 2787 0 1 Zona Sur
##
## Value Zona Sur
## Frequency 2787
## Proportion 1
## --------------------------------------------------------------------------------
## piso
## n missing distinct
## 2165 622 12
##
## Value 1 2 3 4 5 6 7 8 9 10 11
## Frequency 255 319 329 327 353 131 113 129 73 73 29
## Proportion 0.118 0.147 0.152 0.151 0.163 0.061 0.052 0.060 0.034 0.034 0.013
##
## Value 12
## Frequency 34
## Proportion 0.016
## --------------------------------------------------------------------------------
## estrato
## n missing distinct Info Mean Gmd
## 2787 0 4 0.884 4.63 0.9081
##
## Value 3 4 5 6
## Frequency 201 1091 1033 462
## Proportion 0.072 0.391 0.371 0.166
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## preciom
## n missing distinct Info Mean Gmd .05 .10
## 2787 0 344 1 297.3 179.7 125.0 140.0
## .25 .50 .75 .90 .95
## 175.0 245.0 335.0 554.0 683.5
##
## lowest : 75 78 83 85 87, highest: 1580 1590 1600 1700 1750
## --------------------------------------------------------------------------------
## areaconst
## n missing distinct Info Mean Gmd .05 .10
## 2787 0 276 0.999 97.47 46.07 55 58
## .25 .50 .75 .90 .95
## 65 85 110 150 187
##
## lowest : 40 43 44 45 46, highest: 520 573 600 605 932
## --------------------------------------------------------------------------------
## parqueaderos
## n missing distinct Info Mean Gmd
## 2381 406 5 0.696 1.415 0.5815
##
## Value 1 2 3 4 10
## Frequency 1551 718 79 31 2
## Proportion 0.651 0.302 0.033 0.013 0.001
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## banios
## n missing distinct Info Mean Gmd
## 2787 0 9 0.801 2.488 0.9163
##
## Value 0 1 2 3 4 5 6 7 8
## Frequency 6 167 1588 662 229 123 10 1 1
## Proportion 0.002 0.060 0.570 0.238 0.082 0.044 0.004 0.000 0.000
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## habitaciones
## n missing distinct Info Mean Gmd
## 2787 0 7 0.675 2.966 0.5824
##
## Value 0 1 2 3 4 5 6
## Frequency 8 19 463 1902 366 24 5
## Proportion 0.003 0.007 0.166 0.682 0.131 0.009 0.002
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------
## tipo
## n missing distinct value
## 2787 0 1 Apartamento
##
## Value Apartamento
## Frequency 2787
## Proportion 1
## --------------------------------------------------------------------------------
## barrio
## n missing distinct
## 2787 0 141
##
## lowest : acopi aguablanca aguacatal alameda alférez real
## highest: Valle Del Lili versalles villa del sur vipasa zona sur
## --------------------------------------------------------------------------------
## longitud
## n missing distinct Info Mean Gmd .05 .10
## 2787 0 1191 1 -76.53 0.01567 -76.55 -76.55
## .25 .50 .75 .90 .95
## -76.54 -76.53 -76.52 -76.52 -76.51
##
## lowest : -76.5653 -76.565 -76.5649 -76.5648 -76.564
## highest: -76.4652 -76.465 -76.4648 -76.4644 -76.464
## --------------------------------------------------------------------------------
## latitud
## n missing distinct Info Mean Gmd .05 .10
## 2787 0 1390 1 3.39 0.03172 3.348 3.360
## .25 .50 .75 .90 .95
## 3.370 3.383 3.406 3.431 3.450
##
## lowest : 3.33367 3.33418 3.33448 3.33498 3.335
## highest: 3.48383 3.4854 3.48941 3.492 3.49684
## --------------------------------------------------------------------------------Mapa de viviendas pertenecientes a la muestra de base_2
Limpieza de datos y dataset final.
## id zona estrato preciom
## Min. : 4 Length:2381 Min. :3.000 Min. : 78.0
## 1st Qu.:2485 Class :character 1st Qu.:4.000 1st Qu.: 205.0
## Median :4170 Mode :character Median :5.000 Median : 260.0
## Mean :4269 Mean :4.748 Mean : 318.2
## 3rd Qu.:6008 3rd Qu.:5.000 3rd Qu.: 350.0
## Max. :8299 Max. :6.000 Max. :1750.0
## areaconst parqueaderos banios habitaciones
## Min. : 40.0 Min. : 1.000 Min. :0.000 Min. :0.000
## 1st Qu.: 71.0 1st Qu.: 1.000 1st Qu.:2.000 1st Qu.:3.000
## Median : 90.0 Median : 1.000 Median :2.000 Median :3.000
## Mean :102.2 Mean : 1.415 Mean :2.588 Mean :3.016
## 3rd Qu.:113.0 3rd Qu.: 2.000 3rd Qu.:3.000 3rd Qu.:3.000
## Max. :932.0 Max. :10.000 Max. :8.000 Max. :6.000
## tipo barrio longitud latitud
## Length:2381 Length:2381 Min. :-76.56 Min. :3.334
## Class :character Class :character 1st Qu.:-76.54 1st Qu.:3.370
## Mode :character Mode :character Median :-76.53 Median :3.382
## Mean :-76.53 Mean :3.388
## 3rd Qu.:-76.52 3rd Qu.:3.405
## Max. :-76.46 Max. :3.497Análisis de correlación.
Al realizar un enfoque en el comportamiento de correlación entre los precios de las viviendas preciom y los atributos predictores del dataset, se puede obtener una idea previa de cómo éstos pueden determinar el comportamiento de la variable a predecir desde su alta correlación lineal.
Estas son las correlaciones más altas altas con respecto al precio: el área construida de las viviendas presenta una correlación de 0,74, así como una correlación de 0,71 con la cantidad de baños, y una correlación de 0,69 con respecto a la cantidad de parqueaderos.
