Statistica descrittiva · R

Analisi del mercato immobiliare del Texas

Versione integrata nel sito senza iframe. Il notebook ricostruito resta disponibile come file .ipynb.

Scarica .ipynb ← Archivio

Analisi del mercato immobiliare del Texas

Gabriele Iocco

2024-05-24

Tipo di variabili contenute nel dataframe

Setto la cartella di lavoro, leggo il file csv e calcolo le dimensioni del dataframe assegnandolo all’oggetto N

Codice

setwd("D:/R/mercato immobiliare del Texas")

dati <- read.csv("D:/R/mercato immobiliare del Texas/Real Estate Texas.csv",sep = ",",encoding = "latin1")

dim(dati)

## [1] 240   8

Codice

N<-dim(dati)[1]

Con la funzione `save.image` salvo gli oggetti presenti nell’ambiente virtuale in un file RData da richiamare all’occorrenza

Codice

save.image(file = "global_environment_texas.RData")

Con la funzione `load` carico gli oggetti nell’ambiente virtuale

Codice

load("D:/R/mercato immobiliare del Texas/global_environment_texas.RData")

Con la funzione `attach` rendo visibili i componenti di una lista come se fossero variabili definite indipendentemente

Codice

attach(dati)

Tramite il comando `typeof` determino che tipo di variabili popolano il dataframe

Codice

type = sapply(dati, typeof)
type

##             city             year            month            sales 
##      "character"        "integer"        "integer"        "integer" 
##           volume     median_price         listings months_inventory 
##         "double"         "double"        "integer"         "double"

Variabile city - qualitativa nominale

Distribuzione di frequenze

Con la funzione `table` costruisco le frequenze assolute e le assegno all’etichetta freq_ass

Costruisco le frequenze relative freq_rel

Costruisco la distribuzione di frequenze distr_freq_city

Codice

freq_ass<-table(dati["city"])

freq_rel<-freq_ass/N

distr_freq_city<-cbind(freq_ass,freq_rel)
distr_freq_city

##                       freq_ass freq_rel
## Beaumont                    60     0.25
## Bryan-College Station       60     0.25
## Tyler                       60     0.25
## Wichita Falls               60     0.25

## La variabile city ha una distribuzione quadrimodale.

Variabile year - qualitativa ordinale

Numero di modalità

Frequenza assoluta

Codice

levels(as.factor(year))

## [1] "2010" "2011" "2012" "2013" "2014"

Codice

table(year)

## year
## 2010 2011 2012 2013 2014 
##   48   48   48   48   48

## La variabile year ha cinque modalità e ogni modalità ha la stessa frequenza assoluta

Suddivido in classi la variabile per poi calcolare le frequenze assolute della variabile qualitativa ordinale ciclica month per ogni classe e per ogni città

Codice

year_cl<-cut(year,seq(2009,2014,1))

freq_ass_month <- table(year_cl, city)
freq_ass_month

##              city
## year_cl       Beaumont Bryan-College Station Tyler Wichita Falls
##   (2009,2010]       12                    12    12            12
##   (2010,2011]       12                    12    12            12
##   (2011,2012]       12                    12    12            12
##   (2012,2013]       12                    12    12            12
##   (2013,2014]       12                    12    12            12

## Per ogni città ogni anno sono stati osservati 12 mesi

Variabile sales - quantitativa discreta

Indici di posizione

Codice

summary(sales)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    79.0   127.0   175.5   192.3   247.0   423.0

Quantili

Codice

quantile(sales,seq(0,1,0.1))

##    0%   10%   20%   30%   40%   50%   60%   70%   80%   90%  100% 
##  79.0 101.9 120.6 135.0 155.0 175.5 197.0 228.5 271.0 302.1 423.0

Range interquartile

Codice

IQR(sales)

## [1] 120

Calcolo la varianza sigma2 e la deviazione standard sigma

Codice

mean_sales=mean(sales)
sigma2_sales=sum((sales-mean_sales)^2)/N

sigma_sales=sqrt(sigma2_sales)

sigma2_sales

## [1] 6317.865

Codice

sigma_sales

## [1] 79.485

Indice di asimmetria di Fischer e Curtosi

Codice

library(moments)

skewness(sales)

## [1] 0.718104

Codice

kurtosis(sales)-3

## [1] -0.3131764

## L'asimmetria è positiva, la maggior parte dei dati si trova sulla sinistra della distribuzione

## Il valore della curtosi indica una distribuzione platicurtica

Variabile volume - quantitativa continua

Indici di posizione

Codice

summary(volume)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   8.166  17.660  27.062  31.005  40.893  83.547

Quantili

Codice

quantile(volume,seq(0,1,0.1))

##      0%     10%     20%     30%     40%     50%     60%     70%     80%     90% 
##  8.1660 13.0967 16.1206 19.0344 23.9976 27.0625 31.8436 36.9307 45.5920 53.7391 
##    100% 
## 83.5470

Range interquartile

Codice

IQR(volume)

## [1] 23.2335

Calcolo la varianza sigma2 e la deviazione standard sigma

Codice

mean_volume=mean(volume)
sigma2_volume=sum((volume-mean_volume)^2)/N

sigma_volume=sqrt(sigma2_volume)

sigma2_volume

## [1] 276.1154

Codice

sigma_volume

## [1] 16.61672

Indice di asimmetria di Fischer e Curtosi

Codice

skewness(volume)

## [1] 0.884742

Codice

kurtosis(volume)-3

## [1] 0.176987

## L'asimmetria è positiva, la maggior parte dei dati si trova sulla sinistra della distribuzione

## Il valore della curtosi indica una distribuzione leptocurtica

Variabile median_price - quantitativa continua

Indici di posizione

Codice

summary(median_price)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   73800  117300  134500  132665  150050  180000

Quantili

Codice

quantile(median_price,seq(0,1,0.1))

##     0%    10%    20%    30%    40%    50%    60%    70%    80%    90%   100% 
##  73800  99960 110000 121650 130700 134500 141220 147960 152360 158850 180000

Range interquartile

Codice

IQR(median_price)

## [1] 32750

Calcolo la varianza sigma2 e la deviazione standard sigma

Codice

mean_median_price=mean(median_price)
sigma2_median_price=sum((median_price-mean_median_price)^2)/N

sigma_median_price=sqrt(sigma2_median_price)

sigma2_median_price

## [1] 511433096

Codice

sigma_median_price

## [1] 22614.89

Indice di asimmetria di Fischer e Curtosi

Codice

skewness(median_price)

## [1] -0.3645529

Codice

kurtosis(median_price)-3

## [1] -0.6229618

## L'asimmetria è negativa, buona parte dei dati si trova sulla destra della distribuzione

## Il valore della curtosi indica una distribuzione platicurtica

Variabile listings - quantitativa discreta

Indici di posizione

Codice

summary(listings)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     743    1026    1618    1738    2056    3296

Quantili

Codice

quantile(listings,seq(0,1,0.1))

##     0%    10%    20%    30%    40%    50%    60%    70%    80%    90%   100% 
##  743.0  899.9  968.0 1208.7 1525.2 1618.5 1687.8 1796.0 2721.4 2946.7 3296.0

Range interquartile

Codice

IQR(listings)

## [1] 1029.5

Calcolo la varianza sigma2 e la deviazione standard sigma

Codice

mean_listings=mean(listings)
sigma2_listings=sum((listings-mean_listings)^2)/N

sigma_listings=sqrt(sigma2_listings)

sigma2_listings

## [1] 564208.3

Codice

sigma_listings

## [1] 751.138

Indice di asimmetria di Fischer e Curtosi

Codice

skewness(listings)

## [1] 0.6494982

Codice

kurtosis(listings)-3

## [1] -0.79179

## L'asimmetria è positiva, buona parte dei dati si trova sulla sinistra della distribuzione

## Il valore della curtosi indica una distribuzione platicurtica

Variabile months_inventory - quantitativa continua

Indici di posizione

Codice

summary(months_inventory)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   3.400   7.800   8.950   9.193  10.950  14.900

Quantili

Codice

quantile(months_inventory,seq(0,1,0.1))

##    0%   10%   20%   30%   40%   50%   60%   70%   80%   90%  100% 
##  3.40  6.69  7.50  7.97  8.40  8.95  9.40 10.53 11.40 12.21 14.90

Range interquartile

Codice

IQR(months_inventory)

## [1] 3.15

Calcolo la varianza sigma2 e la deviazione standard sigma

Codice

mean_months_inventory=mean(months_inventory)
sigma2_months_inventory=sum((months_inventory-mean_months_inventory)^2)/N

sigma_months_inventory=sqrt(sigma2_months_inventory)

sigma2_months_inventory

## [1] 5.284777

Codice

sigma_months_inventory

## [1] 2.298864

Indice di asimmetria di Fischer e Curtosi

Codice

skewness(months_inventory)

## [1] 0.04097527

Codice

kurtosis(months_inventory)-3

## [1] -0.1744475

## L’asimmetria è leggermente positiva, indicando che ci sono alcuni dati che si trovano leggermente a destra della distribuzione

## Il valore della curtosi indica una distribuzione platicurtica

Calcolo il coefficiente di variazione CV per determinare la variabile con variabilità più elevata

Codice

mean <- c(mean_sales, mean_volume, mean_median_price, mean_listings, mean_months_inventory)
sd <- c(sigma_sales, sigma_volume, sigma_median_price, sigma_listings, sigma_months_inventory)

variables <- c('sales', 'volume', 'median_price', 'listings', 'months_inventory')

data_cv <- data.frame()

for (i in 1:length(variables)) {
  cv <- (sd[i] / mean[i]) * 100
  data_cv <- rbind(data_cv, data.frame(Variable = variables[i], CV = round(cv, 2), "Percentage" =  "%"))

}

cv_ordered <- data_cv[order(-data_cv$CV), ]
cv_ordered

##           Variable    CV Percentage
## 2           volume 53.59          %
## 4         listings 43.22          %
## 1            sales 41.34          %
## 5 months_inventory 25.01          %
## 3     median_price 17.05          %

## La variabile con la variabilità più elevata è la variabile  volume con un coefficiente di variazione di 53.59 , vuol dire che presenta una deviazione standard che è il 53.59 % della rispettiva media

Calcolo la variabile con asimmetria più elevata

Codice

asim <- c(skewness(sales), skewness(volume), skewness(median_price), skewness(listings), skewness(months_inventory))

variables <- c('sales', 'volume', 'median_price', 'listings', 'months_inventory')

data_asim <- data.frame()

for (i in 1:length(variables)) {
  data_asim <- rbind(data_asim, data.frame(Variable = variables[i], Asim = round(asim[i], 2)))
}

asim_ordered <- data_asim[order(-data_asim$Asim), ]
asim_ordered

##           Variable  Asim
## 2           volume  0.88
## 1            sales  0.72
## 4         listings  0.65
## 5 months_inventory  0.04
## 3     median_price -0.36

## La variabile più asimmetrica è la variabile  volume con una asimmetria di 0.88

Divido la variabile sales in classi, creo la colonna sales_cl nel dataframe e calcolo la distribuzione di frequenze

Codice

dati$sales_cl <- cut(dati$sales,
            breaks=c(50,100,150,200,250,300,350,400,450))

Codice

distr_freq_sales <- as.data.frame(
  cbind(
    ni=table(dati$sales_cl),
    fi=table(dati$sales_cl)/N,
    Ni=cumsum(table(dati$sales_cl)),
    Fi=cumsum(table(dati$sales_cl)/N)
  )
)
distr_freq_sales

##           ni         fi  Ni        Fi
## (50,100]  21 0.08750000  21 0.0875000
## (100,150] 72 0.30000000  93 0.3875000
## (150,200] 56 0.23333333 149 0.6208333
## (200,250] 32 0.13333333 181 0.7541667
## (250,300] 34 0.14166667 215 0.8958333
## (300,350] 13 0.05416667 228 0.9500000
## (350,400]  9 0.03750000 237 0.9875000
## (400,450]  3 0.01250000 240 1.0000000

Codice

library(ggplot2)

ggplot(data = dati)+
  geom_bar(aes(x=sales_cl),
           stat = "count",
           fill = "yellow3")+
  labs(title = "Suddivisione in classi della variabile sales",
       x="Sales in classi ",
       y="Frequenze assolute")+
       scale_y_continuous(breaks = seq(0,80,5))+
  theme_minimal() +
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=12),
    axis.text.y = element_text(size=12)
  )

Indice di Gini

Codice

gini.index<-function(x){
     ni=table(x)
     fi=ni/length(x)
     fi2=fi^2
     J = length(table(x))
 
     gini = 1-sum(fi2)
     gini.normalizzato = gini/((J-1)/J)
 
 return(gini.normalizzato)
}

table(dati$sales_cl)

## 
##  (50,100] (100,150] (150,200] (200,250] (250,300] (300,350] (350,400] (400,450] 
##        21        72        56        32        34        13         9         3

Codice

gini.index(dati$sales_cl)

## [1] 0.9206349

## La distribuzione della variabile sales_cl è abbastanza eterogenea, le unità statistiche si distribuiscono lungo tutte le modalità

Indice di Gini per la variabile city

Codice

gini.index(city)

## [1] 1

Probabilità di selezionare la città di Beaumont selezionando una riga a caso del dataframe

Codice

unique_cities_num <- length(unique(city))
unique_cities_num

## [1] 4

Codice

probability <- (1/unique_cities_num)*100
probability

## [1] 25

## Le città sono 4 e le modalità della variabile city hanno la stessa frequenza assoluta, quindi la probabilità di selezionare una città tra quattro è 1/4, il 25%

Probabilità di selezionare il mese di Luglio selezionando una riga a caso del dataframe

Le modalità di month hanno le stesse frequenze assolute

Moltiplico le frequenze assolute per il numero di città

Codice

freq_ass_cities <- max(freq_ass_month*unique_cities_num)
freq_ass_cities

## [1] 48

Codice

probability=(unique_cities_num/freq_ass_cities)*100
probability

## [1] 8.333333

## La probabilità di selezionare il mese di Luglio è pari all'8.3%

Probabilità di selezionare il mese di Dicembre 2012 selezionando una riga a caso del dataframe

Sommo le frequenze assolute di month per ottenere il numero di righe del dataframe

Codice

total_freq <- sum(freq_ass_month)
total_freq

## [1] 240

Codice

probability <- (1 / total_freq) * 100
probability

## [1] 0.4166667

## La probabilità è pari allo 0.41%

Creo la colonna mean_price

Codice

dati=data.frame(dati,mean_price=(volume/sales)*1000)

## Ho diviso il volume di affari di ogni mese per il numero di vendite di quel mese e ho moltiplicato *1000 perchè la variabile volume esprime il suo valore in milioni di dollari

Creo una colonna che esprima l’efficacia degli annunci

Codice

dati=data.frame(dati,effectiveness_ads=sales/listings)

## Ho diviso il numero di vendite mensili per il numero degli annunci attivi ogni mese ricavando così un valore che esprima la validità degli annunci. Più il valore di questo rapporto è alto più gli annunci hanno avuto efficacia generando un numero maggiore di vendite

Summary della variabile sales condizionatamente a city, year e month

Codice

library(dplyr)

dati%>%
  group_by(city,month)%>%
  summarise(media_sales=mean(sales),
            stand_dev_sales=sd(sales))

## # A tibble: 48 × 4
## # Groups:   city [4]
##    city     month media_sales stand_dev_sales
##    <chr>    <int>       <dbl>           <dbl>
##  1 Beaumont     1        122.            31.2
##  2 Beaumont     2        135.            31.9
##  3 Beaumont     3        171             14.9
##  4 Beaumont     4        190.            17.7
##  5 Beaumont     5        207.            42.6
##  6 Beaumont     6        205             36.0
##  7 Beaumont     7        185.            22.9
##  8 Beaumont     8        217.            50.6
##  9 Beaumont     9        174             46.9
## 10 Beaumont    10        189.            44.0
## # ℹ 38 more rows

Codice

dati%>%
  group_by(year)%>%
  summarise(media_sales=mean(sales),
            stand_dev_sales=sd(sales))

## # A tibble: 5 × 3
##    year media_sales stand_dev_sales
##   <int>       <dbl>           <dbl>
## 1  2010        169.            60.5
## 2  2011        164.            63.9
## 3  2012        186.            70.9
## 4  2013        212.            84.0
## 5  2014        231.            95.5

Distribuzione del volume degli affari negli anni e nelle varie città

Codice

ggplot(data=dati)+
  geom_boxplot(aes(x=year_cl,
                   y=median_price,
                   fill=city))+
  labs(title = "Distribuzione del volume degli affari",
       x = "Year in classi",
       y = "Volume",
       fill = "")+
  theme_minimal() +
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=12),
    axis.text.y = element_text(size=12),
    
    strip.background = element_blank(),
    
    legend.title = element_text(size = 10),
    legend.text = element_text(size = 10),
    legend.key.size = unit(1, "cm"),
    legend.position = "bottom"
  )

## Wichita Falls e Beaumont hanno aumentato di poco il loro volume degli affari nel corso degli anni presi in esame, mentre le città di Tyler e Bryan-College Station hanno avuto un incremento maggiore nel 2013 e nel 2014. 
## La mediana del volume degli affari a Wichita Falls nel 2011 è notevolmente più alta rispetto ad altre città e ad altri anni. Questo suggerisce la possibilità che ci sia stato un incremento delle vendite con un focus su immobili di valore superiore.
## Gli outliers superiori indicano che c'è stato un aumento significativo del volume degli affari in alcuni mesi. Al contrario gli outliers inferiori indicano un sostanziale calo degli affari

Distribuzione delle vendite tra le varie città negli anni

Codice

ggplot(data=dati)+
  geom_boxplot(aes(x=year_cl,
                   y=sales,
                   fill=city))+
  labs(title = "Distribuzione delle vendite",
       x = "Year in classi",
       y = "Sales",
       fill = "")+
  theme_minimal() +
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=12),
    axis.text.y = element_text(size=12),
    
    strip.background = element_blank(),
    
    legend.title = element_text(size = 10),
    legend.text = element_text(size = 10),
    legend.key.size = unit(1, "cm"),
    legend.position = "bottom"
  )

## Le vendite a Whichita Falls si mantengono pressocchè costanti nel corso degli anni mentre nelle altre città c'è un aumento. Nel 2012 il valore della mediana a Bryan-College Station è molto basso, questo vuol dire che sono stati venduti pochi immobili nella maggior parte dei mesi . Sempre nel 2012 la città di Tyler ha venduto parecchi immobili durante l'arco dell'anno.

Totale delle vendite nei vari mesi considerando le città

Calcolo il totale delle vendite per ogni mese dello stesso anno e città

Creo il grafico

Codice

library(RColorBrewer)
colori <- brewer.pal(6, "Set3")



sales_somma <- dati %>%
  group_by(month,city) %>%
  summarise(sales = sum(sales))



ggplot(sales_somma, aes(x = month, y = sales, fill = city)) +
  geom_bar(stat = "identity") +
 
  geom_text(aes(label = sales), size=4, vjust = 0.5,  hjust = 0.5,
            position = position_stack(vjust = 0.5),
            color = "black")+
  labs(title = "Vendite Mensili: Panoramica 2010-2014",
       x = "Mesi",
       y = "Sales") +
  scale_x_discrete(limits = c("Gennaio", "Febbraio", "Marzo", "Aprile", "Maggio", "Giugno", 
                              "Luglio", "Agosto", "Settembre", "Ottobre", "Novembre", "Dicembre")) +
  scale_y_continuous(breaks = seq(0,5000,200))+
  
  theme_classic()+
  
  scale_fill_manual(values=colori)+
 
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=9),
    axis.text.y = element_text(size=9),
    
    strip.background = element_blank(),
    
    legend.text = element_text(size = 10),
    legend.key.size = unit(1, "cm"),
    legend.position = "bottom"
  )+
  labs(  fill = toupper(""))

## La città di Wichita Falls è la città ad aver venduto meno immobili e nel corso dei mesi e degli anni e le sue vendite si sono mostrate pressocchè costanti. Le altre città hanno aumentato le vendite dall'inizio della primavera fino al mese di Agosto per poi diminuire agli inizi dell'autunno. Le città che vendono di più nei mesi estivi sono Tyler e Bryan-College Station

Calcolo il totale delle vendite per ogni mese

Calcolo la percentuale di vendite

Creo il grafico

Codice

sales_somma_per_month <- dati %>%
  group_by(month) %>%
  summarise(total_sales = sum(sales))



sales_somma_normalized <- sales_somma %>%
  left_join(sales_somma_per_month, by = "month") %>%
  mutate(sales_normalized = sales / total_sales * 100)



ggplot(sales_somma_normalized, aes(x = month, y = sales_normalized, fill = city)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = round(sales_normalized, 2)), size = 4, vjust = 0.5, hjust = 0.5,
            position = position_stack(vjust = 0.5), color = "black") +
  labs(title = "Vendite Mensili: Panoramica 2010-2014",
       x = "Mesi",
       y = "Vendite (%)") +
  scale_x_discrete(limits = c("Gennaio", "Febbraio", "Marzo", "Aprile", "Maggio", "Giugno", 
                              "Luglio", "Agosto", "Settembre", "Ottobre", "Novembre", "Dicembre")) +
  scale_y_continuous(labels = scales::percent_format(scale = 1), expand = expansion(mult = c(0, 0.05))) +
  theme_classic() +
  scale_fill_manual(values = colori) +
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size = 8),
    axis.text.y = element_text(size = 8),
    
    strip.background = element_blank(),
    
    legend.text = element_text(size = 10),
    legend.key.size = unit(1, "cm"),
    legend.position = "bottom"
  ) +
  labs(fill = toupper(""))

Totale delle vendite nei vari mesi e nei vari anni considerando le città

Calcolo il totale delle vendite per ogni mese e città

Calcolo la percentuale di vendite

Creo il grafico

Codice

sales_somma_per_month_city <- dati %>%
  group_by(month, city) %>%
  summarise(total_sales = sum(sales), .groups = "drop")



dati_somma_perc <- dati %>%
  group_by(year, city, month) %>%
  summarise(sales = sum(sales), .groups = "drop") %>%
  ungroup() %>%
  left_join(sales_somma_per_month_city, by = c("month", "city")) %>%
  mutate(sales_percent = sales / total_sales * 100)



ggplot(dati_somma_perc, aes(x = month, y = sales/total_sales, fill = as.factor(year))
) +
  geom_bar(position="fill", stat = "identity") +
  geom_text(aes(label = round(sales_percent, 2)), position = position_fill(vjust = 0.5), size = 4.5, color = "black")+
  facet_wrap(~city, ncol=1) +
  labs(title = "Percentuale delle Vendite Mensili",
       x = "Mesi",
       y = "Sales %",
       fill = ""
  ) +                        
  scale_x_discrete(limits = c("Gennaio", "Febbraio", "Marzo", "Aprile", "Maggio", "Giugno", 
                              "Luglio", "Agosto", "Settembre", "Ottobre", "Novembre", "Dicembre")
  ) +
  scale_y_continuous(labels = scales::percent,
                     sec.axis = sec_axis(~. * 100, name = "Sales %", labels = function(x) paste0(x, "%"))) +
  scale_fill_manual(values=colori)+
  theme_classic()+
  theme(
    plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=10),
    axis.text.y = element_text(size=10),
    
    strip.background = element_blank(),
    strip.text = element_text(size = 17),
    
    legend.text = element_text(size = 10),
    legend.key.size = unit(1, "cm"),
    legend.position = "bottom"
  )

Line chart con la variabile sales per fare confronti fra città e periodi storici

Raggruppo le vendite per anno e città con il pacchetto dplyr e creo il grafico

Codice

sales_by_year_city <- dati %>%
 group_by(year, city) %>%
 summarise(sales = sum(sales))



ggplot(sales_by_year_city) +
 geom_line(aes(x=year, y=sales, col=city, group=city), lwd=1) +
 geom_text(aes(x=year, y=sales+70, label = sales), size = 3.8)+
 scale_x_continuous(breaks = seq(2010,2014,1)) +
 scale_y_continuous(breaks = seq(0,4000,200))+
 labs(x="Anni", y="Numero di vendite", color="", title = "Storico annuale delle vendite") +
 scale_fill_manual(values=colori)+
 theme_minimal() +
  theme(
     plot.title = element_text(size = 23, hjust = 0.5),
    axis.title.x = element_text(size = 17, vjust = 0),
    axis.title.y = element_text(size = 17),
    axis.text.x = element_text(size=10),
    axis.text.y = element_text(size=10),
    
    strip.background = element_blank(),
  
    legend.text = element_text(size = 12),
    legend.key.size = unit(1.5, "cm"),
    legend.position = "bottom"
  )

## Possiamo notare che c'è stata un'impennata nelle vendite a Beaumont, Brian College Station e Tyler a partire dal 2011. La città di Tyler ha iniziato ad incrementarle già nel 2010. Wichita Falls nel 2011 ha avuto un lieve aumento delle vendite fino al 2013 per poi avere un sensibile calo.

