PLANTEAMIENTO DEL PROBLEMA

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.

El barrio El Poblado, en la ciudad de Medelln, es reconocido por ser de alta exclusividad y lugar de los ms altos y lujosos estratos de la ciudad. Sin embargo; el sobre poblamiento, el alto nivel de oferta de edificaciones, problemas ambientales y asuntos relacionados con restriccin del suelo generan una cierta incertidumbre sobre el desarrollo urbanstico en este sector. Los promedios en precios del metro cuadrado en este barrio oscilan entre $3.350.000 y $4.082.896, registrando uno de los valores ms altos, sino el ms alto en el Valle de Aburr. Sin embargo, la situacin que presenta este panorama es esperanzador, ya que la construccin y el negocio de ventas y arriendo de inmuebles se ha estabilizado durante los ltimos aos. Si bien se sigue vendiendo propiedades en esta zona, otras localidades de la ciudad le han quitado participacin a El Poblado como el sitio de mayor transformacin por construcciones nuevas. Es el caso de municipios como Bello y Sabaneta, los cuales han tomado la delantera en materia Inmobiliaria, ya que mientras El Poblado participa con cerca del 12% de la actividad edificadora en el Valle de Aburr, Bello y Sabaneta presenta el 17% cada uno. Adicionalmente, el promedio de ventas de vivienda en este sector ha estado alrededor de 1.500 en el ao, a su vez, cabe anotar que El Poblado participa con el 7% del total de las viviendas vendidas hasta el mes de septiembre, participacin que en el ao 2010 era del 12%. El desplome del edificio Space, ligado a otras situaciones como el derrumbe en la Cola del Zorro en el ao 2008, y el deterioro en la va las Palmas donde el puente en el kilmetro 7+300 recin construido se agriet, dejan en entredicho la situacin tan compleja que sucede en esta parte de la ciudad y generan ciertas dudas acerca de la estabilidad del suelo para futuros proyectos inmobiliarios. As las cosas, para evitar que contine la expansin de urbanizaciones en la parte alta de El Poblado y que se siga daando esta zona considerada por muchos como reserva ambiental; se pretende, principalmente en el sector de Las Palmas, dar mayor relevancia a las construcciones con fines de competitividad internacional y la materializacin de parques que permita la conservacin del ambiente natural. Cmo se afecta el sector inmobiliario? Tras conocerse la magnitud de la tragedia y las posibles causas que la produjeron, no pas mucho tiempo para que el gobierno nacional aplicara medidas y tomara cartas en el asunto. El Ministro de Vivienda, Luis Felipe Henao, anunci la creacin de una superintendencia que tendr como objetivo controlar y vigilar a los curadores y los constructores en el pas. La idea que planea el gobierno con la creacin de esta institucin es evitar que se presenten en un futuro tragedias como la ocurrida en Medelln. De esta manera el plan del gobierno contempla principalmente cinco puntos: 1.1. Supervisin de construcciones: Se eliminan todas las excepciones y restricciones que permitan que los curadores o municipios autoricen a los constructores para que ellos mismos controlen la ejecucin de sus obras.

1.2. Mayor rigurosidad en las obras: Con este punto se pretende exigir siempre una supervisin independiente del constructor que certifique todo lo relacionado con las obras, es decir, los planos, calidad de materiales, ejecucin, etc; mediante reportes a las entidades competentes para que as se garantice el cumplimiento de la ley.

1.3. Concurso nacional para supervisores.

1.4. Superintendencia delegada para el consumidor de edificaciones: El ministerio tambin anunci la creacin de la Superintendencia Delegada para el Consumidor Inmobiliario, la cual tendr como objetivo proteger a los consumidores de vivienda, adems de investigar las prcticas indebidas, y recibir quejas y reclamos.

1.5. Plizas obligatorias para cualquier proyecto: Se eliminan todas las excepciones y restricciones que permitan que los curadores o municipios autoricen a los constructores para que ellos mismos controlen la ejecucin de sus obras.

2. OBJETIVOS DEL ESTUDIO:

La realizacin de un anlisis estadstico descriptivo de los inmuebles que se encuentran o se encontraban para arrendar o vender en el municipio de Medelln en los meses de Julio, Agosto y Septiembre del presente ao.

Modelar e implementar a travs de R, software estadstico, por medio de grficos y tablas de contingencia, donde se relacionen las variables bajo estudio.