Nótese que la correlación con la cantidad de habitaciones es relativamente baja (0,29), además, no es posible fijar una correlación fiable con las variables de localización geográfica, en tanto sus magnitudes no son simétricas. El análisis de correlación con la variable estrato no puede realizarse desde la matriz provista, en tanto se trata de una variable categórica. Para este propósito, se emplea un conjunto de diagramas de caja, los cuales muestran el comportamiento de la distribución de precios de las viviendas en función de cata estrato considerado:
De esta manera, puede apreciarse claramente una relación directamente proporcional entre el estrato de las viviendas y su precio, este es un resultado previo acorde al contexto del análisis inmobiliario. Así, la correlación alta y positiva entre los atributos del dataset y el comportamiento de los precios, da un indicio de cómo estos pueden funcionar de forma eficiente como variables exógenas de un modelo predictivo.
modelo:
\[preciom_i = {\beta}_o + {\beta}_1areaconst_i + {\beta}_2habitaciones_i + {\beta}_3parqueaderos_i + {\beta}_4banios_i + {\alpha}_1E4_i + {\alpha}_2E5_i + {\alpha}_3E6_i + {\epsilon}_i\]
##
## Call:
## lm(formula = preciom ~ areaconst + habitaciones + parqueaderos +
## banios + factor(estrato), data = base2_clean)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1058.69 -39.21 0.38 36.96 898.14
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -28.38462 12.93336 -2.195 0.02828 *
## areaconst 1.28595 0.05105 25.189 < 2e-16 ***
## habitaciones -17.10675 3.70357 -4.619 4.06e-06 ***
## parqueaderos 62.13696 3.79229 16.385 < 2e-16 ***
## banios 41.95467 3.24893 12.913 < 2e-16 ***
## factor(estrato)4 30.40026 9.55717 3.181 0.00149 **
## factor(estrato)5 50.88889 9.61940 5.290 1.33e-07 ***
## factor(estrato)6 204.40443 11.17300 18.294 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 92.52 on 2373 degrees of freedom
## Multiple R-squared: 0.7762, Adjusted R-squared: 0.7755
## F-statistic: 1175 on 7 and 2373 DF, p-value: < 2.2e-16Coeficientes e interpretaciones:
Se obtiene un intercepto ue describe el valor medio de las viviendas en aproximadamente -28 millones de pesos, este coeficiente carece de valor práctico real, sin embargo, su nivel alto de sigificancia denota una posible inconsistencia en la forma funcional elegida para el modelo.
El coeficiente para areaconst estima un incremento promedio de aproximadamente $1,2 millones por cada metro cuadrado adicional en área construida de la vivienda, y cuenta con un alto nivel de significancia estadística, cerca al 0%.
El coeficiente para habitaciones estima una disminución promedio de aproximadamente $17 millones por cada habitación adicional de la vivienda, y cuenta con un nivel de significancia estadística al 0%. Esto puede ser congruente con el contexto del tipo de vivienda (Apartamentos), y sus posibles tendencias de valorización basadas en espacios de mayor eficiencia.
El coeficiente para parqueaderos estima un incremento promedio de aproximadamente $62 millones por cada parqueadero adicional de la vivienda, y cuenta con un alto nivel de significancia estadística, cerca al 0%.
El coeficiente para banios estima un incremento promedio de aproximadamente $41 millones por cada baño adicional de la vivienda, y cuenta con un alto nivel de significancia estadística sobre el nivel de 0%.
En cuanto al efecto del estrato en las viviendas, se tiene que el valor promedio del precio total de las viviendas incrementa en aproximadamente 30 millones al pertenecer al estrato 4, en aproximadamente 50 millones al pertenecer al estrato 5, y en aproximadamente $204 millones al pertenecer al estrato 6. Contando con niveles sanos de significancia, en tanto las variables dummy para los estratos 5 y 6 poseen coeficientes con máxima significancia, y la variable dummy para el estrato 4 posee un nivel de significancia sobre el 0,1%.
En general, los resultados hallados denotan congruencia con la escala de magnitud del caso anterior y denotan un mayor nivel de precios generalizado para este subconunto del dataset, en tanto establecen una clara relación directamente proporcional entre la mejoría en los distintos atributos considerados para las viviendas y su correspondiente precio. La relación de incremento del precio de las viviendas al ascender entre estratos socioeconómicos persiste, sin embargo no es un incremento tan pronunciado como en el caso anterior, lo cual puede indicar que el estrato pierde cierto grado de relevancia en esta agrupación de datos.
Finalmente, las medidas de bondad de ajuste R2 y R2 ajustado determinan que el modelo estimado explica aproximadamente el 77% de la variabilidad en los datos, lo cual se muestra como una bondad de ajuste suficiente bastante beningna en comparación al caso anterior.
Para la validación cruzada del ejercicio, se procede a particionar el dataset en conjuntos de training (60% de los datos) y test (40%) de los datos, de tal forma que se aplica el mismo modelo planteado sobre el conjunto de training, y se contrastan sus predicciones con los valores de preciom del conjunto de test, con el fin de obtener la métrica de ajuste Root Mean Squared Error (RMSE), la cual determina el grado de error en las predicciones realizadas en las mismas unidades de preciom. Las salidas mostradas a continuación presentan el summary del modelo sobre los datos de training y el valor de RMSE obtenido al contrastar con el conjunto de test.
##
## Call:
## lm(formula = preciom ~ areaconst + habitaciones + parqueaderos +
## banios + factor(estrato), data = base2_clean, subset = train2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -847.29 -37.60 -0.68 36.85 886.05
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -12.60377 16.29437 -0.774 0.43935
## areaconst 1.02629 0.05541 18.522 < 2e-16 ***
## habitaciones -21.94699 4.61814 -4.752 2.21e-06 ***
## parqueaderos 60.16462 4.25214 14.149 < 2e-16 ***
## banios 51.05370 4.02163 12.695 < 2e-16 ***
## factor(estrato)4 34.11742 12.22139 2.792 0.00531 **
## factor(estrato)5 54.91101 12.27269 4.474 8.28e-06 ***
## factor(estrato)6 210.06326 14.17108 14.823 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 88.41 on 1421 degrees of freedom
## Multiple R-squared: 0.783, Adjusted R-squared: 0.7819
## F-statistic: 732.3 on 7 and 1421 DF, p-value: < 2.2e-16## RMSE Modelo 2: 100.0144Como puede observarse, la aplicación del modelo sobre los datos de training arroja magnitudes similares en los coeficientes, así como expresa la relación directamente proporcional entre el precio de la vivienda y los atributos considerados. Si bien denota discrepancias relevantes con los valores de los coeficientes originales, es posible afirmar que la estructura en el modelo de training es congruente con el modelo original. En cuanto a la métrica RMSE, se puede interpretar como que el error medio en las predicciones del modelo se halla en torno a los $100 millones, se sigue obtieniendo un alto nivel de variabilidad en las predicciones, sin embargo, no es tan alto como el del caso anterior, esto es congruente con su valor mayor en el R2.
