Un promotor immobiliario se dispone a adquirir un conjunto de edificaciones en un área comercial de la ciudad.

Requiere estim

Y1 Valor de la tasación del edificio Y1 X1 X2

X1 Superficie en metros cuadrados 142 231 2
X2 Número de oficinas 144 233 2
X3 Número de accesos 151 235 3
X4 Estado de los edificios 160 237 3
139 220 2
Los datos se muestran en la siguiente tabla: 169 242 4
126 235 2
x4 143 237 2
Excelente 163 249 3
Bueno 189 251 4
Regular 149 234 2
Regular
Malo
Bueno
Malo
Regular
Excelente
Bueno
Regular
rcial de la ciudad. Requiere estimar el valor del edificio de un área determinada basada en las siguientes variables:

X3 X4
2 4
2 3
1 2
2 2
3 1
2 3
1 1
2 2
3 4
4 3
3 2
 X1 Y1
231 142
233 144
235 151
237 160
220 139
242 169
235 126
237 143
249 163
251 189
234 149

Y1
200
Y1 Valor de la tasación del edificio

180
160
140
120
100
80
60
40
20
0
215 220 225 230 235 240 24 5 250 255
X1 Superficie en metros cuadrados

X2 Y1
2 142
2 144
3 151
3 160
2 139
4 169
2 126
2 143
3 163
4 189
2 149

Y1
200
n del edificio

180
160
140
120
 Y1
200

Y1 Valor de la tasación del edificio

180
160
140
120
100
80
60
40
20
0
1.5 2 2.5 3 3.5 4 4.5
X2 Número de oficinas
 X3 Y1
2 142
2 144 Y1
1 151 Y1 1
2 160 X1 0.76273863
3 139 X2 0.89420132
2 169 X3 0.61347141
1 126 X4 0.48203526
2 143
3 163 Interpretación
4 189 La variable que explica mejor la causalidad hac
3 149 "x2" - el número de oficinas con un coeficiente
posterior a ello también contamos con la varia
la variable "x3" baja a explicarlo de una forma
Y1
está por debajo de 0.5 por lo que ya no es con
200
Y1 Valor de la tasación del edificio

180
También podemos observar que todas present
160
140 lo que mientras x aumente y aumentará tamb
120
100
80
60
40
20
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
X3 Número de accesos

X4 Y1 Malo 1
4 142 Regular 2
3 144 Bueno 3
2 151 Excelente 4
2 160
1 139
3 169
1 126
2 143
4 163
3 189
2 149

Y1
200
del edificio

180
160
140
 Y1
200
Y1 Valor de la tasación del edificio
180
160
140
120
100
80
60
40
20
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
X4 Estado de los edificios
 X1 X2 X3 X4

1
0.72591618 1
0.3228656 0.2857198 1
0.53811748 0.33632135 0.28140755 1

e explica mejor la causalidad hacia "y", es la variable

ro de oficinas con un coeficiente de correlación superior al 0.7,
o también contamos con la variable "x1" que supera el 0.7;
" baja a explicarlo de una forma regular y la variable "x4"
o de 0.5 por lo que ya no es confiable.

mos observar que todas presentan una pendiente positiva, por

s x aumente y aumentará también.