1. Carga y Exploración de Datos

# Instalación de paquetes necesarios
if (!require(devtools)) install.packages("devtools")
devtools::install_github("centromagis/paqueteMODELOS", force = TRUE)
## cpp11 (0.5.1 -> 0.5.2) [CRAN]
## 
## The downloaded binary packages are in
##  /var/folders/tx/y1t_3hdj5jbb0h5rkq_z0b4c0000gn/T//Rtmp1WMzFZ/downloaded_packages
## ── R CMD build ─────────────────────────────────────────────────────────────────
##      checking for file ‘/private/var/folders/tx/y1t_3hdj5jbb0h5rkq_z0b4c0000gn/T/Rtmp1WMzFZ/remotes5aab29c825d4/Centromagis-paqueteMODELOS-3b06257/DESCRIPTION’ ...  ✔  checking for file ‘/private/var/folders/tx/y1t_3hdj5jbb0h5rkq_z0b4c0000gn/T/Rtmp1WMzFZ/remotes5aab29c825d4/Centromagis-paqueteMODELOS-3b06257/DESCRIPTION’
##   ─  preparing ‘paqueteMODELOS’:
##    checking      checking DESCRIPTION meta-information ...  ✔  checking DESCRIPTION meta-information
##   ─  checking for LF line-endings in source and make files and shell scripts
##   ─  checking for empty or unneeded directories
##   ─  building ‘paqueteMODELOS_0.1.0.tar.gz’
##      
## 
library(paqueteMODELOS)
library(dplyr)
library(stringr)
library(ggplot2)
library(gridExtra)
library(kableExtra)
library(leaflet)
library(car)
library(tidyr)

# Cargar datos
data("vivienda")

# Convertir la base a data frame estándar
vivienda <- as.data.frame(vivienda)

# Convertir columnas numéricas
cols_numeric <- c("preciom", "areaconst", "parqueaderos", "banios", "habitaciones", "estrato", "longitud", "latitud")
vivienda[cols_numeric] <- lapply(vivienda[cols_numeric], as.numeric)

# Convertir columnas categóricas
to_character <- c("zona", "tipo", "barrio", "piso")
vivienda[to_character] <- lapply(vivienda[to_character], as.character)

2. Limpieza y Normalización de Datos

# Normalizar la columna 'zona'
vivienda$zona <- trimws(vivienda$zona)  # Eliminar espacios en blanco
vivienda$zona <- gsub("\\s+", " ", vivienda$zona)  # Reemplazar espacios dobles por uno
vivienda$zona <- stringr::str_to_title(vivienda$zona)  # Convertir a formato de título

# Eliminar valores NA en zona
vivienda <- vivienda %>% filter(!is.na(zona))

# Imputar valores faltantes en parqueaderos y piso
vivienda$parqueaderos[is.na(vivienda$parqueaderos)] <- median(vivienda$parqueaderos, na.rm = TRUE)
vivienda$piso[is.na(vivienda$piso)] <- "No disponible"

# Filtrar valores atípicos en coordenadas
vivienda <- vivienda %>% 
  filter(latitud > 3.3 & latitud < 3.6, longitud > -76.6 & longitud < -76.4)

3. Filtrado de Datos

# Filtrar Casas en Zona Norte
base1 <- vivienda %>% filter(tipo == "Casa", zona == "Zona Norte")
# Filtrar Apartamentos en Zona Sur
base2 <- vivienda %>% filter(tipo == "Apartamento", zona == "Zona Sur")

# Seleccionar solo las primeras 3 viviendas de cada base
base1 <- head(base1, 3)
base2 <- head(base2, 3)

# Mostrar primeros 3 registros de cada base
kable(base1) %>% kable_styling()
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 2 7 6 Casa acopi -76.52950 3.38527 
kable(base2) %>% kable_styling()
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 No disponible 6 875 194 2 5 3 Apartamento aguacatal -76.55700 3.45900

4. Visualización de Datos y Análisis

# Histograma de precios
p1 <- ggplot(vivienda, aes(x = preciom, fill = tipo)) +
  geom_histogram(bins = 30, alpha = 0.7, position = "identity") +
  theme_minimal() +
  labs(title = "Distribución de precios", x = "Precio (millones)", y = "Frecuencia")

# Relación entre área construida y precio
p2 <- ggplot(vivienda, aes(x = areaconst, y = preciom, color = tipo)) +
  geom_point(alpha = 0.7) +
  theme_minimal() +
  labs(title = "Área Construida vs Precio", x = "Área Construida", y = "Precio")

grid.arrange(p1, p2, ncol = 2)

5. Mapa de Ubicación de las Viviendas (Solo 3 de cada base)

# Crear un mapa interactivo con 3 viviendas de cada base
mapa <- leaflet() %>%
  addTiles() %>%
  addCircleMarkers(data = base1, ~longitud, ~latitud, color = "blue",
                   popup = ~paste("Área:", areaconst, "m²",
                                  "<br>Estrato:", estrato,
                                  "<br>Parqueaderos:", parqueaderos,
                                  "<br>Baños:", banios,
                                  "<br>Habitaciones:", habitaciones,
                                  "<br>Precio:", preciom, "millones"),
                   label = ~paste("Casa en Zona Norte")) %>%
  addCircleMarkers(data = base2, ~longitud, ~latitud, color = "red",
                   popup = ~paste("Área:", areaconst, "m²",
                                  "<br>Estrato:", estrato,
                                  "<br>Parqueaderos:", parqueaderos,
                                  "<br>Baños:", banios,
                                  "<br>Habitaciones:", habitaciones,
                                  "<br>Precio:", preciom, "millones"),
                   label = ~paste("Apartamento en Zona Sur"))
mapa

6. Discusión sobre la Ubicación de los Puntos y acciones recomendadas

cat("Cantidad de casas en Zona Norte:", nrow(base1), "\n")
## Cantidad de casas en Zona Norte: 3
cat("Cantidad de apartamentos en Zona Sur:", nrow(base2), "\n")
## Cantidad de apartamentos en Zona Sur: 3

Análisis sobre la Ubicación de los Puntos en el Mapa ¿Todos los puntos se ubican en la zona correspondiente? Después de filtrar los datos y visualizar el mapa interactivo, se observa lo siguiente:

Las casas en la Zona Norte (azul) y los apartamentos en la Zona Sur (rojo) están bien distribuidos en su mayoría. Sin embargo, hay algunos puntos que se encuentran cerca de los límites de las zonas, lo que puede generar incertidumbre sobre su clasificación. ¿Por qué pueden presentarse valores en otras zonas? Errores en los datos: Algunas coordenadas pueden haber sido mal registradas en la base de datos, generando ubicaciones erróneas. Límites geográficos difusos: Dependiendo de cómo se hayan definido las zonas en la base de datos, algunas propiedades pueden estar en el borde entre dos áreas. Clasificación incorrecta en la columna zona: Es posible que algunas viviendas estén correctamente ubicadas geográficamente, pero su clasificación textual en la columna zona no sea precisa. Sesgo en la recolección de datos: Puede haber diferencias en la forma en que se etiquetaron las viviendas en la base de datos, ya sea por la fuente de información o por diferencias en la actualización de los registros. Acciones recomendadas para mejorar la precisión: ✅ Validar manualmente las coordenadas sospechosas: Usar herramientas como Google Maps o bases de datos oficiales para verificar la ubicación real de algunas viviendas. ✅ Depurar la base de datos para corregir errores en la columna zona: Filtrar viviendas que están muy alejadas de los límites esperados y reetiquetarlas correctamente. ✅ Asignar zonas basadas en coordenadas en lugar de la variable zona: Utilizar latitud y longitud para definir de forma más precisa en qué zona se encuentra cada propiedad, reduciendo el margen de error.

El filtrado y análisis de las viviendas en la Zona Norte y Zona Sur muestra una buena representación de las propiedades disponibles. Se ha identificado la necesidad de validar las coordenadas geográficas de algunos puntos y revisar la clasificación de la columna zona para evitar errores en la categorización de las viviendas. Implementar técnicas de validación de datos mejorará la confiabilidad del análisis y permitirá realizar estimaciones más precisas en modelos de predicción.

7. Análisis Exploratorio de Correlación con Plotly

# Crear un gráfico de dispersión interactivo
library(plotly)
## 
## Attaching package: 'plotly'
## 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':
## 
##     layout
cor_plot <- plot_ly(
  data = vivienda, 
  x = ~areaconst, 
  y = ~preciom, 
  type = "scatter", 
  mode = "markers",
  marker = list(
    size = 10, 
    color = ~estrato, 
    colorscale = "Viridis",
    showscale = TRUE
  ),
  text = ~paste("Baños:", banios, "<br>Zona:", zona)
)

cor_plot <- cor_plot %>%
  config(displayModeBar = TRUE) %>%  # Habilita la barra de herramientas de la gráfica
  layout(
    title = list(text = "Correlación entre Precio y Variables Seleccionadas"),
    xaxis = list(title = list(text = "Área Construida (m²)")),
    yaxis = list(title = list(text = "Precio (millones)"))
  )

cor_plot

8. Análisis e Interpretación del Gráfico de Correlación

La gráfica interactiva muestra la relación entre el precio de las viviendas (eje Y) y el área construida (eje X), con los siguientes elementos adicionales:

Colores: Representan el estrato de la vivienda (3, 4, 5 o 6). Tamaño de los puntos: Representa la cantidad de habitaciones en cada vivienda. Información extra: Al pasar el cursor sobre un punto, se pueden ver detalles adicionales como el número de baños y la zona donde se ubica la propiedad. Principales hallazgos Existe una correlación positiva entre área construida y precio

En general, a mayor área construida, mayor es el precio de la vivienda. Sin embargo, la dispersión indica que el área no es el único factor determinante. El estrato influye significativamente en el precio

Las viviendas de estratos más altos (5 y 6, en tonos morados) tienden a estar en el rango de precios más elevados. Los estratos más bajos (3 y 4, en tonos verdes y naranjas) muestran precios menores, incluso cuando tienen un área similar. Variabilidad en viviendas grandes

Algunas viviendas con áreas grandes (>1000 m²) tienen precios muy elevados, pero otras se encuentran en un rango medio, lo que indica que otros factores también afectan el precio. Esto sugiere que ubicación, acabados, exclusividad y demanda podrían ser variables importantes que no están representadas en la gráfica. Densidad de viviendas en precios bajos

Se observa una mayor concentración de viviendas por debajo de los 500 millones de pesos. Estas viviendas suelen estar en estratos bajos o medios y con áreas más reducidas.

El área construida y el estrato son factores clave en la determinación del precio de una vivienda. El precio no solo depende del área, sino que existen otros factores como la ubicación y características adicionales que pueden generar variaciones significativas. Se recomienda incluir más variables en el modelo de regresión lineal múltiple, como el barrio, los acabados, la cercanía a puntos de interés y la demanda del mercado.

MODELO REGRESIÓN LINEAL MULTIPLE (RLM)

# Cargar la librería necesaria
library(stats)

# Definir el modelo de regresión lineal múltiple
modelo_rlm <- lm(preciom ~ areaconst + estrato + habitaciones + parqueaderos + banios, data = vivienda)

# Resumen del modelo
summary(modelo_rlm)
## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitaciones + parqueaderos + 
##     banios, data = vivienda)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1423.70   -86.35   -14.90    55.20  1126.10 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -421.81789   11.22265  -37.59   <2e-16 ***
## areaconst       0.87484    0.01882   46.48   <2e-16 ***
## estrato       103.86509    2.25935   45.97   <2e-16 ***
## habitaciones  -23.43474    1.83001  -12.81   <2e-16 ***
## parqueaderos   71.27685    2.26398   31.48   <2e-16 ***
## banios         55.55033    2.17998   25.48   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 171.1 on 8313 degrees of freedom
## Multiple R-squared:  0.7292, Adjusted R-squared:  0.729 
## F-statistic:  4476 on 5 and 8313 DF,  p-value: < 2.2e-16

#Gráfico de Comparación: Valores Reales vs. Predichos

# Calcular valores predichos
vivienda$precio_predicho <- predict(modelo_rlm, newdata = vivienda)

# Gráfico de dispersión de valores reales vs. predichos
plot_ly(data = vivienda, x = ~preciom, y = ~precio_predicho, 
        mode = "markers",
        text = ~paste("Área:", areaconst, "<br>Estrato:", estrato, "<br>Baños:", banios),
        marker = list(opacity = 0.7, sizemode = "diameter")) %>%
  layout(title = "Valores Reales vs. Predichos del Modelo",
         xaxis = list(title = "Precio Real (millones)"),
         yaxis = list(title = "Precio Predicho (millones)"),
         showlegend = FALSE)
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

#Gráfico de Residuos vs. Predicciones

# Calcular residuos
vivienda$residuos <- residuals(modelo_rlm)

# Gráfico de dispersión de residuos
plot_ly(data = vivienda, x = ~precio_predicho, y = ~residuos, 
        mode = "markers",
        marker = list(opacity = 0.7, color = "red")) %>%
  layout(title = "Residuos vs. Valores Predichos",
         xaxis = list(title = "Precio Predicho (millones)"),
         yaxis = list(title = "Residuos (Diferencia Real - Predicho)"),
         showlegend = FALSE)
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

#Importancia de las Variables en el Modelo

# Extraer coeficientes del modelo
coeficientes <- as.data.frame(summary(modelo_rlm)$coefficients)
coeficientes$variable <- rownames(coeficientes)

# Filtrar solo las variables explicativas
coeficientes <- coeficientes %>% filter(variable != "(Intercept)")

# Gráfico de barras de coeficientes
plot_ly(data = coeficientes, x = ~variable, y = ~Estimate, type = "bar", 
        text = ~paste("Valor:", round(Estimate, 2)),
        marker = list(color = "blue")) %>%
  layout(title = "Importancia de las Variables en el Precio",
         xaxis = list(title = "Variable"),
         yaxis = list(title = "Impacto en el Precio (millones)"))

📌 Modelo Utilizado

Se ha estimado un Modelo de Regresión Lineal Múltiple para predecir el precio de las viviendas en función de:

  • Área construida
  • Estrato
  • Número de habitaciones
  • Número de parqueaderos
  • Número de baños

📊 1. Valores Reales vs. Predichos

El gráfico muestra que el modelo sigue una tendencia creciente, lo que indica que en general las predicciones son acertadas. Sin embargo:

  • Existen desviaciones considerables para valores altos de precio, lo que sugiere que faltan variables importantes en el modelo.

📉 2. Análisis de Residuos

Los residuos no están distribuidos completamente de manera aleatoria, lo que indica posible heterocedasticidad (la variabilidad de los errores no es constante).

Para mejorar esto, podríamos incluir variables como:

  • Ubicación más específica
  • Calidad de acabados
  • Antigüedad del inmueble

📊 3. Importancia de las Variables

  • Estrato es la variable con mayor impacto (+103.87 millones por cada nivel adicional).
  • Parqueaderos (+71.28M) y baños (+55.55M) también aumentan el precio significativamente.
  • Área construida tiene un coeficiente bajo (+0.87M por m²), lo que sugiere que la ubicación y características adicionales pesan más en el precio.
  • El número de habitaciones tiene un efecto negativo (-23.43M), indicando que más habitaciones no siempre significan mayor valor, sino que puede estar relacionado con viviendas más segmentadas.

📈 4. Evaluación del Modelo

\[ R^2 = 72.9\% \]

Esto indica que el modelo explica una gran parte de la variabilidad del precio.

Sin embargo, aún hay 27% de variabilidad no explicada, lo que sugiere que otras variables pueden estar influyendo en el precio de las viviendas.

## 
## Call:
## lm(formula = preciom ~ areaconst + estrato + habitaciones + parqueaderos + 
##     banios, data = vivienda)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1423.70   -86.35   -14.90    55.20  1126.10 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -421.81789   11.22265  -37.59   <2e-16 ***
## areaconst       0.87484    0.01882   46.48   <2e-16 ***
## estrato       103.86509    2.25935   45.97   <2e-16 ***
## habitaciones  -23.43474    1.83001  -12.81   <2e-16 ***
## parqueaderos   71.27685    2.26398   31.48   <2e-16 ***
## banios         55.55033    2.17998   25.48   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 171.1 on 8313 degrees of freedom
## Multiple R-squared:  0.7292, Adjusted R-squared:  0.729 
## F-statistic:  4476 on 5 and 8313 DF,  p-value: < 2.2e-16

🔎 Conclusión y Mejoras

✔ El modelo es sólido, pero puede mejorarse incorporando:

  • Ubicación más detallada (barrio o proximidad a puntos de interés).
  • Antigüedad del inmueble y calidad de los acabados.
  • Variables del entorno, como acceso a transporte o comercio.

Supuesto de Linealidad

Este supuesto indica que la relación entre las variables independientes y la variable dependiente debe ser lineal.

plot_ly(data = vivienda, x = ~precio_predicho, y = ~residuos, 
        mode = "markers", marker = list(opacity = 0.7, color = "red")) %>%
  layout(title = "Residuos vs. Valores Predichos",
         xaxis = list(title = "Precio Predicho (millones)"),
         yaxis = list(title = "Residuos (Diferencia Real - Predicho)"),
         showlegend = FALSE)
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

Supuesto de Normalidad de los Errores

Los residuos deben seguir una distribución normal para que las inferencias sean válidas.

# Histograma de residuos
ggplot(vivienda, aes(x = residuos)) +
  geom_histogram(bins = 30, fill = "blue", alpha = 0.7) +
  theme_minimal() +
  labs(title = "Distribución de los Residuos", x = "Residuos", y = "Frecuencia")

# Gráfica Q-Q
qqnorm(vivienda$residuos)
qqline(vivienda$residuos, col = "red")

##Supuesto de Homocedasticidad (Varianza Constante de los Errores)

La varianza de los residuos debe ser constante en todo el rango de valores predichos.

plot_ly(data = vivienda, x = ~precio_predicho, y = ~residuos, 
        mode = "markers", marker = list(opacity = 0.7, color = "red")) %>%
  layout(title = "Residuos vs. Valores Predichos",
         xaxis = list(title = "Precio Predicho (millones)"),
         yaxis = list(title = "Residuos (Diferencia Real - Predicho)"),
         showlegend = FALSE)
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter

##Supuesto de No Colinealidad (Independencia entre Variables Predictoras)

Las variables independientes no deben estar altamente correlacionadas entre sí, ya que esto afecta la estabilidad del modelo.

vif(modelo_rlm)
##    areaconst      estrato habitaciones parqueaderos       banios 
##     2.057281     1.536484     2.027117     1.494192     2.754439

ANÁLISIS

  • Linealidad: Los residuos muestran un patrón, indicando posible no linealidad. Se recomienda probar transformaciones como logaritmo del precio.

  • Normalidad: Los residuos no siguen una distribución normal, con valores extremos en los cuantiles. Se sugiere aplicar transformaciones o métodos robustos.

  • Homocedasticidad: Se observa heterocedasticidad, ya que los residuos no tienen varianza constante. Se recomienda usar regresión robusta o transformar el precio.

  • No Colinealidad: No hay colinealidad severa (VIF < 10), por lo que el modelo no sufre problemas de multicolinealidad.

El modelo es válido, pero puede mejorarse con transformaciones y ajustes para reducir los problemas de linealidad y heterocedasticidad.

Para predecir el precio de la vivienda con las características de la primera solicitud, usamos el modelo de Regresión Lineal Múltiple y los valores proporcionados:

📌 Características de la Vivienda 1

Área construida: 200 m² Estrato: 4 o 5 Parqueaderos: 1 Baños: 2 Habitaciones: 4 ✅ Predicción del Precio

Utilizando el modelo ajustado:

# Definir características de la vivienda 1
vivienda_nueva <- data.frame(
  areaconst = 200,
  estrato = c(4, 5),  # Se calculan dos predicciones para estrato 4 y 5
  habitaciones = 4,
  parqueaderos = 1,
  banios = 2
)

# Predecir el precio con el modelo ajustado
precio_predicho <- predict(modelo_rlm, newdata = vivienda_nueva)

# Mostrar resultados
vivienda_nueva$precio_predicho <- precio_predicho
print(vivienda_nueva)
##   areaconst estrato habitaciones parqueaderos banios precio_predicho
## 1       200       4            4            1      2        257.2482
## 2       200       5            4            1      2        361.1133

Predicción del Precio de la Vivienda 1

Para estrato 4: \(257.2\) millones Para estrato 5: \(361.1\) millones

El estrato tiene un impacto fuerte en el precio. El precio estimado es inferior a la preaprobación bancaria (350M - 850M), lo que indica que podrían considerar opciones más costosas o revisar si hay variables no contempladas en el modelo que justifiquen diferencias en precios reales del mercado.

# 🔹 Filtrar viviendas que cumplan con las características principales
ofertas_potenciales <- vivienda %>%
  filter(
    tipo == "Casa",               # Solo casas
    zona == "Zona Norte",         # Ubicación en zona norte
    areaconst >= 200,             # Área mínima de 200 m²
    estrato %in% c(4, 5),         # Estrato 4 o 5
    parqueaderos >= 1,            # Al menos 1 parqueadero
    banios >= 2,                  # Al menos 2 baños
    habitaciones >= 4,            # Al menos 4 habitaciones
    preciom <= 350                # Precio dentro del presupuesto
  ) %>%
  arrange(preciom) %>%  # Ordenar por precio ascendente
  head(5)               # Seleccionar las 5 mejores opciones

# 🔹 Mostrar tabla de ofertas
kable(ofertas_potenciales) %>% kable_styling()
id zona piso estrato preciom areaconst parqueaderos banios habitaciones tipo barrio longitud latitud precio_predicho residuos
1020 Zona Norte 02 4 230 250 2 3 5 Casa la merced -76.50799 3.47424 404.3825 -174.3825
1009 Zona Norte No disponible 5 250 243 1 4 5 Casa el bosque -76.50755 3.47838 486.3972 -236.3972
7432 Zona Norte 01 4 260 280 2 4 6 Casa los andes -76.54973 3.42484 462.7431 -202.7431
4727 Zona Norte 02 4 296 232 2 6 4 Casa granada -76.53263 3.46090 578.7211 -282.7211
1914 Zona Norte 02 5 300 205 2 5 6 Casa vipasa -76.51832 3.48138 556.5458 -256.5458 
# 🔹 Crear mapa interactivo con las 5 mejores opciones
mapa_ofertas <- leaflet() %>%
  addTiles() %>%
  addCircleMarkers(data = ofertas_potenciales, ~longitud, ~latitud, color = "green",
                   popup = ~paste("Área:", areaconst, "m²",
                                  "<br>Estrato:", estrato,
                                  "<br>Parqueaderos:", parqueaderos,
                                  "<br>Baños:", banios,
                                  "<br>Habitaciones:", habitaciones,
                                  "<br>Precio:", preciom, "millones"),
                   label = ~paste("Oferta en Zona Norte"))

# Mostrar mapa
mapa_ofertas

Análisis de las Ofertas Potenciales

Se han identificado 5 viviendas en la Zona Norte que cumplen con las condiciones y el presupuesto de hasta 350 millones.

Resumen de las opciones:

  • Los precios varían entre 230M y 300M, ofreciendo margen para considerar otros factores.
  • Todas las casas tienen al menos 200 m² de área construida, 4-6 habitaciones y 2+ baños.
  • La cantidad de parqueaderos varía, siendo un factor a evaluar según las necesidades del comprador.

Mapa de Ubicación

  • Las viviendas están bien distribuidas en la Zona Norte.
  • Algunas están más cercanas a zonas comerciales y de transporte.

Conclusión:

  • La opción más económica (ID 1020) tiene mayor área construida y más parqueaderos, pero menos baños.
  • La más costosa (ID 1914) ofrece estrato 5 y más habitaciones, lo que podría justificar su valor.

  • Se recomienda visitar y evaluar aspectos como estado del inmueble, accesibilidad y servicios cercanos antes de tomar una decisión final.

Código para a segunda solicitud que tiene un crédito pre-aprobado por valor de $850 millones.

Tipo: Apartamento Zona: Sur Área Construida: 300 m² Parqueaderos: 3 Baños: 3 Habitaciones: 5 Estrato: 5 o 6 Crédito preaprobado: hasta 850 millones

# 📦 Cargar librerías necesarias
library(dplyr)
library(ggplot2)
library(plotly)
library(leaflet)
library(knitr)
library(kableExtra)

# 📌 1. Filtrar las opciones para la Segunda Vivienda
ofertas_potenciales_2 <- vivienda %>%
  filter(
    tipo == "Apartamento",     # Solo apartamentos
    zona == "Zona Sur",        # Ubicación en zona sur
    areaconst >= 300,          # Área mínima de 300 m²
    estrato %in% c(5, 6),      # Estrato 5 o 6
    parqueaderos >= 3,         # Al menos 3 parqueaderos
    banios >= 3,               # Al menos 3 baños
    habitaciones >= 5,         # Al menos 5 habitaciones
    preciom <= 850             # Precio dentro del presupuesto
  ) %>%
  arrange(preciom) %>%  # Ordenar por precio ascendente
  head(5)               # Seleccionar las 5 mejores opciones

# 📌 Mostrar tabla de ofertas
kable(ofertas_potenciales_2) %>% kable_styling()
id zona piso estrato preciom areaconst parqueaderos banios habitaciones tipo barrio longitud latitud precio_predicho residuos
7512 Zona Sur No disponible 5 670 300 3 5 6 Apartamento seminario -76.550 3.409 710.9321 -40.93211
7182 Zona Sur No disponible 5 730 573 3 8 5 Apartamento guadalupe -76.548 3.408 1139.8481 -409.84806 
# 📌 2. Visualización de Precio vs. Características
cor_plot_2 <- plot_ly(data = vivienda, x = ~areaconst, y = ~preciom, 
                      color = ~factor(estrato), 
                      size = ~habitaciones, 
                      text = ~paste("Baños:", banios, "<br>Zona:", zona),
                      mode = "markers") %>%
  layout(title = "Correlación entre Precio y Variables Seleccionadas (Zona Sur)",
         xaxis = list(title = "Área Construida (m²)"),
         yaxis = list(title = "Precio (millones)"),
         legend = list(title = list(text = "Estrato")))

# 📌 Mostrar gráfico interactivo
cor_plot_2
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#scatter
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
# 📌 3. Mapa de Ubicación de las Mejores Opciones
mapa_ofertas_2 <- leaflet() %>%
  addTiles() %>%
  addCircleMarkers(data = ofertas_potenciales_2, ~longitud, ~latitud, color = "red",
                   popup = ~paste("Área:", areaconst, "m²",
                                  "<br>Estrato:", estrato,
                                  "<br>Parqueaderos:", parqueaderos,
                                  "<br>Baños:", banios,
                                  "<br>Habitaciones:", habitaciones,
                                  "<br>Precio:", preciom, "millones"),
                   label = ~paste("Apartamento en Zona Sur"))

# 📌 Mostrar mapa
mapa_ofertas_2
# 📌 4. Predicción del Precio de la Segunda Vivienda
# Definir características de la vivienda 2
vivienda_nueva_2 <- data.frame(
  areaconst = 300,
  estrato = c(5, 6),  # Dos predicciones para estrato 5 y 6
  habitaciones = 5,
  parqueaderos = 3,
  banios = 3
)

# Predecir el precio con el modelo ajustado
precio_predicho_2 <- predict(modelo_rlm, newdata = vivienda_nueva_2)

# Agregar predicciones al dataframe
vivienda_nueva_2$precio_predicho <- precio_predicho_2

# 📌 Mostrar resultados
kable(vivienda_nueva_2) %>% kable_styling()
areaconst estrato habitaciones parqueaderos banios precio_predicho
300 5 5 3 3 623.2662
300 6 5 3 3 727.1313

#CONCLUSIÓN FINAL

Este trabajo ha permitido analizar el comportamiento del precio de las viviendas en función de variables clave como área construida, estrato, número de habitaciones, parqueaderos y baños. Se implementó un modelo de regresión lineal múltiple (RLM) para predecir los precios y validar su aplicabilidad en la selección de ofertas de vivienda según restricciones de crédito preaprobado.

Principales Hallazgos: Correlación de Variables: El análisis exploratorio mostró que el área construida y el estrato son los factores más influyentes en el precio de la vivienda, mientras que el número de habitaciones tuvo un impacto negativo. Ajuste del Modelo: Con un 𝑅2 de 0.729, el modelo explica aproximadamente el 73% de la variabilidad del precio, lo que indica un buen ajuste sin ser perfecto. Sin embargo, la dispersión de los residuos muestra que el modelo no captura completamente la complejidad del mercado inmobiliario. Validación de Supuestos: Linealidad: Se observa una tendencia clara, aunque con ciertos patrones no completamente lineales. Normalidad de los Errores: Hay algunas desviaciones en los extremos, lo que sugiere la presencia de valores atípicos. Homocedasticidad: Se evidenció heterocedasticidad (varianza no constante), lo que puede afectar la robustez del modelo. Colinealidad: No hay problemas severos de colinealidad entre las variables predictoras. Predicciones y Selección de Ofertas: Para la Vivienda 1 (Crédito: 350M), se identificaron 5 ofertas viables en la Zona Norte. Para la Vivienda 2 (Crédito: 850M), se encontraron 2 opciones en la Zona Sur dentro del presupuesto. Implicaciones y Mejoras Futuras: Considerar modelos más avanzados como regresión polinómica, árboles de decisión o redes neuronales para capturar relaciones más complejas. Incluir variables adicionales, como antigüedad de la vivienda, cercanía a servicios o valoración del barrio. Manejo de valores atípicos y transformación de variables para mejorar la normalidad y estabilidad del modelo. En general, este análisis demuestra la utilidad de la regresión lineal múltiple para estimar precios de vivienda, aunque con ciertas limitaciones en precisión. Para decisiones comerciales más robustas, se recomienda complementar el modelo con métodos más sofisticados y análisis de mercado en tiempo real.