##
## Goldfeld-Quandt test
##
## data: modelo2
## GQ = 0.90861, df1 = 1183, df2 = 1182, p-value = 0.9502
## alternative hypothesis: variance increases from segment 1 to 2##
## Shapiro-Wilk normality test
##
## data: residuals2
## W = 0.77823, p-value < 2.2e-16##
## Durbin-Watson test
##
## data: modelo2
## DW = 1.6866, p-value = 7.31e-15
## alternative hypothesis: true autocorrelation is greater than 0En cuanto la normalidad en los errores, el test de Shapiro-Wilk vuelve a ubicar el resultado sobre la hipotesis alternativa, por lo cual no se puede afirmar que se cumple el supuesto de normalidad en los residuales.
En cuanto a homocedasticidad, el test GQ determina que la varianza es homogénea a través de las observaciones, cumpliendo con el supuesto de constancia en la misma.
En cuanto al test Durbin-Watson, se obtiene un resultado claro donde hay presencia de autocorrelación de errores.
Nótese que este caso ahora cumple con al menos uno de los 3 supuestos del RLM, lo cual escongruente con los resultados hallados en términos de significancia y bondad de ajuste hallados anteriormente.
En función del modelo estimado, se procede a la fijación de predicciones en los precios de las viviendas en función de los parámetros de la solicitud del cliente. La salida mostrada a continuación muestra los parámetros de los atributos requeridos por el cliente, en conjunto con los intervalos de predicción que emergen del modelo realizado (diferenciándose entre los estratos 5 y 6).
## areaconst habitaciones parqueaderos banios estrato
## 1 300 5 3 3 5## areaconst habitaciones parqueaderos banios estrato
## 1 300 5 3 3 6## fit lwr upr
## 1 635.0311 452.2703 817.7919## fit lwr upr
## 1 788.5467 605.7037 971.3896Así, se tiene que el precio de las viviendas bajo las especificaciones del cliente se halla en un promedio aproximado de 635 millones en el caso del estrato 5, y de $788 millones en el caso del estrato 6. Nótese que ahora la amplitud de los intervalos de predicción es mucho más reducida, lo cual habla bien de la salud del modelo con respecto al caso anterior.
Dados los resultados obtenidos, se toma como referencia el presupuesto disponible en la solicitud y la información provista por el intervalo de predicción para generar un filtro con las ofertas disponibles en función de este nivel de precios. De tal forma que es posible tomar las ofertas potenciales, ubicarlas en un nuevo dataset, y plasmarlas en un mapa de la ciudad de Cali. A continuación, se presenta el mapa resultante y una vista previa de la lista de ofertas potenciales obtenidas.
## # A tibble: 139 × 12
## id zona estrato preciom areaconst parqueaderos banios habitaciones tipo
## <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 5842 Zona … 6 850 187 3 5 4 Apar…
## 2 6614 Zona … 6 850 168 3 5 4 Apar…
## 3 3786 Zona … 6 850 192 2 5 3 Apar…
## 4 5690 Zona … 6 850 192. 2 5 4 Apar…
## 5 6539 Zona … 6 850 186 3 5 4 Apar…
## 6 5240 Zona … 6 850 187 3 4 3 Apar…
## 7 5574 Zona … 6 850 352 4 3 3 Apar…
## 8 6800 Zona … 6 850 187 3 4 3 Apar…
## 9 6611 Zona … 6 850 185 3 5 3 Apar…
## 10 7162 Zona … 6 850 222 2 3 3 Apar…
## # ℹ 129 more rows
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>De entre las ofertas obtenidas, es posible mencionar las siguientes viviendas puntuales, las cuales destacan por poseer características similares o mejores a las de la solicitud del cliente y se ubican al límite del presupuesto planteado (para una revisión específica de todas la ofertas disponibles a este nivel de precios, revisar los anexos):
ID 5842, precio de 850 millones, área de 187 m2, 3 parqueaderos, 5 baños, 4 habitaciones, estrato 6, barrio ciudad jardin.
ID 6614, precio de 850 millones, área de 168 m2, 3 parqueaderos, 5 baños, 4 habitaciones, estrato 6, barrio ciudad jardin.
ID 3786, precio de 850 millones, área de 192 m2, 2 parqueaderos, 5 baños, 3 habitaciones, estrato 6, barrio ciudad jardin.
ID 5690, precio de 850 millones, área de 186 m2, 2 parqueaderos, 5 baños, 4 habitaciones, estrato 6, barrio ciudad jardin.
ID 6539, precio de 850 millones, área de 186 m2, 2 parqueaderos, 5 baños, 4 habitaciones, estrato 6, barrio ciudad jardin.
Nótese la predominancia de espacios pequeños debido al tipo de viviendas en este caso.
En general, el ejercicio realizado permitió desarrollar predicciones congruentes con los órdenes de magnitud del mercado inmobiliario de la ciudad de Cali y las dos solicitudes presentadas por el cliente, otorgando ofertas puntuales visualizadas de forma interactiva y en cumplimiento con el presupuesto disponible.
Sin embargo, es necesario resaltar que no es pertinente desestimar el conjunto de enfermedades presentes en los modelos de regresión lineal múltiple en función de los datos disponibles, de tal forma que es necesario aplicar modificaciones de cara al incremento del ajuste en los modelos y el complimiento de los supuestos fundamentales. Se sugiere la revisión de las variables y forma funcional del modelo planteado, así como una re evaluación de la estructura y acriterios de la muestra a considerar para la modelación. De tal forma que una re calibración propicia del ejercicio predictivo puede arrojar resultados con menor variabilidad y de mayor fiabilidad para la toma de decisiones.
Lista de ofertas disponibles dado el nivel de precios predicho para la solicitud 1.
| id | zona | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 3779 | Zona Norte | 4 | 350 | 98.0 | 2 | 3 | 4 | Casa | chipichape | -76.52840 | 3.48154 |
| 4210 | Zona Norte | 5 | 350 | 200.0 | 3 | 3 | 4 | Casa | el bosque | -76.53010 | 3.48503 |
| 4209 | Zona Norte | 5 | 350 | 300.0 | 3 | 5 | 6 | Casa | el bosque | -76.53010 | 3.48577 |
| 4422 | Zona Norte | 5 | 350 | 240.0 | 2 | 3 | 6 | Casa | el bosque | -76.53136 | 3.48635 |
| 1270 | Zona Norte | 5 | 350 | 203.0 | 2 | 2 | 5 | Casa | el bosque | -76.51448 | 3.48531 |
| 819 | Zona Norte | 5 | 350 | 264.0 | 2 | 3 | 4 | Casa | la flora | -76.50330 | 3.46412 |
| 3060 | Zona Norte | 5 | 350 | 110.0 | 1 | 4 | 3 | Casa | la flora | -76.52353 | 3.48157 |
| 459 | Zona Norte | 5 | 350 | 160.0 | 2 | 3 | 3 | Casa | la flora | -76.49632 | 3.46661 |
| 1352 | Zona Norte | 5 | 350 | 190.0 | 1 | 3 | 3 | Casa | la flora | -76.51538 | 3.48796 |
| 1491 | Zona Norte | 5 | 350 | 140.0 | 2 | 3 | 2 | Casa | la flora | -76.51608 | 3.48918 |
| 937 | Zona Norte | 4 | 350 | 280.0 | 2 | 3 | 4 | Casa | la merced | -76.50603 | 3.46643 |
| 1163 | Zona Norte | 5 | 350 | 216.0 | 2 | 2 | 4 | Casa | la merced | -76.51218 | 3.48181 |
| 1024 | Zona Norte | 3 | 350 | 150.0 | 1 | 2 | 5 | Casa | las américas | -76.50800 | 3.44700 |
| 1065 | Zona Norte | 3 | 350 | 350.0 | 10 | 2 | 4 | Casa | manzanares | -76.50900 | 3.46400 |
| 5031 | Zona Norte | 4 | 350 | 350.0 | 1 | 4 | 5 | Casa | salomia | -76.53464 | 3.44987 |
| 725 | Zona Norte | 3 | 350 | 200.0 | 1 | 2 | 6 | Casa | salomia | -76.50200 | 3.46300 |
| 396 | Zona Norte | 5 | 350 | 99.0 | 1 | 3 | 3 | Casa | urbanización la flora | -76.49500 | 3.46700 |
| 1848 | Zona Norte | 5 | 350 | 160.0 | 2 | 4 | 3 | Casa | urbanización la flora | -76.51800 | 3.48900 |
| 1842 | Zona Norte | 5 | 350 | 240.0 | 2 | 3 | 4 | Casa | vipasa | -76.51800 | 3.48100 |
| 1943 | Zona Norte | 5 | 350 | 346.0 | 1 | 2 | 4 | Casa | vipasa | -76.51847 | 3.47503 |
| 1641 | Zona Norte | 5 | 343 | 170.0 | 3 | 4 | 4 | Casa | la flora | -76.51698 | 3.48939 |
| 4483 | Zona Norte | 5 | 342 | 250.0 | 1 | 4 | 6 | Casa | el bosque | -76.53197 | 3.48752 |
| 4800 | Zona Norte | 5 | 340 | 250.0 | 2 | 4 | 4 | Casa | el bosque | -76.53300 | 3.46500 |
| 4471 | Zona Norte | 4 | 340 | 162.0 | 1 | 4 | 4 | Casa | el bosque | -76.53188 | 3.48770 |
| 3453 | Zona Norte | 5 | 340 | 240.0 | 2 | 5 | 6 | Casa | la campiña | -76.52640 | 3.48211 |
| 1506 | Zona Norte | 5 | 340 | 180.0 | 2 | 4 | 4 | Casa | la flora | -76.51633 | 3.48675 |
| 5047 | Zona Norte | 5 | 340 | 160.0 | 2 | 4 | 5 | Casa | la flora | -76.53464 | 3.44987 |
| 3101 | Zona Norte | 5 | 340 | 355.0 | 2 | 5 | 8 | Casa | san vicente | -76.52377 | 3.46384 |
| 1887 | Zona Norte | 5 | 340 | 203.0 | 2 | 3 | 4 | Casa | vipasa | -76.51803 | 3.48257 |
| 2544 | Zona Norte | 4 | 340 | 264.5 | 2 | 4 | 4 | Casa | vipasa | -76.52096 | 3.47665 |
| 7470 | Zona Norte | 4 | 340 | 264.0 | 2 | 5 | 7 | Casa | vipasa | -76.54980 | 3.37556 |
| 1822 | Zona Norte | 4 | 340 | 295.0 | 2 | 2 | 4 | Casa | vipasa | -76.51777 | 3.48060 |
| 1211 | Zona Norte | 4 | 340 | 158.0 | 2 | 2 | 3 | Casa | zona norte | -76.51350 | 3.38790 |
| 4267 | Zona Norte | 5 | 335 | 202.0 | 1 | 4 | 5 | Casa | el bosque | -76.53044 | 3.48399 |
| 4313 | Zona Norte | 5 | 335 | 220.0 | 1 | 3 | 3 | Casa | el bosque | -76.53088 | 3.48810 |
| 3352 | Zona Norte | 4 | 335 | 300.0 | 3 | 4 | 4 | Casa | el bosque | -76.52600 | 3.43400 |
| 136 | Zona Norte | 3 | 335 | 166.0 | 2 | 3 | 3 | Casa | los guaduales | -76.48600 | 3.45200 |
| 2295 | Zona Norte | 5 | 334 | 243.0 | 4 | 0 | 0 | Casa | la flora | -76.51972 | 3.44000 |
| 464 | Zona Norte | 4 | 330 | 165.0 | 1 | 4 | 4 | Casa | el bosque | -76.49657 | 3.45140 |
| 1415 | Zona Norte | 5 | 330 | 130.0 | 4 | 3 | 3 | Casa | la flora | -76.51600 | 3.48800 |
| 3586 | Zona Norte | 4 | 330 | 240.0 | 1 | 2 | 3 | Casa | la merced | -76.52720 | 3.48433 |
| 952 | Zona Norte | 4 | 330 | 275.0 | 2 | 3 | 5 | Casa | la merced | -76.50647 | 3.47516 |
