¿En qué forma los vendedores de bienes raíces determinan el precio de venta

para un condominio recién inscrito en lista? La base de datos de una

computadora en una pequeña comunidad contiene el precio de venta de lista y
(en miles de dólares), la cantidad de área de vivienda x1 (en cientos de pies
cuadrados), así como los números de pisos x2, recámaras x3 y baños x4, para
una muestra de 15 condominios seleccionados al azar actualmente en el
mercado. A continuación se muestran los datos en la siguiente tabla:

ObservaciónPrecio de lista,
Area
y de vivienda,x1Pisos, x2 Recámaras, x3 Baños.X4
1 169.0 6 1 2 1
2 218.5 10 1 2 2
3 216.5 10 1 3 2
4 225.0 11 1 3 2 27
5 229.9 13 1 3 1.7 13.5
6 235.0 13 2 3 2.5
7 239.9 13 1 3 2
8 247.9 17 2 3 2.5
9 260.0 19 2 3 2
10 269.9 18 1 3 2
11 234.9 13 1 4 2
12 255.0 18 1 4 2
13 269.9 17 2 4 3
14 294.5 20 2 4 3
15 309.9 21 2 4 3

Reporte administrativo:
1. Usando los métodos de la estadística descriptiva dé un resumen de
estos datos e interprete sus hallazgos.
2. Obtenga ecuaciones de regresión lineal estimada, usando cada
una de las variables independientes e indique ¿Cuál de estas
variables es mejor predictor de la variable dependiente? Analice sus
hallazgos.
3. Obtenga una ecuación de regresión estimada en la que X1 y X2
sean las variables independientes. Analice sus hallazgos

4. Obtenga una ecuación de regresión estimada en la que X1 y X3

sean las variables independientes. Analice sus hallazgos

5. Obtenga una ecuación de regresión estimada en la que X1 y X4

sean las variables independientes. Analice sus hallazgos.

6. Obtenga una ecuación de regresión estimada en la que X2 y X3

sean las variables independientes. Analice sus hallazgos.
7. Obtenga una ecuación de regresión estimada en la que X2 y X4
sean las variables independientes. Analice los resultados.

8. Obtenga una ecuación de regresión estimada en la que X3 y X4

sean las variables independientes. Analice los resultados.

9. Obtenga una ecuación de regresión estimada en la que X1, X2 y

X3 sean las variables independientes. Analice sus hallazgos.

10. Obtenga una ecuación de regresión estimada en la que X1, X2 y

X4 sean las variables independientes. Analice sus hallazgos.

11. Obtenga una ecuación de regresión estimada en la que X1, X3 y

X4 sean las variables independientes. Analice sus hallazgos.

12. Obtenga una ecuación de regresión estimada en la que X2, X3 y

X4 sean las variables independientes. Analice sus resultados.

13. Obtenga una ecuación de regresión estimada en la que X1, X2, X3

y X4 sean las variables independientes. Analice sus hallazgos.
14. En base a la ecuación de regresión obtenida en el ítem 13 ¿Cuál
es el precio de venta de lista que se puede predecir para una vivienda
en una pequeña comunidad, que cuenta con un área de 1500 pies
cuadrado, 2 pisos, 3 recámaras y un baño y medio?
15. Analice la necesidad de agregar otras variables independientes al
modelo. ¿Qué variables sería útil agregar al modelo?
 Area de vivienda,x1 Pisos, x2

Media 14.6 Media 1.4

Error típico 1.12037409 Error típico 0.1309307341
Mediana 13 Mediana 1
Moda 13 Moda 1
Desviación estándar 4.33919018 Desviación estándar 0.5070925528
Varianza de la muestra 18.8285714 Varianza de la muestra 0.2571428571
Curtosis -0.73267078 Curtosis -2.094017094
Coeficiente de asimetría -0.28520054 Coeficiente de asimetría 0.4550830602
Rango 15 Rango 1
Mínimo 6 Mínimo 1
Máximo 21 Máximo 2
Suma 219 Suma 21
Cuenta 15 Cuenta 15
Nivel de confianza(95,0%) 2.40296343 Nivel de confianza(95,0%) 0.2808184956

