Actividad 2 Unidad 2 InformeEjecutivo
Juan José Restrepo Rosero
2025-03-03
Caso C&A
Enunciado
Maria comenzó como agente de bienes raíces en Cali hace 10 años. Después de laborar dos años para una empresa nacional, se traslado a Bogotá y trabajó para otra agencia de bienes raíces. Sus amigos y familiares la convencieron de que con su experiencia y conocimientos del negocio debía abrir su propia agencia. Terminó por adquirir la licencia de intermediario y al poco tiempo fundó su propia compañía, C&A (Casas y Apartamentos) en Cali. Santiago y Lina, dos vendedores de la empresa anterior aceptaron trabajar en la nueva compaña. En la actualidad ocho agentes de bienes raíces colaboran con ella en C&A.
Actualmente las ventas de bienes raíces en Cali se han visto disminuidas de manera significativa en lo corrido del año. Durante este periodo muchas instituciones bancarias de ahorro y vivienda están prestando grandes sumas de dinero para la industria y la construcción comercial y residencial. Cuando el efecto producto de las tensiones políticas y sociales disminuya, se espera que la actividad económica de este sector se reactive.
Hace dos días, María recibió una carta solicitando asesoría para la compra de dos viviendas por parte de una compañía internacional que desea ubicar a dos de sus empleados con sus familias en la ciudad. Las solicitudes incluyen las siguientes condiciones:
Pasos requeridos para la obtención de los resultados
Realice un filtro a la base de datos e incluya solo las ofertas de: base1: casas, de la zona norte de la ciudad. Presente los primeros 3 registros de las bases y algunas tablas que comprueben la consulta. (Adicional un mapa con los puntos de las bases. Discutir si todos los puntos se ubican en la zona correspondiente o se presentan valores en otras zonas, por qué?).
Realice un análisis exploratorio de datos enfocado en la correlación entre la variable respuesta (precio de la casa) en función del área construida, estrato, número de baños, número de habitaciones y zona donde se ubica la vivienda. Use gráficos interactivos con el paquete plotly e interprete los resultados.
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 deben estar contextualizadas y discutir si los resultados son lógicos. Adicionalmente interprete el coeficiente \(R^2\) y discuta el ajuste del modelo e implicaciones (qué podrían hacer para mejorarlo).
Realice la validación de supuestos del modelo e interprete los resultados (no es necesario corregir en caso de presentar problemas, solo realizar sugerencias de qué se podría hacer).
Con el modelo identificado debe predecir el precio de la vivienda con las características de la primera solicitud.
Con las predicciones del modelo sugiera potenciales ofertas que respondan a la solicitud de la vivienda 1. Tenga en cuenta que la empresa tiene crédito pre-aprobado de máximo 350 millones de pesos. Realice un análisis y presente en un mapa al menos 5 ofertas potenciales que debe discutir.
Realice los pasos del 1 al 6 para la segunda solicitud que tiene un crédito pre-aprobado por valor de $850 millones.
Exploración inicial de datos
En base al resumen y la estructura del conjunto de datos, se pueden destacar varios puntos importantes. El dataset contiene 8322 registros distribuidos en 13 variables. Se observa que algunas variables, como piso, estrato, preciom, areaconst, parqueaderos, banios, habitaciones, longitud y latitud, presentan valores ausentes, lo cual indica la necesidad de tratar dichos vacíos antes de realizar análisis posteriores.
Mientras que las variables zona, piso, tipo y barrio son de carácter categórico, las variables id, estrato, preciom, areaconst, parqueaderos, banios, habitaciones, longitud y latitud son numéricas. Además, se han detectado posibles inconsistencias o errores en los datos que requieren atención durante el proceso de análisis.
En resumen, este conjunto de datos ofrece información diversa sobre propiedades inmobiliarias, incluyendo aspectos de ubicación, características y precios, pero necesitará un procesamiento cuidadoso para asegurar su validez y utilidad en estudios futuros.
## 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## spc_tbl_ [8,322 × 13] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ id : num [1:8322] 1147 1169 1350 5992 1212 ...
## $ zona : chr [1:8322] "Zona Oriente" "Zona Oriente" "Zona Oriente" "Zona Sur" ...
## $ piso : chr [1:8322] NA NA NA "02" ...
## $ estrato : num [1:8322] 3 3 3 4 5 5 4 5 5 5 ...
## $ preciom : num [1:8322] 250 320 350 400 260 240 220 310 320 780 ...
## $ areaconst : num [1:8322] 70 120 220 280 90 87 52 137 150 380 ...
## $ parqueaderos: num [1:8322] 1 1 2 3 1 1 2 2 2 2 ...
## $ banios : num [1:8322] 3 2 2 5 2 3 2 3 4 3 ...
## $ habitaciones: num [1:8322] 6 3 4 3 3 3 3 4 6 3 ...
## $ tipo : chr [1:8322] "Casa" "Casa" "Casa" "Casa" ...
## $ barrio : chr [1:8322] "20 de julio" "20 de julio" "20 de julio" "3 de julio" ...
## $ longitud : num [1:8322] -76.5 -76.5 -76.5 -76.5 -76.5 ...
## $ latitud : num [1:8322] 3.43 3.43 3.44 3.44 3.46 ...
## - attr(*, "spec")=
## .. cols(
## .. id = col_double(),
## .. zona = col_character(),
## .. piso = col_character(),
## .. estrato = col_double(),
## .. preciom = col_double(),
## .. areaconst = col_double(),
## .. parqueaderos = col_double(),
## .. banios = col_double(),
## .. habitaciones = col_double(),
## .. tipo = col_character(),
## .. barrio = col_character(),
## .. longitud = col_double(),
## .. latitud = col_double()
## .. )
## - attr(*, "problems")=<externalptr>1. Realice un filtro a la base de datos
Base 1: Casas en Zona Norte
De acuerdo con los requerimientos del informe, se ha generado un subconjunto de datos enfocado exclusivamente en las ofertas de casas ubicadas en la zona norte. Este subconjunto presenta las siguientes características relevantes:
Diversidad y Completitud de Registros:
Se han extraído 722 registros, lo que evidencia una alta diversidad en las propiedades listadas. El proceso de filtrado ha sido eficaz para capturar únicamente aquellas casas situadas en la zona norte. Cabe señalar que se detectan algunos valores faltantes, lo cual es coherente con la estructura del dataset original.Amplio Rango en los Precios:
Los precios de las propiedades varían considerablemente, abarcando desde 58 hasta 1999 unidades monetarias. La mediana se sitúa cerca de 390, mientras que la media es de aproximadamente 445.9, lo que sugiere que la mayoría de las ofertas se agrupan en torno a estos valores, reflejando la heterogeneidad del mercado.Variabilidad en el Área Construida:
El área construida de las viviendas oscila entre 30 y 1745 metros cuadrados. Los valores centrales, con una mediana alrededor de 240 y una media de cerca de 264.9, indican que la mayoría de las casas tienen dimensiones que se agrupan en este rango, ofreciendo una idea clara de la distribución de tamaños.Diversidad en Otros Atributos:
Otros indicadores importantes, como el número de parqueaderos, baños y habitaciones, también muestran una dispersión significativa, alcanzando en ocasiones un máximo de 10. Estos atributos son esenciales para comprender en detalle las características y el nivel de confort de las casas en la zona norte.
