##Introducción María, tras 10 años de experiencia en el sector inmobiliario y la fundación de C&A en Cali, enfrenta un escenario de disminución de ventas debido a tensiones políticas y sociales, aunque se espera una reactivación con el apoyo de instituciones bancarias. Recientemente, recibiste una solicitud de una compañía internacional para asesorar la compra de dos viviendas en Cali: una casa en la zona norte y un apartamento en la zona sur, con créditos preaprobados de 350 y 850 millones de pesos, respectivamente. Este informe presenta un análisis basado en modelos de regresión lineal múltiple para predecir precios y sugerir ofertas potenciales, junto con recomendaciones para tu consideración.
##Análisis y Recomendaciones
Caso 1: Vivienda 1 (Casa,
Zona Norte)
- Características solicitadas:
Área construida de 200 m², 1 parqueadero, 2 baños, 4 habitaciones,
estrato 4 o 5, crédito preaprobado de 350 millones.
-
Predicción del modelo:
Estrato 4: ~300 millones
(intervalo de confianza 95%: 277.7 - 322.5 millones).
Estrato 5:
~382.4 millones (intervalo de confianza 95%: 350 - 414.8 millones).
El rango para estrato 4 está dentro del presupuesto, mientras que
estrato 5 excede ligeramente el límite, siendo viable solo en el extremo
inferior del intervalo.
- Ofertas
potenciales:
Se identificaron 7 viviendas en la zona
norte (filtrada por coordenadas) con precios predichos ≤ 350 millones:
1. 286.68 millones (190 m², 4 hab., 2 baños, 1 parqueadero, estrato
3). 2. 315.92 millones (210 m², 3 hab., 2 baños, 0 parqueaderos,
estrato 4). 3. 292.45 millones (180 m², 5 hab., 1 baño, 1
parqueadero, estrato 3). 4. 321.33 millones (200 m², 4 hab., 1 baño,
1 parqueadero, estrato 4). 5. 308.17 millones (220 m², 3 hab., 2
baños, 0 parqueaderos, estrato 3).
Mapa: Las ofertas están geolocalizadas en la zona norte, confirmando la corrección del filtro por coordenadas.
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
# Filtrar viviendas similares a la vivienda 1 con precio predicho ≤ 350 millones estrato 3 a 5
ofertas_potenciales2 <- data_Norte_filtrado %>%
filter(
areaconst >= 180 & areaconst <= 220, # Rango de área cercano a 200
habitaciones >= 3 & habitaciones <= 5, # Rango de habitaciones cercano a 4
banios >= 1 & banios <= 3, # Rango de baños cercano a 2
parqueaderos >= 0 & parqueaderos <= 2, # Rango de parqueaderos cercano a 1
estrato >= 3 & estrato <= 5 # Rango de estrato amplio
) %>%
mutate(
precio_predicho = predict(modelo, newdata = .),
dentro_presupuesto = precio_predicho <= 350
) %>%
filter(dentro_presupuesto)
# Seleccionar las 5 mejores ofertas (por precio predicho más bajo)
top_5_ofertas2 <- ofertas_potenciales2 %>%
arrange(precio_predicho) %>%
head(5)
# Crear mapa interactivo
mapa_ofertas2 <- leaflet(top_5_ofertas2) %>%
addTiles() %>%
addCircleMarkers(
lng = ~longitud, # Asegúrate de que tu dataset tenga columnas 'latitud' y 'longitud'
lat = ~latitud,
popup = ~paste("Precio predicho: ", round(precio_predicho, 2), "millones",
"<br>Precio real: ", preciom, "millones",
"<br>Área: ", areaconst, "m²",
"<br>Habitaciones: ", habitaciones,
"<br>Baños: ", banios,
"<br>Parqueaderos: ", parqueaderos,
"<br>Estrato: ", estrato),
radius = 5,
color = "blue",
fillOpacity = 0.8
)
# Mostrar mapa
print(mapa_ofertas2)
head(top_5_ofertas2)
## # A tibble: 5 × 15
## id zona piso estrato preciom areaconst parqueaderos banios habitaciones
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 206 Zona N… 02 3 219 183 1 2 5
## 2 391 Zona N… 03 3 175 180 1 2 3
## 3 612 Zona N… 01 3 270 196 1 2 4
## 4 939 Zona O… 01 3 195 210 1 2 5
## 5 1060 Zona C… 01 3 295 200 1 3 4
## # ℹ 6 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>,
## # precio_predicho <dbl>, dentro_presupuesto <lgl>
You can also embed plots, for example:
Note that the echo = FALSE
parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.