ANÁLISIS DE DA
MEDIA:
EL PROMEDIO DEL AREA DE VIVIENDA DE LAS 15 VIVIENDAS ES 14,60 (EXPRESADOS EN CIENTOS DE METROS CUADRADOS) .
EL PROMEDIO DEL NUMERO DE PISOS DE LAS 15 VIVIENDAS ES 1,40.
EL PROMEDIO DEL NUMERO DE RECAMARAS DE LAS 15 VIVIENDAS ES 3,20.
EL PROMEDIO DEL NUMERO DE BAÑOS DE LAS 15 VIVIENDAS ES 2,18.

MEDIANA:
EL 50% DEL AREA DE LAS 15 VIVIENDAS ES INFERIOR A 13 MTS2 (EXPRESADO EN CIENTOS DE MTS2) Y EL OTRO 50%
EL 50% DE LAS VIVIENDAS SON DE 1 PISO, EL OTRO 50% SON DE 2 PISOS.
EN CUANTO AL 50% DEL NUMERO DE RECAMARAS, SE ENCUENTRA POR DEBAJO DE 3 RECAMARAS, EL OTRO 50
EL 50% DEL NUMERO BAÑOS DE LAS 15 VIVIENDAS ES INFERIOR A 2 BAÑOS Y EL OTRO 50% DEL NUMERO DE BAÑOS DE L

MODA:
EL AREA DE VIVIENDA QUE MÁS SE REPITE EN LAS 15 MUESTRAS TOMADAS ES DE 13 MTS2 (EXPRESADO EN CIEN
EL NÚMERO DE PISOS POR VIVIENDAS QUE MAS TIENEN CONCURRENCIA ES DE 1 PISO.
EL NÚMERO DE RECAMARAS POR VIVIENDAS QUE MAS TIENEN CONCURRENCIA ES DE 3 RECAMARAS.
EL NÚMERO DE BAÑOS POR VIVIENDAS QUE MAS TIENEN CONCURRENCIA ES DE 2.

DESVIACIÓN ESTÁNDAR:
LOS DATOS TIENEN UNA DESVIACIÓN APROXIMADA RESPECTO A LA MEDIA EN CUANTO AL AREA DE LAS VIVIEN
0,50 ES LA VARIABILIDAD RESPECTO A LA MEDIA, EN CUANTO A LOS PISOS DE LAS VIVIENDAS.
LOS DATOS TIENEN UNA DESVIACIÓN APROXIMADA RESPECTO A LA MEDIA EN CUANTO AL NUMERO DE RECAMARAS POR
LOS DATOS TIENEN UNA DESVIACIÓN APROXIMADA RESPECTO A LA MEDIA EN CUANTO AL NUMERO DE BAÑOS POR VIVIE

CURTOSIS:
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL AREA DE VIVIENDA ES NEGATIVA, POR LO CUAL EL TIPO DE C
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL NUMERO DE PISOS POR VIVIENDA ES NEGATIVA, POR LO CUAL EL TIPO
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL NUMERO DE RECAMARAS POR VIVIENDAS ES NEGATIVA, POR LO CUAL
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL NUMERO DE BAÑOS POR VIVIENDAS ES POSITIVA, POR LO CUAL EL TIP

SIMETRIA:
EN CUANTO AL AREA DE VIVENDA LA CURVA DE ASIMETRIA ES NEGATIVA POR LO TANTO ES ASIMETRICA NEGAT
DE EL NUMERO DE PISOS POR VIVIENDA LA SIMETRIA ES POSITIVA POR SER MAYOR QUE 0.
EN CUANTO AL NUMERO DE RECAMARAS POR VIVIENDA LA SIMETRIA ES NEGATIVA POR SER MENOR A 0.
EN CUANTO AL NUMERO DE BAÑOS POR VIVIENDA LA SIMETRIA ES NEGATIVA POR SER MENOR A 0.
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL NUMERO DE RECAMARAS POR VIVIENDAS ES NEGATIVA, POR LO CUAL
SE HALLÓ QUE LA VARIABLE DE CURTOSIS PARA EL NUMERO DE BAÑOS POR VIVIENDAS ES POSITIVA, POR LO CUAL EL TIP