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1209 | Zona Norte | 02 | 5 | 320 | 150 | 2 | 4 | 6 | Casa | acopi | -76.51341 | 3.47968 |
| 1592 | Zona Norte | 02 | 5 | 780 | 380 | 2 | 3 | 3 | Casa | acopi | -76.51674 | 3.48721 |
| 4057 | Zona Norte | 02 | 6 | 750 | 445 | NA | 7 | 6 | Casa | acopi | -76.52950 | 3.38527 |
## Estadísticas descriptivas de las ofertas de casas en la zona norte:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Min. : 58.0 | Length:722 | Length:722 | Min. :3.000 | Min. : 89.0 | Min. : 30.0 | Min. : 1.000 | Min. : 0.000 | Min. : 0.000 | Length:722 | Length:722 | Min. :-76.59 | Min. :3.333 | |
| 1st Qu.: 766.2 | Class :character | Class :character | 1st Qu.:3.000 | 1st Qu.: 261.2 | 1st Qu.: 140.0 | 1st Qu.: 1.000 | 1st Qu.: 2.000 | 1st Qu.: 3.000 | Class :character | Class :character | 1st Qu.:-76.53 | 1st Qu.:3.452 | |
| Median :2257.0 | Mode :character | Mode :character | Median :4.000 | Median : 390.0 | Median : 240.0 | Median : 2.000 | Median : 3.000 | Median : 4.000 | Mode :character | Mode :character | Median :-76.52 | Median :3.468 | |
| Mean :2574.6 | NA | NA | Mean :4.202 | Mean : 445.9 | Mean : 264.9 | Mean : 2.182 | Mean : 3.555 | Mean : 4.507 | NA | NA | Mean :-76.52 | Mean :3.460 | |
| 3rd Qu.:4225.0 | NA | NA | 3rd Qu.:5.000 | 3rd Qu.: 550.0 | 3rd Qu.: 336.8 | 3rd Qu.: 3.000 | 3rd Qu.: 4.000 | 3rd Qu.: 5.000 | NA | NA | 3rd Qu.:-76.50 | 3rd Qu.:3.482 | |
| Max. :8319.0 | NA | NA | Max. :6.000 | Max. :1940.0 | Max. :1440.0 | Max. :10.000 | Max. :10.000 | Max. :10.000 | NA | NA | Max. :-76.47 | Max. :3.496 | |
| NA | NA | NA | NA | NA | NA | NA’s :287 | NA | NA | NA | NA | NA | NA |
Gráfico de Dispersión: Precio vs. Área Construida
## Tabla de frecuencia de tipos de vivienda en la zona norte:| Var1 | Freq |
|---|---|
| Casa | 722 |
## Tabla de frecuencia de estratos en la zona norte:| Var1 | Freq |
|---|---|
| 3 | 235 |
| 4 | 161 |
| 5 | 271 |
| 6 | 55 |
## Tabla de frecuencia de barrios en la zona norte (ordenada por frecuencia descendente):| Var1 | Freq |
|---|---|
| acopi | 70 |
| brisas de los | 22 |
| alamos | 3 |
| barranquilla | 3 |
| base aérea | 2 |
| alameda del río | 1 |
| atanasio girardot | 1 |
| barrio tranquilo y | 1 |
| berlin | 1 |
| brisas del guabito | 1 |
El gráfico de dispersión evidencia una correlación positiva y robusta entre el precio de las casas y su área construida en la Zona Norte. Con un coeficiente de correlación de 0,73, se confirma que, en términos generales, un mayor espacio construido se asocia con un incremento en el precio de la vivienda.
Por otro lado, la línea de tendencia del gráfico indica que, en promedio, cada metro cuadrado adicional se traduce en un aumento de 1,35 millones de pesos en el precio, resaltando la influencia directa del área construida en el valor de la vivienda.
No obstante, la variabilidad observada en torno a esta línea demuestra que otros factores también tienen un impacto significativo. Aspectos como la ubicación precisa, la calidad de la construcción, las características específicas de cada casa y las condiciones generales del mercado inmobiliario juegan roles determinantes en la fijación del precio.
Por ello, para realizar una evaluación completa y acertada al momento de adquirir una vivienda en la Zona Norte, es imprescindible considerar en conjunto todos estos elementos.
Base 2 Casas Zona Sur
Estadísticas Descriptivas de Casas en la Zona Sur
El análisis descriptivo de las ofertas de casas en la zona sur evidencia una amplia diversidad en la información recopilada. Con un total de 1939 registros, se ha logrado filtrar correctamente el dataset para incluir únicamente aquellas viviendas ubicadas en esta zona, aunque se han detectado algunos valores faltantes, lo cual es coherente con la estructura original del conjunto de datos.
En cuanto a los precios, se observa una gran dispersión: los valores oscilan entre 77 y 1900 unidades monetarias. Tanto la mediana, que se sitúa en torno a 480, como la media, cercana a 612.3, sugieren que la mayoría de las casas se encuentran en ese rango de precios.
El análisis del área construida también refleja una notable variabilidad, con dimensiones que van desde 48 hasta 1600 metros cuadrados. Los valores centrales (mediana de aproximadamente 247 y media de 282.3) indican que la mayoría de las viviendas presentan áreas construidas en esos rangos.
Además de los precios y el área, otros atributos importantes, como el número de parqueaderos, baños y habitaciones, muestran una variación considerable, alcanzando en ocasiones un máximo de 10 unidades. Estos indicadores son esenciales para comprender las características específicas y el nivel de comodidad que ofrecen las casas en la zona sur.
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5992 | Zona Sur | 02 | 4 | 400 | 280 | 3 | 5 | 3 | Casa | 3 de julio | -76.540 | 3.435 |
| 5157 | Zona Sur | 02 | 3 | 500 | 354 | 1 | 2 | 4 | Casa | alameda | -76.535 | 3.437 |
| 5501 | Zona Sur | 02 | 3 | 175 | 102 | NA | 2 | 4 | Casa | alameda | -76.537 | 3.435 |
## Estadísticas descriptivas de las ofertas de casas en la zona sur:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Min. : 1 | Length:1939 | Length:1939 | Min. :3.000 | Min. : 77.0 | Min. : 48.0 | Min. : 1.000 | Min. : 0.000 | Min. : 0.000 | Length:1939 | Length:1939 | Min. :-76.57 | Min. :3.333 | |
| 1st Qu.:3230 | Class :character | Class :character | 1st Qu.:4.000 | 1st Qu.: 350.0 | 1st Qu.: 163.5 | 1st Qu.: 1.000 | 1st Qu.: 3.000 | 1st Qu.: 3.000 | Class :character | Class :character | 1st Qu.:-76.54 | 1st Qu.:3.368 | |
| Median :4941 | Mode :character | Mode :character | Median :5.000 | Median : 480.0 | Median : 247.0 | Median : 2.000 | Median : 4.000 | Median : 4.000 | Mode :character | Mode :character | Median :-76.53 | Median :3.389 | |
| Mean :4691 | NA | NA | Mean :4.842 | Mean : 612.3 | Mean : 282.3 | Mean : 2.415 | Mean : 4.173 | Mean : 4.514 | NA | NA | Mean :-76.53 | Mean :3.391 | |
| 3rd Qu.:6264 | NA | NA | 3rd Qu.:6.000 | 3rd Qu.: 780.0 | 3rd Qu.: 350.0 | 3rd Qu.: 3.000 | 3rd Qu.: 5.000 | 3rd Qu.: 5.000 | NA | NA | 3rd Qu.:-76.53 | 3rd Qu.:3.413 | |
| Max. :8305 | NA | NA | Max. :6.000 | Max. :1900.0 | Max. :1600.0 | Max. :10.000 | Max. :10.000 | Max. :10.000 | NA | NA | Max. :-76.46 | Max. :3.485 | |
| NA | NA | NA | NA | NA | NA | NA’s :215 | NA | NA | NA | NA | NA | NA |
Gráfico de Dispersión en la Zona Sur
El gráfico de dispersión correspondiente a la Zona Sur revela un coeficiente de correlación de 0.67, lo que evidencia una relación positiva y relativamente fuerte entre el precio y el área construida. Esto indica que, en general, un mayor espacio construido se asocia con un aumento en el precio de la vivienda.
