INFLUENCIA DE LA EDAD DE LA RESIDENCIA EN EL PRECIO DE VENTA DEL INMUEBLE UTILIZANDO REGRESIN LINEAL SIMPLE "

Carlos Gonzalez, Ronny Torres, Tyron Villavicencio

caregobz@espol.edu.ec; rptorres@espol.edu.ec; tyauvill@espol.edu.ec

RESUMEN

En este trabajo se aplicarn los conocimientos adquiridos en clases a travs de un ejemplo de aplicacin, donde al conocer la relacin indirecta entre el precio de venta del inmueble y la edad de residencia del mismo, ajustar a un modelo de
regresin lineal simple dicha situacin que permita conocer que tanta influencia tiene una variable con la otra; adems de poder realizar las respectivas predicciones, conociendo tan solo la edad de residencia que tenga el inmueble. Se obtuvo
de manera personal y confidencial, una base de datos de veinticinco inmuebles con su respectivo precio de venta y edad de residencia para su respectivo anlisis y conclusin de ajuste.

INTRODUCCIN

Para la ciencia es de primordial importancia ajustar modelos matemticos a circunstancias de la vida real, que permitan describirlos y analizarlos. Es por ello, que la regresin lineal ha sido de suma utilidad, al ser aquella herramienta
estadstica que permite aproximar la relacin lineal de dependencia entre una variable dependiente y otras independientes entre s, que permitan dar explicacin a un fenmeno en particular.

Descripcin del problema VARIABLES ALEATORIAS

En el archivo inmuebles.dat son presentados datos relativos a una

Variable Leyenda
Distribucin Binomial
muestra de 27 inmuebles. En orden se presentan las siguientes
variables: (i) impuesto del inmueble (en 100 USD), (ii) rea del
terreno (en 1000 pies cuadrados), (iii) rea construida (en 100 pies Edad Edad (Aos)
cuadrados), (iv) edad de la residencia (en aos) y (v) precio de
venta del inmueble (en 1000 USD). El objetivo es evaluar la
Sexo Sexo (1: Hombre, 2: Mujer)
influencia sobre el precio de venta por parte de las dems
variables.
Causa_Muerte Causa de muerte (1: Cncer de

mama, 2: Cncer pulmonar, 3:

Cncer al hgado, 4: otros)

La variable edad se establece como discreta, ya que en la base de
datos del INEC se presentaba la variable ao de nacimiento, donde a
su vez se hizo la transformacin respectiva para una mejor
interpretacin. El sexo y la causa de muerte se establecen como
variables categricas, en el cul para cada una de sus categoras se ha
establecido una etiqueta, como se detalla en la Superior

METODOLOGA Y RESULTADOS

Anlisis Descriptivo
MATRIZ DE CORRELACIN Impuesto rea del terreno rea construida Edad de la residencia

Los modelos que se emplean para relacionar una variable dependiente y con las variables independientes
1 , 2 , 3. se denominan modelos de regresin o modelos estadsticos lineales porque expresan un valor medio de y
para valores dados de 1 , 2 , 3. como una funcin lineal de un conjunto de parmetros desconocidos. Impuesto 1,000 0,687 0,832 -0,371

La relacin entre las variables regresoras y la variable dependiente se establece mediante el modelo general de
regresin lineal simple:
rea del terreno 0,687 1,000 0,703 -0,380

= 0 + +
rea construida 0,832 0,703 1,000 -0,178

donde b0, b1, b2, ..., bi son los parmetros del modelo (se tienen i variables independientes y p parmetros).

. -0,371 -0,380 -0,178 1,000

Edad de la residencia

Media Error Estndar Mediana Moda Varianza Desviacin Estndar Mnimo Mximo Cuartil 1 Cuartil 2 Cuartil 3

Grficas de residuos para Precio de venta

Impuesto
7,24 0,55 6,09 3,89 8,31 2,88 3,89 15,42 5,06 6,09 8,36
(en $100)
Grfica de probabilidad normal vs. ajustes
99
Residuo estandarizado

2
90
1
Porcentaje

rea del terreno

6,35 0,46 5,85 4,46 5,78 2,40 2,28 12,80 4,46 5,85 7,80
(1000 )

50 0

10 -1
rea construida
1,51 0,11 1,49 1,12 0,31 0,56 0,98 3,42 1,18 1,49 1,66
(100 )
1 -2
-2 -1 0 1 2 20 40 60 80
Residuo estandarizado Valor ajustado

Histograma vs. orden

Edad de la residencia (aos) 36,48 2,70 40,00 30,00 197,49 14,05 3,00 62,00 30,00 40,00 48,00
Residuo estandarizado

4,8 2

3,6 1
Frecuencia

Precio de venta 2,4 0

38,50 2,75 36,90 25,90 204,70 14,31 25,90 84,90 29,90 36,90 41,00
(en $1000)
1,2 -1

0,0 -2
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2 4 6 8 10 12 14 16 18 20 22 24 26
Residuo estandarizado Orden de observacin

CONCLUSIONES

Antes de establecer cualquier modelo de regresin lineal, se tiene que tener en cuenta la relacin directa entre las variables predictoras, y eliminar alguna de stas si es necesario, evitando as errores de estimacin de la variable de respuesta.

Los datos poco frecuentes o aberrantes producirn tambin un error de estimacin de los parmetros para el modelo de prediccin, en el cual el porcentaje de explicacin no estar establecida para la realidad de los datos.

Es importante que las covariables estn centralizadas, ya que as todos los parmetros del modelo de regresin lineal tendrn interpretacin.

REFERENCIAS

INEC. (s.f.). INSTITUTO NACIONAL DE ESTADSTICAS Y CENSOS. Obtenido de http://www.ecuadorencifras.gob.ec/

ngel A. Juan, M. S. (s.f.). Universidad Oberta de Catalunya. Obtenido de http://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf
Colas Pozuelo, M. (7 de Octubre de 2010). TRANSPORTATION RESEARCH BOARD. Obtenido de trid.trb.org: https://trid.trb.org/view.aspx?id=959229
Zurita, G. (2010). Estadstica y Probabilidades . Guayaquil: Espol.