SIMETRIA:
EN CUANTO AL AREA DE VIVENDA LA CURVA DE ASIMETRIA ES NEGATIVA POR LO TANTO ES ASIMETRICA NEGAT
DE EL NUMERO DE PISOS POR VIVIENDA LA SIMETRIA ES POSITIVA POR SER MAYOR QUE 0.
EN CUANTO AL NUMERO DE RECAMARAS POR VIVIENDA LA SIMETRIA ES NEGATIVA POR SER MENOR A 0.
EN CUANTO AL NUMERO DE BAÑOS POR VIVIENDA LA SIMETRIA ES NEGATIVA POR SER MENOR A 0.
 Recámaras, x3 Baños.X4

Media 3.2 Media

Error típico 0.17457431 Error típico
Mediana 3 Mediana
Moda 3 Moda
Desviación estándar 0.6761234 Desviación estándar
Varianza de la muestra 0.45714286 Varianza de la muestra
Curtosis -0.50480769 Curtosis
Coeficiente de asimetría -0.25598422 Coeficiente de asimetría
Rango 2 Rango
Mínimo 2 Mínimo
Máximo 4 Máximo
Suma 48 Suma
Cuenta 15 Cuenta
Nivel de confianza(95,0%) 0.37442466 Nivel de confianza(95,0%)

ANÁLISIS DE DATOS
TOS DE METROS CUADRADOS) .

TOS DE MTS2) Y EL OTRO 50% DE LAS 15 VIVIENDAS ES SIPERIOR A 13 MTS2 (EXPRESADO EN CIENTOS DE MTS2).
DE 3 RECAMARAS, EL OTRO 50% ESTA POR ENCIMA DE 3 RECAMARAS.
% DEL NUMERO DE BAÑOS DE LAS 15 VIVIENDAS ES SUPERIOR A 2 BAÑOS.

13 MTS2 (EXPRESADO EN CIENTOS DE MTS2).

PISO.
RECAMARAS.

ANTO AL AREA DE LAS VIVIENDAS DE 4,33 MTS2 (EXPRESADOS EN MILES DE MTS2)

VIVIENDAS.
L NUMERO DE RECAMARAS POR VIVIENDAS DE 0,67.
L NUMERO DE BAÑOS POR VIVIENDAS DE 0,54.

A, POR LO CUAL EL TIPO DE CURTOSIS ES PLATICÚRTICA.

NEGATIVA, POR LO CUAL EL TIPO DE CURTOSIS ES PLATICÚRTICA.
DAS ES NEGATIVA, POR LO CUAL EL TIPO DE CURTOSIS ES PLATICÚRTICA.
S POSITIVA, POR LO CUAL EL TIPO DE CURTOSIS ES LEPTOCÚRTICA.

TANTO ES ASIMETRICA NEGATIVA.

R QUE 0.
VA POR SER MENOR A 0.
MENOR A 0.
DAS ES NEGATIVA, POR LO CUAL EL TIPO DE CURTOSIS ES PLATICÚRTICA.
S POSITIVA, POR LO CUAL EL TIPO DE CURTOSIS ES LEPTOCÚRTICA.

TANTO ES ASIMETRICA NEGATIVA.

