1

Análisis Estadístico de los Usuarios de la

Plataforma Airbnb.
C. A. Azanza, estudiante, Universidad Católica de Cuenca, y M.C. Salamea, estudiante, Universidad
Católica de Cuenca

|
Resumen— En el siguiente trabajo de investigación se realizó
un análisis estadístico de los usuarios de la plataforma Airbnb, en
los últimos cinco años turistas y trabajadores han optado por el
uso de este sistema de alojamiento debido al bajo costo que
representa, permitiendo ahorrar a los usuarios gran cantidad de
dinero. En este artículo anualizaremos la variable de precio que es
la razón por la cual los usuarios deciden usar este servicio.
Analizaremos los costos mínimos y más altos de los alojamientos y
se realizara un análisis comparativo con servicios de alojamiento
tradicionales para poder determinar cuánto se puede ahorrar
usando esta plataforma, para poder realizar el análisis se procedió
al uso de software gratuito R para la obtención de estadígrafos y
gráficas.
Índice de términos— Airbnb, alojamiento, análisis,
comparativo, estadístico, estadígrafos, graficas, hoteles, Madrid,
resultados.
II. DATOS Y MÉTODOS
A. Materiales y Datos:
Para la realización de esta investigación se utilizó el software
gratuito RStudio, que utiliza códigos de programación para el
análisis de datos estadísticos, como también de gráficas y
estadígrafos.
También se usaron dos bases de datos diferentes, la primera
base de datos se descargó de la página oficial de Airbnb, que
corresponde a todos los alojamientos disponibles que existen
en la ciudad de Madrid España en el año 2017.
TABLA I
MUESTRA DE DATOS ALOJAMIENTOS EN LA CIUDAD DE MADRID DE AIRBNB.

I. INTRODUCCIÓN

E STE trabajo de investigación analiza el uso de la plataforma

virtual Airbnb.
Viajar ya sea por placer o por trabajo se ha convertido en una
acción rutinaria y necesaria en la sociedad actual, pero los La segunda base de datos fue de creación propia para el
costos de realizar cualquier tipo de viaje pueden alcanzar estudio de este caso, corresponde a 100 hoteles diferentes de la
niveles a los que un usuario promedio no se encuentra en la ciudad de Madrid, buscando los 100 más utilizados la base de
capacidad de costear. La plataforma Airbnb desde hace cinco datos consta del nombre del hotel como de su precio por
años ha colaborado con viajeros a reducir drásticamente el noche.
TABLA II
presupuesto necesario para poder realizar un viaje. En el MUESTRA DE DATOS HOTELES EN LA CIUDAD DE MADRID.
siguiente trabajo de investigación se analizará los costos que se
pueden ahorrar al usar este tipo de servicio. Se realizará un
análisis comparativo entre el uso de este servicio y los servicios
de alojamiento tradicionales, además se realizará un análisis
estadístico completo de la variable precio de Airbnb,
planteando como objetivo el incentivar a los consumidores
ahorrar costos con este tipo de alojamiento que favorece dos
partes, al inquilino como al anfitrión. Se analizará estadígrafos
de tendencia central, posición y dispersión, así como también
las diferentes graficas de la variable a analizar.

B. Metodología
Para el análisis del caso se utilizó el Programa RStudio que
utiliza un código de programación propio para poder obtener
resultados de una manera rápida y eficaz al poder trabajar con
gran cantidad de datos.
En la base de datos de Airbnb existe 14 variables diferentes
para trabajar en este caso se procedió a utilizar la variable
“Price” que determina el precio de cada alojamiento
Para el trabajo se realizó los siguientes pasos:
1. Inserción de datos en el programa mediante la
herramienta Import Dataset.
2. Luego se procedió a calcular los estadígrafos de
tendencia central, posición, kurtosis y simetría.
Para ello se usaron los comandos “summary” y
“describe”
El comando “describe” calcula los siguientes valores
que han sido estudiados con anterioridad y para los
cuales anotaremos su fórmula de cálculo a mano:
 La media que es la medida de tendencia
central más usada ya que es el promedio su
fórmula es la siguiente:
ΣXi
𝑋= (1)
𝑛
Xi en este caso el precio de cada alojamiento
de la base de datos,
n el número de alojamientos totales.
 También se calculó la media recortada
quitando valores extremos para que de darse
valores atípicos extremos esta pueda ser
tomada como una medida de tendencia central
más precisa.
 La mediana es el valor de la medida central
del total de datos.
 Se pudo obtener el valor mínimo y máximo de
todos los 12605 diferentes alojamientos, así
como el rango que es:
𝑅𝑎𝑛𝑔𝑜 = 𝑉. 𝑚𝑎𝑥𝑖𝑚𝑜 − 𝑉. 𝑚𝑖𝑛𝑖𝑚𝑜 (2)
 La varianza, que nos indica que tan dispersos
están nuestros datos con respecto a la media:
Σ(Xi−X)2
𝑠2 = (3)
𝑛 III. RESULTADOS Y DISCUSIÓN DE RESULTADOS
 La desviación estándar que es la raíz cuadra de
la varianza.
𝑠 = √𝑠 2 (4)
2
 Luego calculamos el coeficiente de asimetría
para determinar la forma en la que se
encuentran distribuidos nuestros datos:
Σ(Xi−X)3
𝐴𝑠 = (5)
𝑛∗𝑠 3
 Por ultimo analizamos la kurtosis de nuestros
datos y determinamos si existe agrupamiento
en nuestros datos o se encuentran dispersos.
Σ(Xi−X)4
𝛼= (6)
𝑛∗𝑠 4
El comando “summary” nos ayuda a determinar los
valores de lo cuartiles. El programa RStudio no utiliza
datos agrupados por lo que no se utiliza la fórmula
tradicional para el cálculo de cuartiles.
3. Se analizó si existen valores extremos apartados, para
lo cual en el programa se realizó los siguientes
cálculos.
 Cálculo de la dispersión entre cuartiles:
𝑓𝑠 = 𝑄3 − 𝑄1 (7)
 Cálculo de valores extremos:
𝑉. 𝑒𝑥𝑡𝑟𝑒𝑚𝑜 = 𝑓𝑠 ∗ 3 (8)
 Cálculo de Limites:
𝐿. 𝑖𝑛𝑓𝑒𝑟𝑖𝑟𝑜𝑟 = 𝑄1 − 𝑉. 𝑒𝑥𝑡𝑟𝑒𝑚𝑜 (9)
𝐿. 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 = 𝑄3 + 𝑉. 𝑒𝑥𝑡𝑟𝑒𝑚𝑜 (10)
4. En el programa se procedió a obtener cada uno de los
diferentes gráficos:
 Histograma se procedió a realizar un
histograma con el comando “hist”.
 Gráfico de Barras con el comando “barplot”.
 Gráfico de puntos con el comando “plot”
 Gráfico de Caja y Bigote con el comando
“boxplot”.
Además, se realizó un análisis comparativo de precios
entre los hoteles y los alojamientos de Airbnb con un
diagrama de caja y bigote entre las dos bases de datos.
Después de realizar todos los procesos abordados en la
Metodología se presenta a continuación los siguientes
resultados, organizados en la misma forma en la que fue
presentada la metodología para mantener un orden apropiado
y que pueda ser comprensible hacia el lector.
Cabe destacar para la comprensión de este artículo, que a
pesar de que la ciudad en estudio es Madrid, el análisis de

precios se encuentra en dólares americanos ya que la empresa
Airbnb es norteamericana.
1. Al insertar los datos se determinó que en la base de
datos de Airbnb existen 12605 observaciones de
diferentes alojamientos.
Con el comando “describe” se pudo conocer que el
valor mínimo de un alojamiento por noche es de
$10.0 mientras que el valor máximo es de $934.
Dando, así como resultado un rango de $924(2)
Fig. 1 Valor mínimo, máximo y rango.
2. Se calculó todos los estadígrafos arrojando los
siguientes resultados.
Fig. 2 Estadígrafos de tendencia central y dispersión.
En la Fig.2 se puede observar los siguientes
resultados la media obtiene un valor de 74.98, la
media recortada 64,81, la mediana es 60, la varianza
1 y la desviación estándar es igual a 61.82.
Al observar estos datos podemos determinar que la
mediana y la media recortada obtienen valores muy
similares, esto se debe a los valores extremos que
hacen que la media aritmética y la mediana tengan un
valor un poco más alejado.
Se recomienda usar igualmente la media como
medida de tendencia central más probable ya que
existe solamente una diferencia de 14.98$ con la
mediana, considerando el valor máximo 934$, el
valor de la media es aceptable para ser tomada como
referencia.
Al analizar la varianza podemos determinar que la
mayoría de los datos se encuentras cercanos a la
media aritmética.
En la siguiente parte se analizó la asimetría y la
kurtosis de nuestra base de datos y nos dio los
siguientes resultados:
Fig. 3 Estadígrafos de forma.
Se puede observar en la Fig.3 que la asimetría tiene
un valor de 0.55.
Al obtener este resultado podemos determinar que
As > 0, por lo que podemos deducir que al ser mayor
a cero encontramos una asimetría positiva, quiere
decir que la mayoría de los alojamientos se
encuentran en la parte izquierda del total de datos.
3
Con la Kurtosis podemos observar que obtiene un
valor de 23.93.
Podemos determinar entonces que α > 3, por lo que
afirmamos entonces que nuestros datos se encuentran
en una curva leptocúrtica, eso quiere decir que la
mayor cantidad de alojamientos se encuentran muy
agrupados.
En la tercera parte de este estudio de estadígrafos
analizaremos la posición y el valor de los cuartiles,
para lo cual se usó el comando “summary”.
Fig. 4 Estadígrafos de posición.
En la Fig. 4 podemos observar el valor de los 3
cuartiles principales de nuestra base de datos.
Según estos resultados podemos concluir que el 25%
de los alojamientos se encuentran en valores iguales
o menores a 38$, esto nos determina el primer cuartil.
El segundo cuartil o la mediana nos dice que el 50%
de los datos se encuentra en valores iguales o
menores a 60$.
El tercer cuartil nos indica que el 75% de nuestros
datos se encuentra en valores iguales o menores a
93$.
Por ultimo podemos determinar que el 25 % de los
datos restantes son superiores a los 93$, por lo que de
12605 alojamientos totales en la ciudad de Madrid
solo 3016 superan los 93$. Considerando que la
media de un hotel promedio en Madrid es de 186$ en
el 75% de los alojamientos de Airbnb existe hasta un
100% de ahorro que en un hotel tradicional de
Madrid.
3. Al hacer el análisis de los valores extremos se
obtuvieron los siguientes resultados:
Fig. 5 Resultados Análisis de Valores Extremos.
Pudimos determinar que la dispersión entre cuartiles
es de 55 (7), y el Valor extremo es de 165 (8).
Con eso obtuvimos los limites el límite inferior
obtuvo un valor de -127 (9), mientras que el límite
superior un valor de 258 (10).
Podemos analizar estos valores entonces en el lado
izquierdo de nuestros alojamientos miramos que el
valor mínimo es de 10$ y el límite inferior es de -127
por lo que podemos concluir que de ese lado no
existen valores extremos.
 4

Por el lado derecho es diferente determinamos
entonces que el límite superior es 258 y el valor
máximo es de $934, así que existe gran cantidad de
valores extremos después de los 258$. Siendo así
hasta el Valor máximo uno de los Valores extremos.
Haciendo un análisis podemos decir entonces que
existen alojamientos bastante costosos superiores a
los 260$ pero en la base de datos se puede observar
que estos alojamientos corresponden a casas o
departamentos que pueden ser utilizados por 2 o más
personas.
En la gráfica de barras se puede observar los 12605
diferentes alojamientos de la ciudad de Madrid.
Se puede observar que los alquileres más costosos
superan los 900$, como se observó en el histograma
se observa que la mayor cantidad de alojamientos se
encuentran en un rango de 0 a 100$.
La Grafica de Puntos nos muestra los siguientes
resultados:

4. En el punto 4 en la metodología se propuso el análisis

de Graficas de la base de datos de alojamientos de
Airbnb.
Primero analizaremos el histograma que obtuvimos
en nuestros datos:

Fig. 8 Grafico de Puntos Precio por Noche en Alojamiento en

Madrid.

En la gráfica se puede observar el número de

observaciones que repite un precio en los 12605
alojamientos, se puede observar que existen solo 4
alojamientos que superan los 750$.
Fig. 6 Histograma Precio por Noche en Alojamiento en Madrid. Y al igual que en otras graficas se puede observar
como la mayoría de datos se encuentran en un rango
Se puede observar como primer punto que en la de 0 a 200$.
gráfica tenemos una asimetría positiva, según
podemos observar casi el 90% de los datos se Ahora se analizará el diagrama de caja y bigote:
encuentra en un rango de 0 a 200$.
También determinamos que la gráfica es unimodal
por lo que se puede ver casi el 70% de los datos se
encuentran en un rango de 0 a 100 hasta. Según la
moda que se observa entre ese 70% podemos ver que
existen hasta aproximadamente 5000 alojamientos
entre 0 y 50$ y un poco más de 5000 alojamientos
entre 50$ y 100$.
Ahora se analizará la Gráfica de Barras:

Fig. 9 Boxplot Precio por Noche en Alojamiento en Madrid.