| 1108 | Zona Norte | 4 | 330 | 260.0 | 1 | 3 | 4 | Casa | la merced | -76.51060 | 3.48108 |
| 1161 | Zona Norte | 4 | 330 | 258.0 | 2 | 3 | 3 | Casa | la merced | -76.51214 | 3.47881 |
| 1107 | Zona Norte | 4 | 330 | 140.0 | 1 | 3 | 4 | Casa | la merced | -76.51057 | 3.48113 |
| 3043 | Zona Norte | 5 | 330 | 275.0 | 2 | 3 | 5 | Casa | la merced | -76.52350 | 3.48329 |
| 350 | Zona Norte | 3 | 330 | 150.0 | 3 | 3 | 4 | Casa | la villa del | -76.49400 | 3.46600 |
| 7885 | Zona Norte | 3 | 330 | 280.0 | 2 | 3 | 5 | Casa | popular | -76.55290 | 3.42135 |
| 1849 | Zona Norte | 5 | 330 | 246.0 | 2 | 4 | 4 | Casa | prados del norte | -76.51800 | 3.47000 |
| 747 | Zona Norte | 3 | 330 | 240.0 | 1 | 5 | 7 | Casa | zona norte | -76.50235 | 3.47350 |
| 766 | Zona Norte | 5 | 321 | 249.0 | 1 | 5 | 5 | Casa | la merced | -76.50291 | 3.46757 |
| 1209 | Zona Norte | 5 | 320 | 150.0 | 2 | 4 | 6 | Casa | acopi | -76.51341 | 3.47968 |
| 1343 | Zona Norte | 5 | 320 | 200.0 | 2 | 4 | 4 | Casa | la flora | -76.51524 | 3.48893 |
| 1376 | Zona Norte | 5 | 320 | 160.0 | 1 | 3 | 4 | Casa | la flora | -76.51568 | 3.48876 |
| 3053 | Zona Norte | 5 | 320 | 230.0 | 2 | 4 | 4 | Casa | la flora | -76.52353 | 3.48352 |
| 1487 | Zona Norte | 5 | 320 | 170.0 | 1 | 3 | 3 | Casa | la flora | -76.51604 | 3.48913 |
| 3890 | Zona Norte | 5 | 320 | 140.0 | 1 | 3 | 4 | Casa | la flora | -76.52900 | 3.41300 |
| 1144 | Zona Norte | 4 | 320 | 200.0 | 2 | 4 | 4 | Casa | la merced | -76.51156 | 3.48029 |
| 1326 | Zona Norte | 4 | 320 | 140.0 | 2 | 5 | 7 | Casa | la merced | -76.51511 | 3.47845 |
| 1304 | Zona Norte | 5 | 320 | 90.0 | 2 | 3 | 3 | Casa | urbanización la flora | -76.51500 | 3.48800 |
| 1151 | Zona Norte | 5 | 320 | 210.0 | 2 | 3 | 5 | Casa | urbanización la merced | -76.51200 | 3.47600 |
| 1924 | Zona Norte | 4 | 320 | 264.0 | 1 | 2 | 3 | Casa | vipasa | -76.51840 | 3.48459 |
| 1113 | Zona Norte | 4 | 320 | 100.0 | 1 | 3 | 4 | Casa | zona norte | -76.51077 | 3.48795 |
Lista de ofertas disponibles dado el nivel de precios predicho para la solicitud 2.
| id | zona | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 5842 | Zona Sur | 6 | 850 | 187.00 | 3 | 5 | 4 | Apartamento | ciudad jardín | -76.53887 | 3.36287 |
| 6614 | Zona Sur | 6 | 850 | 168.00 | 3 | 5 | 4 | Apartamento | ciudad jardín | -76.54369 | 3.35114 |
| 3786 | Zona Sur | 6 | 850 | 192.00 | 2 | 5 | 3 | Apartamento | ciudad jardín | -76.52846 | 3.36540 |
| 5690 | Zona Sur | 6 | 850 | 191.80 | 2 | 5 | 4 | Apartamento | ciudad jardín | -76.53798 | 3.35961 |
| 6539 | Zona Sur | 6 | 850 | 186.00 | 3 | 5 | 4 | Apartamento | ciudad jardín | -76.54309 | 3.35621 |
| 5240 | Zona Sur | 6 | 850 | 187.00 | 3 | 4 | 3 | Apartamento | pance | -76.53530 | 3.34782 |
| 5574 | Zona Sur | 6 | 850 | 352.00 | 4 | 3 | 3 | Apartamento | pance | -76.53729 | 3.34265 |
| 6800 | Zona Sur | 6 | 850 | 187.00 | 3 | 4 | 3 | Apartamento | pance | -76.54484 | 3.35064 |
| 6611 | Zona Sur | 6 | 850 | 185.00 | 3 | 5 | 3 | Apartamento | parcelaciones pance | -76.54369 | 3.35114 |
| 7162 | Zona Sur | 6 | 850 | 222.00 | 2 | 3 | 3 | Apartamento | santa teresita | -76.54800 | 3.45300 |
| 6613 | Zona Sur | 6 | 845 | 187.00 | 2 | 5 | 4 | Apartamento | pance | -76.54369 | 3.35114 |
| 993 | Zona Sur | 6 | 840 | 161.79 | 2 | 4 | 4 | Apartamento | pance | -76.50726 | 3.46182 |
| 6723 | Zona Sur | 6 | 840 | 185.00 | 2 | 2 | 2 | Apartamento | pance | -76.54412 | 3.35074 |
| 6682 | Zona Sur | 6 | 840 | 176.00 | 2 | 4 | 3 | Apartamento | parcelaciones pance | -76.54400 | 3.35100 |
| 6720 | Zona Sur | 6 | 836 | 187.00 | 3 | 5 | 3 | Apartamento | pance | -76.54410 | 3.33810 |
| 3603 | Zona Sur | 6 | 833 | 213.00 | 2 | 3 | 3 | Apartamento | ciudad jardin pance | -76.52726 | 3.34865 |
| 6526 | Zona Sur | 6 | 832 | 213.00 | 2 | 2 | 3 | Apartamento | ciudad jardín | -76.54303 | 3.41923 |
| 6612 | Zona Sur | 6 | 830 | 187.00 | 3 | 5 | 4 | Apartamento | pance | -76.54369 | 3.35114 |
| 6683 | Zona Sur | 6 | 830 | 169.00 | 3 | 5 | 3 | Apartamento | pance | -76.54400 | 3.35100 |