R QUE 0.
VA POR SER MENOR A 0.
MENOR A 0.
años.X4

2.18
0.13979577
2
2
0.54142669
0.29314286
0.55001364
-0.04187467
2
1
3
32.7
15
0.29983211

NTOS DE MTS2).
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9514249
Coeficiente de determinación R^2 0.90520935
R^2 ajustado 0.89791776
Error típico 10.9294144
Observaciones 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadradosPromedio de los cuadrados
Regresión 1 14829.3001 14829.3000546282
Residuos 13 1552.87728 119.452098361931
Total 14 16382.1773

Coeficientes Error típico Estadístico t

Intercepción 135.546687 10.2253777 13.2559100374039
Area de vivienda,x1 7.50045524 0.67316912 11.1420071999873

Análisis de los residuales

Observación Pronóstico Precio de lista,

Residuos
y Residuos estándares
1 180.549418 -11.5494183 -1.09661848315869
2 210.551239 7.94876075 0.754735668994867
3 210.551239 5.94876075 0.564835458669138
4 218.051694 6.94830551 0.659742339201426
5 233.052605 -3.15260496 -0.299340172204648
6 233.052605 1.94739504 0.184905364125959
7 233.052605 6.84739504 0.650160879423994
8 263.054426 -15.1544259 -1.43891433268132
9 278.055336 -18.0553364 -1.71435608691478
10 270.554881 -0.65488113 -0.062181032450365
11 233.052605 1.84739504 0.175410353609673
12 270.554881 -15.5548811 -1.47693759937704
13 263.054426 6.8455741 0.649987980901693
14 285.555792 8.9442084 0.849253527851981
15 293.056247 16.8437532 1.59931613400803

Precio de lista, y
Area de vivienda,x1

RESULTADO DE LA CORRELACIÓN:

COMO r = 0,95 EXISTE UNA CORRELACIÓN POSITIVA E

LOS VALORES DE AMBAS VARIABLES TIENDEN A INCRE
 Area d

20
10

Residuos
0
-10 4 6
-20

F Valor crítico de F
124.14432444457 0.00

Grá
400

Precio de lista, y
Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Superior 95,0% 300
6.278146207E-09 113.456101414194 157.637272 113.456101 157.637272 200
5.061025029E-08 6.04616175751286 8.95474871 6.04616176 8.95474871 100
0
0

Resultados de datos de probabilidad

Percentil Precio de lista, y Area de vivie

3.33333333333333 169 6
10 216.5 10
16.6666666666667 218.5 10
23.3333333333333 225 11
30 229.9 13
36.6666666666667 234.9 13
43.3333333333333 235 13
50 239.9 17
56.6666666666667 247.9 19
63.3333333333333 255 18
70 260 13
76.6666666666667 269.9 18
83.3333333333333 269.9 17
90 294.5 20
96.6666666666667 309.9 21

Precio de lista, y Area de vivienda,x1

1
 0.9514249037657 1

LA CORRELACIÓN: ANÁLI
EXISTE UNA CORRELACIÓN POSITIVA ENTRE AMBAS VARIABLES, EN LA QUE
E AMBAS VARIABLES TIENDEN A INCREMENTARSE JUNTOS. LA VARIABLE SELECCIONADA COMO M
DE CRÉDITO ES EL TAMAÑO DE LA FA
 Area de vivienda,x1 Gráfico de los
residuales
20
10
Residuos

0
-10 4 6 8 10 12 14 16 18 20 22
-20
Area de vivienda,x1

Gráfico de probabilidad normal

400
Precio de lista, y

300
200
100
0
0 20 40 60 80 100 120
Muestra percentil

Precio de lista, y Precio de lista, y

169
350
218.5
216.5 300
225 f(x) = 7.50045523520485 x + 135.546686899343
250 R² = 0.905209347505632
229.9
235 200
Axis Title

239.9 Precio de lista, y

150 Linear (Precio de lista, y)
247.9
260 100
269.9
50
234.9
255 0
269.9 4 6 8 10 12 14 16 18 20 22
294.5 Axis Title
309.9
 ANÁLISIS DE DATOS
SELECCIONADA COMO MEJOR PREDICTOR DE LOS CARGOS A LAS TARJETAS
ES EL TAMAÑO DE LA FAMILIA PORQUE SU VALOR ES EL MÁS CERCANO A 1.
lista, y
ecio de lista, y)