Analisi del mercato immobiliare del Texas

Analisi del mercato immobiliare del Texas

Gabriele Iocco

2024-05-24

Tipo di variabili contenute nel dataframe

Setto la cartella di lavoro, leggo il file csv e calcolo le dimensioni del dataframe assegnandolo all’oggetto N

Con la funzione save.image salvo gli oggetti presenti nell’ambiente virtuale in un file RData da richiamare all’occorrenza

Con la funzione load carico gli oggetti nell’ambiente virtuale

Con la funzione attach rendo visibili i componenti di una lista come se fossero variabili definite indipendentemente

Tramite il comando typeof determino che tipo di variabili popolano il dataframe

Variabile city - qualitativa nominale

Distribuzione di frequenze

Con la funzione table costruisco le frequenze assolute e le assegno all’etichetta freq_ass

Costruisco le frequenze relative freq_rel

Costruisco la distribuzione di frequenze distr_freq_city

Variabile year - qualitativa ordinale

Numero di modalità

Frequenza assoluta

Suddivido in classi la variabile per poi calcolare le frequenze assolute della variabile qualitativa ordinale ciclica month per ogni classe e per ogni città

Variabile sales - quantitativa discreta

Indici di posizione

Quantili

Range interquartile

Calcolo la varianza sigma2 e la deviazione standard sigma

Indice di asimmetria di Fischer e Curtosi

Variabile volume - quantitativa continua

Indici di posizione

Quantili

Range interquartile

Calcolo la varianza sigma2 e la deviazione standard sigma

Indice di asimmetria di Fischer e Curtosi

Variabile median_price - quantitativa continua

Indici di posizione

Quantili

Range interquartile

Calcolo la varianza sigma2 e la deviazione standard sigma

Indice di asimmetria di Fischer e Curtosi

Variabile listings - quantitativa discreta

Indici di posizione

Quantili

Range interquartile

Calcolo la varianza sigma2 e la deviazione standard sigma

Indice di asimmetria di Fischer e Curtosi

Variabile months_inventory - quantitativa continua

Indici di posizione

Quantili

Range interquartile

Calcolo la varianza sigma2 e la deviazione standard sigma

Indice di asimmetria di Fischer e Curtosi

Calcolo il coefficiente di variazione CV per determinare la variabile con variabilità più elevata

Calcolo la variabile con asimmetria più elevata

Divido la variabile sales in classi, creo la colonna sales_cl nel dataframe e calcolo la distribuzione di frequenze

Indice di Gini

Indice di Gini per la variabile city

Probabilità di selezionare la città di Beaumont selezionando una riga a caso del dataframe

Probabilità di selezionare il mese di Luglio selezionando una riga a caso del dataframe

Le modalità di month hanno le stesse frequenze assolute

Moltiplico le frequenze assolute per il numero di città

Probabilità di selezionare il mese di Dicembre 2012 selezionando una riga a caso del dataframe

Sommo le frequenze assolute di month per ottenere il numero di righe del dataframe

Creo la colonna mean_price

Creo una colonna che esprima l’efficacia degli annunci

Summary della variabile sales condizionatamente a city, year e month

Distribuzione del volume degli affari negli anni e nelle varie città

Distribuzione delle vendite tra le varie città negli anni

Totale delle vendite nei vari mesi considerando le città

Calcolo il totale delle vendite per ogni mese dello stesso anno e città

Creo il grafico

Calcolo il totale delle vendite per ogni mese

Calcolo la percentuale di vendite

Creo il grafico

Totale delle vendite nei vari mesi e nei vari anni considerando le città

Calcolo il totale delle vendite per ogni mese e città

Calcolo la percentuale di vendite

Creo il grafico

Line chart con la variabile sales per fare confronti fra città e periodi storici

Raggruppo le vendite per anno e città con il pacchetto dplyr e creo il grafico

Con la funzione `save.image` salvo gli oggetti presenti nell’ambiente virtuale in un file RData da richiamare all’occorrenza

Con la funzione `load` carico gli oggetti nell’ambiente virtuale

Con la funzione `attach` rendo visibili i componenti di una lista come se fossero variabili definite indipendentemente

Tramite il comando `typeof` determino che tipo di variabili popolano il dataframe

Con la funzione `table` costruisco le frequenze assolute e le assegno all’etichetta freq_ass