| 6686 | Zona Sur | 6 | 830 | 187.00 | 3 | 4 | 4 | Apartamento | pance | -76.54400 | 3.35100 |
| 3827 | Zona Sur | 6 | 820 | 213.00 | 2 | 3 | 3 | Apartamento | pance | -76.52888 | 3.35064 |
| 6159 | Zona Sur | 6 | 810 | 164.00 | 3 | 5 | 3 | Apartamento | pance | -76.54100 | 3.33700 |
| 3933 | Zona Sur | 6 | 800 | 160.00 | 2 | 5 | 3 | Apartamento | pance | -76.52900 | 3.34800 |
| 3936 | Zona Sur | 6 | 800 | 160.00 | 2 | 5 | 3 | Apartamento | pance | -76.52900 | 3.34900 |
| 8191 | Zona Sur | 6 | 800 | 221.00 | 2 | 4 | 3 | Apartamento | santa teresita | -76.55700 | 3.38900 |
| 6511 | Zona Sur | 6 | 790 | 187.00 | 2 | 4 | 3 | Apartamento | pance | -76.54300 | 3.35100 |
| 5693 | Zona Sur | 6 | 780 | 168.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.53798 | 3.35961 |
| 3970 | Zona Sur | 6 | 780 | 150.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.52900 | 3.39500 |
| 6838 | Zona Sur | 6 | 770 | 140.00 | 2 | 4 | 4 | Apartamento | ciudad jardín | -76.54500 | 3.35500 |
| 5241 | Zona Sur | 6 | 767 | 154.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.53530 | 3.35959 |
| 3848 | Zona Sur | 6 | 760 | 200.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.52897 | 3.36403 |
| 4133 | Zona Sur | 6 | 760 | 200.00 | 2 | 2 | 3 | Apartamento | ciudad jardín | -76.52999 | 3.36550 |
| 5879 | Zona Sur | 6 | 760 | 168.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.53900 | 3.36600 |
| 3113 | Zona Sur | 6 | 760 | 220.00 | 2 | 5 | 3 | Apartamento | pance | -76.52392 | 3.35104 |
| 6463 | Zona Sur | 6 | 760 | 160.00 | 3 | 5 | 4 | Apartamento | pance | -76.54292 | 3.34103 |
| 4380 | Zona Sur | 6 | 754 | 180.00 | 2 | 3 | 3 | Apartamento | pance | -76.53102 | 3.34318 |
| 6603 | Zona Sur | 6 | 750 | 166.00 | 2 | 5 | 3 | Apartamento | ciudad jardín | -76.54360 | 3.35741 |
| 5191 | Zona Sur | 6 | 750 | 176.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.53504 | 3.36444 |
| 6111 | Zona Sur | 6 | 750 | 176.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.54085 | 3.36544 |
| 5364 | Zona Sur | 6 | 750 | 141.00 | 2 | 5 | 2 | Apartamento | ciudad jardin | -76.53600 | 3.36100 |
| 3813 | Zona Sur | 6 | 750 | 200.00 | 3 | 5 | 4 | Apartamento | pance | -76.52872 | 3.34865 |
| 3814 | Zona Sur | 6 | 750 | 191.00 | 3 | 5 | 4 | Apartamento | pance | -76.52872 | 3.34865 |
| 4319 | Zona Sur | 6 | 750 | 164.00 | 2 | 5 | 4 | Apartamento | pance | -76.53091 | 3.33840 |
| 5451 | Zona Sur | 6 | 750 | 192.00 | 4 | 3 | 3 | Apartamento | pance | -76.53679 | 3.33843 |
| 5573 | Zona Sur | 6 | 750 | 192.00 | 4 | 3 | 3 | Apartamento | pance | -76.53729 | 3.34265 |
| 7911 | Zona Sur | 6 | 750 | 121.00 | 2 | 3 | 3 | Apartamento | santa teresita | -76.55300 | 3.44700 |
| 5757 | Zona Sur | 6 | 737 | 147.00 | 2 | 5 | 3 | Apartamento | ciudad jardín | -76.53800 | 3.35800 |
| 7182 | Zona Sur | 5 | 730 | 573.00 | 3 | 8 | 5 | Apartamento | guadalupe | -76.54800 | 3.40800 |
| 6529 | Zona Sur | 6 | 720 | 165.00 | 4 | 4 | 3 | Apartamento | pance | -76.54304 | 3.35631 |
| 4418 | Zona Sur | 6 | 720 | 170.00 | 2 | 5 | 4 | Apartamento | parcelaciones pance | -76.53134 | 3.33781 |
| 3802 | Zona Sur | 6 | 710 | 158.00 | 2 | 5 | 3 | Apartamento | pance | -76.52862 | 3.34982 |
| 6077 | Zona Sur | 5 | 710 | 151.00 | 3 | 5 | 3 | Apartamento | pance | -76.54041 | 3.36568 |
| 5242 | Zona Sur | 5 | 704 | 141.00 | 2 | 3 | 2 | Apartamento | ciudad jardín | -76.53530 | 3.35959 |
| 5941 | Zona Sur | 5 | 700 | 138.00 | 2 | 5 | 4 | Apartamento | ciudad jardín | -76.53967 | 3.36259 |
| 5087 | Zona Sur | 6 | 700 | 170.00 | 3 | 4 | 3 | Apartamento | ciudad jardín | -76.53464 | 3.44987 |
| 4266 | Zona Sur | 6 | 700 | 250.00 | 2 | 4 | 5 | Apartamento | el ingenio | -76.53043 | 3.37062 |
| 4996 | Zona Sur | 6 | 700 | 155.00 | 2 | 4 | 4 | Apartamento | pance | -76.53436 | 3.33861 |
| 4997 | Zona Sur | 6 | 700 | 150.00 | 2 | 4 | 4 | Apartamento | pance | -76.53436 | 3.33861 |
| 3810 | Zona Sur | 6 | 700 | 149.00 | 2 | 5 | 4 | Apartamento | pance | -76.52870 | 3.34898 |