Relacionar el comportamiento entre el precio de un inmueble y sus principales lujos: zona, rea, nmeros de baos, nmero de habitaciones, garaje.

Analizar cuales son las variables que inciden en el precio de un inmueble.

3. MUESTRA DEL ESTUDIO: Se tomaran 200 medidas de inmuebles de Medelln, recolectando informacin a travs de las diferentes pginas inmobiliarias que existen para Medelln. En estas pginas de internet se buscara informacin como: Estado (ARRIENDO, VENDE), rea (metros cuadrados), nmeros de baos, nmero de habitaciones, garaje (si o no), valor, tipo de inmueble (CASA, APARTAMENTO), zona (1, 2, 3, 4), mes (JULIO, AGOSTO, SEPTIEMBRE).

Cabe mencionar que las zonas se distinguen como sigue:

Zona 1: Centro Zona 2: Poblado Zona 3: Laureles Zona 4: Beln

Se realizara una bsqueda en google sobre inmuebles en Medelln, se escoger 4 pginas al azar, y de cada pgina se recolectaran 50 datos, adems se escogern 50 datos por zona, de tal forma que podamos tener la

misma probabilidad por cada Zona (0,25). Adicionalmente, en esta bsqueda se filtraran los resultados publicados exclusivamente en los meses de inters.

Las pginas de las cuales extraeremos la informacin sern:

Si la pgina solicita especificar la ciudad, se introducir Medelln, y si solicita el departamento, especificaremos Antioquia. Una vez arrojados los resultados, copiaremos detalladamente la informacin en EXCEL.

Una vez en EXCEL utilizaremos el siguiente formato:

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:

ESTADSTICOS DE RESUMEN: Para cada una de las variables cuantitativas

debe hallarse Media, Mediana, Moda, Desviacin estndar, Coeficiente de

variacin, Cuartil 1 y Cuartil 3.

Una variable cuantitativa es la que se expresa mediante un nmero, por tanto

se pueden realizar operaciones aritmticas con ella.

Resumen de datos:

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.

El mes con mayor frecuencia fue agosto.

El estado del inmueble que son ms ofrecidos son los ARRENDADOS,

es lgico ya que hay mayor de estos que en venta.

El tipo de inmueble con mayor frecuencia fue APARTAMENTOS, es

aceptable ya que hoy en da construyen ms de estos que una casa.

Es ms frecuente encontrar inmueble sin garaje, que con garaje.

Lo ms frecuentemente pagado es de 1.228.950 por un arriendo.

El valor mximo que se paga es de 7 millones por un arriendo.

Cuartiles 1 y 3:

El 25% de los inmuebles poseen un rea a lo ms de 54 metros

cuadrados, y el 75% un rea de 100 metros cuadrados.

El 75% de los inmuebles cuenta con 3 baos mximo, y el 25% cuenta

a lo ms con 2 baos.

El 75% de los inmuebles posee a lo ms 2 habitaciones, y el 25%

posee a lo ms 1 habitacin.

Medias:

Se encuentran inmuebles, con un rea promedio de 90 metros cuadrados.

En promedio estos inmuebles poseen aproximadamente 2 habitaciones.

Las casas y los apartamentos, poseen en promedio 2.51 baos.

El valor promedio de arrendamiento es de aproximadamente, 1230.000 pesos colombianos.

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

amos que hay una gran cantidad de

apartamentos con rea de 60 mts

cuadrados, y esto tiene sentido puesto a

la escasez de tierra en Medelln.

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

Se obtiene que la moda para la zona de casa es la 1 que comprende a la zona

de centro, La moda para el rea es de 50 metros cuadrados, de los baos es 3,

el numero comnmente de las habitaciones ofrecidas se sigue manteniendo en

dos y con un valor comer de 900.000.

Recordemos nuestra nota

Desviaciones: La desviacin tpica es una medida del grado de dispersin de

los datos con respecto al valor promedio. Dicho de otra manera, la desviacin

estndar es simplemente el "promedio" o variacin esperada con respecto a la

media aritmtica.

Los datos de rea se desvan con respecto a su promedio, en 61.54 metros cuadrados.

Los datos de nmero de habitaciones se desvan con respecto a su media, en 0.83.

El nmero de baos tienen una desviacin de 0.95.

Coeficientes de variacin: cuando se desea hacer referencia a la relacin

entre el tamao de la media y la variabilidad de la variable, se utiliza el

coeficiente de variacin.

