https://hdl.handle.net/20.500.12880/10149 Fri, 08 May 2026 20:38:41 GMT 2026-05-08T20:38:41Z https://hdl.handle.net/20.500.12880/15434 Modelización y predicción del gasto turístico desde el análisis de datos: el caso de Canarias Hernández Rodríguez, Paula; Rodríguez González, Ernesto El objetivo principal de este trabajo es desarrollar un modelo predictivo del gasto turístico en la Comunidad Autónoma de Canarias por parte de turistas provenientes de países de la Eurozona, utilizando técnicas de análisis de datos y Machine Learning. En primer lugar, se realizó una descripción demográfica, climática y económica de Canarias, luego se llevaron a cabo los análisis univariante y bivariante y por último se procedió al modelo predictivo. En este sentido, usando datos de la encuesta de gasto turístico (EGATUR), del Banco de España y de EUROSTAT desde octubre de 2015 hasta marzo de 2024 se evaluó la capacidad predictiva -mediante validación cruzada- de tres algoritmos: Linear Regression, K-Nearest Neighbors y Random Forest, y se analizó la importancia de las variables en el modelo preferido. Con los resultados se concluye que en este estudio el modelo que tiene un mejor desempeño es el Random Forest, aunque las métricas evaluativas (RMSE, MAE y R²) en los tres modelos resultan ser similares. Por su parte, los descriptores con mayor relevancia para explicar el gasto turístico son el número de pernoctaciones y el tipo de alojamiento mientras que las otras variables, como el EURIBOR, el transporte y el motivo del viaje, presentan una importancia marginal. Es importante destacar que este período incluye eventos significativos como la pandemia mundial y fenómenos naturales como la erupción del volcán de La Palma, los cuales han tenido un impacto notable en el sector turístico y en los patrones de gasto de los turistas. Mon, 01 Jul 2024 00:00:00 GMT https://hdl.handle.net/20.500.12880/15434 2024-07-01T00:00:00Z https://hdl.handle.net/20.500.12880/15433 Análisis Comparativo del Mercado Inmobiliario en España, Portugal y Chipre: Tendencias, Impacto del Euribor e Influencias macroeconómicas Sánchez Pérez, Sara; Pérez Salido, Inés; Giménez, Lucas Sebastián Esta investigación analiza la evolución de los precios de compra-venta de viviendas en España, Estonia y Chipre desde el año 2000 hasta 2023, junto con la evolución del Euribor y los precios de alquiler. El propósito principal es predecir el Índice de Precios de la Vivienda (IPV), cuyo objetivo es medir la evolución de los precios de compraventa de las viviendas de precio libre, tanto nuevas como de segunda mano, a lo largo del tiempo. Para ello, utilizaremos modelos de regresión lineal y modelos de corrección del error (MCE), tratándose este último de una combinación de modelos lineales y series temporales. Esta predicción podrá ayudar a inversores y compradores a tomar decisiones más informadas sobre dónde invertir su dinero. Entre los principales resultados se destacan: Diseño de un sistema de predicción de precios basado en regresión lineal y MCE, como bien hemos comentado previamente. Implementación de herramientas de análisis y visualización de datos utilizando R y Power BI. Análisis detallado de la evolución del mercado inmobiliario y sus factores determinantes. Las conclusiones más importantes indican que la evolución de los precios de la vivienda está fuertemente influenciada sobre todo por la Renta per Cápita, Producto Interior Bruto, Índice de Precios de Alquileres Reales de la Vivienda, Salario medio y las condiciones del mercado de alquiler. Los modelos desarrollados han demostrado ser efectivos para realizar predicciones precisas, proporcionando valiosa información para futuros análisis y decisiones de inversión. Mon, 01 Jul 2024 00:00:00 GMT https://hdl.handle.net/20.500.12880/15433 2024-07-01T00:00:00Z