| 3937 | Zona Sur | 6 | 700 | 156.00 | 2 | 5 | 4 | Apartamento | pance | -76.52900 | 3.34900 |
| 3939 | Zona Sur | 6 | 700 | 160.00 | 2 | 5 | 4 | Apartamento | pance | -76.52900 | 3.34900 |
| 6462 | Zona Sur | 6 | 700 | 160.00 | 3 | 5 | 4 | Apartamento | pance | -76.54292 | 3.34103 |
| 3243 | Zona Sur | 6 | 700 | 160.00 | 2 | 5 | 4 | Apartamento | pance | -76.52500 | 3.45900 |
| 3934 | Zona Sur | 6 | 700 | 158.00 | 2 | 4 | 3 | Apartamento | pance | -76.52900 | 3.35000 |
| 3825 | Zona Sur | 6 | 700 | 160.00 | 2 | 5 | 4 | Apartamento | pance | -76.52887 | 3.35024 |
| 2313 | Zona Sur | 6 | 700 | 130.00 | 3 | 5 | 4 | Apartamento | pance | -76.51972 | 3.44000 |
| 3932 | Zona Sur | 6 | 700 | 152.00 | 2 | 5 | 3 | Apartamento | pance | -76.52900 | 3.34900 |
| 3815 | Zona Sur | 6 | 700 | 158.00 | 2 | 5 | 4 | Apartamento | parcelaciones pance | -76.52875 | 3.35030 |
| 8014 | Zona Sur | 6 | 700 | 152.00 | 2 | 4 | 3 | Apartamento | santa teresita | -76.55400 | 3.44800 |
| 3608 | Zona Sur | 6 | 699 | 164.00 | 4 | 5 | 3 | Apartamento | ponce | -76.52733 | 3.41198 |
| 5246 | Zona Sur | 6 | 697 | 139.00 | 2 | 2 | 2 | Apartamento | ciudad jardín | -76.53531 | 3.35970 |
| 5423 | Zona Sur | 6 | 695 | 227.00 | 3 | 3 | 3 | Apartamento | ciudad jardín | -76.53638 | 3.36905 |
| 5691 | Zona Sur | 6 | 695 | 180.00 | 2 | 5 | 4 | Apartamento | ciudad jardín | -76.53798 | 3.35961 |
| 6035 | Zona Sur | 6 | 695 | 206.00 | 2 | 4 | 3 | Apartamento | parcelaciones pance | -76.54008 | 3.35145 |
| 6749 | Zona Sur | 6 | 690 | 180.00 | 2 | 5 | 4 | Apartamento | ciudad jardín | -76.54421 | 3.35528 |
| 5793 | Zona Sur | 5 | 690 | 169.00 | 4 | 5 | 4 | Apartamento | ciudad jardín | -76.53831 | 3.36281 |
| 4978 | Zona Sur | 6 | 690 | 170.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.53410 | 3.36531 |
| 4394 | Zona Sur | 5 | 690 | 486.00 | 2 | 4 | 4 | Apartamento | el ingenio | -76.53111 | 3.38292 |
| 6201 | Zona Sur | 6 | 690 | 140.00 | 2 | 4 | 3 | Apartamento | pance | -76.54132 | 3.33924 |
| 3941 | Zona Sur | 6 | 690 | 160.00 | 2 | 5 | 4 | Apartamento | pance | -76.52900 | 3.34900 |
| 10 | Zona Sur | 6 | 690 | 150.00 | 2 | 5 | 4 | Apartamento | pance | -76.46478 | 3.42783 |
| 3944 | Zona Sur | 6 | 690 | 158.00 | 2 | 5 | 4 | Apartamento | pance | -76.52900 | 3.35000 |
| 5363 | Zona Sur | 6 | 685 | 133.00 | 3 | 4 | 3 | Apartamento | ciudad jardín | -76.53600 | 3.33500 |
| 4824 | Zona Sur | 6 | 680 | 167.00 | 1 | 5 | 4 | Apartamento | cañasgordas | -76.53300 | 3.33600 |
| 3943 | Zona Sur | 6 | 680 | 158.00 | 2 | 5 | 4 | Apartamento | pance | -76.52900 | 3.35000 |
| 4161 | Zona Sur | 6 | 680 | 200.00 | 2 | 4 | 3 | Apartamento | pance | -76.53000 | 3.33900 |
| 4447 | Zona Sur | 6 | 680 | 138.00 | 2 | 5 | 3 | Apartamento | pance | -76.53165 | 3.44708 |
| 6527 | Zona Sur | 6 | 677 | 108.00 | 2 | 2 | 3 | Apartamento | ciudad jardín | -76.54303 | 3.41923 |
| 5366 | Zona Sur | 6 | 673 | 132.00 | 2 | 2 | 2 | Apartamento | ciudad jardín | -76.53600 | 3.36700 |
| 5351 | Zona Sur | 6 | 673 | 133.00 | 3 | 4 | 3 | Apartamento | pance | -76.53600 | 3.33500 |
| 5880 | Zona Sur | 6 | 670 | 168.00 | 2 | 3 | 4 | Apartamento | ciudad jardín | -76.53900 | 3.36600 |
| 3365 | Zona Sur | 5 | 670 | 191.00 | 2 | 3 | 3 | Apartamento | seminario | -76.52600 | 3.43400 |
| 7512 | Zona Sur | 5 | 670 | 300.00 | 3 | 5 | 6 | Apartamento | seminario | -76.55000 | 3.40900 |
| 3834 | Zona Sur | 6 | 667 | 160.00 | 2 | 3 | 3 | Apartamento | pance | -76.52896 | 3.34961 |
| 4477 | Zona Sur | 5 | 660 | 150.00 | 3 | 4 | 3 | Apartamento | ciudad jardín | -76.53191 | 3.35342 |
| 6113 | Zona Sur | 6 | 660 | 168.00 | 2 | 4 | 4 | Apartamento | ciudad jardín | -76.54085 | 3.36544 |
| 6576 | Zona Sur | 6 | 660 | 210.00 | 4 | 5 | 3 | Apartamento | ciudad jardín | -76.54341 | 3.35627 |
| 6605 | Zona Sur | 5 | 660 | 158.00 | 4 | 4 | 3 | Apartamento | ciudad jardín | -76.54362 | 3.35616 |
| 3973 | Zona Sur | 6 | 660 | 135.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.52900 | 3.34500 |
| 3808 | Zona Sur | 6 | 660 | 160.00 | 2 | 4 | 3 | Apartamento | pance | -76.52870 | 3.34898 |
| 6464 | Zona Sur | 6 | 660 | 159.00 | 4 | 4 | 3 | Apartamento | pance | -76.54292 | 3.34103 |
| 5273 | Zona Sur | 6 | 660 | 224.41 | 2 | 5 | 4 | Apartamento | quintas de don | -76.53551 | 3.38812 |
| 6361 | Zona Sur | 6 | 655 | 241.00 | 2 | 3 | 3 | Apartamento | mayapan las vegas | -76.54200 | 3.38300 |
| 6776 | Zona Sur | 5 | 651 | 220.00 | 2 | 4 | 2 | Apartamento | mayapan las vegas | -76.54452 | 3.38889 |
| 4478 | Zona Sur | 6 | 650 | 160.00 | 2 | 5 | 3 | Apartamento | ciudad capri | -76.53191 | 3.35204 |
| 4321 | Zona Sur | 6 | 650 | 145.00 | 3 | 4 | 4 | Apartamento | ciudad jardín | -76.53091 | 3.44074 |
| 5622 | Zona Sur | 6 | 650 | 152.00 | 3 | 4 | 3 | Apartamento | ciudad jardín | -76.53773 | 3.45279 |
| 5694 | Zona Sur | 6 | 650 | 170.00 | 2 | 4 | 4 | Apartamento | ciudad jardín | -76.53798 | 3.35961 |
| 5826 | Zona Sur | 6 | 650 | 160.00 | 2 | 5 | 3 | Apartamento | ciudad jardín | -76.53860 | 3.35942 |
| 5365 | Zona Sur | 6 | 650 | 177.00 | 2 | 3 | 2 | Apartamento | ciudad jardín | -76.53600 | 3.36600 |
| 3397 | Zona Sur | 6 | 650 | 183.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.52600 | 3.43400 |
| 3627 | Zona Sur | 6 | 650 | 185.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.52745 | 3.36960 |
| 5877 | Zona Sur | 6 | 650 | 185.00 | 2 | 4 | 4 | Apartamento | ciudad jardín | -76.53900 | 3.36600 |
| 5881 | Zona Sur | 6 | 650 | 223.00 | 3 | 5 | 3 | Apartamento | ciudad jardín | -76.53900 | 3.36600 |
| 6112 | Zona Sur | 6 | 650 | 185.00 | 2 | 4 | 4 | Apartamento | ciudad jardín | -76.54085 | 3.36544 |
| 6620 | Zona Sur | 6 | 650 | 185.00 | 2 | 3 | 3 | Apartamento | ciudad jardín | -76.54375 | 3.43795 |
| 4182 | Zona Sur | 6 | 650 | 164.00 | 2 | 5 | 3 | Apartamento | ciudad jardín | -76.53000 | 3.35200 |
| 5306 | Zona Sur | 5 | 650 | 275.00 | 2 | 5 | 5 | Apartamento | ciudadela pasoancho | -76.53569 | 3.38597 |
| 5528 | Zona Sur | 5 | 650 | 249.00 | 2 | 4 | 4 | Apartamento | ciudadela pasoancho | -76.53700 | 3.38600 |
| 4952 | Zona Sur | 5 | 650 | 600.00 | 2 | 4 | 5 | Apartamento | el ingenio | -76.53400 | 3.38100 |
| 5598 | Zona Sur | 6 | 650 | 138.00 | 3 | 5 | 4 | Apartamento | pance | -76.53746 | 3.34926 |
| 7664 | Zona Sur | 6 | 650 | 137.00 | 2 | 3 | 3 | Apartamento | pance | -76.55101 | 3.34365 |
| 5073 | Zona Sur | 6 | 650 | 141.00 | 3 | 4 | 3 | Apartamento | pance | -76.53464 | 3.44987 |
| 6507 | Zona Sur | 4 | 645 | 184.00 | 1 | 4 | 3 | Apartamento | pance | -76.54300 | 3.35100 |
| 4091 | Zona Sur | 6 | 640 | 136.00 | 2 | 4 | 3 | Apartamento | ciudad jardín | -76.52967 | 3.34324 |
| 4419 | Zona Sur | 5 | 640 | 200.00 | 2 | 4 | 4 | Apartamento | pance | -76.53134 | 3.33781 |
| 5266 | Zona Sur | 6 | 640 | 200.00 | 2 | 4 | 3 | Apartamento | pance | -76.53540 | 3.34404 |
| 5008 | Zona Sur | 6 | 635 | 133.00 | 3 | 4 | 4 | Apartamento | parcelaciones pance | -76.53454 | 3.33367 |
| 5704 | Zona Sur | 5 | 630 | 210.00 | 2 | 2 | 3 | Apartamento | ciudad jardín | -76.53798 | 3.35961 |
| 5353 | Zona Sur | 6 | 630 | 133.00 | 2 | 4 | 3 | Apartamento | pance | -76.53600 | 3.33500 |
| 3942 | Zona Sur | 6 | 630 | 150.00 | 2 | 5 | 3 | Apartamento | pance | -76.52900 | 3.34800 |
| 4361 | Zona Sur | 6 | 630 | 133.00 | 3 | 4 | 3 | Apartamento | pance | -76.53100 | 3.36600 |
| 3833 | Zona Sur | 6 | 620 | 136.00 | 2 | 3 | 4 | Apartamento | ciudad jardín | -76.52895 | 3.34475 |
| 4629 | Zona Sur | 6 | 620 | 197.00 | 2 | 3 | 3 | Apartamento | pance | -76.53200 | 3.45200 |
| 6011 | Zona Sur | 5 | 620 | 160.00 | 2 | 2 | 3 | Apartamento | san fernando nuevo | -76.54000 | 3.43100 |
| 4428 | Zona Sur | 6 | 615 | 162.00 | 2 | 5 | 4 | Apartamento | pance | -76.53146 | 3.35303 |
| 6836 | Zona Sur | 6 | 610 | 116.00 | 2 | 4 | 2 | Apartamento | ciudad jardín | -76.54500 | 3.35500 |
| 4326 | Zona Sur | 6 | 610 | 202.00 | 2 | 4 | 3 | Apartamento | pance | -76.53094 | 3.33615 |
| 5072 | Zona Sur | 6 | 610 | 138.00 | 2 | 4 | 3 | Apartamento | pance | -76.53464 | 3.44987 |