La línea de tendencia sugiere que, en promedio, cada metro cuadrado adicional incrementa el precio en aproximadamente 1.2 millones de pesos.
No obstante, la amplia dispersión de los puntos alrededor de la línea de tendencia pone de manifiesto una considerable variabilidad en los precios, lo que implica la influencia de otros factores adicionales.
## Tabla de frecuencia de tipos de vivienda en la zona sur:| Var1 | Freq |
|---|---|
| Casa | 1939 |
## Tabla de frecuencia de estratos en la zona sur:| Var1 | Freq |
|---|---|
| 3 | 181 |
| 4 | 525 |
| 5 | 652 |
| 6 | 581 |
## Tabla de frecuencia de barrios en la zona sur (ordenada por frecuencia descendente):| Var1 | Freq |
|---|---|
| alameda | 3 |
| altos de guadalupe | 2 |
| bella suiza alta | 2 |
| 3 de julio | 1 |
| alborada | 1 |
| alférez real | 1 |
| alferez real | 1 |
| aranjuez | 1 |
| barrio eucarístico | 1 |
| belalcazar | 1 |
Base 3: Casas en Zona Oriente
El análisis descriptivo de las ofertas en la zona oriente evidencia una distribución de datos similar a la de otras zonas. Este subconjunto, conformado por 289 registros, muestra una considerable variabilidad en los atributos evaluados. Al igual que en otros conjuntos, se han detectado algunos valores faltantes, lo cual es consistente con la estructura original del dataset.
En cuanto a los precios, se observa una amplia dispersión: los valores fluctúan entre 80 y 750 unidades monetarias. Tanto la mediana, situada en 235, como la media, en 244.8, indican que la mayoría de las propiedades se concentran en este rango de precios.
El análisis del área construida revela también una diversidad significativa, con valores que varían desde 40 hasta 1745 metros cuadrados. Los valores centrales —una mediana de 179 y una media de 213.4 metros cuadrados— sugieren que la mayoría de las viviendas presentan áreas construidas en torno a estos parámetros.
Adicionalmente, otros atributos relevantes, como el número de parqueaderos, baños y habitaciones, muestran variaciones notables, alcanzando en algunos casos un máximo de 10 unidades, lo que nos ayuda para comprender las características y el nivel de equipamiento de las casas en la zona oriente.
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1147 | Zona Oriente | NA | 3 | 250 | 70 | 1 | 3 | 6 | Casa | 20 de julio | -76.51168 | 3.43382 |
| 1169 | Zona Oriente | NA | 3 | 320 | 120 | 1 | 2 | 3 | Casa | 20 de julio | -76.51237 | 3.43369 |
| 1350 | Zona Oriente | NA | 3 | 350 | 220 | 2 | 2 | 4 | Casa | 20 de julio | -76.51537 | 3.43566 |
## Estadísticas descriptivas de las ofertas de casas en la zona Oriente:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Min. : 21 | Length:289 | Length:289 | Min. :3.000 | Min. : 80.0 | Min. : 40.0 | Min. :1.00 | Min. : 0.000 | Min. : 0.000 | Length:289 | Length:289 | Min. :-76.56 | Min. :3.389 | |
| 1st Qu.: 424 | Class :character | Class :character | 1st Qu.:3.000 | 1st Qu.:160.0 | 1st Qu.: 122.0 | 1st Qu.:1.00 | 1st Qu.: 2.000 | 1st Qu.: 3.000 | Class :character | Class :character | 1st Qu.:-76.52 | 1st Qu.:3.423 | |
| Median : 972 | Mode :character | Mode :character | Median :3.000 | Median :235.0 | Median : 179.0 | Median :1.00 | Median : 3.000 | Median : 5.000 | Mode :character | Mode :character | Median :-76.51 | Median :3.438 | |
| Mean :1277 | NA | NA | Mean :3.028 | Mean :244.8 | Mean : 213.4 | Mean :1.39 | Mean : 2.965 | Mean : 5.318 | NA | NA | Mean :-76.51 | Mean :3.434 | |
| 3rd Qu.:1345 | NA | NA | 3rd Qu.:3.000 | 3rd Qu.:310.0 | 3rd Qu.: 252.0 | 3rd Qu.:2.00 | 3rd Qu.: 4.000 | 3rd Qu.: 7.000 | NA | NA | 3rd Qu.:-76.50 | 3rd Qu.:3.449 | |
| Max. :8271 | NA | NA | Max. :5.000 | Max. :750.0 | Max. :1745.0 | Max. :6.00 | Max. :10.000 | Max. :10.000 | NA | NA | Max. :-76.47 | Max. :3.490 | |
| NA | NA | NA | NA | NA | NA | NA’s :148 | NA | NA | NA | NA | NA | NA |
## Tabla de frecuencia de tipos de vivienda en la zona oriente:| Var1 | Freq |
|---|---|
| Casa | 289 |
## Tabla de frecuencia de estratos en la zona oriente:| Var1 | Freq |
|---|---|
| 3 | 282 |
| 4 | 6 |
| 5 | 1 |
## Tabla de frecuencia de barrios en la zona oriente (ordenada por frecuencia descendente):| Var1 | Freq |
|---|---|
| alfonso lópez | 19 |
| atanasio girardot | 7 |
| 20 de julio | 3 |
| antonio nariño | 2 |
| agua blanca | 1 |
| aguablanca | 1 |
| alfonso lopez | 1 |
| alfonso lópez i | 1 |
| arboleda campestre candelaria | 1 |
| autopista sur | 1 |
Análisis del Gráfico de Dispersión en la Zona Oriente
El análisis del gráfico de dispersión en la Zona Oriente muestra una correlación positiva moderada entre el precio y el área construida, con un coeficiente de 0.41. Esto indica que, aunque existe una relación directa en la que a mayor área corresponde un mayor precio, el impacto del área construida sobre el valor de la vivienda es menos pronunciado que en las zonas Norte y Sur.
Por otro lado, la línea de tendencia revela que, en promedio, cada metro cuadrado adicional se traduce en un aumento de aproximadamente 0.7 millones de pesos en el precio. Sin embargo, la notable dispersión de los puntos en torno a esta línea evidencia una variabilidad considerable en los precios, lo que sugiere que otros factores también están influyendo en la determinación del valor.
Esta variabilidad en los precios puede explicarse por la influencia de otros elementos críticos, tales como la ubicación precisa de la propiedad, la calidad de la construcción, las características particulares de cada vivienda y las condiciones específicas del mercado inmobiliario en la Zona Oriente.
Base 4: Casas en Zona Oeste
El análisis descriptivo de las ofertas de casas en la zona oeste muestra una notable diversidad en la información. Este subconjunto consta de 169 registros, lo que evidencia una amplia variabilidad en los atributos analizados. Al igual que en otras zonas, se han identificado algunos valores faltantes, lo cual es coherente con la estructura original del dataset.
En cuanto a los precios, se observa un rango amplio que varía desde 135 hasta 1999 unidades monetarias. Tanto la mediana (aproximadamente 680) como la media (alrededor de 736.4) indican que la mayoría de las viviendas se encuentran en ese rango de precios, reflejando la heterogeneidad del mercado en esta zona.
El estudio del área construida también resalta una considerable diversidad, con valores que oscilan entre 55 y 1200 metros cuadrados. Los valores centrales, con una mediana de cerca de 300 y una media de aproximadamente 343.2 metros cuadrados, sugieren que la mayoría de las casas presentan áreas construidas en torno a estos parámetros.
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6928 | Zona Oeste | 03 | 6 | 1850 | 302 | 4 | 4 | 3 | Casa | aguacatal | -76.54600 | 3.44400 |
| 7510 | Zona Oeste | 03 | 6 | 1950 | 400 | 4 | 5 | 3 | Casa | aguacatal | -76.55000 | 3.45600 |
| 7586 | Zona Oeste | 03 | 6 | 870 | 275 | 3 | 5 | 4 | Casa | aguacatal | -76.55074 | 3.45649 |
## Estadísticas descriptivas de las ofertas de casas en la zona Oeste:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Min. : 2 | Length:169 | Length:169 | Min. :3.000 | Min. : 135.0 | Min. : 55.0 | Min. :1.000 | Min. :0.00 | Min. : 0.000 | Length:169 | Length:169 | Min. :-76.57 | Min. :3.398 | |
| 1st Qu.:5836 | Class :character | Class :character | 1st Qu.:4.000 | 1st Qu.: 430.0 | 1st Qu.: 233.0 | 1st Qu.:1.000 | 1st Qu.:3.00 | 1st Qu.: 4.000 | Class :character | Class :character | 1st Qu.:-76.55 | 1st Qu.:3.437 | |
| Median :6725 | Mode :character | Mode :character | Median :5.000 | Median : 680.0 | Median : 300.0 | Median :2.000 | Median :4.00 | Median : 4.000 | Mode :character | Mode :character | Median :-76.54 | Median :3.444 | |
| Mean :6235 | NA | NA | Mean :4.899 | Mean : 736.4 | Mean : 343.2 | Mean :2.311 | Mean :4.26 | Mean : 4.645 | NA | NA | Mean :-76.54 | Mean :3.443 | |
| 3rd Qu.:7332 | NA | NA | 3rd Qu.:6.000 | 3rd Qu.: 930.0 | 3rd Qu.: 435.0 | 3rd Qu.:3.000 | 3rd Qu.:5.00 | 3rd Qu.: 5.000 | NA | NA | 3rd Qu.:-76.54 | 3rd Qu.:3.451 | |
| Max. :8311 | NA | NA | Max. :6.000 | Max. :1999.0 | Max. :1200.0 | Max. :7.000 | Max. :9.00 | Max. :10.000 | NA | NA | Max. :-76.46 | Max. :3.494 | |
| NA | NA | NA | NA | NA | NA | NA’s :37 | NA | NA | NA | NA | NA | NA |
## Tabla de frecuencia de tipos de vivienda en la zona Oeste:| Var1 | Freq |
|---|---|
| Casa | 169 |
## Tabla de frecuencia de estratos en la zona Oeste:| Var1 | Freq |
|---|---|
| 3 | 25 |
| 4 | 26 |
| 5 | 59 |
| 6 | 59 |
## Tabla de frecuencia de barrios en la zona oeste (ordenada por frecuencia descendente):| Var1 | Freq |
|---|---|
| aguacatal | 11 |
| cristales | 10 |
| bella suiza | 7 |
| bellavista | 7 |
| el peñon | 4 |
| altos de guadalupe | 1 |
| bella suiza alta | 1 |
| el nacional | 1 |
| juanamb√∫ | 1 |
| la cascada | 1 |
Análisis del Gráfico de Dispersión en la Zona Oeste
El gráfico de dispersión para la Zona Oeste evidencia una correlación moderadamente positiva entre el precio y el área construida, con un coeficiente de 0.59. Esto implica que, si bien existe una relación directa entre estas variables, el área construida no determina de manera exclusiva el precio de las viviendas.
Por otro lado, la línea de tendencia indica que, en promedio, cada metro cuadrado adicional se asocia con un incremento de 0.95 millones de pesos en el precio. No obstante, la marcada dispersión de los puntos alrededor de esta línea revela una variabilidad considerable en los precios, lo que sugiere la influencia de otros factores adicionales.
Base 5 Casas Zona Centro
El análisis descriptivo de las ofertas de casas en la zona centro revela una gran diversidad en los datos, en donde, con un total de 100 registros, se observa una variabilidad significativa en los atributos evaluados, y, al igual que en otras zonas, se identifican algunos valores faltantes, lo cual es consistente con la estructura original del dataset.
Respecto a los precios, se destaca una amplia dispersión: los valores oscilan entre 148 y 1100 unidades monetarias. Tanto la mediana, en torno a 310, como la media, aproximadamente 339.2, indican que la mayoría de las casas se agrupan en este rango de precios.
Asimismo, el análisis del área construida muestra una notable diversidad, con dimensiones que varían desde 74 hasta 750 \(m^2\). Los valores centrales—una mediana cercana a 200 y una media de aproximadamente 217.8 \(m^2\), sugieren que la mayoría de las viviendas tienen áreas construidas en esos intervalos.
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5298 | Zona Centro | 01 | 3 | 650 | 240 | 2 | 4 | 4 | Casa | alameda | -76.53564 | 3.43521 |
| 5107 | Zona Centro | 02 | 4 | 400 | 460 | NA | 5 | 7 | Casa | alameda | -76.53471 | 3.43627 |
| 5117 | Zona Centro | 02 | 3 | 380 | 290 | NA | 4 | 8 | Casa | alameda | -76.53481 | 3.43712 |
## Estadísticas descriptivas de las ofertas de casas en la zona Centro:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Min. : 572 | Length:100 | Length:100 | Min. :3.00 | Min. : 148.0 | Min. : 74.0 | Min. :1.000 | Min. :0.00 | Min. : 0.00 | Length:100 | Length:100 | Min. :-76.54 | Min. :3.398 | |
| 1st Qu.:2976 | Class :character | Class :character | 1st Qu.:3.00 | 1st Qu.: 238.8 | 1st Qu.:146.5 | 1st Qu.:1.000 | 1st Qu.:2.00 | 1st Qu.: 3.00 | Class :character | Class :character | 1st Qu.:-76.53 | 1st Qu.:3.436 | |
| Median :3739 | Mode :character | Mode :character | Median :3.00 | Median : 310.0 | Median :200.0 | Median :1.000 | Median :3.00 | Median : 5.00 | Mode :character | Mode :character | Median :-76.53 | Median :3.439 | |
| Mean :3816 | NA | NA | Mean :3.12 | Mean : 339.2 | Mean :217.8 | Mean :1.481 | Mean :3.01 | Mean : 5.11 | NA | NA | Mean :-76.53 | Mean :3.440 | |
| 3rd Qu.:4765 | NA | NA | 3rd Qu.:3.00 | 3rd Qu.: 382.5 | 3rd Qu.:265.5 | 3rd Qu.:1.750 | 3rd Qu.:4.00 | 3rd Qu.: 7.00 | NA | NA | 3rd Qu.:-76.52 | 3rd Qu.:3.444 | |
| Max. :6662 | NA | NA | Max. :6.00 | Max. :1100.0 | Max. :750.0 | Max. :6.000 | Max. :9.00 | Max. :10.00 | NA | NA | Max. :-76.50 | Max. :3.477 | |
| NA | NA | NA | NA | NA | NA | NA’s :46 | NA | NA | NA | NA | NA | NA |
## Tabla de frecuencia de tipos de vivienda en la zona Centro:| Var1 | Freq |
|---|---|
| Casa | 100 |
## Tabla de frecuencia de estratos en la zona Centro:| Var1 | Freq |
|---|---|
| 3 | 91 |
| 4 | 7 |
| 5 | 1 |
| 6 | 1 |
## Tabla de frecuencia de barrios en la zona oriente (ordenada por frecuencia descendente):| Var1 | Freq |
|---|---|
| aranjuez | 14 |
| bretaña | 11 |
| alameda | 9 |
| centro | 3 |
| belalcazar | 2 |
| benjamín herrera | 2 |
| barrio obrero | 1 |
| Belalcazar | 1 |
| colseguros | 1 |
| el troncal | 1 |
Gráfico de Dispersión: Zona Centro
El gráfico de dispersión correspondiente a la Zona Centro muestra una correlación moderada y positiva entre el precio y el área construida, evidenciada por un coeficiente de 0.53. Aunque se observa que, en general, a mayor área corresponde un mayor precio, la influencia del área construida en el valor de las viviendas es menos determinante que en otras zonas. La línea de tendencia sugiere que, en promedio, cada metro cuadrado adicional incrementa el precio en 0.85 millones de pesos. Sin embargo, la amplia dispersión de los puntos alrededor de esta línea destaca una variabilidad significativa en los precios, lo que indica la posible intervención de otros factores en la determinación de los valores.
Momento de discusión
Visualización de la Distribución Geográfica por Zona
A continuación, el siguiente mapa ofrece una visión global de cómo se distribuyen las casas según la zona registrada en el dataset. En este, se puede observar que ciertos barrios, basándose en sus coordenadas, se agrupan en la misma zona. Esta coincidencia podría ser atribuida a errores en el registro de las coordenadas (longitud y latitud) o a equivocaciones en la asignación de la variable “barrio” durante el proceso de captura de datos en el sistema de información.
2. EDA
Correlación del Precio de la Casa con Otras Variables
En este apartado se presenta un análisis exploratorio de datos (EDA) enfocado en estudiar la relación entre el precio de las viviendas (variable respuesta: preciom) y diversas variables predictoras: área construida (areaconst), estrato, número de baños (banios), número de habitaciones y la zona en la que se ubica la vivienda.
Como resultado del análisis de correlación realizado para el tipo de vivienda “Casa”, se han generado dos tipos de gráficos que ayudan a visualizar estas relaciones:
Gráfico de Dispersión:
Este gráfico se utiliza para examinar la relación entre dos variables cuantitativas. En este contexto, se han trazado gráficos que muestran la relación entre el precio y cada una de las siguientes variables: área construida, estrato, número de baños y número de habitaciones. Cada punto en el gráfico representa una observación del conjunto de datos, donde la posición en los ejes x e y indica los valores correspondientes de las dos variables analizadas.Diagrama de Caja y Bigotes (Boxplot):
Este gráfico permite visualizar la distribución de una variable numérica en función de los distintos niveles de una variable categórica. En este caso, se ha utilizado para representar la distribución de los precios de las viviendas (preciom) en cada una de las zonas. Este tipo de visualización facilita la identificación de la mediana, los cuartiles y posibles valores atípicos en cada categoría de zona.
## preciom areaconst estrato habitaciones parqueaderos
## preciom 1.00000000 0.6529498 0.6658021 0.09683573 NA
## areaconst 0.65294983 1.0000000 0.3701747 0.28660204 NA
## estrato 0.66580209 0.3701747 1.0000000 -0.11405430 NA
## habitaciones 0.09683573 0.2866020 -0.1140543 1.00000000 NA
## parqueaderos NA NA NA NA 1
## banios 0.55810021 0.4871721 0.4488832 0.47574058 NA
## banios
## preciom 0.5581002
## areaconst 0.4871721
## estrato 0.4488832
## habitaciones 0.4757406
## parqueaderos NA
## banios 1.0000000
En base a lo anterior, se puede apreciar que la variable estrato presenta la correlación más alta con preciom (0.6658), seguida de cerca por areaconst (0.6529) y banios (0.5581). Estos coeficientes indican que existe una relación positiva, de moderada a fuerte, entre el precio de la vivienda y estas características, lo que sugiere que a mayor estrato, mayor área construida o mayor número de baños, se tiende a observar un incremento en el precio.
3. Estimación de un modelo de regresión lineal múltiple
##
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitaciones + parqueaderos +
## banios, data = vivienda_casa)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1190.80 -114.52 -25.94 74.59 986.16
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -413.87536 25.58852 -16.174 < 2e-16 ***
## areaconst 0.74227 0.02941 25.235 < 2e-16 ***
## estrato 116.07109 5.26618 22.041 < 2e-16 ***
## habitaciones -14.74995 3.18137 -4.636 3.73e-06 ***
## parqueaderos 64.29943 3.47719 18.492 < 2e-16 ***
## banios 39.03498 4.05083 9.636 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 205.2 on 2480 degrees of freedom
## (733 observations deleted due to missingness)
## Multiple R-squared: 0.6834, Adjusted R-squared: 0.6828
## F-statistic: 1071 on 5 and 2480 DF, p-value: < 2.2e-16## [1] 0.6833953A continuación se presenta la interpretación detallada de los coeficientes estimados:
Intercepto:
El coeficiente del intercepto es -413.87536. Esto indica que, en el hipotético caso en que todas las variables predictoras fueran iguales a cero, el precio estimado de la vivienda sería de -413.87536 unidades monetarias. Dado que esta situación no resulta realista en la práctica, este valor no posee un significado práctico y se le presta poca atención en la interpretación del modelo.Área Construida:
Con un coeficiente de 0.74227, se interpreta que, manteniendo constantes las demás variables, cada unidad adicional en el área construida se asocia con un incremento de 0.74227 unidades monetarias en el precio de la vivienda.Estrato:
El coeficiente para el estrato es 116.07109. Esto sugiere que, al aumentar en una unidad el estrato (con las demás variables fijas), el precio estimado de la vivienda incrementa en 116.07109 unidades monetarias.Número de Cuartos (Habitaciones):
El coeficiente de -14.74995 para el número de cuartos indica que, manteniendo constantes las otras variables, cada habitación adicional se asocia con una disminución de 14.74995 unidades monetarias en el precio estimado. Este resultado sugiere que, en este contexto, agregar cuartos podría estar correlacionado con ciertos aspectos que reducen el precio, o puede reflejar la presencia de otras variables no consideradas.Número de Parqueaderos:
Con un coeficiente de 64.29943, se deduce que cada parqueadero adicional incrementa el precio de la vivienda en 64.29943 unidades monetarias, al mantener constantes las demás características.Número de Baños:
Finalmente, el coeficiente de 39.03498 para el número de baños implica que, controlando por las demás variables, cada baño adicional se asocia con un aumento de 39.03498 unidades monetarias en el precio de la vivienda.
Gráfico de residuos vs. valores ajustados
Gráfico de distribución de los residuos
Gráfico de efectos parciales
Gráficos de dispersión con línea de regresión
Interpretación del coeficiente R²
El coeficiente de determinación (R²) es de aproximadamente 0.6834, lo que significa que cerca del 68.34% de la variabilidad en el precio de la vivienda se puede explicar mediante las variables independientes incluidas en el modelo. Este valor indica que el ajuste del modelo a los datos es bueno.
Discusión sobre el ajuste del modelo e implicaciones:
Un R² relativamente alto sugiere que el modelo de regresión lineal múltiple captura una parte significativa de la variabilidad en el precio de las propiedades utilizando las variables seleccionadas. Sin embargo, siempre existe la posibilidad de mejorar el modelo.
Se podría considerar la inclusión de variables adicionales relevantes, como la ubicación geográfica precisa, la antigüedad de la propiedad o características específicas del vecindario, lo que podría aumentar la capacidad predictiva del modelo y explicar aún más la variación en los precios. Además, explorar transformaciones de las variables existentes o utilizar técnicas de modelado más avanzadas puede ayudar a perfeccionar la precisión del modelo.
4. Validación de supuestos
Esta sección se enfoca en evaluar dos supuestos fundamentales del análisis de regresión lineal mediante pruebas estadísticas específicas:
Normalidad de los Residuos:
Se utiliza la prueba de Shapiro-Wilk para determinar si los residuos del modelo se ajustan a una distribución normal. Este supuesto es esencial porque el análisis de regresión asume que los errores se distribuyen normalmente. Si los residuos se desvían de la normalidad, podría ser un indicio de que el modelo no está capturando adecuadamente la estructura subyacente de los datos o que existen factores adicionales no considerados.Homocedasticidad de los Residuos:
La prueba de Breusch-Pagan evalúa si la varianza de los residuos se mantiene constante a lo largo de los niveles de las variables independientes. La homocedasticidad implica que la dispersión de los errores es uniforme en todas las condiciones del modelo. En cambio, si se detecta heterocedasticidad, es decir, variaciones en la varianza de los residuos, esto podría afectar la precisión de las estimaciones y la validez de las pruebas de hipótesis, sugiriendo la necesidad de revisar o ajustar el modelo.
##
## Shapiro-Wilk normality test
##
## data: residuos
## W = 0.89699, p-value < 2.2e-16##
## studentized Breusch-Pagan test
##
## data: modelo_rlm_casa
## BP = 321.2, df = 5, p-value < 2.2e-16Basado en el análisis de los residuos del modelo de regresión lineal, se concluye que, aunque los residuos no siguen una distribución normal perfecta —como lo indica la prueba de Shapiro-Wilk— la desviación no es severa, posiblemente debido al gran tamaño de la muestra. Asimismo, la prueba de Breusch-Pagan no encontró evidencia de heterocedasticidad, lo que sugiere que la varianza de los errores se mantiene constante a lo largo de los niveles de las variables independientes.
5. Predección del precio de la vivienda
## index precio_predicho
## 1 1 282.1364
## 2 2 296.9818
## 3 3 346.4359
## 5 5 321.1714
## 6 6 336.0168
## 9 9 267.3865
## 10 10 282.2318
## 11 11 331.6859
## 12 12 346.5312
## 13 13 306.4215
## 14 14 321.26686. Ofertas Potenciales
Los resultados muestran las características de las primeras cinco viviendas potenciales que cumplen con las condiciones establecidas, asegurando que su precio estimado no exceda el límite del crédito preaprobado para la nueva vivienda. A continuación, se describen las principales características de estas opciones:
Área Construida:
Las viviendas cuentan con áreas que varían entre 180 y 200 metros cuadrados.Parqueaderos:
Todas las viviendas disponen de al menos un parqueadero, siendo que una de ellas ofrece dos.Baños:
La cantidad de baños oscila entre 2 y 3.Habitaciones:
Se presentan viviendas con 3 o 4 habitaciones.Estrato:
Todas las opciones se ubican en el estrato 4.Zona:
Las viviendas están localizadas en la Zona Norte.Precio Estimado:
Los precios estimados se sitúan entre 282.1364 y 346.4359 millones de pesos.
Estos resultados son de gran utilidad para presentar a María las primeras alternativas de viviendas que cumplen con los criterios establecidos y se ajustan al presupuesto disponible.
## areaconst parqueaderos banios habitaciones estrato zona precio_estimado
## 1 180 1 2 3 4 Zona Norte 282.1364
## 2 200 1 2 3 4 Zona Norte 296.9818
## 3 180 2 2 3 4 Zona Norte 346.4359
## 5 180 1 3 3 4 Zona Norte 321.1714
## 6 200 1 3 3 4 Zona Norte 336.01687. Escenario de crédito pre-aprobado para tipo de vivienda Apartamento
Segmentación por zonas
Base 1 Apartamentos Zona Norte
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1212 | Zona Norte | 01 | 5 | 260 | 90 | 1 | 2 | 3 | Apartamento | acopi | -76.51350 | 3.45891 |
| 1724 | Zona Norte | 01 | 5 | 240 | 87 | 1 | 3 | 3 | Apartamento | acopi | -76.51700 | 3.36971 |
| 2326 | Zona Norte | 01 | 4 | 220 | 52 | 2 | 2 | 3 | Apartamento | acopi | -76.51974 | 3.42627 |
Base 2 Apartamentos Zona Sur
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5098 | Zona Sur | 05 | 4 | 290 | 96 | 1 | 2 | 3 | Apartamento | acopi | -76.53464 | 3.44987 |
| 698 | Zona Sur | 02 | 3 | 78 | 40 | 1 | 1 | 2 | Apartamento | aguablanca | -76.50100 | 3.40000 |
| 8199 | Zona Sur | NA | 6 | 875 | 194 | 2 | 5 | 3 | Apartamento | aguacatal | -76.55700 | 3.45900 |
Base 2 Apartamentos Zona Oeste
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6999 | Zona Oeste | 01 | 6 | 870 | 200 | 2 | 5 | 3 | Apartamento | aguacatal | -76.54666 | 3.44624 |
| 8037 | Zona Oeste | 01 | 4 | 130 | 50 | NA | 1 | 3 | Apartamento | aguacatal | -76.55409 | 3.44338 |
| 8055 | Zona Oeste | 01 | 4 | 165 | 61 | 1 | 2 | 3 | Apartamento | aguacatal | -76.55447 | 3.45783 |
Base 2 Apartamentos Zona Oriente
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 82 | Zona Oriente | 01 | 3 | 115 | 111 | 1 | 2 | 4 | Apartamento | alfonso lópez | -76.48141 | 3.45379 |
| 78 | Zona Oriente | 02 | 3 | 58 | 50 | 1 | 1 | 2 | Apartamento | alfonso lópez | -76.47978 | 3.45131 |
| 999 | Zona Oriente | 02 | 3 | 135 | 120 | NA | 2 | 4 | Apartamento | atanasio girardot | -76.50737 | 3.44454 |
Base 2 Apartamentos Zona Centro
## Primeros 3 registros de la base de datos filtrada:| id | zona | piso | estrato | preciom | areaconst | parqueaderos | banios | habitaciones | tipo | barrio | longitud | latitud |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4654 | Zona Centro | 03 | 3 | 100 | 70.00 | NA | 2 | 3 | Apartamento | alameda | -76.53200 | 3.45200 |
| 4408 | Zona Centro | 05 | 3 | 120 | 84.00 | 1 | 2 | 3 | Apartamento | alameda | -76.53123 | 3.44011 |
| 4395 | Zona Centro | 04 | 3 | 125 | 66.76 | NA | 2 | 3 | Apartamento | bretaña | -76.53111 | 3.44034 |
Análisis Comparativo por Zonas
Basado en la información generada y el análisis del gráfico de dispersión, se observan las siguientes tendencias:
- Zona Oeste:
- Se aprecia la mayor concentración de puntos en la parte superior
derecha del gráfico, lo que indica que esta zona tiene una elevada
cantidad de propiedades con precios altos y amplias áreas
construidas.
- Además, el rango de precios en la zona oeste es el más alto, y cuenta con el coeficiente de correlación más fuerte (0.82), sugiriendo una relación estrecha entre el precio y el área construida.
- Se aprecia la mayor concentración de puntos en la parte superior
derecha del gráfico, lo que indica que esta zona tiene una elevada
cantidad de propiedades con precios altos y amplias áreas
construidas.
- Zona Sur y Zona Norte:
- La Zona Sur presenta un coeficiente de correlación de 0.76, similar
al de la Zona Norte, sin embargo, el rango de precios en la Zona Sur es
ligeramente inferior.
- Aunque la Zona Norte tiene un rango de precios comparable al de la Zona Sur, se observa una menor concentración de puntos en la parte superior derecha del gráfico, lo que podría implicar una menor cantidad de propiedades con precios muy altos y áreas muy amplias.
- La Zona Sur presenta un coeficiente de correlación de 0.76, similar
al de la Zona Norte, sin embargo, el rango de precios en la Zona Sur es
ligeramente inferior.
- Zona Oriente:
- Es la que muestra los precios más bajos en general.
- Aunque se detecta la presencia de un dato atípico en el gráfico, este no altera la tendencia general de precios bajos.
- Es la que muestra los precios más bajos en general.
- Zona Centro:
- Ofrece precios intermedios en comparación con las otras zonas.
- Se observa una menor oferta inmobiliaria de tipo apartamento, lo que podría estar relacionado con la dinámica comercial particular de esta área, favoreciendo un perfil de vivienda residencial diferente.
