Predicción del valor de un inmueble mediante técnicas agregativas

Goyeneche, Juan José - Moreno, Leonardo - Scavino, Marco

Resumen:

El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.


Detalles Bibliográficos
2017
Método de Stacking
Modelos espacio-temporales
Precio hedónico
Procesos autorregresivos
Español
Universidad de la República
COLIBRI
http://hdl.handle.net/20.500.12008/10526
Acceso abierto
Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
_version_ 1807522841051004928
author Goyeneche, Juan José
author2 Moreno, Leonardo
Scavino, Marco
author2_role author
author
author_facet Goyeneche, Juan José
Moreno, Leonardo
Scavino, Marco
author_role author
bitstream.checksum.fl_str_mv 6429389a7df7277b72b7924fdc7d47a9
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
32c6bb6d35be9cc5110edfa9c59e2cfe
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
bitstream.url.fl_str_mv http://localhost:8080/xmlui/bitstream/20.500.12008/10526/5/license.txt
http://localhost:8080/xmlui/bitstream/20.500.12008/10526/2/license_url
http://localhost:8080/xmlui/bitstream/20.500.12008/10526/3/license_text
http://localhost:8080/xmlui/bitstream/20.500.12008/10526/4/license_rdf
http://localhost:8080/xmlui/bitstream/20.500.12008/10526/1/ddt_01_17%282%29.pdf
collection COLIBRI
dc.contributor.filiacion.none.fl_str_mv Goyeneche Juan José, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.
Moreno Leonardo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.
Scavino Marco, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración.Instituto de Estadística.
dc.creator.none.fl_str_mv Goyeneche, Juan José
Moreno, Leonardo
Scavino, Marco
dc.date.accessioned.none.fl_str_mv 2017-11-20T17:58:11Z
dc.date.available.none.fl_str_mv 2017-11-20T17:58:11Z
dc.date.issued.none.fl_str_mv 2017
dc.description.abstract.none.fl_txt_mv El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.
dc.format.extent.es.fl_str_mv 20 p.
dc.format.mimetype.none.fl_str_mv application/pdf
dc.identifier.citation.es.fl_str_mv Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 2017
dc.identifier.issn.none.fl_str_mv 1688-6453
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12008/10526
dc.language.iso.none.fl_str_mv es
spa
dc.publisher.es.fl_str_mv Udelar. FCEA-IESTA
dc.relation.ispartof.none.fl_str_mv Serie DT (17 / 1)
dc.rights.license.none.fl_str_mv Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:COLIBRI
instname:Universidad de la República
instacron:Universidad de la República
dc.subject.es.fl_str_mv Método de Stacking
Modelos espacio-temporales
Precio hedónico
Procesos autorregresivos
dc.title.none.fl_str_mv Predicción del valor de un inmueble mediante técnicas agregativas
dc.type.es.fl_str_mv Documento de trabajo
dc.type.none.fl_str_mv info:eu-repo/semantics/workingPaper
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
description El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.
eu_rights_str_mv openAccess
format workingPaper
id COLIBRI_253ea0f083898614efe1e14e440152df
identifier_str_mv Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 2017
1688-6453
instacron_str Universidad de la República
institution Universidad de la República
instname_str Universidad de la República
language spa
language_invalid_str_mv es
network_acronym_str COLIBRI
network_name_str COLIBRI
oai_identifier_str oai:colibri.udelar.edu.uy:20.500.12008/10526
publishDate 2017
reponame_str COLIBRI
repository.mail.fl_str_mv mabel.seroubian@seciu.edu.uy
repository.name.fl_str_mv COLIBRI - Universidad de la República
repository_id_str 4771
rights_invalid_str_mv Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
spelling Goyeneche Juan José, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.Moreno Leonardo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.Scavino Marco, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración.Instituto de Estadística.2017-11-20T17:58:11Z2017-11-20T17:58:11Z2017Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 20171688-6453http://hdl.handle.net/20.500.12008/10526El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.Submitted by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2017-11-20T17:58:11Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) ddt_01_17(2).pdf: 2623728 bytes, checksum: 32c6bb6d35be9cc5110edfa9c59e2cfe (MD5)Made available in DSpace on 2017-11-20T17:58:11Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) ddt_01_17(2).pdf: 2623728 bytes, checksum: 32c6bb6d35be9cc5110edfa9c59e2cfe (MD5) Previous issue date: 201720 p.application/pdfesspaUdelar. FCEA-IESTASerie DT (17 / 1)Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)Método de StackingModelos espacio-temporalesPrecio hedónicoProcesos autorregresivosPredicción del valor de un inmueble mediante técnicas agregativasDocumento de trabajoinfo:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/publishedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaGoyeneche, Juan JoséMoreno, LeonardoScavino, MarcoLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/10526/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://localhost:8080/xmlui/bitstream/20.500.12008/10526/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://localhost:8080/xmlui/bitstream/20.500.12008/10526/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://localhost:8080/xmlui/bitstream/20.500.12008/10526/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALddt_01_17(2).pdfddt_01_17(2).pdfapplication/pdf2623728http://localhost:8080/xmlui/bitstream/20.500.12008/10526/1/ddt_01_17%282%29.pdf32c6bb6d35be9cc5110edfa9c59e2cfeMD5120.500.12008/105262018-02-14 11:51:04.686oai:colibri.udelar.edu.uy:20.500.12008/10526VGVybWlub3MgeSBjb25kaWNpb25lcyByZWxhdGl2YXMgYWwgZGVwb3NpdG8gZGUgb2JyYXMKCgpMYXMgb2JyYXMgZGVwb3NpdGFkYXMgZW4gZWwgUmVwb3NpdG9yaW8gc2UgcmlnZW4gcG9yIGxhIE9yZGVuYW56YSBkZSBsb3MgRGVyZWNob3MgZGUgbGEgUHJvcGllZGFkIEludGVsZWN0dWFsICBkZSBsYSBVbml2ZXJzaWRhZCBEZSBMYSBSZXDDumJsaWNhLiAoUmVzLiBOwrogOTEgZGUgQy5ELkMuIGRlIDgvSUlJLzE5OTQg4oCTIEQuTy4gNy9JVi8xOTk0KSB5ICBwb3IgbGEgT3JkZW5hbnphIGRlbCBSZXBvc2l0b3JpbyBBYmllcnRvIGRlIGxhIFVuaXZlcnNpZGFkIGRlIGxhIFJlcMO6YmxpY2EgKFJlcy4gTsK6IDE2IGRlIEMuRC5DLiBkZSAwNy8xMC8yMDE0KS4gCgpBY2VwdGFuZG8gZWwgYXV0b3IgZXN0b3MgdMOpcm1pbm9zIHkgY29uZGljaW9uZXMgZGUgZGVww7NzaXRvIGVuIENPTElCUkksIGxhIFVuaXZlcnNpZGFkIGRlIFJlcMO6YmxpY2EgcHJvY2VkZXLDoSBhOiAgCgphKSBhcmNoaXZhciBtw6FzIGRlIHVuYSBjb3BpYSBkZSBsYSBvYnJhIGVuIGxvcyBzZXJ2aWRvcmVzIGRlIGxhIFVuaXZlcnNpZGFkIGEgbG9zIGVmZWN0b3MgZGUgZ2FyYW50aXphciBhY2Nlc28sIHNlZ3VyaWRhZCB5IHByZXNlcnZhY2nDs24KYikgY29udmVydGlyIGxhIG9icmEgYSBvdHJvcyBmb3JtYXRvcyBzaSBmdWVyYSBuZWNlc2FyaW8gIHBhcmEgZmFjaWxpdGFyIHN1IHByZXNlcnZhY2nDs24geSBhY2Nlc2liaWxpZGFkIHNpbiBhbHRlcmFyIHN1IGNvbnRlbmlkby4KYykgcmVhbGl6YXIgbGEgY29tdW5pY2FjacOzbiBww7pibGljYSB5IGRpc3BvbmVyIGVsIGFjY2VzbyBsaWJyZSB5IGdyYXR1aXRvIGEgdHJhdsOpcyBkZSBJbnRlcm5ldCBtZWRpYW50ZSBsYSBwdWJsaWNhY2nDs24gZGUgbGEgb2JyYSBiYWpvIGxhIGxpY2VuY2lhIENyZWF0aXZlIENvbW1vbnMgc2VsZWNjaW9uYWRhIHBvciBlbCBwcm9waW8gYXV0b3IuCgoKRW4gY2FzbyBxdWUgZWwgYXV0b3IgaGF5YSBkaWZ1bmRpZG8geSBkYWRvIGEgcHVibGljaWRhZCBhIGxhIG9icmEgZW4gZm9ybWEgcHJldmlhLCAgcG9kcsOhIHNvbGljaXRhciB1biBwZXLDrW9kbyBkZSBlbWJhcmdvIHNvYnJlIGxhIGRpc3BvbmliaWxpZGFkIHDDumJsaWNhIGRlIGxhIG1pc21hLCBlbCBjdWFsIGNvbWVuemFyw6EgYSBwYXJ0aXIgZGUgbGEgYWNlcHRhY2nDs24gZGUgZXN0ZSBkb2N1bWVudG8geSBoYXN0YSBsYSBmZWNoYSBxdWUgaW5kaXF1ZSAuCgpFbCBhdXRvciBhc2VndXJhIHF1ZSBsYSBvYnJhIG5vIGluZnJpZ2UgbmluZ8O6biBkZXJlY2hvIHNvYnJlIHRlcmNlcm9zLCB5YSBzZWEgZGUgcHJvcGllZGFkIGludGVsZWN0dWFsIG8gY3VhbHF1aWVyIG90cm8uCgpFbCBhdXRvciBnYXJhbnRpemEgcXVlIHNpIGVsIGRvY3VtZW50byBjb250aWVuZSBtYXRlcmlhbGVzIGRlIGxvcyBjdWFsZXMgbm8gdGllbmUgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLCAgaGEgb2J0ZW5pZG8gZWwgcGVybWlzbyBkZWwgcHJvcGlldGFyaW8gZGUgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLCB5IHF1ZSBlc2UgbWF0ZXJpYWwgY3V5b3MgZGVyZWNob3Mgc29uIGRlIHRlcmNlcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIHkgcmVjb25vY2lkbyBlbiBlbCB0ZXh0byBvIGNvbnRlbmlkbyBkZWwgZG9jdW1lbnRvIGRlcG9zaXRhZG8gZW4gZWwgUmVwb3NpdG9yaW8uCgpFbiBvYnJhcyBkZSBhdXRvcsOtYSBtw7psdGlwbGUgL3NlIHByZXN1bWUvIHF1ZSBlbCBhdXRvciBkZXBvc2l0YW50ZSBkZWNsYXJhIHF1ZSBoYSByZWNhYmFkbyBlbCBjb25zZW50aW1pZW50byBkZSB0b2RvcyBsb3MgYXV0b3JlcyBwYXJhIHB1YmxpY2FybGEgZW4gZWwgUmVwb3NpdG9yaW8sIHNpZW5kbyDDqXN0ZSBlbCDDum5pY28gcmVzcG9uc2FibGUgZnJlbnRlIGEgY3VhbHF1aWVyIHRpcG8gZGUgcmVjbGFtYWNpw7NuIGRlIGxvcyBvdHJvcyBjb2F1dG9yZXMuCgpFbCBhdXRvciBzZXLDoSByZXNwb25zYWJsZSBkZWwgY29udGVuaWRvIGRlIGxvcyBkb2N1bWVudG9zIHF1ZSBkZXBvc2l0YS4gTGEgVURFTEFSIG5vIHNlcsOhIHJlc3BvbnNhYmxlIHBvciBsYXMgZXZlbnR1YWxlcyB2aW9sYWNpb25lcyBhbCBkZXJlY2hvIGRlIHByb3BpZWRhZCBpbnRlbGVjdHVhbCBlbiBxdWUgcHVlZGEgaW5jdXJyaXIgZWwgYXV0b3IuCgpBbnRlIGN1YWxxdWllciBkZW51bmNpYSBkZSB2aW9sYWNpw7NuIGRlIGRlcmVjaG9zIGRlIHByb3BpZWRhZCBpbnRlbGVjdHVhbCwgbGEgVURFTEFSICBhZG9wdGFyw6EgdG9kYXMgbGFzIG1lZGlkYXMgbmVjZXNhcmlhcyBwYXJhIGV2aXRhciBsYSBjb250aW51YWNpw7NuIGRlIGRpY2hhIGluZnJhY2Npw7NuLCBsYXMgcXVlIHBvZHLDoW4gaW5jbHVpciBlbCByZXRpcm8gZGVsIGFjY2VzbyBhIGxvcyBjb250ZW5pZG9zIHkvbyBtZXRhZGF0b3MgZGVsIGRvY3VtZW50byByZXNwZWN0aXZvLgoKTGEgb2JyYSBzZSBwb25kcsOhIGEgZGlzcG9zaWNpw7NuIGRlbCBww7pibGljbyBhIHRyYXbDqXMgZGUgbGFzIGxpY2VuY2lhcyBDcmVhdGl2ZSBDb21tb25zLCBlbCBhdXRvciBwb2Ryw6Egc2VsZWNjaW9uYXIgdW5hIGRlIGxhcyA2IGxpY2VuY2lhcyBkaXNwb25pYmxlczoKCgpBdHJpYnVjacOzbiAoQ0MgLSBCeSk6IFBlcm1pdGUgdXNhciBsYSBvYnJhIHkgZ2VuZXJhciBvYnJhcyBkZXJpdmFkYXMsIGluY2x1c28gY29uIGZpbmVzIGNvbWVyY2lhbGVzLCBzaWVtcHJlIHF1ZSBzZSByZWNvbm96Y2EgYWwgYXV0b3IuCgpBdHJpYnVjacOzbiDigJMgQ29tcGFydGlyIElndWFsIChDQyAtIEJ5LVNBKTogUGVybWl0ZSB1c2FyIGxhIG9icmEgeSBnZW5lcmFyIG9icmFzIGRlcml2YWRhcywgaW5jbHVzbyBjb24gZmluZXMgY29tZXJjaWFsZXMsIHBlcm8gbGEgZGlzdHJpYnVjacOzbiBkZSBsYXMgb2JyYXMgZGVyaXZhZGFzIGRlYmUgaGFjZXJzZSBtZWRpYW50ZSB1bmEgbGljZW5jaWEgaWTDqW50aWNhIGEgbGEgZGUgbGEgb2JyYSBvcmlnaW5hbCwgcmVjb25vY2llbmRvIGEgbG9zIGF1dG9yZXMuCgpBdHJpYnVjacOzbiDigJMgTm8gQ29tZXJjaWFsIChDQyAtIEJ5LU5DKTogUGVybWl0ZSB1c2FyIGxhIG9icmEgeSBnZW5lcmFyIG9icmFzIGRlcml2YWRhcywgc2llbXByZSB5IGN1YW5kbyBlc29zIHVzb3Mgbm8gdGVuZ2FuIGZpbmVzIGNvbWVyY2lhbGVzLCByZWNvbm9jaWVuZG8gYWwgYXV0b3IuCgpBdHJpYnVjacOzbiDigJMgU2