Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito
ilustraciones, diagramas
- Autores:
-
Zapata Ruiz, Diego León
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/83927
- Palabra clave:
- 620 - Ingeniería y operaciones afines
Negocios en bienes raices
Economía doméstica
Real estate business
Home economics
Aprendizaje automático
Modelos de regresión
Gastos hogares colombianos
Censo
Machine Learning
Regression models
Colombian household expenses
Census
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_69cb717bfaee26b2f39ddafd46ddf0e4 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/83927 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| dc.title.translated.eng.fl_str_mv |
Estimation and prediction of the expenses of all the residential blocks of the municipalities included in the National Census of Population and Housing of Colombia (DANE, 2018) for the identification of real estate projects of Grupo Éxito |
| title |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| spellingShingle |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito 620 - Ingeniería y operaciones afines Negocios en bienes raices Economía doméstica Real estate business Home economics Aprendizaje automático Modelos de regresión Gastos hogares colombianos Censo Machine Learning Regression models Colombian household expenses Census |
| title_short |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| title_full |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| title_fullStr |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| title_full_unstemmed |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| title_sort |
Estimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo Éxito |
| dc.creator.fl_str_mv |
Zapata Ruiz, Diego León |
| dc.contributor.advisor.none.fl_str_mv |
Jaramillo Álvarez, Gloria Patricia |
| dc.contributor.author.none.fl_str_mv |
Zapata Ruiz, Diego León |
| dc.contributor.orcid.spa.fl_str_mv |
Zapata Ruiz, Diego León[0000-0002-1858-7896] Jaramillo Álvarez, Gloria Patricia [0000-0001-9007-4326] |
| dc.subject.ddc.spa.fl_str_mv |
620 - Ingeniería y operaciones afines |
| topic |
620 - Ingeniería y operaciones afines Negocios en bienes raices Economía doméstica Real estate business Home economics Aprendizaje automático Modelos de regresión Gastos hogares colombianos Censo Machine Learning Regression models Colombian household expenses Census |
| dc.subject.lemb.spa.fl_str_mv |
Negocios en bienes raices Economía doméstica |
| dc.subject.lemb.eng.fl_str_mv |
Real estate business Home economics |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje automático Modelos de regresión Gastos hogares colombianos Censo |
| dc.subject.proposal.eng.fl_str_mv |
Machine Learning Regression models Colombian household expenses Census |
| description |
ilustraciones, diagramas |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-05-31T14:54:14Z |
| dc.date.available.none.fl_str_mv |
2023-05-31T14:54:14Z |
| dc.date.issued.none.fl_str_mv |
2023-05-30 |
| 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/83927 |
| 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/83927 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.indexed.spa.fl_str_mv |
RedCol LaReferencia |
| dc.relation.references.spa.fl_str_mv |
Amat, J., Árboles de decisión, random forest, gradient boosting y C5.0, https://www.cienciadedatos.net/documentos/33_arboles_de_prediccion_bagging_ra ndom_forest_boosting, 2020. Aruna, R., Bethu, S., Sowmya, V., Anusha, K., & Sankara, B., Importance of supervised learning in prediction analysis, Eng. Nat. Sci., vol. 6, n.°1, pp. 201-214,2018 García, J., Molina, J. M., Berlanga, A., Patricio, M. A., Bustamante, A. L., & Padilla, W. R. (2018). Ciencia de datos. Técnicas analíticas y aprendizaje estadístico. Alfaomega Colombiana S.A, Publicaciones Altaria G.Peter Zhang, Time series forecasting using a hybrid ARIMA and neural network model, neurocomputing, volume 50, 2003, pages 159-175, ISSN 0925-2312, https://doi.org/10.1016/S0925-2312(01)00702-0 Hazra, Avijit. (2017). Using the confidence interval confidently. Journal of Thoracic Disease. 9. 4124-4129. 10.21037/jtd.2017.09.14 Kay H. Brodersen, Fabian Gallusser, Jim Koehler, Nicolas Remy, Steven L. Scott, Annals of Applied Statistics, vol. 9 (2015), pp. 247-274 Kim, J., Koh, K., Lustig, M., Boyd, S., & Gorinevsky, D., An Interior-Point Method for Large-Scale L1-Regularized Least Squares, IEEE Journal of Selected Topics in Signal Processing, 2007, https://www.iartificial.net/regresion-lineal-con-ejemplos-en-python/ Ortiz, M. D., Joyanes, L., & Giraldo, L.M. (2016). Los desafíos del marketing en la era del big data. ECiencias de la Información, 6(1), 16-45. Recuperado el 02 febrero de 2020 de https://revistas.ucr.ac.cr/index.php/eciencias/article/view/19005/22714 Rojas Salazar, Yareli. (2020). Estadística inferencial Rutten, Lex. (2010). Bayes' theorem: scientific assessment of experience. International Journal of High Dilution Research. 9 |
| 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 |
xiv, 50 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.country.spa.fl_str_mv |
Colombia |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Analítica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/83927/2/71367417.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/83927/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/83927/3/71367417.2023.pdf.jpg |