- Ofrece precios intermedios en comparación con las otras zonas.
Finalmente, es importante destacar que, al igual que se ha observado en los datos del tipo de vivienda “Casa”, se evidencia un posible error humano en la asignación de la zona o en el registro de las coordenadas (longitud y latitud). Esto se aprecia en el último gráfico, donde se observan traslapos en los colores, especialmente en la parte superior del mapa, lo que indic
Analisis exploratorio
## id zona piso estrato
## Min. : 3 Length:5100 Length:5100 Min. :3.000
## 1st Qu.:2180 Class :character Class :character 1st Qu.:4.000
## Median :4158 Mode :character Mode :character Median :5.000
## Mean :4284 Mean :4.727
## 3rd Qu.:6556 3rd Qu.:6.000
## Max. :8317 Max. :6.000
##
## preciom areaconst parqueaderos banios
## Min. : 58.0 Min. : 35.0 Min. : 1.000 Min. :0.000
## 1st Qu.: 175.0 1st Qu.: 68.0 1st Qu.: 1.000 1st Qu.:2.000
## Median : 279.0 Median : 90.0 Median : 1.000 Median :2.000
## Mean : 366.9 Mean :112.8 Mean : 1.568 Mean :2.617
## 3rd Qu.: 430.0 3rd Qu.:130.0 3rd Qu.: 2.000 3rd Qu.:3.000
## Max. :1950.0 Max. :932.0 Max. :10.000 Max. :8.000
## NA's :869
## habitaciones tipo barrio longitud
## Min. :0.000 Length:5100 Length:5100 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 :2.971 Mean :-76.53
## 3rd Qu.:3.000 3rd Qu.:-76.52
## Max. :9.000 Max. :-76.46
##
## latitud
## Min. :3.334
## 1st Qu.:3.380
## Median :3.419
## Mean :3.419
## 3rd Qu.:3.453
## Max. :3.498
## ## tibble [5,100 × 13] (S3: tbl_df/tbl/data.frame)
## $ id : num [1:5100] 1212 1724 2326 4386 7497 ...
## $ zona : chr [1:5100] "Zona Norte" "Zona Norte" "Zona Norte" "Zona Norte" ...
## $ piso : chr [1:5100] "01" "01" "01" "01" ...
## $ estrato : num [1:5100] 5 5 4 5 6 4 5 3 3 6 ...
## $ preciom : num [1:5100] 260 240 220 310 520 320 385 100 175 820 ...
## $ areaconst : num [1:5100] 90 87 52 137 98 108 103 49 80 377 ...
## $ parqueaderos: num [1:5100] 1 1 2 2 2 2 2 NA 1 1 ...
## $ banios : num [1:5100] 2 3 2 3 2 3 2 1 2 4 ...
## $ habitaciones: num [1:5100] 3 3 3 4 2 3 3 2 3 4 ...
## $ tipo : chr [1:5100] "Apartamento" "Apartamento" "Apartamento" "Apartamento" ...
## $ barrio : chr [1:5100] "acopi" "acopi" "acopi" "acopi" ...
## $ longitud : num [1:5100] -76.5 -76.5 -76.5 -76.5 -76.5 ...
## $ latitud : num [1:5100] 3.46 3.37 3.43 3.38 3.44 ...## id estrato preciom areaconst
## Min. : 3 Min. :3.000 Min. : 58.0 Min. : 35.0
## 1st Qu.:2180 1st Qu.:4.000 1st Qu.: 175.0 1st Qu.: 68.0
## Median :4158 Median :5.000 Median : 279.0 Median : 90.0
## Mean :4284 Mean :4.727 Mean : 366.9 Mean :112.8
## 3rd Qu.:6556 3rd Qu.:6.000 3rd Qu.: 430.0 3rd Qu.:130.0
## Max. :8317 Max. :6.000 Max. :1950.0 Max. :932.0
##
## parqueaderos banios habitaciones longitud
## Min. : 1.000 Min. :0.000 Min. :0.000 Min. :-76.59
## 1st Qu.: 1.000 1st Qu.:2.000 1st Qu.:3.000 1st Qu.:-76.54
## Median : 1.000 Median :2.000 Median :3.000 Median :-76.53
## Mean : 1.568 Mean :2.617 Mean :2.971 Mean :-76.53
## 3rd Qu.: 2.000 3rd Qu.:3.000 3rd Qu.:3.000 3rd Qu.:-76.52
## Max. :10.000 Max. :8.000 Max. :9.000 Max. :-76.46
## NA's :869
## latitud
## Min. :3.334
## 1st Qu.:3.380
## Median :3.419
## Mean :3.419
## 3rd Qu.:3.453
## Max. :3.498
## ## < table of extent 0 x 0 >
## $preciom
## Df Sum Sq Mean Sq F value Pr(>F)
## zona 4 118380819 29595205 489.3 <2e-16 ***
## Residuals 5095 308139573 60479
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $areaconst
## Df Sum Sq Mean Sq F value Pr(>F)
## zona 4 4566161 1141540 291.3 <2e-16 ***
## Residuals 5095 19963328 3918
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $estrato
## Df Sum Sq Mean Sq F value Pr(>F)
## zona 4 1156 289.03 396.3 <2e-16 ***
## Residuals 5095 3715 0.73
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $banios
## Df Sum Sq Mean Sq F value Pr(>F)
## zona 4 827 206.79 210.9 <2e-16 ***
## Residuals 5095 4996 0.98
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## $habitaciones
## Df Sum Sq Mean Sq F value Pr(>F)
## zona 4 18 4.508 9.935 5.25e-08 ***
## Residuals 5095 2312 0.454
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1| Name | vivienda_apartamento |
| Number of rows | 5100 |
| Number of columns | 13 |
| _______________________ | |
| Column type frequency: | |
| character | 4 |
| numeric | 9 |
| ________________________ | |
| Group variables | None |
Variable type: character
| skim_variable | n_missing | complete_rate | min | max | empty | n_unique | whitespace |
|---|---|---|---|---|---|---|---|
| zona | 0 | 1.00 | 8 | 12 | 0 | 5 | 0 |
| piso | 1381 | 0.73 | 2 | 2 | 0 | 12 | 0 |
| tipo | 0 | 1.00 | 11 | 11 | 0 | 1 | 0 |
| barrio | 0 | 1.00 | 4 | 29 | 0 | 289 | 0 |
Variable type: numeric
| skim_variable | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|
| id | 0 | 1.00 | 4284.03 | 2449.82 | 3.00 | 2179.75 | 4158.50 | 6556.25 | 8317.00 | ▆▇▆▆▇ |
| estrato | 0 | 1.00 | 4.73 | 0.98 | 3.00 | 4.00 | 5.00 | 6.00 | 6.00 | ▃▆▁▇▆ |
| preciom | 0 | 1.00 | 366.94 | 289.22 | 58.00 | 175.00 | 279.00 | 430.00 | 1950.00 | ▇▂▁▁▁ |
| areaconst | 0 | 1.00 | 112.78 | 69.36 | 35.00 | 68.00 | 90.00 | 130.00 | 932.00 | ▇▁▁▁▁ |
| parqueaderos | 869 | 0.83 | 1.57 | 0.74 | 1.00 | 1.00 | 1.00 | 2.00 | 10.00 | ▇▁▁▁▁ |
| banios | 0 | 1.00 | 2.62 | 1.07 | 0.00 | 2.00 | 2.00 | 3.00 | 8.00 | ▁▇▂▁▁ |
| habitaciones | 0 | 1.00 | 2.97 | 0.68 | 0.00 | 3.00 | 3.00 | 3.00 | 9.00 | ▁▇▂▁▁ |
| longitud | 0 | 1.00 | -76.53 | 0.02 | -76.59 | -76.54 | -76.53 | -76.52 | -76.46 | ▁▅▇▂▁ |
| latitud | 0 | 1.00 | 3.42 | 0.04 | 3.33 | 3.38 | 3.42 | 3.45 | 3.50 | ▂▇▅▇▅ |
Interpretación del Modelo
El modelo de regresión lineal múltiple ajustado se expresa de la siguiente manera:
\[ \text{Precio} = \beta_0 + \beta_1 \times \text{Área Construida} + \beta_2 \times \text{Estrato} + \beta_3 \times \text{Parqueaderos} + \beta_4 \times \text{Baños} + \beta_5 \times \text{Habitaciones} + \varepsilon \]
Donde:
- \(\beta_0\) (Intercepto): Representa el precio estimado cuando todas las variables independientes son cero.