GRFICOS Y TABLAS DE FRECUENCIA

Variables rea:

Este grafico nos muestra que probablemente no se encuentra simetra en

nuestros datos, por lo que ocurrir que no tengan una distribucin normal;

adems nos muestra una gran dispersin.

Este histograma, nos muestra que efectivamente no se encuentra simetra, por

lo que los datos no tienen una distribucin normal en la variable AREA, adems

nos muestra una gran cola para la parte derecha. Probablemente entre mayor

rea, ms costoso es el inmueble.

El break nos indica, los limites en los cuales se construye el histograma anterior; counts, es la frecuencia por cada uno de los intervalos respectivamente. Mids es la marca de clase; Relative es hi, es decir la probabilidad en cada intervalo. 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.

Tenemos un valor mnimo de 3 millones y un mximo de 7 millones aproximadamente, adems los datos no presentan simetra alguna, por lo que los datos no distribuirn normal. La siguiente tabla de frecuencia, es la utilizada para construir el histograma

El break nos indica, los limites en los cuales se construye el histograma anterior; counts, es la frecuencia por cada uno de los intervalos respectivamente. Mids es la marca de clase; relative es hi, es decir la probabilidad en cada intervalo. Variables HAB:

El diagrama boxplot, nos muestra dos puntos atpicos, no existe simetra y muestra una media (raya negra oscura), en 2 habitaciones por inmueble.

El histograma, nos indica que no existe una distribucin normal en los datos, puede deberse al cambio de las zonas.

El break nos indica, los limites en los cuales se construye el histograma anterior; counts, es la frecuencia por cada uno de los intervalos respectivamente. Mids es la marca de clase; relative es hi, es decir la probabilidad en cada intervalo. Variable BAOS:

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

Efectivamente con el histograma evidenciamos que los datos no tienen simetra con respecto a su media, por lo que no distribuyen normal. La tabla de frecuencia con la que se construye el histograma es:

Variables MES:

El grafico es casi simtrico con respecto a agosto, es el mes donde se ofreci mayor cantidad de inmuebles. Tabla de frecuencias, para la variable MES:

Variable Tipo de inmueble:

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. Tabla de frecuencia para la variable anterior:

Variable garaje:

El grafico nos indica que es ms frecuente encontrar inmuebles sin un garaje, que con garaje, esto se puede deber a que muchos de los apartamentos los construyen sin un buen stano. Sin embargo la frecuencia es muy parecida, la probabilidad de que un inmueble tenga o no garaje la podemos encontrar en la tabla de frecuencia en hi.

ANLISIS GRFICO: Presentar un grfico de lneas para cada uno de los meses.

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. TABLAS DE CONTINGENCIA: Construya tablas de contingencia (en R) donde Involucre las variables tipo de inmueble, zona, nmero de baos, garaje, estado, e intrprete dichas tablas.

Vemos con claridad que encontramos ms inmuebles con un nmero de baos igual a 2, sin importar su estado. Se podra pensar que estas dos variables no tienen mucha correlacin.

Se realizara un estudio que intentara explicar cmo las variables cuantitativas

(rea, Baos, Habitaciones) inciden en el valor del inmueble, Para esto

utilizaremos la funcin = PROMEDIO de Excel con el fin de comparar los

precios en las zonas 1 , 2 , 3 , 4

ZONA 1 CENTRO

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:

El valor del arriendo redujo drsticamente en el mes de septiembre, y donde hubo mayor diferencia de precios en los inmuebles fue en JULIO.

Parece haber una gran relacin entre el valor del inmueble, y la zona donde est ubicada, adems de sus principales caractersticas.

Es ms frecuente encontrar apartamentos, en arriendo, con un nmero promedio de 2 baos y de 2 habitaciones.

Se concluye que el comportamiento del valor de los inmuebles no es normal, dado que existe diferencia entre las zonas, y segn las caractersticas principales que tenga.

A pesar que se realizamos un tratamiento al valor de la venta, esta no se comport como una distribucin normal, esto puede deberse al cambio que se genera entre zonas, las cuales tienen un estrato muy diferente.

Podemos concluir, que de acuerdo a los resultados de este trabajo, los factores que influyen en el precio de un inmueble es su ubicacin (zona), su tamao (rea) y las instalaciones con las que cuenta el inmueble (numero de habitaciones, baos, garaje) incluyendo las tendencias del mercado inmobiliario.

Cdigo en R:

# lectura de datos

datos

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

tablafrecuenciahab

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