Mercato Immobilizre del Texas
Analisi delle variabili
- city: stringa che rappresenta il nome della città
- year: numero intero che rappresenta l’anno di riferimento
- month: numero intero che rappresenta il mese di riferimento (Gennaio = 1 … Dicembre = 12)
- sales: numero intero che rappresenta il numero totale di vendite
- volume: numero decimale che rappresenta il valore totale delle vendite in milioni di dollari
- median_price: numero intero che rappresenta il prezzo medio di vendita in dollari
- listings: numero intero che rappresenta il numero totale di annunci attivi
- months_inventory: numero decimale che rappresenta la quantità di tempo necessaria per vendere tutte le inserzioni correnti al ritmo attuale delle vendite, espresso in mesi
Indici di posizione, variabilità e forma
| variabile | min | 1st quartile | mediana | mean | 3rd quartile | max |
|---|---|---|---|---|---|---|
| sales | 79.0 | 127.0 | 175.5 | 192.3 | 247.0 | 423.0 |
| volume | 8.166 | 17.660 | 27.062 | 31.005 | 40.893 | 83.547 |
| median_price | 73800 | 117300 | 134500 | 132665 | 150050 | 180000 |
| listings | 743 | 1026 | 1618 | 1738 | 2056 | 3296 |
| months_inventory | 3.400 | 7.800 | 8.950 | 9.193 | 10.950 | 14.900 |
Per le altre variabili city, year e month verrà calcolata solo la distribuzione di frequenza
| city | frequenza assoluta | frequenza relativa |
|---|---|---|
| Beaumont | 60 | 0.25 |
| Bryan-College Station | 60 | 0.25 |
| Tyler | 60 | 0.25 |
| Wichita Falls | 60 | 0.25 |
| year | frequenza assoluta | frequenza relativa |
|---|---|---|
| 2010 | 48 | 0.2 |
| 2011 | 48 | 0.2 |
| 2012 | 48 | 0.2 |
| 2013 | 48 | 0.2 |
| 2014 | 48 | 0.2 |
| month | frequenza assoluta | frequenza relativa |
|---|---|---|
| 1 | 20 | 0.08333333 |
| 2 | 20 | 0.08333333 |
| 3 | 20 | 0.08333333 |
| 4 | 20 | 0.08333333 |
| 5 | 20 | 0.08333333 |
| 6 | 20 | 0.08333333 |
| 7 | 20 | 0.08333333 |
| 8 | 20 | 0.08333333 |
| 9 | 20 | 0.08333333 |
| 10 | 20 | 0.08333333 |
| 11 | 20 | 0.08333333 |
| 12 | 20 | 0.08333333 |
Le osservazioni all’interno di questo dataset sono omogenee per tutti i mesi di ogni anno e per ogni località. Quindi è possibile estrarre le osservazioni per mese e anni, in modo da avere una rappresentazione più precisa della distribuzione delle vendite e osservare le variazioni per ogni città.
Identificazione delle variabili con maggiore variabilità e asimmetria
La variabile con più alta variabilità è volume. Sono riuscito a trovare questo risultato calcolando il coefficiente di variazione, allego di seguito tabella con i risultati. | variabile | cv | |——————|——-| | sales | 41.42 | | volume | 53.71 | | median_price | 17.08 | | listings | 43.31 | | months_inventory | 25.06 |
La variabile con più alta asimmetria è volume Sono riuscito a trovare questo risultato calcolando l’indice di Gini, allego di seguito tabella con i risultati. | variabile | indice di Gini | |——————|—————-| | sales | 0.23 | | volume | 0.30 | | median_price | 0.10 | | listings | 0.24 | | months_inventory | 0.14 |
Creazione di classi per una variabile quantitativa
| range | median price |
|---|---|
| (70000, 100000] | 26 |
| (100000, 130000] | 69 |
| (130000, 160000] | 124 |
| (160000, 190000] | 21 |
Plot
Dal grafico possiamo vedere che 124 immobili su 240 osservazioni sono stati venduti in un range che va da 130000 a 160000, quindi più del 50% del totale degli immobili osservati.
Calcolo della probabilità
La probabilità che esca la città Beaumont è pari al 25%, che riporti il mese di lugio 8.33% e il mese di dicembre 2012 1.66%
6. Creazione di nuove variabili
| city | year | month | sales | volume | median_price | listings | months_inventory | median_price_index | sales_announcements_index |
|---|---|---|---|---|---|---|---|---|---|
| Beaumont | 2010 | 1 | 83 | 14.16 | 163800.0 | 1533 | 9.5 | prezzo poco frequente | 0.12 |
| Beaumont | 2010 | 2 | 108 | 17.69 | 138200.0 | 1586 | 10.0 | prezzo molto frequente | 0.84 |
| Beaumont | 2010 | 3 | 182 | 28.70 | 122400.0 | 1689 | 10.6 | prezzo frequente | 2.99 |
| Beaumont | 2010 | 4 | 200 | 26.82 | 123200.0 | 1708 | 10.6 | prezzo frequente | 3.52 |
| Beaumont | 2010 | 5 | 202 | 28.83 | 123100.0 | 1771 | 10.9 | prezzo frequente | 3.58 |
| … | … | … | … | … | … | … | … | … | … |
| Wichita Falls | 2014 | 8 | 137 | 16.13 | 99600.0 | 973 | 8.3 | prezzo poco frequente | 1.69 |
| Wichita Falls | 2014 | 9 | 110 | 12.02 | 90000.0 | 940 | 8.1 | prezzo poco frequente | 0.90 |
| Wichita Falls | 2014 | 10 | 112 | 13.82 | 113300.0 | 905 | 7.8 | prezzo frequente | 0.96 |
| Wichita Falls | 2014 | 11 | 96 | 11.31 | 108000.0 | 870 | 7.5 | prezzo frequente | 0.49 |
| Wichita Falls | 2014 | 12 | 109 | 13.88 | 103800.0 | 821 | 7.0 | prezzo frequente | 0.87 |
Sono state create 2 nuove colonne nel dataset median_price_index e sales_announcements_index. median_price_index è un indice che indica la frequenza del prezzo di vendità, sono stati inseriti 3 indici: ‘prezzo poco frequente’ , ‘prezzo frequente’ e ‘prezzo molto frequente’. sales_announcements_index è un indice che indica un punteggio di vendita degli immobili nel mese, l’indice va da 0 a 10.
Creazione di visualizzazioni con ggplot2
Boxplot confronto prezzo medio tra città.
Grafico a barre confronto totale vendite per mese e città.
Line charts confronto andamento delle vendite per anno
Conclusioni
Analizzando tutte le osservazioni che come abbiamo visto in precedenza sono ben disstribuite per città, mese e anno sono emerse le seguenti conclusioni: * Nella città di Bryan-Collage Station sono state registrate le vendite con maggior prezzo, invece la città di tyler ha rigistrato il maggior numero di vendite * L’anno 2014 è stato l’anno con il prezzo medio di vendita più alto degli anni osservati * Ogni anno dal 2010 al 2014 il prezzo medio di vendita è salito
Quindi come strategio per aumentare ancora di più il numero di vendite è andare a proporre una campagna marketing nelle cità come Wichita Falls. Questa città ha registrato il minor numero di vendite al mese, così da fortificare e aumentare le vendite. Come prezzo per un immobile cosiglio un range che va dai 130000 a 160000, come possiamo vedere nel grafico a barre relativo al prezzo medio di vendita.