Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno
diagramas, ilustraciones, mapas, tablas
- Autores:
-
Buitrago Vargas, Nikolás Sebastián
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/79630
- Palabra clave:
- 310 - Colecciones de estadística general
Mercado de la Vivienda
Housing market
Aprendizaje supervisado
Métodos de aglomeración
Precios de la vivienda nueva
Bogotá
Georreferenciación
Supervised learning
Agglomeration mehods
New housing prices
Bogotá
Georeferencing
Estadísticas financieras
Financial statistics
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_02d7c69d3a047133d27a3ed0b4271e84 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/79630 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| dc.title.translated.eng.fl_str_mv |
Statistical learning methods to analyze new houses is prices in Bogotá from 2008 to 2019 regarding properties is characteristics, their location and surroundings |
| title |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| spellingShingle |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno 310 - Colecciones de estadística general Mercado de la Vivienda Housing market Aprendizaje supervisado Métodos de aglomeración Precios de la vivienda nueva Bogotá Georreferenciación Supervised learning Agglomeration mehods New housing prices Bogotá Georeferencing Estadísticas financieras Financial statistics |
| title_short |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| title_full |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| title_fullStr |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| title_full_unstemmed |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| title_sort |
Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno |
| dc.creator.fl_str_mv |
Buitrago Vargas, Nikolás Sebastián |
| dc.contributor.advisor.none.fl_str_mv |
Pardo Turriago, Campo Elías |
| dc.contributor.author.none.fl_str_mv |
Buitrago Vargas, Nikolás Sebastián |
| dc.subject.ddc.spa.fl_str_mv |
310 - Colecciones de estadística general |
| topic |
310 - Colecciones de estadística general Mercado de la Vivienda Housing market Aprendizaje supervisado Métodos de aglomeración Precios de la vivienda nueva Bogotá Georreferenciación Supervised learning Agglomeration mehods New housing prices Bogotá Georeferencing Estadísticas financieras Financial statistics |
| dc.subject.ocde.none.fl_str_mv |
Mercado de la Vivienda Housing market |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje supervisado Métodos de aglomeración Precios de la vivienda nueva Bogotá Georreferenciación |
| dc.subject.proposal.eng.fl_str_mv |
Supervised learning Agglomeration mehods New housing prices Bogotá Georeferencing |
| dc.subject.unesco.none.fl_str_mv |
Estadísticas financieras Financial statistics |
| description |
diagramas, ilustraciones, mapas, tablas |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-06-11T17:40:40Z |
| dc.date.available.none.fl_str_mv |
2021-06-11T17:40:40Z |
| dc.date.issued.none.fl_str_mv |
2021-02 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/79630 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/79630 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Anif (2017), `Cartera de los hogares y sus plazos de colocación'. URL: https: // www. anif. com. co/ Biblioteca/ politica-fiscal/ cartera-de-los-hogares-y-sus-plazos-de-colocacion Bécue-Bertaut, M. & Pagés, J. (2008), `Multiple factor analysis and clustering of a mixture of quantitative, categorical and frequency data', Computational Statistics & Data Analysis 52(6), 3255-3268 Bohorquez, M., Santa, F. & Rodríguez, F. (2020), Estadística Espacial y Espacio-Temporal para Campos Aleatorios Escalares y Funcionales. Notas de Clase. Curso estadística espacial Breiman, L., Friedman, J., Olshen, R. & Stone, C. (1984), Classification and Regression Trees, Chapman and Hall, Boca Raton Camacol (2019), Prospectiva edificadora. Una visión de corto y mediano plazo, Camacol, Bogotá Camacol (2020a), Ficha metodológica censo de obras Coordenada Urbana, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ coordenada-urbana Camacol (2020b), Informe de Actividad Edificadora - Febrero de 2020, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ informes-de-gestion/ actividad-edificadora Camacol (2020c), `¿Vivienda para Quién? Análisis georreferenciado sobre las necesidades habitacionales en Colombia'. URL: https: // arcg. is/ 1aniqu Carriazo, F. & Gomez, J. (2018), `The demand for air quality: evidence from the housing market in Bogotá, Colombia', Environment and Development Economics 23(2), 121-138 Casas, C. (2014), `Subsidies to electricity consumption and housing demand Bogotá', Borradores de Economía pp. 1-28 Cediel, V. & Velásquez, C. (2015), `¿Hay una burbuja inmobiliaria en Bogotá? Un estudio por segmentos de mercado', Revista de Economía Institucional 17(32), 223-257 Dane (2020a), `Censo Nacional de Población y Vivienda - CNPV - 2018'. URL: http: // microdatos. dane. gov. co/ index. php/ catalog/ 643 Dane (2020b), Censo Nacional de Población y Vivienda 2018, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ censo-nacional-de-poblacion-y-vivenda-2018 Dane (2020c), Déficit poblacional, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/ demografia-y-poblacion/ deficit-habitacional Dane (2020d), `Marco Geoestadístico Nacional (MGN)'. URL: https: // geoportal. dane. gov. co/ servicios/ descarga-y-metadatos/descarga-mgn-marco-geoestadistico-nacional/ Dane (2020e), Índice de precios al consumidor (IPC), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-al-consumidor-ipc Dane (2020f), Índice de precios de la vivienda nueva (IPVN), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-de-la-vivienda-nueva-ipvn Dane (2020g), Proyecciones y retroproyecciones de población, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ proyecciones-de-poblacion Daniels, H. & Kamp, B. (1999), `Application of MLP Networks to Bond Rating and House', Neural Computing & Applicationsl 8(3), 226-234 Duque, J., Velásquez, H. & Agudelo, J. (2011), `Infraestructura pública y precios de vivienda: Una aplicación de regresión geográficamente ponderada en el contexto de precios hedónicos', Ecos de Economía 15(33), 95-122 Escofier, B. & Pagés, J. (1992), Análisis factoriales simples y múltiples. Objetivos métodos e interpretación, Universidad del País Vasco, Bilbao Esri (2020a), `ArcGIS Pro'. URL: https: // esri. co/ arcgis-pro/ Esri (2020b), `Unión espacial'. URL: https: // pro. arcgis. com/ es/ pro-app/ tool-reference/ analysis/spatial-join.htm Esri (2020c), `Zonas de influencia'. URL: https: // desktop. arcgis. com/ es/ arcmap/ 10. 3/ tools/analysis-toolbox/ buffer. htm Gómez, J., Ojeda, J., Rey, C. & Sicard, N. (2015), `Testing for Bubbles in the Colombian Housing Market: A new Approach', Revista Desarrollo y Sociedad (75), 197-222 HABI (2021), `Quiero vender mi casa en 10 días'. URL: https: // habi. co/ Hardle, W., Muller, M., Sperlich, S. & Werwatz, A. (2004), Nonparametric and Semiparametric Models, Springer, Berlin Hastie, T., Tibshirani, R. & Friedman, J. (2009), The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer, New York Hernadez, G. & Piraquive, G. (2014), `Evolución de los precios de la vivienda en Colombia', Archivos de Economía pp. 1-44 Isaaks, E. & Srivastava, M. (1989), Applied geostatistics, Oxford University Press, New York Lebart, L., Piron, M. & Morineau, A. (2006), Statisitique exploratoire multidimensionnelle. Visualisation et inférence en fouilles de données, Dunod, París Legis (2011), Guía práctica del crédito de vivienda en Colombia, Legis, Bogotá. Melo, L., Ramos, J., Parrado, L. & Zarate, H. (2016), `Bonanzas y crisis de la actividad petrolera y su efecto sobre la economía colombiana', Borradores de Economía (961), 1-30 Meyer, D. (2020), `Support Vector Machines. The Interface to libsvm in package e1071 '. URL: https: // cran. r-project. org/ web/ packages/ e1071/ vignettes/ svmdoc.pdf Meyer, D., Dimitriaduo, E., Hornik, K., Weingess, A., Leish, F., Chang, C. & Lin, C. (2020), `Package e1071 ' Milborrow, S. (2020), `Package rpart.plot' Ocampo, J. (2015), Una historia del sistema financiero colombiano, Portafolio-Asobancaria, Bogotá Pagés, J. (2004), `Multiple Factor Analysis: Main Features and Application to Sensory Data', Revista Colombiana de Estadística 27(1), 1-26 Pardo, C. & DelCampo, P. (2007), `Combinación de métodos factoriales y de análisis de conglomerados en R: el paquete FactoClass', Revista Colombiana de Estadística 30(2), 231-245 Pardo, C. E. (2020), Estadística descriptiva multivariada, Universidad Nacional de Colombia. Facultad de Ciencias, Bogotá Park, B. & Bae, J. (2015), `Using machine learning algorithms for housing price prediction: the case of Fairfax County, Virginia housing data', Expert Systems with Applications 42(6), 2928-2934 Pérez, J., González, F. & Correa, J. (2020), `Modeling of apartment prices in a Colombian context from a machine learning approach with stable-important attributes', DYNA 87(212), 63-72 R Core Team (2020), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/ Salazar, N., Steiner, R., Becerra, A. & Ramírez, J. (2013), `Los efectos del precio del suelo sobre el precio de la vivienda para Colombia', Ensayos sobre Política Económica 31(70), 17-66 Scholkopf, B. & Smola, A. (2002), Learning whit Kernels. Support Vector Machines, Regularization, Optimization and Beyond, Massachusetts Institute of Technology, Cambridge Secretaria Distrital de Ambiente (2020), `Parques Urbanos Bogotá 2018'. URL: https: // www. datos. gov. co/ Ambiente-y-Desarrollo-Sostenible/Parques-Urbanos-de-Bogot-2018/ m7ec-4mnu Tan, P., Steinbch, M. & Kumar, V. (2006), Introduction to data mining, Pearson, Boston Therneau, T., Atkinson, B. & Ripley, B. (2019), `Package rpart'. URL: https: // cran. r-project. org/ web/ packages/ rpart/ rpart. pdf Therneau, T. & Atkinson, E. (2019), `An Introduction to Recursive Partitioning Using the RPART Routines' Transmilenio (2020), `Consulta estaciones troncales'. URL: https: // gis. transmilenio. gov. co/ arcgis/ rest/ services/ Troncal/consulta_ estaciones_ troncales/ MapServer |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
1 recurso en línea (67 páginas) |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Ciencias - Maestría en Ciencias - Estadística |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Bogotá |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/79630/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/79630/2/1019083443.2021.pdf https://repositorio.unal.edu.co/bitstream/unal/79630/3/license_rdf https://repositorio.unal.edu.co/bitstream/unal/79630/4/1019083443.2021.pdf.jpg |
| bitstream.checksum.fl_str_mv |
cccfe52f796b7c63423298c2d3365fc6 1aa4a69e08ef7b569c1050014fea1dad 4460e5956bc1d1639be9ae6146a50347 8edba444b1df19f4f6e9407696d9a46d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806886328315412480 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Pardo Turriago, Campo Elías983376862bade3ec9935fe7b5f9dbdeeBuitrago Vargas, Nikolás Sebastián3bd572871450dc409ef8d7da335697b92021-06-11T17:40:40Z2021-06-11T17:40:40Z2021-02https://repositorio.unal.edu.co/handle/unal/79630Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/diagramas, ilustraciones, mapas, tablasSe analizan los precios del metro cuadrado de la vivienda nueva en la ciudad de Bogotá usando información a nivel de inmueble en el periodo 2008-19. Se tiene en cuenta las características de los inmuebles, el proyecto al que pertenecen, su ubicación y entorno. Se segmenta el mercado de acuerdo con los atributos de la vivienda y se pronostican los precios. Se encuentra que el mercado se puede resumir en nueve tipos de inmuebles. El modelo de pronóstico logra explicar el 83.5 por ciento de la varianza de la variable respuesta. Se evidencia que la ubicación es el factor más relevante para definir el precio.It is analyzed new housing is prices per square meter in Bogotá city using information at property level in the period 2008-19. It is considering properties is characteristics, project that it belongs, their location, and surroundings. The market is segmented regarding home is characteristics and prices are classified. It is found that market can be summarized in nine housing types. Forecasting model explain 83.5 percent response variable is variance. It is evident that location is the most relevant factor to define the price.MaestríaMagíster en Ciencias - Estadística1 recurso en línea (67 páginas)application/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - EstadísticaDepartamento de EstadísticaFacultad de CienciasBogotáUniversidad Nacional de Colombia - Sede Bogotá310 - Colecciones de estadística generalMercado de la ViviendaHousing marketAprendizaje supervisadoMétodos de aglomeraciónPrecios de la vivienda nuevaBogotáGeorreferenciaciónSupervised learningAgglomeration mehodsNew housing pricesBogotáGeoreferencingEstadísticas financierasFinancial statisticsMétodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entornoStatistical learning methods to analyze new houses is prices in Bogotá from 2008 to 2019 regarding properties is characteristics, their location and surroundingsTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAnif (2017), `Cartera de los hogares y sus plazos de colocación'. URL: https: // www. anif. com. co/ Biblioteca/ politica-fiscal/ cartera-de-los-hogares-y-sus-plazos-de-colocacionBécue-Bertaut, M. & Pagés, J. (2008), `Multiple factor analysis and clustering of a mixture of quantitative, categorical and frequency data', Computational Statistics & Data Analysis 52(6), 3255-3268Bohorquez, M., Santa, F. & Rodríguez, F. (2020), Estadística Espacial y Espacio-Temporal para Campos Aleatorios Escalares y Funcionales. Notas de Clase. Curso estadística espacialBreiman, L., Friedman, J., Olshen, R. & Stone, C. (1984), Classification and Regression Trees, Chapman and Hall, Boca RatonCamacol (2019), Prospectiva edificadora. Una visión de corto y mediano plazo, Camacol, BogotáCamacol (2020a), Ficha metodológica censo de obras Coordenada Urbana, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ coordenada-urbanaCamacol (2020b), Informe de Actividad Edificadora - Febrero de 2020, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ informes-de-gestion/ actividad-edificadoraCamacol (2020c), `¿Vivienda para Quién? Análisis georreferenciado sobre las necesidades habitacionales en Colombia'. URL: https: // arcg. is/ 1aniquCarriazo, F. & Gomez, J. (2018), `The demand for air quality: evidence from the housing market in Bogotá, Colombia', Environment and Development Economics 23(2), 121-138Casas, C. (2014), `Subsidies to electricity consumption and housing demand Bogotá', Borradores de Economía pp. 1-28Cediel, V. & Velásquez, C. (2015), `¿Hay una burbuja inmobiliaria en Bogotá? Un estudio por segmentos de mercado', Revista de Economía Institucional 17(32), 223-257Dane (2020a), `Censo Nacional de Población y Vivienda - CNPV - 2018'. URL: http: // microdatos. dane. gov. co/ index. php/ catalog/ 643Dane (2020b), Censo Nacional de Población y Vivienda 2018, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ censo-nacional-de-poblacion-y-vivenda-2018Dane (2020c), Déficit poblacional, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/ demografia-y-poblacion/ deficit-habitacionalDane (2020d), `Marco Geoestadístico Nacional (MGN)'. URL: https: // geoportal. dane. gov. co/ servicios/ descarga-y-metadatos/descarga-mgn-marco-geoestadistico-nacional/Dane (2020e), Índice de precios al consumidor (IPC), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-al-consumidor-ipcDane (2020f), Índice de precios de la vivienda nueva (IPVN), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-de-la-vivienda-nueva-ipvnDane (2020g), Proyecciones y retroproyecciones de población, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ proyecciones-de-poblacionDaniels, H. & Kamp, B. (1999), `Application of MLP Networks to Bond Rating and House', Neural Computing & Applicationsl 8(3), 226-234Duque, J., Velásquez, H. & Agudelo, J. (2011), `Infraestructura pública y precios de vivienda: Una aplicación de regresión geográficamente ponderada en el contexto de precios hedónicos', Ecos de Economía 15(33), 95-122Escofier, B. & Pagés, J. (1992), Análisis factoriales simples y múltiples. Objetivos métodos e interpretación, Universidad del País Vasco, BilbaoEsri (2020a), `ArcGIS Pro'. URL: https: // esri. co/ arcgis-pro/Esri (2020b), `Unión espacial'. URL: https: // pro. arcgis. com/ es/ pro-app/ tool-reference/ analysis/spatial-join.htmEsri (2020c), `Zonas de influencia'. URL: https: // desktop. arcgis. com/ es/ arcmap/ 10. 