Reporte Boston

Analisis exploratorio de la base Boston

##       medv         rm      lstat       crim        tax 
##  22.532806   6.284634  12.653063   3.613524 408.237154

##        medv          rm       lstat        crim         tax 
##   9.1971041   0.7026171   7.1410615   8.6015451 168.5371161

El valor medio de las casas (medv) es aproximadamente 22.5, con una desviación estándar cercana a 9.2, lo que indica una dispersión considerable.
El número promedio de habitaciones (rm) es 6.28, con variabilidad moderada.
La tasa de crimen (crim) y el impuesto a la propiedad (tax) muestran valores muy dispersos y presencia de outliers.

La variable lstat presenta una distribución sesgada hacia valores bajos, con una cola larga hacia la derecha.
La variable medv se concentra en valores intermedios, con un límite superior marcado en 50.
La variable rm muestra una distribución más simétrica, centrada alrededor de 6 habitaciones.

Los histogramas sugieren que un mayor número de habitaciones (rm) se asocia con un mayor valor medio de vivienda (medv).
Un mayor porcentaje de población con bajo estatus socioeconómico (lstat) se relaciona con menores valores de vivienda.
Las distribuciones no son perfectamente normales, lo que implica considerar sesgos y límites al aplicar modelos estadísticos.

## Warning: Unknown palette: "set2"

crim vs medv: se observa una relación negativa; a mayor tasa de criminalidad, menor valor medio de las viviendas.
lstat vs medv: también hay una relación negativa; un mayor porcentaje de población con bajo estatus socioeconómico se asocia con menores valores de vivienda.
rm vs medv: la relación es positiva; un mayor número de habitaciones promedio se vincula con un mayor valor medio de las viviendas.
tax vs medv: la relación tiende a ser negativa; impuestos más altos se asocian con valores de vivienda más bajos.

Los gráficos confirman que factores sociales (como lstat y crim) y estructurales (rm) influyen directamente en el valor de las viviendas en Boston.
La variable rm es un fuerte predictor positivo de medv, mientras que crim, lstat y tax actúan como factores que reducen el valor.
Estas relaciones sugieren desigualdades urbanas: barrios con más criminalidad o mayor carga impositiva tienden a tener viviendas menos valoradas.
Los patrones visuales respaldan la necesidad de aplicar modelos de regresión para cuantificar estas asociaciones y evaluar su significancia estadística.

La correlación entre medv y rm es positiva y relativamente fuerte (0.695***), lo que indica que un mayor número de habitaciones promedio se asocia con un mayor valor medio de las viviendas.
La correlación entre medv y lstat es negativa y aún más fuerte (-0.738***), mostrando que un mayor porcentaje de población con bajo estatus socioeconómico se relaciona con menores valores de vivienda.
La correlación entre rm y lstat es negativa (-0.614***), lo que sugiere que barrios con más habitaciones tienden a tener menor proporción de población en desventaja socioeconómica.

Los resultados confirman que tanto factores estructurales (rm) como socioeconómicos (lstat) influyen significativamente en el valor de las viviendas (medv).
La fuerza y significancia de las correlaciones sugieren que estas variables son buenos candidatos para incluir en un modelo de regresión predictivo del valor de las viviendas.
El análisis refleja desigualdades urbanas: barrios con más habitaciones y menor proporción de población vulnerable tienden a tener viviendas más caras.
La matriz de correlación respalda las observaciones previas de los histogramas y gráficos de dispersión, consolidando la evidencia de relaciones lineales claras entre estas variables.