Quiz2

R Markdown

• 1.¿Cuál es la media del precio de las viviendas (price)?

library(dplyr)

## Warning: package 'dplyr' was built under R version 4.4.3

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

url<-'https://raw.githubusercontent.com/moderndive/moderndive/master/data-raw/kc_house_data.csv'
house_prices <- read.csv(url)
glimpse(house_prices)

## Rows: 21,613
## Columns: 21
## $ id            <dbl> 7129300520, 6414100192, 5631500400, 2487200875, 19544005…
## $ date          <chr> "20141013T000000", "20141209T000000", "20150225T000000",…
## $ price         <dbl> 221900, 538000, 180000, 604000, 510000, 1225000, 257500,…
## $ bedrooms      <int> 3, 3, 2, 4, 3, 4, 3, 3, 3, 3, 3, 2, 3, 3, 5, 4, 3, 4, 2,…
## $ bathrooms     <dbl> 1.00, 2.25, 1.00, 3.00, 2.00, 4.50, 2.25, 1.50, 1.00, 2.…
## $ sqft_living   <int> 1180, 2570, 770, 1960, 1680, 5420, 1715, 1060, 1780, 189…
## $ sqft_lot      <int> 5650, 7242, 10000, 5000, 8080, 101930, 6819, 9711, 7470,…
## $ floors        <dbl> 1.0, 2.0, 1.0, 1.0, 1.0, 1.0, 2.0, 1.0, 1.0, 2.0, 1.0, 1…
## $ waterfront    <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ view          <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0,…
## $ condition     <int> 3, 3, 3, 5, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 3, 3, 3, 4, 4,…
## $ grade         <int> 7, 7, 6, 7, 8, 11, 7, 7, 7, 7, 8, 7, 7, 7, 7, 9, 7, 7, 7…
## $ sqft_above    <int> 1180, 2170, 770, 1050, 1680, 3890, 1715, 1060, 1050, 189…
## $ sqft_basement <int> 0, 400, 0, 910, 0, 1530, 0, 0, 730, 0, 1700, 300, 0, 0, …
## $ yr_built      <int> 1955, 1951, 1933, 1965, 1987, 2001, 1995, 1963, 1960, 20…
## $ yr_renovated  <int> 0, 1991, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ zipcode       <int> 98178, 98125, 98028, 98136, 98074, 98053, 98003, 98198, …
## $ lat           <dbl> 47.5112, 47.7210, 47.7379, 47.5208, 47.6168, 47.6561, 47…
## $ long          <dbl> -122.257, -122.319, -122.233, -122.393, -122.045, -122.0…
## $ sqft_living15 <int> 1340, 1690, 2720, 1360, 1800, 4760, 2238, 1650, 1780, 23…
## $ sqft_lot15    <int> 5650, 7639, 8062, 5000, 7503, 101930, 6819, 9711, 8113, …

mean(house_prices$price)

## [1] 540088.1

• 2.¿Qué medida se utiliza para describir el valor central cuando hay valores atípicos extremos? La mediana es la mas adecuada para describir el valor central, ya que es el valor que se encuentra en cel centro y no se ve alerada por valores atipicos.
• 3.Calcula la desviación estándar de la variable sqft_living (área habitable). ¿Qué indica este valor en este contexto?

sd(house_prices$sqft_living)

## [1] 918.4409

Que hay muchos valores atipicos, ya que la desviacion estandar nos indica que tan alejados o cerca estan de la media.

• 4.¿Cuál de las siguientes variables tiene mayor dispersión: price, sqft_lot, bedrooms? Justifica tu respuesta con base en medidas de dispersión.

sd(house_prices$price)

## [1] 367127.2

var(house_prices$price)

## [1] 134782378397

sd(house_prices$sqft_lot)

## [1] 41420.51

var(house_prices$sqft_lot)

## [1] 1715658774

sd(house_prices$bedrooms)

## [1] 0.9300618

var(house_prices$bedrooms)

## [1] 0.865015

La variable price tiene la mayor dispersion ya que su desviacion estandar y su varianza es mayor.

• 5.¿Qué variable presenta mayor número de ceros: sqft_basement o yr_renovated?

ceros_var.sqft_basement<-sum(house_prices$sqft_basement == 0)
print(ceros_var.sqft_basement)

## [1] 13126

ceros_var.yr_renovated<-sum(house_prices$yr_renovated == 0)
print(ceros_var.yr_renovated)

## [1] 20699

• 6.¿Qué tipo de gráfico usarías para representar la distribución de price? Realizar el grafico

hist(house_prices$price,main ="Histograma", xlab = "Valores", ylab = "Frecuencia", col = "pink", border = "lightblue")

- 7.Dibuja un histograma para la variable sqft_living. Describe brevemente la forma de la distribución.

hist(house_prices$sqft_living,main = "Histograma", xlab = "Valores", ylab = "Frecuencia", col = "#544", border = "brown")

- 8.Construye un boxplot de la variable price según la variable waterfront. ¿Qué muestra este gráfico respecto al precio de casas con vista al agua vs sin vista?

boxplot(house_prices$waterfront,house_prices$price)

las casas con vista al agua tienden a ser más caras y hay mas variedad de precios, mientras que las casas sin vista al agua presentan precios más bajos. - 9.calcular la media, mediana y desviación estándar del precio (price). Describir el significado

mean(house_prices$price)

## [1] 540088.1

median(house_prices$price)

## [1] 450000

sd(house_prices$price)

## [1] 367127.2

Los precios de las casas varian mucho, ya que hay algunas casas muy costosas que elevan el promedio.