3/ tools/analysis-toolbox/ buffer. htmGómez, J., Ojeda, J., Rey, C. & Sicard, N. (2015), `Testing for Bubbles in the Colombian Housing Market: A new Approach', Revista Desarrollo y Sociedad (75), 197-222HABI (2021), `Quiero vender mi casa en 10 días'. URL: https: // habi. co/Hardle, W., Muller, M., Sperlich, S. & Werwatz, A. (2004), Nonparametric and Semiparametric Models, Springer, BerlinHastie, T., Tibshirani, R. & Friedman, J. (2009), The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer, New YorkHernadez, G. & Piraquive, G. (2014), `Evolución de los precios de la vivienda en Colombia', Archivos de Economía pp. 1-44Isaaks, E. & Srivastava, M. (1989), Applied geostatistics, Oxford University Press, New YorkLebart, L., Piron, M. & Morineau, A. (2006), Statisitique exploratoire multidimensionnelle. Visualisation et inférence en fouilles de données, Dunod, ParísLegis (2011), Guía práctica del crédito de vivienda en Colombia, Legis, Bogotá.Melo, L., Ramos, J., Parrado, L. & Zarate, H. (2016), `Bonanzas y crisis de la actividad petrolera y su efecto sobre la economía colombiana', Borradores de Economía (961), 1-30Meyer, D. (2020), `Support Vector Machines. The Interface to libsvm in package e1071 '. URL: https: // cran. r-project. org/ web/ packages/ e1071/ vignettes/ svmdoc.pdfMeyer, D., Dimitriaduo, E., Hornik, K., Weingess, A., Leish, F., Chang, C. & Lin, C. (2020), `Package e1071 'Milborrow, S. (2020), `Package rpart.plot'Ocampo, J. (2015), Una historia del sistema financiero colombiano, Portafolio-Asobancaria, BogotáPagés, J. (2004), `Multiple Factor Analysis: Main Features and Application to Sensory Data', Revista Colombiana de Estadística 27(1), 1-26Pardo, C. & DelCampo, P. (2007), `Combinación de métodos factoriales y de análisis de conglomerados en R: el paquete FactoClass', Revista Colombiana de Estadística 30(2), 231-245Pardo, C. E. (2020), Estadística descriptiva multivariada, Universidad Nacional de Colombia. Facultad de Ciencias, BogotáPark, B. & Bae, J. (2015), `Using machine learning algorithms for housing price prediction: the case of Fairfax County, Virginia housing data', Expert Systems with Applications 42(6), 2928-2934Pérez, J., González, F. & Correa, J. (2020), `Modeling of apartment prices in a Colombian context from a machine learning approach with stable-important attributes', DYNA 87(212), 63-72R Core Team (2020), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/Salazar, N., Steiner, R., Becerra, A. & Ramírez, J. (2013), `Los efectos del precio del suelo sobre el precio de la vivienda para Colombia', Ensayos sobre Política Económica 31(70), 17-66Scholkopf, B. & Smola, A. (2002), Learning whit Kernels. Support Vector Machines, Regularization, Optimization and Beyond, Massachusetts Institute of Technology, CambridgeSecretaria Distrital de Ambiente (2020), `Parques Urbanos Bogotá 2018'. URL: https: // www. datos. gov. co/ Ambiente-y-Desarrollo-Sostenible/Parques-Urbanos-de-Bogot-2018/ m7ec-4mnuTan, P., Steinbch, M. & Kumar, V. (2006), Introduction to data mining, Pearson, BostonTherneau, T., Atkinson, B. & Ripley, B. (2019), `Package rpart'. URL: https: // cran. r-project. org/ web/ packages/ rpart/ rpart. pdfTherneau, T. & Atkinson, E. (2019), `An Introduction to Recursive Partitioning Using the RPART Routines'Transmilenio (2020), `Consulta estaciones troncales'. URL: https: // gis. transmilenio. gov. co/ arcgis/ rest/ services/ Troncal/consulta_ estaciones_ troncales/ MapServerLICENSElicense.txtlicense.txttext/plain; charset=utf-83964https://repositorio.unal.edu.co/bitstream/unal/79630/1/license.txtcccfe52f796b7c63423298c2d3365fc6MD51ORIGINAL1019083443.2021.pdf1019083443.2021.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf12200779https://repositorio.unal.edu.co/bitstream/unal/79630/2/1019083443.2021.pdf1aa4a69e08ef7b569c1050014fea1dadMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.unal.edu.co/bitstream/unal/79630/3/license_rdf4460e5956bc1d1639be9ae6146a50347MD53THUMBNAIL1019083443.2021.pdf.jpg1019083443.2021.pdf.jpgGenerated Thumbnailimage/jpeg4299https://repositorio.unal.edu.co/bitstream/unal/79630/4/1019083443.2021.pdf.jpg8edba444b1df19f4f6e9407696d9a46dMD54unal/79630oai:repositorio.unal.edu.co:unal/796302023-07-21 23:04:06.266Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |