Ejercicio de programación con Numpy: Numpy estadísticas sobre dataset inmuebles Madrid

Preparación del entorno:

• Asegúrate de tener instalado Python y las librerías NumPy, Matplotlib y Seaborn.
• Descarga el dataset desde Kaggle y descomprímelo si es necesario.
• Configura tu entorno de trabajo en Visual Studio Code y crea un nuevo Jupyter Notebook.

Carga de datos:

• Utiliza np.genfromtxt para cargar los datos en un array NumPy.
• Verifica que los datos se hayan cargado correctamente examinando algunas filas.

Preprocesamiento de datos:

• Elimina la cadena ", Madrid" de la columna address utilizando funciones de NumPy.
• Maneja los valores faltantes o anomalías en los datos si existen.

Análisis estadístico y visualización:

• Calcula la media, mediana, máximo y mínimo de las columnas numéricas.
• Genera histogramas y curvas de densidad para visualizar las distribuciones.
• Identifica posibles sesgos o patrones en los datos.

Análisis de cuartiles y dispersión:

• Calcula los cuartiles y el IQR de las columnas numéricas.
• Filtra el 20% de las propiedades más caras y más baratas; analiza sus características.
• Opcional: Filtra los barrios del 20% de las propiedades más baratas y analiza la moda.
• Calcula la varianza y la desviación estándar.

Detección y visualización de outliers:

• Aplica los métodos de Tukey y z-score para detectar outliers.
• Visualiza los outliers en gráficos, señalando los límites en rojo y azul.

Análisis de correlación y estandarización:

• Calcula la matriz de correlación entre las variables numéricas.
• Representa la matriz de correlación usando un mapa de calor (heatmap).
• Estandariza las columnas numéricas y observa los efectos en las correlaciones.

Análisis de asimetría y curtosis:

• Calcula la asimetría y curtosis de las distribuciones.
• Aplica transformaciones a las distribuciones (logarítmica, raíz cuadrada) y analiza los resultados.

Contraste de hipótesis:

• Selecciona dos barrios (X e Y) e hipótesis a contrastar sobre sus precios.
• Realiza pruebas estadísticas (e.g., t-test) para contrastar las hipótesis planteadas.
• Interpreta los resultados y concluye sobre las hipótesis.