luIERlcml2YWRhcyAoQ0MgLSBCeS1ORCk6IFBlcm1pdGUgZWwgdXNvIGRlIGxhIG9icmEsIGluY2x1c28gY29uIGZpbmVzIGNvbWVyY2lhbGVzLCBwZXJvIG5vIHNlIHBlcm1pdGUgZ2VuZXJhciBvYnJhcyBkZXJpdmFkYXMsIGRlYmllbmRvIHJlY29ub2NlciBhbCBhdXRvci4KCkF0cmlidWNpw7NuIOKAkyBObyBDb21lcmNpYWwg4oCTIENvbXBhcnRpciBJZ3VhbCAoQ0Mg4oCTIEJ5LU5DLVNBKTogUGVybWl0ZSB1c2FyIGxhIG9icmEgeSBnZW5lcmFyIG9icmFzIGRlcml2YWRhcywgc2llbXByZSB5IGN1YW5kbyBlc29zIHVzb3Mgbm8gdGVuZ2FuIGZpbmVzIGNvbWVyY2lhbGVzIHkgbGEgZGlzdHJpYnVjacOzbiBkZSBsYXMgb2JyYXMgZGVyaXZhZGFzIHNlIGhhZ2EgbWVkaWFudGUgbGljZW5jaWEgaWTDqW50aWNhIGEgbGEgZGUgbGEgb2JyYSBvcmlnaW5hbCwgcmVjb25vY2llbmRvIGEgbG9zIGF1dG9yZXMuCgpBdHJpYnVjacOzbiDigJMgTm8gQ29tZXJjaWFsIOKAkyBTaW4gRGVyaXZhZGFzIChDQyAtIEJ5LU5DLU5EKTogUGVybWl0ZSB1c2FyIGxhIG9icmEsIHBlcm8gbm8gc2UgcGVybWl0ZSBnZW5lcmFyIG9icmFzIGRlcml2YWRhcyB5IG5vIHNlIHBlcm1pdGUgdXNvIGNvbiBmaW5lcyBjb21lcmNpYWxlcywgZGViaWVuZG8gcmVjb25vY2VyIGFsIGF1dG9yLgoKTG9zIHVzb3MgcHJldmlzdG9zIGVuIGxhcyBsaWNlbmNpYXMgaW5jbHV5ZW4gbGEgZW5hamVuYWNpw7NuLCByZXByb2R1Y2Npw7NuLCBjb211bmljYWNpw7NuLCBwdWJsaWNhY2nDs24sIGRpc3RyaWJ1Y2nDs24geSBwdWVzdGEgYSBkaXNwb3NpY2nDs24gZGVsIHDDumJsaWNvLiBMYSBjcmVhY2nDs24gZGUgb2JyYXMgZGVyaXZhZGFzIGluY2x1eWUgbGEgYWRhcHRhY2nDs24sIHRyYWR1Y2Npw7NuIHkgZWwgcmVtaXguCgpDdWFuZG8gc2Ugc2VsZWNjaW9uZSB1bmEgbGljZW5jaWEgcXVlIGhhYmlsaXRlIHVzb3MgY29tZXJjaWFsZXMsIGVsIGRlcMOzc2l0byBkZWJlcsOhIHNlciBhY29tcGHDsWFkbyBkZWwgYXZhbCBkZWwgamVyYXJjYSBtw6F4aW1vIGRlbCBTZXJ2aWNpbyBjb3JyZXNwb25kaWVudGUuCg==Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:30:54.913795COLIBRI - Universidad de la Repúblicafalse
spellingShingle Predicción del valor de un inmueble mediante técnicas agregativas
Goyeneche, Juan José
Método de Stacking
Modelos espacio-temporales
Precio hedónico
Procesos autorregresivos
status_str publishedVersion
title Predicción del valor de un inmueble mediante técnicas agregativas
title_full Predicción del valor de un inmueble mediante técnicas agregativas
title_fullStr Predicción del valor de un inmueble mediante técnicas agregativas
title_full_unstemmed Predicción del valor de un inmueble mediante técnicas agregativas
title_short Predicción del valor de un inmueble mediante técnicas agregativas
title_sort Predicción del valor de un inmueble mediante técnicas agregativas
topic Método de Stacking
Modelos espacio-temporales
Precio hedónico
Procesos autorregresivos
url http://hdl.handle.net/20.500.12008/10526