##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.

R Markdown

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>

Including Plots

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.