Publications by Christian Camilo Vega
Actividad 2 Caso C&A
Para el análisis del caso, se cuenta con una base de datos que contiene 8322 registros y 13 variables, las cuales son: names(vivienda) ## [1] "id" "zona" "piso" "estrato" "preciom" ## [6] "areaconst" "parqueaderos" "banios" "habitaciones" "tipo" ## [11] "barrio" "longitud" "latitu...
11013 sym 2 img
Actividad 1 - Evaluación del mercado inmobiliario
Problema Una empresa inmobiliaria líder en una gran ciudad está buscando comprender en profundidad el mercado de viviendas urbanas para tomar decisiones estratégicas más informadas. La empresa posee una base de datos extensa que contiene información detallada sobre diversas propiedades residenciales disponibles en el mercado. Se requiere ...
8639 sym 12 img
Actividad 2 Problema 1
Problema 1 Se generan 1000 coordenadas en el eje X haciendo uso de la distribución uniforme dentro del intervalo [0,1] x = runif(1000,0,1) De igual manera se generan las coordenadas en el eje Y. y = runif(1000,0,1) Cada punto (Xi,Yi) se encuentra dentro del círculo si su distancia desde el centro (0.5,0.5) es menor a 0.5. Para cada par (Xi,Yi)...
970 sym 2 img
Actividad 2 Problema 2
lambda=2 simulaciones <- 10000 estimadores <- numeric(simulaciones) set.seed(123) ## Estimador 1 for (i in 1:simulaciones) { theta<- rexp(20, rate = lambda) theta1 <- ((theta[1] + theta[2]) / 6) + ((theta[3] + theta[4]) / 3) estimadores[i] <- theta1 } insesgo1 <- mean(estimadores) - lambda varianza1 <- var(estimadores) estimad...
962 sym 4 img
Actividad 2 Problema 3
# Paso 1: Generación de la población set.seed(123) # Semilla para reproducibilidad tamano_poblacion <- 1000 proporcion_enfermas <- 0.5 poblacion <- rep(c(0, 1), times = c((1 - proporcion_enfermas) * tamano_poblacion, proporcion_enfermas * tamano_poblacion)) # Paso 2: Función para obtener muestras aleatorias y calcular el estimador pˆ ob...
1192 sym R (3761 sym/16 pcs) 11 img
Actividad 2 Problema 4
datos <- c(7.69, 4.97, 4.56, 6.49, 4.34, 6.24, 4.45) # Datos de muestra muestras = sample(datos,7000,replace=TRUE) # Se generan n x m muestras b=matrix(muestras,nrow=1000,ncol=7) # matriz de n x m mx=apply(b,1,mean) # medias por fila ## Intervalo de confianza para el método 1 ic1 <- quantile(mx, probs=c(0.025, 0.975))...
351 sym 1 img
Mercado inmobiliario en la ciudad de Cali
Introducción El mercado inmobiliario juega un papel central en la economía mundial y en la vida diaria de las personas. Las inversiones y la adquisición de bienes inmuebles son decisiones importantes tanto para particulares como para empresas y están intrínsecamente ligadas al crecimiento económico y al desarrollo urbano. Este informe a...
8349 sym 15 img