Determinamos entonces que el 50% de los datos se

Fig. 7 Grafico de Barras Precio por Noche en Alojamiento en
Madrid.
encuentran muy agrupados, cerca de la mediana y
que se pueden encontrar entre un rango de 38$ a 93$.
Los bigotes de nuestra caja en el lado inferior llegan
a un valor cercano a 0 como sabemos que el valor
mínimo es de 10$, y por el lado superior llega hasta
antes de los 200$.
 5

Después de esto podemos observar los valores

atípicos y valores extremos del total de nuestros
datos.
Como se observó en la gráfica de puntos se puede
observar que hay solo 3 valores que superan los
800$.
Para terminar con los resultados se realizará un análisis
comparativo entre los alojamientos de Airbnb y los hoteles
tradicionales.
Fig. 10 Estadígrafos de los Hoteles tradicionales de Madrid.
Fig. 11 Valores Mínimo y Máximo de los Hoteles tradicionales de
Madrid.
IV. CONCLUSIONES
Dado los resultados de los objetivos planteados podemos
concluir que al usar la plataforma Airbnb como medio de
alojamiento podemos ahorrar gran cantidad de dinero.
Ya que este artículo se plantea únicamente al aspecto
económico no se analizó los aspectos de inconformidad o
incomodidad que pueda generar usar este tipo de servicio.
Al observar los datos nos damos cuenta que en Airbnb muchos
de los alojamientos no superan los 100$ lo que a la hora de
viajar equivale a un gran ahorro en el presupuesto de un viaje
ya sea a turistas o empresas que requieran un viaje de trabajo.
Como conclusión de los últimos resultados acerca del análisis
comparativo de los dos servicios, podemos observar cómo
puede constituirse ese ahorro si observamos que, dado el
tamaño de las dos bases de datos, en Hoteles siendo solo los
100 más visitados y en Airbnb el total de alojamientos del año
2017, que a pesar de los tamaños, el 50% de los datos de
Airbnb se encuentra mucho más agrupado que el de los
hoteles, esto quiere decir que el ahorro planteado por Airbnb
es exponencial además se observa en la Fig.12 como en el
cuartil 1 de los hoteles es superior al cuartil 3 de Airbnb.
Todos estos resultados nos muestran en un aspecto económico
porque es recomendable usar este servicio para personas que
no se encuentren en la capacidad de pagar un viaje.

V. REFERENCIAS

Libros:
[1] J. Devore, Probabilidad y Estadística para Ingeniería y Ciencias, 6ta Ed.
México: International Thomson, 2005, p. 81.

Fig. 12 Boxplot Comparativo entre los hoteles de Madrid y los

alojamientos de Airbnb.

Como se puede observar en la Fig. 10 la media de los hoteles

tradicionales es de 186$, mientras que en Airbnb la media es
de 74.82$ existiendo una diferencia de 111.18$. Como se
puede ver en Airbnb puede existir hasta un ahorro de más del
100% en el alquiler de un alojamiento promedio.
En la Fig. 11 se observa como el valor mínimo de un hotel es
de 35$ mientras que en Airbnb el valor mínimo es de $10 por
un cuarto. Además, observamos que el valor máximo de los
hoteles es de 555$, mientras que en Airbnb es de 934$, pero
cabe recalcar que en un hotel el valor máximo es para una sola
persona, en cambio en Airbnb el valor máximo corresponde a
el de una casa o departamento en donde se podrían alojar hasta
15 personas.
En la Fig.12 tenemos un Diagrama de caja y bigote
comparativo entre los dos tipos de alojamiento. Podemos
observar como en los hoteles tradicionales el 50% de los datos
se encuentran más dispersos que los de los alojamientos de
Airbnb, además este 50% de datos se encuentran en un rango
de 150$ a 300$, mientras que en Airbnb el 50% de datos esta
entre 38$ a 93$.