Projekt końcowy: Analiza cen nieruchomości w Kalifornii

Opis projektu

Projekt realizuje eksploracyjną analizę danych (EDA) na zbiorze danych California Housing Prices zgodnie z wymaganiami projektu końcowego z przedmiotu Statystyczna Analiza Danych.

Struktura projektu

projekt_koncowy/
├── README.md                    # Ten plik
├── projekt_housing.ipynb        # Główny notebook z analizą  
├── housing.csv                  # Dane California Housing
└── requirements.txt             # Wymagane biblioteki

Zbiór danych

California Housing Prices - dane z kalifornijskiego spisu mieszkaniowego z 1990 roku zawierające informacje o:

• Cenach nieruchomości (median_house_value) - zmienna zależna
• Lokalizacji geograficznej (longitude, latitude)
• Charakterystykach mieszkaniowych (wiek, liczba pokoi, sypialni)
• Danych demograficznych (populacja, dochody, gospodarstwa domowe)
• Bliskości oceanu (ocean_proximity)

Źródło: Kaggle - California Housing Prices

Pytania badawcze

1. Jakie są główne czynniki wpływające na ceny nieruchomości w Kalifornii?
2. Czy lokalizacja geograficzna ma znaczący wpływ na wartość nieruchomości?
3. Jak dochód mieszkańców koreluje z cenami domów?
4. Czy istnieją znaczące różnice w cenach według bliskości oceanu?
5. Jakie charakterystyki mieszkaniowe mają największy wpływ na cenę?

Struktura analizy

Zgodnie z wymaganiami projekt zawiera następujące sekcje:

1. Wprowadzenie (2 punkty)

• Opis zbioru danych i jego pochodzenia
• Definicja pytań badawczych
• Opis zmiennych

2. Czyszczenie i porządkowanie danych (4 punkty)

• Diagnostyka danych (typy, rozmiar, podstawowe statystyki)
• Analiza braków danych z wizualizacją (heatmapy, shadowmapy)
• Identyfikacja i analiza obserwacji odstających
• Imputacja braków danych
• Weryfikacja reguł biznesowych i logicznych

3. Wizualizacje (4 punkty)

• Wizualizacja 1: Rozkład cen nieruchomości i boxploty według bliskości oceanu
• Wizualizacja 2: Mapa geograficzna cen w Kalifornii
• Wizualizacja 3: Korelacja dochodu z cenami (scatterplot + hexbin)
• Wizualizacja 4: Charakterystyki mieszkaniowe vs ceny (4 subploty)
• Wizualizacja 5: Macierz korelacji głównych zmiennych

4. Analiza opisowa (4 punkty)

• Analiza 1: Statystyki opisowe według bliskości oceanu + test ANOVA
• Analiza 2: Macierz korelacji i regresja liniowa (dochód -> cena)
• Analiza 3: Segmentacja geograficzna (Bay Area, LA, Coastal, Inland)

5. Wnioski (2 punkty)

• Odpowiedzi na pytania badawcze
• Główne odkrycia i wzorce
• Ograniczenia analizy
• Rekomendacje na przyszłość

Wymagane biblioteki

pandas>=1.3.0
numpy>=1.20.0
matplotlib>=3.4.0
seaborn>=0.11.0
scipy>=1.7.0
jupyter>=1.0.0

Instalacja i uruchomienie

1. Sklonuj/pobierz projekt
2. Zainstaluj wymagane biblioteki:

   pip install -r requirements.txt

3. Uruchom Jupyter Notebook:

   jupyter notebook projekt_housing.ipynb

Główne wyniki

Kluczowe czynniki wpływające na ceny:

• Dochód mieszkańców (r≈0.69) - najsilniejszy predyktor
• Lokalizacja geograficzna - nieruchomości na wybrzeżu znacznie droższe
• Liczba pokoi/sypialni na gospodarstwo - pozytywna korelacja

Różnice regionalne:

• Bay Area: najwyższe ceny (średnia ~$370k)
• Los Angeles: wysokie ceny
• Wybrzeże: średnie-wysokie ceny
• Inland: najniższe ceny (średnia ~$125k)

Statystyki:

• Korelacja dochód-cena: r≈0.69
• Wzrost dochodu o $10k → wzrost ceny o ~$42k
• Dochód wyjaśnia 47% wariancji cen

Autorzy

[Bartosz Wysocki, Tomasz Kowalski]

Licencja

Projekt edukacyjny - Statystyczna Analiza Danych