Académique Documents
Professionnel Documents
Culture Documents
Problema especfico:
Analizar y evidenciar cual ha sido el impacto en la creciente demanda de
bienes inmobiliarios en un terreno escaso.
1. PLANTAMIENTO DEL PROBLEMA:
La constructora CDO, compaa que construy el edificio Space en la ciudad
de Medelln, ha tenido una larga trayectoria en el desarrollo y arquitectura de
los inmuebles de alto costo en la ciudad. El origen de esta constructora, segn
registros se remonta al ao 1984, bajo el nombre de Inversiones El Retiro, con
su principal accionista lvaro Villegas Moreno y su hijo, Pablo Villegas, actual
gerente de la constructora. Diez aos despus, conformaron varias empresas
como lo son: Constructora Lrida CDO, Teruel CDO y Concretodo.
Es de resaltar que Constructora Lrida CDO result de la unin de dos
compaas representadas por dos familias, Inversiones El Retiro (Villegas
Mesa) y Bariloche de la Posada (Restrepo Posada), ambas compraron los
terrenos donde se ubica el edificio Space. Como consecuencia del Plan de
Ordenamiento Territorial (POT) en Medelln, en el ao 1999 se dieron
beneficios a las estructuras de lotes en esta ciudad. Esto gener grandes
ventajas para el sector inmobiliario y desencaden la actividad constructora,
dando como resultado altas tasas de crecimiento en el barrio El Poblado, una
zona de la ciudad considerada de exclusividad y lujo, a tal punto que en los
ltimos aos el 30% de las edificaciones de la ciudad se encuentran ubicadas
en esta franja. Las nuevas medidas establecidas en el POT beneficiaron a gran
cantidad de compaas constructoras, entre ellas, CDO, quin en el ao 2006
comenz el desarrollo del proyecto Space. Esta compaa actualmente tiene
presencia en otros departamentos de Antioquia y en Bogot.
Entorno al costo de los materiales, el ndice de Costos de la Construccin de
Vivienda (ICCV) present en el mes de septiembre una variacin de 0,29%
respecto al mes anterior. En lo corrido del ao, el ICCV acumul una variacin
de 2,35%, tasa que resulta ser inferior a la obtenida en el mismo periodo del
2012 cuando se ubic en 2,45%. Segn el Departamento Administrativo
Nacional de Estadstica (DANE), los materiales para la construccin fueron los
que ms se incrementaron, y entre ellos, el grupo compuesto por hierros y
aceros. En este contexto, los fabricantes de acero a tenido que implementar
otras acciones para mitigar este incremento, como el hecho de importar el
acero y as reducir de cierta manera sus costos.
Adems, segn la Asociacin Nacional de Empresarios de Colombia (ANDI),
en lo corrido del ao las importaciones de estos productos han aumentado un
23%. Entre tanto, fuentes del Ministerio de Vivienda aseguraron que el futuro
de Space es por ahora desconocido, teniendo en cuenta la estructura y la
forma cmo se construy: una sola estructura sin juntas, es decir, separaciones
y con materiales de dudosa calidad.
IMPORTANTE: Adems a los valores de venta, estos que son tan grandes y no
queremos encontrarnos con una poblacin bi-modal, dado que haya una moda
para arriendos y otra para ventas, estimaremos el valor del arriendo. Cuando le
ponen el valor de venta a una casa lo hacen aproximadamente, multiplicando el
nmero 10 aos, por 12 meses, y el valor del arriendo mensual.
Dado que nosotros partimos de tener el valor de venta, nos devolveremos a
encontrar el valor del arriendo, dividendo este por 10 aos, por 12 meses; por
ejemplo si el valor de venta son 300 millones, el valor del arriendo estimado
ser (300000.000/12*10 = 2.500.00$)
Con esto tambin a que nuestros datos no tengan una gran dispersin y
puedan quizs tener una distribucin normal.
4. ANLISIS DE LOS DATOS ENCONTRADOS:
Como podemos ver, tenemos 5 variables enteras, las cuales se les puede
hallar el coeficiente de variacin (cv), y su desviacin respectiva, adems
ZONA aunque es entera, no le buscaremos estas medidas.
Los resultados arrojados son, mnimo, 1ER cuartil, mediana, media, 3ER
cuartil, y mximo, en ese orden para cada variable.
Cuartiles 1 y 3:
Medias:
Modas
Utilizamos la funcin = Moda con el fin de hallar la moda que hay dentro de
nuestra base de datos correspondiente al conjunto de inmuebles ofertados en
la Zona 1, 2, 3,4
APARTAMENTO
MODA ZONA 2
Se encuentra que hay una gran oferta de
inmuebles en la zona 2, por la gran
cantidad de inmuebles (Apartamentos) que
all se ofrecen
MODA EN EL AREA
Encontr
de
puesto a
MODA BAOS
Se encuentra que la moda de los baos en
apartamentos ofertados es de 2, esto concuerda
ya que se poseen poco espacio (rea)
MODA HABITACIONES
Encontramos que el numero de baos con los que comnmente vienen estos
apartamentos es de 2, esto tiene sentido puesto que el espacio es
directamente proporcional a las habitaciones y baos encontrados en un
inmueble.
MODA EN EL VALOR DE
INMUEBLE
Se encuentra que el valor de
los apartamentos normalmente
en las zonas analizadas es de
800.000
CASA
Variables rea:
Variable Valor:
Este diagrama de cajas, nos muestra una gran dispersin en la cola derecha,
adems de no observar simetra por tanto punto atpico. Por lo que es un gran
indicio de la no normalidad.
Variables HAB:
El histograma, nos indica que no existe una distribucin normal en los datos,
puede deberse al cambio de las zonas.
El diagrama nos muestra unos bigotes muy semejantes, sin embargo tiene una
desviacin hacia la derecha, debido a los dos puntos atpicos, una media en
aproximadamente 2 baos por inmueble, adems de observar que los datos de
esta variable no son normales
Variables MES:
Este grafico nos indica, que los apartamentos son mucho ms ofrecidos que las
casas, esto se puede deber a que en los ltimos aos, derrumban casas con
un gran terreno para construir edificios de apartamentos.
Tabla frecuencias para el tipo de inmueble:
Variable estado:
Los inmuebles, en arriendo son mucho mayores que los inmuebles en venta,
esto se debe a que muchos encuentran preferible un negocio en renta, que en
venta.
Variable garaje:
El grafico nos indica que en el mes de septiembre bajaron los precios de los
inmuebles, concentrndose en el intervalo de 0 a 2 millones. Adems este mes,
concentra toda su frecuencia reflejando un gran pico.
Podemos ver que nuestras graficas discriminas por meses, ninguna presenta
simetra, por lo que en ningn mes existe una tendencia normal.
El mes con mayor diversidad de precios es julio, este tiene mas dispersin en
el costo de los inmuebles.
ZONA 2 POBLADO
ZONA 3 LAURELES
ZONA 4 BELEN
Anlisis
Se encuentra que el lugar en donde los inmuebles tienen un precio ms alto
son en la zona del POBLADO y de LAURELES, esto se debe a que
principalmente son barrios y zonas exclusivas de la ciudad de Medelln, y
cuentan con una estratificacin 5 , 6 y 7, adems las reas de los inmuebles
tienden a ser mayores que en las otras dos zonas analizadas ( CENTRO Y
BELEN ), con estos datos tambin se puede concluir que el rea es
directamente proporcional a las habitaciones y baos encontrados en los
inmueble lo cual es lgico.
Es por esto que las inmobiliarias estn cada vez comprando lotes o casas en la
zona de POBLADO y LAURELES, para construir edificios, centros comerciales
y otro tipo de inmuebles
5. CONCLUSIONES:
Cdigo en R:
# lectura de datos
datos<-read.csv2("libro de estadistica.csv",enc="latin1")
# Asignacin de los nombres de las variables a las
columnasattach(datos)
summary(datos)s
tr(datos)
# desviaciones
sd(AREA)
sd(HAB)s
d(BANOS
)
sd(VALOR)
#coeficiente de variacion
cvarea=100*sd(AREA)/mean(AR
EA) cvarea
cvHAB=100*sd(HAB)/mean(HAB)
cvHAB
cvBANOS=100*sd(BANOS)/mean(BANOS
) cvBANOS
cvVALOR=100*sd(VALOR)/mean(VALO
R) cvVALOR
#diagramas de barras para variables cualitativas
plot(MES, xlab="MES", ylab="frecuencia", main="Grafica para MES")
plot(TIPOINMUEBLE, xlab="Tipo de inmueble", ylab="frecuencia",
main="Grafica para TIPOINMUEBLE")plot(ESTADO, xlab="ESTADO",
ylab="frecuencia",main="Grafica para ESTADO")plot(GARAJE,
xlab="Posee garaje?", ylab="frecuencia", main="Grafica para
GARAJE")plot(NOVIEMBRE,VALOR)
#diagramas de cajas para variables continuas
boxplot(AREA, ylab="Area del inmueble", main="Grafico bigotes para el
AREA") boxplot(VALOR, ylab="Valor del inmueble", main="Grafico de
bigotes para el VALOR")boxplot(HAB, ylab="Numero habitaciones",
main="Box-plot para HAB")boxplot(BANOS, ylab="Numero de Baos",
main="Box-plot para BAOS")
#tablas de frecuencia y histogramas
library(agricolae)
tablafrecuenciaarea<-graph.freq(AREA,plot=TRUE, main="Histograma variable
AREA", xlab="Area", ylab="frecuencia")
tablafrecuenciaarea
tfgaraje3=matrix(c(fi3,FI3,hi3,Hi3),ncol=4, dimnames=list(c("APARTAMENTO",
"CASA"), c("fi", "Fi",
"hi","Hi")))
tfgaraje3
fi4=table(datos$ESTADO)FI4=cu
msum(fi4)
hi4=table(datos$ESTADO)/200
Hi4=cumsum(hi4)
tfgaraje4=matrix(c(fi4,FI4,hi4,Hi4),ncol=4, dimnames=list(c("ARRIENDO", "VENDE"),
c("fi", "Fi",
"hi","Hi")))
tfgaraje4
#tablas de contingencia:
tabla1<-table(datos$ESTADO,datos$TIPOINMUEBLE) #Estoy creando el objeto
tabla, utilizo la funcin table para crear la tabla.
tabla2<-table(datos$ZONA,datos$TIPOINMUEBLE) tabla3<table(datos$HAB,datos$ESTADO) tabla4<table(datos$BANOS,datos$ESTADO) tabla5<table(datos$HAB,datos$ESTADO)
#grafico de lineas para cada mes
densityplot(~VALOR|MES,data=datos,ylab="Densidad")
bwplot(VALOR~MES|ESTADO,data=datos)