- \(\beta_1, \beta_2, \beta_3, \beta_4, \beta_5\) (Coeficientes de Regresión): Cada uno de estos coeficientes indica el cambio esperado en el precio ante un incremento unitario en la variable correspondiente, manteniendo constantes las demás variables.
- \(\varepsilon\) (Término de Error): Captura la variabilidad en el precio que no es explicada por el modelo.
Este modelo permite estimar el precio de una vivienda basándose en sus características, tales como el área construida, el estrato, el número de parqueaderos, baños y habitaciones.
##
## Call:
## lm(formula = preciom ~ areaconst + estrato + banios + habitaciones +
## zona, data = vivienda_apartamento_seleccion)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1904.61 -51.00 1.05 45.20 971.19
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -257.42194 29.85912 -8.621 < 2e-16 ***
## areaconst 2.22296 0.04204 52.873 < 2e-16 ***
## estrato 56.91854 2.68697 21.183 < 2e-16 ***
## banios 61.11292 2.99576 20.400 < 2e-16 ***
## habitaciones -32.93022 3.32925 -9.891 < 2e-16 ***
## zonaZona Norte 31.08865 27.80772 1.118 0.264
## zonaZona Oeste 118.86179 28.15735 4.221 2.47e-05 ***
## zonaZona Oriente 19.31989 32.37714 0.597 0.551
## zonaZona Sur 20.09085 27.71277 0.725 0.469
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 134.6 on 5091 degrees of freedom
## Multiple R-squared: 0.7839, Adjusted R-squared: 0.7836
## F-statistic: 2308 on 8 and 5091 DF, p-value: < 2.2e-16## El coeficiente para el área construida es: 2.222963## Los coeficientes para los estratos son: 56.91854## El coeficiente para los baños es: 61.11292## El coeficiente para las habitaciones es: -32.93022## Los coeficientes para las zonas son: 31.08865 118.8618 19.31989 20.09085## El R^2 del modelo es: 0.7838911El análisis del modelo de regresión aplicado revela que el precio de la vivienda está fuertemente influenciado por diversas características. A continuación se presentan los hallazgos principales:
Área Construida:
Cada metro cuadrado adicional en el área construida se asocia con un incremento aproximado de $2.22 millones en el precio de la vivienda.Estrato:
Los estratos tienen un impacto significativo en el precio. En particular, para el estrato 6 se observa un aumento de aproximadamente $56.92 millones por unidad, lo que sugiere que las viviendas en este nivel socioeconómico tienden a tener precios más elevados.Baños y Habitaciones:
- Cada baño adicional se asocia con un aumento de alrededor de
$61.11 millones en el precio.
- Por el contrario, cada habitación adicional se relaciona con una disminución de cerca de $32.93 millones, lo cual podría reflejar efectos complejos en la distribución de espacios o en la valoración del inmueble.
- Cada baño adicional se asocia con un aumento de alrededor de
$61.11 millones en el precio.
Zonas:
Las variaciones de precios según la zona son notables:- Zona Sur: Presenta el mayor impacto, incrementando el precio en aproximadamente $118.86 millones.
- Zona Norte: Contribuye con un aumento de alrededor de $31.09 millones.
- Zona Oeste: Se asocia con un incremento de cerca de $20.09 millones.
- Zona Centro: Aporta un aumento aproximado de $19.32 millones.
Finalmente, el modelo cuenta con un coeficiente de determinación (R²) de aproximadamente 0.78, lo que significa que cerca del 78.39% de la variabilidad en el precio de la vivienda es explicada por las variables incluidas en el modelo, lo que demuestra un buen ajuste.
Validacion de supuestos
##
## studentized Breusch-Pagan test
##
## data: modelo_regresion
## BP = 1465.5, df = 8, p-value < 2.2e-16##
## Box-Ljung test
##
## data: modelo_regresion$resid
## X-squared = 127.18, df = 1, p-value < 2.2e-16Test de Breusch-Pagan para Homocedasticidad:
- Estadístico de prueba (BP): 1465.5 con 8 grados de libertad.
- p-valor: < 2.2e-16.
El resultado significativo (p < 2.2e-16) indica que se rechaza la hipótesis nula de homocedasticidad, sugiriendo que los residuos del modelo no tienen una varianza constante.
Test de Ljung-Box para Autocorrelación de los Residuos:
- Estadístico de prueba (X-squared): 127.18 con 1 grado de libertad.
- p-valor: < 2.2e-16.
El bajo p-valor respalda el rechazo de la hipótesis nula de independencia de los residuos, indicando que éstos presentan autocorrelación. Ambos tests evidencian que el modelo de regresión lineal múltiple no cumple completamente con los supuestos de homocedasticidad e independencia de los residuos, lo que podría afectar la precisión de las estimaciones y las pruebas de hipótesis derivadas del modelo.
Predicción del precio
## 1 2
## 732.8381 789.7567La predicción del precio para la vivienda varía según el estrato considerado. Es decir, para una vivienda ubicada en estrato 5, se estima un precio aproximado de $732.84 millones, mientras que para una en estrato 6, el precio predicho asciende a alrededor de $789.76 millones.
Potenciales ofertas
## areaconst banios habitaciones estrato zona precio_estimado
## 1 280 3 4 5 Zona Sur 721.3091
## 2 300 3 4 5 Zona Sur 765.7684
## 3 280 4 4 5 Zona Sur 782.4220
## 4 300 4 4 5 Zona Sur 826.8813
## 5 280 3 5 5 Zona Sur 688.3789Las ofertas potenciales brindan una diversidad de opciones en cuanto a tamaño, distribución de espacios y precios. A continuación se describen detalladamente las características de cada una de las cinco ofertas identificadas:
Primera Oferta:
Esta opción ofrece una vivienda con un área construida de 280 m², que incluye 3 baños y 4 habitaciones. Con un precio estimado de aproximadamente $721.31 millones, representa un equilibrio atractivo entre dimensiones y costo.Segunda Oferta:
Con un área de 300 m², esta opción mantiene 3 baños y 4 habitaciones, pero su precio es ligeramente superior, alrededor de $765.77 millones. La diferencia en precio podría reflejar mejoras en el diseño o acabados que aporten mayor valor.Tercera Oferta:
Esta alternativa cuenta con 280 m² de área construida y una configuración que incluye 4 baños y 4 habitaciones, situándose en un rango de precio de aproximadamente $782.42 millones. La adición de un baño extra puede ser un factor diferenciador para quienes buscan mayor funcionalidad.Cuarta Oferta:
Con un área de 300 m², 4 baños y 4 habitaciones, esta opción se posiciona en el rango de precio más alto, estimado en cerca de $826.88 millones. Es ideal para compradores que priorizan espacios amplios y mayores comodidades.Quinta Oferta:
Esta oferta, con 280 m² de área construida, se distingue por contar con 3 baños y 5 habitaciones, ofreciendo el precio más competitivo, alrededor de $688.38 millones. La mayor cantidad de habitaciones a un costo inferior la convierte en una alternativa especialmente atractiva para optimizar el uso del espacio sin exceder el presupuesto.