| bitstream.checksum.fl_str_mv |
ef0cd646263b2ff629ba23efbad45da8 eb34b1cf90b7e1103fc9dfd26be24b4a 190f8bf028661a61a4d9a22c03b161a2 |
| bitstream.checksumAlgorithm.fl_str_mv |
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_ |
1812169524687929344 |
| 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_abf2Jaramillo Álvarez, Gloria Patriciaad53fbba65d6b627dab527c179dbe8ceZapata Ruiz, Diego León59938a83374b18cd4b41c314f833de12Zapata Ruiz, Diego León[0000-0002-1858-7896]Jaramillo Álvarez, Gloria Patricia [0000-0001-9007-4326]2023-05-31T14:54:14Z2023-05-31T14:54:14Z2023-05-30https://repositorio.unal.edu.co/handle/unal/83927Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramasA partir de los datos del Censo Nacional de Población y Vivienda, del año 2005 y del año 2018, Gran Encuesta Integrada de Hogares (GEIH) y la Encuesta Nacional de Presupuestos de Hogares (ENPH) del año 2018, la Encuesta de Micronegocios de 2021 y las bases de datos propias del Grupo Éxito, en el presente trabajo se desarrolla una metodología para la predicción de los gastos de todas las manzanas residenciales del territorio colombiano, combinando técnicas de analítica de datos y modelos de machine learning supervisados para variables continuas, lo cual permitirá el diseño de escenarios de proyectos de inversión inmobiliarios. (Texto tomado de la fuente)Based on data from the National Population and Housing Census of 2005 and 2018, the Great Integrated Household Survey (GEIH) and the National Household Budget Survey (ENPH) of 2018, the 2021 Microbusiness Survey and Grupo Éxito's own databases, this paper develops a methodology for predicting the expenses of all residential blocks in the Colombian territory, combining data analytics techniques and supervised machine learning models for continuous variables, which which will allow the design of real estate investment project scenariosMaestríaÁrea Curricular de Ingeniería de Sistemas e Informáticaxiv, 50 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - AnalíticaFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín620 - Ingeniería y operaciones afinesNegocios en bienes raicesEconomía domésticaReal estate businessHome economicsAprendizaje automáticoModelos de regresiónGastos hogares colombianosCensoMachine LearningRegression modelsColombian household expensesCensusEstimación y predicción de los gastos de todas las manzanas residenciales de los municipios incluidos en el Censo Nacional de Población y Vivienda de Colombia (DANE, 2018) para la identificación de proyectos inmobiliarios del Grupo ÉxitoEstimation and prediction of the expenses of all the residential blocks of the municipalities included in the National Census of Population and Housing of Colombia (DANE, 2018) for the identification of real estate projects of Grupo ÉxitoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaRedColLaReferenciaAmat, J., Árboles de decisión, random forest, gradient boosting y C5.0, https://www.cienciadedatos.net/documentos/33_arboles_de_prediccion_bagging_ra ndom_forest_boosting, 2020.Aruna, R., Bethu, S., Sowmya, V., Anusha, K., & Sankara, B., Importance of supervised learning in prediction analysis, Eng. Nat. Sci., vol. 6, n.°1, pp. 201-214,2018García, J., Molina, J. M., Berlanga, A., Patricio, M. A., Bustamante, A. L., & Padilla, W. R. (2018). Ciencia de datos. Técnicas analíticas y aprendizaje estadístico. Alfaomega Colombiana S.A, Publicaciones AltariaG.Peter Zhang, Time series forecasting using a hybrid ARIMA and neural network model, neurocomputing, volume 50, 2003, pages 159-175, ISSN 0925-2312, https://doi.org/10.1016/S0925-2312(01)00702-0Hazra, Avijit. (2017). Using the confidence interval confidently. Journal of Thoracic Disease. 9. 4124-4129. 10.21037/jtd.2017.09.14Kay H. Brodersen, Fabian Gallusser, Jim Koehler, Nicolas Remy, Steven L. Scott, Annals of Applied Statistics, vol. 9 (2015), pp. 247-274Kim, J., Koh, K., Lustig, M., Boyd, S., & Gorinevsky, D., An Interior-Point Method for Large-Scale L1-Regularized Least Squares, IEEE Journal of Selected Topics in Signal Processing, 2007, https://www.iartificial.net/regresion-lineal-con-ejemplos-en-python/Ortiz, M. D., Joyanes, L., & Giraldo, L.M. (2016). Los desafíos del marketing en la era del big data. ECiencias de la Información, 6(1), 16-45. Recuperado el 02 febrero de 2020 de https://revistas.ucr.ac.cr/index.php/eciencias/article/view/19005/22714Rojas Salazar, Yareli. (2020). Estadística inferencialRutten, Lex. (2010). Bayes' theorem: scientific assessment of experience. International Journal of High Dilution Research. 9EstudiantesInvestigadoresMaestrosPúblico generalORIGINAL71367417.2023.pdf71367417.2023.pdfTesis de Maestría en Ingeniería - Analíticaapplication/pdf940528https://repositorio.unal.edu.co/bitstream/unal/83927/2/71367417.2023.pdfef0cd646263b2ff629ba23efbad45da8MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/83927/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51THUMBNAIL71367417.2023.pdf.jpg71367417.2023.pdf.jpgGenerated Thumbnailimage/jpeg4912https://repositorio.unal.edu.co/bitstream/unal/83927/3/71367417.2023.pdf.jpg190f8bf028661a61a4d9a22c03b161a2MD53unal/83927oai:repositorio.unal.edu.co:unal/839272023-08-07 23:04:25.318Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |