Professional Documents
Culture Documents
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
1 - Conceitos Gerais
1.1- A Natureza da Avaliao de um Bem Imvel
Do ponto de vista geral e pela definio contida na NBR (Norma Brasileira) -14.653 PARTE 1: PROCEDIMENTOS GERAIS, a avaliao de um bem consiste na
anlise tcnica, realizada por Engenheiro de Avaliaes, para identificar o valor de
um bem, de seus custos, frutos e direitos, assim como determinar indicadores da
viabilidade de sua utilizao econmica, para uma determinada finalidade,
situao e data.
Sendo que:
3.6 bem: Coisa que tem valor, suscetvel de utilizao ou que pode ser objeto
de direito, que integra um patrimnio
3.6.1
bem
tangvel:
Bem
identificado
materialmente
(ex.:
imveis,
equipamentos, matrias-primas)
3.6.2 bem intangvel: Bem no identificado materialmente (ex.: fundo de
comrcio, marcas e patentes)
1.2 Classificao dos bens, vistoria e coleta de dados (transcries Normas
tcnicas brasileiras NBR 14653-2))
1.2.1 Classificao dos imveis urbanos
Quanto ao uso:
a) residencial;
b) comercial;
c) industrial;
d) institucional;
e) misto.
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
i) hotis e motis;
j) hospitais;
k) escolas;
l) cinemas e teatros;
m) clubes recreativos;
n) prdios industriais.
a) loteamento;
b) condomnio de casas;
c) prdio de apartamentos;
d) conjunto habitacional (casas, prdios ou mistos);
e) conjunto de salas comerciais;
f) prdio comercial;
g) conjunto de prdios comerciais;
h) conjunto de unidades comerciais;
i) complexo industrial.
1.2.2 - Vistoria do bem avaliando
Nenhuma avaliao poder prescindir da vistoria. Em casos excepcionais, quando
for impossvel o acesso ao bem avaliando, admite-se a adoo de uma situao
paradigma, desde que acordada entre as partes e explicitada no laudo.
A vistoria deve ser efetuada pelo engenheiro de avaliaes com o objetivo de
conhecer e caracterizar o bem avaliando e sua adequao ao seu segmento de
mercado, da resultando condies para a orientao da coleta de dados.
Caracterizao da regio
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Caracterizao do terreno
Situaes especiais
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
- Impossibilidade de vistoria
Quando no for possvel o acesso do avaliador ao interior do imvel, o motivo deve
ser justificado no laudo de avaliao. Neste caso, em comum acordo com o
contratante, a vistoria interna pode ser prescindida e a avaliao pode prosseguir
com base nos elementos que for possvel obter ou fornecidos pelo contratante, tais
como:
a) descrio interna;
b) no caso de apartamentos, escritrios e conjuntos habitacionais, a vistoria externa
de reas comuns, a vistoria de outras unidades do mesmo edifcio e informaes da
respectiva administrao;
c) no caso de unidades isoladas, a vistoria externa.
As consideraes hipotticas sobre o imvel que configuram a situao paradigma,
devem estar claramente explicitadas no laudo de avaliao.
1.2.3 Coleta de dados
recomendvel que seja planejada com antecedncia, tendo em vista: as
caractersticas do bem avaliando, disponibilidade de recursos, informaes e
pesquisas anteriores, plantas e documentos, prazo de execuo dos servios, enfim,
tudo que possa esclarecer aspectos relevantes para a avaliao.
Aspectos Quantitativos
recomendvel buscar a maior quantidade possvel de dados de mercado, com
atributos comparveis aos do bem avaliando.
Aspectos Qualitativos
Na fase de coleta de dados recomendvel:
a) buscar dados de mercado com atributos mais semelhantes possveis aos do
bem avaliando;
b) identificar e diversificar as fontes de informao, sendo que as informaes
devem ser cruzadas, tanto quanto
possvel, com objetivo de aumentar a confiabilidade dos dados de mercado;
c) identificar e descrever as caractersticas relevantes dos dados de mercado
coletados;
d) buscar dados de mercado de preferncia contemporneos com a data de
referncia da avaliao.
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Planejamento da pesquisa
No planejamento de uma pesquisa, o que se pretende a composio de uma
amostra representativa de dados de mercado de imveis com caractersticas, tanto
quanto possvel, semelhantes s do avaliando, usando-se toda a evidncia
disponvel. Esta etapa que envolve estrutura e estratgia da pesquisa deve
iniciar-se pela caracterizao e delimitao do mercado em anlise, com o auxlio
de teorias e conceitos existentes ou hipteses advindas de experincias adquiridas
pelo avaliador sobre a formao do valor.
Na estrutura da pesquisa so eleitas as variveis que, em princpio, so relevantes
para explicar a formao de valor e estabelecidas as supostas relaes entre si e
com a varivel dependente.
A estratgia de pesquisa refere-se abrangncia da amostragem e s tcnicas a
serem utilizadas na coleta e anlise dos dados, como a seleo e abordagem de
fontes de
Levantamento de dados de mercado
O levantamento de dados tem como objetivo a obteno de uma amostra
representativa para explicar o comportamento do mercado no qual o imvel
avaliando esteja inserido e constitui a base do processo avaliatrio. Nesta etapa o
engenheiro de avaliaes investiga o mercado, coleta dados e informaes
confiveis preferentemente a respeito de negociaes realizadas e ofertas,
contemporneas data de referncia da avaliao, com suas principais
caractersticas econmicas, fsicas e de localizao.
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
da
comparao
com
os
preos
de
bens
similares,
que
foram
atravs
de
imveis
padronizados,
,as
sim.
diferenciado
em
funo,
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
10
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
11
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
12
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
13
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
14
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Tratamento
por
fatores:
homogeneizao
por
fatores
critrios,
15
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
apresentar
pontos
prximos
da
bissetriz
do
primeiro
quadrante.
16
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Tratamento por anlise de regresso linear: procura-se encontrar a mdia que mais
se aproxima dos dados de mercado, ou seja, as diferenas dos atributos dos dados
da pesquisa so ajustados com base na prpria amostra, onde possvel construir
um modelo e com ele prever o valor mdio do bem avaliando
17
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
envolvimento
da
seleo
da
metodologia
em
razo
da
18
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Graus de fundamentao
Tabela 1 Graus de fundamentao no caso de utilizao de modelos de regresso linear
Ite
m
Descrio
Grau
III
II
Caracterizao do
imvel avaliando
Completa quanto
a todas as
variveis
analisadas
Completa quanto s
variveis utilizadas no
modelo
Adoo de situao
paradigma
Coleta de dados de
mercado
Caractersticas
conferidas pelo
autor do laudo
Caractersticas
conferidas por
profissional
credenciado pelo
autor do laudo
Quantidade mnima
de dados de mercado,
efetivamente utilizados
4 (k+1), onde k o
nmero de variveis
independentes
3 (k+1), onde k o
nmero de variveis
independentes
Apresentao de
informaes relativas
aos dados e variveis
efetivamente utilizados
no modelo
Apresentao de
informaes relativas
aos dados e variveis
efetivamente
utilizados no modelo
No admitida
10%
20%
30%
1%
5%
10%
Identificao dos
dados de mercado
Extrapolao
Nvel de significncia
(somatrio do valor
das duas caudas)
mximo para a
rejeio da hiptese
nula de cada regressor
(teste bicaudal)
Nvel de significncia
mximo admitido nos
demais testes
estatsticos realizados
6 (k+1), onde k o
nmero de
variveis
independentes
Apresentao de
informaes
relativas a todos
os dados e
variveis
analisados na
modelagem, com
foto
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
III
18
3, 5, 6 e 7, com
os demais no
mnimo no grau II
II
11
I
7
3, 5, 6 e 7 no mnimo
no grau II
1 Todos, no
mnimo no grau I
III
30%
Grau
II
30%-50%
I
>50%
20
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Descrio
Grau
II
III
Caracterizao do
imvel avaliando
Completa quanto
a todos os fatores
analisados
Coleta de dados de
mercado
Caractersticas
conferidas pelo
autor do laudo
Quantidade mnima de
dados de mercado,
efetivamente utilizados
12
Apresentao de
informaes
relativas a todas
as caractersticas
dos dados
analisadas, com
foto
Apresentao de
informaes relativas
a todas as
caractersticas dos
dados analisadas
Apresentao de
informaes relativas
a todas as
caractersticas dos
dados
correspondentes aos
fatores utilizados
No admitida
Admitida para
apenas uma varivel
Admitida
0,90 a 1,10
0,80 a 1,20
0,50 a 1,50
Extrapolao conforme
B.5.2 do Anexo B
Intervalo admissvel de
ajuste para o conjunto de
fatores
Completa quanto
aos fatores utilizados
no tratamento
Adoo de situao
paradigma
Caractersticas
conferidas por
profissional
credenciado pelo
autor do laudo
III
13
Itens obrigatrios
Itens 2, 4 e 5 no grau
III, com os demais no
mnimo no grau II
II
8
Itens 2, 4 e 5 no
mnimo no grau II e
os demais no mnimo
no grau I
I
5
2 todos, no mnimo
no grau I
III
30%
Grau
II
30%-50%
I
>50%
21
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Na
modelagem,
devem
ser
expostas
as
hipteses
relativas
aos
sua
especificao,
normalidade,
homocedasticidadede,
no-
22
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
os
erros
so
variveis
aleatrias
com
varincia
constante,
ou
seja,
homocedsticos;
c) os erros so variveis aleatrias com distribuio normal;
d) os erros so no-autocorrelacionados, isto , so independentes sob a condio
de normalidade;
e) no devem existir erros de especificao no modelo, isto , todas as variveis
importantes devem estar incorporadas inclusive as decorrentes de interao e
nenhuma varivel irrelevante deve estar presente no modelo;
f) em caso de correlao linear elevada entre quaisquer subconjuntos de variveis
independentes, isto , multicolinearidade, deve-se examinar a coerncia das
caractersticas do imvel avaliando com a estrutura de multicolinearidade inferida,
vedada a utilizao do modelo em caso de incoerncia;
g) no deve existir nenhuma correlao entre o erro aleatrio e as variveis
independentes do modelo.
h) possveis pontos influenciantes, ou aglomerados deles, devem ser investigados e
sua retirada fica condicionada apresentao de justificativas.
A.2.2 Verificao dos pressupostos do modelo
A.2.2.1 Linearidade
Deve ser analisado, primeiramente, o comportamento grfico da varivel
dependente em relao a cada varivel independente, em escala original. Isto
pode orientar o avaliador na transformao a adotar. Existem formas estatsticas de
se buscar a transformao mais adequada, como, por exemplo, os procedimentos
de Box e Cox.
As transformaes utilizadas para linearizar o modelo devem, tanto quanto possvel,
refletir o comportamento do mercado, com preferncia pelas transformaes mais
simples de variveis, que resultem em modelo satisfatrio.
Aps as transformaes realizadas, se houver, examina-se a linearidade do modelo,
pela construo de grficos dos valores observados para a varivel dependente
versus cada varivel independente, com as respectivas transformaes.
23
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
A.2.2.2 Normalidade
A verificao da normalidade pode ser realizada, entre outras, por uma das
seguintes formas:
a) pelo exame de histograma dos resduos amostrais padronizados, com o objetivo
de verificar se sua forma guarda semelhana com a da curva normal;
b) pela anlise do grfico de resduos padronizados versus valores ajustados, que
deve apresentar pontos dispostos aleatoriamente, com a grande maioria situados
no intervalo [-2;+2 ].
c) pela comparao da freqncia relativa dos resduos amostrais padronizados
nos intervalos de [-1;+1], [-1,64;+1,64 ] e [-1,96;+1,96 ], com as probabilidades da
distribuio normal padro nos mesmos intervalos, ou seja, 68%, 90% e 95%;
d) pelo exame do grfico dos resduos ordenados padronizados versus quantis da
distribuio normal padronizada, que deve se aproximar da bissetriz do primeiro
quadrante;
e) pelos testes de aderncia no-paramtricos, como, por exemplo, o quiquadrado, o de
Kolmogorov-Smirnov ajustado por Stephens e o de Jarque-Bera.
A.2.2.3 Homocedasticidade
A verificao da homocedasticidade pode ser feita, entre outros, por meio dos
seguintes processos:
a) anlise grfica dos resduos versus valores ajustados, que devem apresentar
pontos dispostos aleatoriamente, sem nenhum padro definido;
b) pelos testes de Park e de White.
A.2.2.4 Verificao da autocorrelao
O exame da autocorrelao deve ser precedido pelo pr-ordenamento dos
elementos amostrais, em relao a cada uma das variveis independentes
possivelmente causadoras do problema ou em relao aos valores ajustados.
Sua verificao pode ser feita:
a) pela anlise do grfico dos resduos cotejados com os valores ajustados, que
deve apresentar pontos dispersos aleatoriamente, sem nenhum padro definido;
b) pelo Teste de Durbin-Watson, considerando o pr-ordenamento anteriormente
citado.
24
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
25
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
A.3.4 Os nveis de significncia utilizados nos testes citados nesta subseo sero
compatveis com a especificao da avaliao.
A.4 Poder de explicao
Em uma mesma amostra, a explicao do modelo pode ser aferida pelo seu
coeficiente de determinao. Devido ao fato de que este coeficiente sempre
cresce com o aumento do nmero de variveis independentes e no leva em
conta o nmero de graus de liberdade perdidos a cada parmetro estimado,
recomendvel considerar tambm o coeficiente de determinao ajustado.
A.5 Campo de arbtrio
O campo de arbtrio corresponde semi-amplitude de 15% em torno da estimativa
pontual adotada. Caso no seja adotada a estimativa pontual, o engenheiro de
avaliaes deve justificar sua escolha.
A.6 Cdigos alocados
Recomenda-se considerar tantas variveis dicotmicas quantas forem necessrias
para descrever as diferenas qualitativas, em lugar da utilizao de cdigos
alocados, especialmente quando a quantidade de dados abundante e pode-se
preservar os graus de liberdade necessrios modelagem estatstica, definidos
nesta Norma. A utilizao de cdigos alocados tolerada nos seguintes casos, na
seguinte ordem de prioridade:
a) quando seus valores so extrados da amostra com a utilizao de variveis
dicotmicas;
b) quando so utilizados nmeros naturais em ordem crescente das caractersticas
possveis, com valor inicial igual a 1, sem a utilizao de transformaes, ou seja, na
escala original.
A.7 Diferentes agrupamentos
No caso de utilizao no mesmo modelo de regresso de diferentes agrupamentos
(tipologia,
mercados,
localizao,
usos
etc.),
recomenda-se
verificar
26
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
que
sejam
contemporneos.
Nos
casos
de
exame
de
dados
no
atributos
semelhantes
aqueles
em
que
cada
um
dos
fatores
de
27
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
no
devem
ultrapassar
em
50%,
para
mais
ou
para
menos,
28
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Modelagem
CAPTULO 2
e
3.32 modelo de regresso: Modelo utilizado para representar determinado fenmeno,
com base numa amostra, considerando-se as diversas caractersticas influenciantes.
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
30
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
31
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
32
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
CAPTULO 3
eles e dividindo-se o total pelo nmero de casos. De modo geral a mais importante
de todas as mensuraes numricas descritivas. A mdia pode expressar-se como x
(x barra) se o conjunto de valores uma amostra; se todos os valores da populao
esto presentes, a mdia expressa por (letra grega mu). Logo, a mdia de uma
amostra de 70, 90 e 110, :
x
Mdia=
n
x =
70 + 90 + 110
= 90
3
33
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Mediana
Moda
M (2, 3, 3, 4)
M=3
Me=3
Mo=3
M (1,18,19,40)
M=19,50
Me=18,50
Mo= no tem
M (1,2,3,3,3,7,7,7,11,20)
M=6,4
Me=5
Mo=3 e 7
M (9,10,80,80,100)
M=55,80
Me=80
Mo=80
diversas
medidas
de
tendncia
central
tm
diferentes
vantagens
Uma vantagem
Definio
Leva em conta
todos os
valores?
Afetada pelos
valores
extremos?
Vantagens
Mdia
Sim
Sim
Mediana
Valor do meio
No
No
Moda
No
No
Assimetria
Em distribuies de freqncia que refletem uma distribuio de probabilidade mais
simtrica, como o caso da Curva Normal, as trs medidas convergem para um
mesmo resultado. Em distribuies assimtricas, como o caso da Exponencial, as
medidas divergem significativamente. A comparao da mdia, mediana e moda
pode nos dizer algo sobre a caracterstica da assimetria, conforme mostrado nas
figuras abaixo.
MDIA
MODA
MDIA
MODA
MEDIANA
MEDIANA
MODA
MDIA
MEDIANA
Negativamente Assimtrica: a
Positivamente Assimtrica:
e a Mediana coincidem
esquerda da Moda .
Fig. 2 - Assimetria
direita da Moda .
34
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
.. ..... .... ..
. .
..
. .
Fig. 3 - Disperso
Basicamente, os ndices de disperso expressam diferentes formas de se quantificar a
tendncia que os resultados de um experimento aleatrio tem de se concentrarem ou no
em determinados valores. Existem vrias medidas de disperso que podem avaliar diversos
aspectos da variabilidade de um conjunto de dados. As principais so:
Amplitude
A amplitude de um conjunto de dados a diferena entre o maior e o menor valor que foi
observado para a varivel aleatria, servindo para caracterizar a abrangncia do estudo.
Para calcul-la, basta subtrair o menor valor do maior. Geralmente no calculada, mas
costumeiro mostrar o valor mnimo e o valor mximo da amostra. A utilidade da amplitude
bastante limitada pelo fato de s levar em conta os dois valores extremos de um conjunto,
nada informando quanto aos outros valores.
Desvio padro e varincia
De um modo geral, o desvio padro a mais importante medida de variao de valores e
desempenha papel relevante em toda estatstica. Ao contrrio da amplitude, leva em
conta todos os valores. Ao medir a variao em um conjunto de dados amostrais, razovel
comear pelo desvio mdio, que a mdia dos valores absolutos das diferenas entre cada
dado e a mdia do conjunto. Entretanto a soma de todos esses valores (por serem negativos
e positivos) sempre zero. Para se obter uma estatstica que realmente mea a variao,
toma-se, ento, a soma desses valores absolutos (todos positivos). Determinando a mdia
deste somatrio, tem-se o desvio mdio, dado pela seguinte expresso:
DesvioMdio =
xx
n
35
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Ao invs de utilizar valores absolutos de uma amostra, possvel obter uma medida de
variao ainda melhor, tomando os quadrados dos desvios (x-x)2 , que so no-negativos,
obtendo-se assim a varincia. Calcula-se a varincia de uma amostra da mesma forma que
o desvio mdio, com duas excees (1) os desvios mdios so elevados ao quadrado antes
da soma, e (2) tomam-se a mdia dividindo por n-1 em lugar de n, porque isso d uma
melhor estimativa da varincia populacional. Pode-se calcular a varincia pela frmula
abaixo:
2
(x x)
=
n1
s=
[ ( xi ) 2 n]
n 1
s=
(x
x)2
n 1
C .V . =
Se
X&&
3.2 PROBABILIDADE
O mtodo da inferncia estatstica baseia-se na evidncia amostral para formular
concluses sobre toda uma populao. As decises inferenciais se baseiam sem chances ou probabilidades- de eventos.
3.2.1 Distribuies de freqncias
o conjunto das freqncias relativas
observadas para um dado fenmeno
- Distribuio de Freqncias
36
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
determinada
distribuio
de
probabilidade.
Fig. 5 - Aderncia
f(y)
37
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
38
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
f(Z)
DISTRIBUICAO NORMAL
DESVIOS PADRAO
-4
-3
-2
-1
-1,96
-1,64
-1
+1
+1,64
+1,96
68%
89,90%
95,0%
Fig. 9 rea sob a curva normal a 1, 2, e 3 desvios padres a contar de cada lado da mdia.
39
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.0000
0.0040
0.0080
0.0120
0.0160
0.0199
0.0239
0.0279
0.0319
0.0359
0.1
0.0398
0.0438
0.0478
0.0517
0.0557
0.0596
0.0636
0.0675
0.0714
0.0753
0.2
0.0793
0.0832
0.0871
0.0910
0.0948
0.0987
0.1026
0.1064
0.1103
0.1141
0.3
0.1179
0.1217
0.1255
0.1293
0.1331
0.1368
0.1406
0.1443
0.1480
0.1517
0.4
0.1554
0.1591
0.1628
0.1664
0.1700
0.1736
0.1772
0.1808
0.1844
0.1879
0.5
0.1915
0.1950
0.1985
0.2019
0.2054
0.2088
0.2123
0.2157
0.2190
0.2224
0.6
0.2257
0.2291
0.2324
0.2357
0.2389
0.2422
0.2454
0.2486
0.2517
0.2549
0.7
0.2580
0.2611
0.2642
0.2673
0.2704
0.2734
0.2764
0.2794
0.2823
0.2852
0.8
0.2881
0.2910
0.2939
0.2967
0.2995
0.3023
0.3051
0.3078
0.3106
0.3133
0.9
0.3159
0.3186
0.3212
0.3238
0.3264
0.3289
0.3315
0.3340
0.3365
0.3389
1.0
0.3413
0.3438
0.3461
0.3485
0.3508
0.3531
0.3554
0.3577
0.3599
0.3621
1.1
0.3643
0.3665
0.3686
0.3708
0.3729
0.3749
0.3770
0.3790
0.3810
0.3830
1.2
0.3849
0.3869
0.3888
0.3907
0.3925
0.3944
0.3962
0.3980
0.3997
0.4015
1.3
0.4032
0.4049
0.4066
0.4082
0.4099
0.4115
0.4131
0.4147
0.4162
0.4177
1.4
0.4192
0.4207
0.4222
0.4236
0.4251
0.4265
0.4279
0.4292
0.4306
0.4319
1.5
0.4332
0.4345
0.4357
0.4370
0.4382
0.4394
0.4406
0.4418
0.4429
0.4441
1.6
0.4452
0.4463
0.4474
0.4484
0.4495
0.4505
0.4515
0.4525
0.4535
0.4545
1.7
0.4554
0.4564
0.4573
0.4582
0.4591
0.4599
0.4608
0.4616
0.4625
0.4633
1.8
0.4641
0.4649
0.4656
0.4664
0.4671
0.4678
0.4686
0.4693
0.4699
0.4706
1.9
0.4713
0.4719
0.4726
0.4732
0.4738
0.4744
0.4750
0.4756
0.4761
0.4767
2.0
0.4772
0.4778
0.4783
0.4788
0.4793
0.4798
0.4803
0.4808
0.4812
0.4817
2.1
0.4821
0.4826
0.4830
0.4834
0.4838
0.4842
0.4846
0.4850
0.4854
0.4857
2.2
0.4861
0.4864
0.4868
0.4871
0.4875
0.4878
0.4881
0.4884
0.4887
0.4890
2.3
0.4893
0.4896
0.4898
0.4901
0.4904
0.4906
0.4909
0.4911
0.4913
0.4916
2.4
0.4918
0.4920
0.4922
0.4925
0.4927
0.4929
0.4931
0.4932
0.4934
0.4936
2.5
0.4938
0.4940
0.4941
0.4943
0.4945
0.4946
0.4948
0.4949
0.4951
0.4952
2.6
0.4953
0.4955
0.4956
0.4957
0.4959
0.4960
0.4961
0.4962
0.4963
0.4964
2.7
0.4965
0.4966
0.4967
0.4968
0.4969
0.4970
0.4971
0.4972
0.4973
0.4974
2.8
0.4974
0.4975
0.4976
0.4977
0.4977
0.4978
0.4979
0.4979
0.4980
0.4981
2.9
0.4981
0.4982
0.4982
0.4983
0.4984
0.4984
0.4985
0.4985
0.4986
0.4986
3.0
0.4987
0.4987
0.4987
0.4988
0.4988
0.4989
0.4989
0.4989
0.4990
0.4990
40
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
do erro tolervel e,
do tamanho da amostra
Intervalo de Confiana
x-e
x+e
/2
/2
Pela Tabela corresponde rea de 0,5 - /2
Z=0
Z /2
41
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
/2 = 0,025
/2 = 0,025
0,475
0,475
z=0
-z /2 = -1,96
+z /2 = +1,96
Yi
= se.
1
+
n
(X
X )2
1i
[( X)
/n]
Yi
1
= se. 1 +
+
n
(X
1i
X )2
[(
X)
/n]
42
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
1
E = t / 2 .s e .
+
n
(X 0 X ) 2
[( X) 2 /n]
Yi t ( n K 1) / 2 .Sy i Yi Yi + t ( n K 1) / 2 .Sy i
onde: t o valor obtido na tabela t de Student e Syi o desvio padro de X0
O intervalo de confiana pode ser calculado para qualquer valor de X, possibilitando a
construo de uma faixa de confiana para a reta de regresso populacional como um
todo.
Quanto maior o nmero da amostra (n) e quanto mais dispersa for a varivel x, menor ser o
erro padro e conseqentemente a amplitude dos intervalos de confiana. O intervalo de
confiana ter uma amplitude menor a medida que X se aproxima da mdia x e que eles
vo se alargando progressivamente medida que se afastam da mdia.
O grau de confiana a probabilidade 1- (comumente expressa como o valor percentual
equivalente) de o intervalo de confiana conter o verdadeiro valor do parmetro
populacional. (o grau de confiana tambm chamado de nvel de confiana, ou
coeficiente de confiana). So escolhas comuns para grau de confiana: 90% (com =
0,10), 95% (com = 0,05). A Norma, estipula que, que o valor final a ser indicado , em
funo do tratamento estatstico dado,
= 10
43
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
a que sugere que a afirmao verdadeira, chama-se hiptese nula e se designa pelo
smbolo H0;
ou seja: A hiptese nula H0 uma afirmao que diz que o parmetro populacional tal
como especificado (isto , a afirmao verdadeira).
A hiptese alternativa H1 uma hiptese que oferece uma alternativa alegao
(isto , o parmetro maior (ou menor) que o alegado).
O segundo passo consiste em identificar a distribuio amostral adequada (normal z, t de
Student, F de Fischer, etc..)
O terceiro passo consiste em escolher um nvel de significncia aceitvel para indicar um
valor crtico como padro de comparao, para no rejeitar uma hiptese nula, quando
verdadeira.
Valor crtico o valor, ou valores que separa(m) a regio crtica dos valores da
estatstica do teste que no levam rejeio da hiptese nula
A essncia de um teste de significncia consiste ento em particionar uma distribuio
amostral com base na suposio de H0 ser verdadeira em uma regio de aceitao e
uma regio de rejeio de H0. Calcula-se, ento, a estatstica do teste com base nos dados
amostrais para compar-lo com o valor crtico, cumprindo assim a quarta etapa do teste.
Para finalizar o processo, uma estatstica teste que excede o valor crtico sugere a rejeio
de H0 , enquanto que uma estatstica teste inferior ao valor crtico sugere H0 que seja
aceita.
44
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
/2
/2
Rejeitar H0
H0 : p#0,5
Valor
crtico
Valor
crtico
Aceitar H0
Rejeitar H0
Valor
crtico
H0 : p< 0,5
Rejeitar H0
Aceitar H0
H0 : p>0,5
Valor
crtico
Fig. 12 Comparao da partio de uma distribuio amostral para testes unilaterais e bilaterais.
Note-se, nos testes unilaterais, que o sinal > ou o sinal < aponta para a cauda utilizada
erro Tipo I:
erro Tipo II: consiste em no rejeitar a Hiptese Nula Ho quando ela falsa. Usa-se o
smbolo (beta) para representar a probabilidade de um erro tipo II.
45
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Espera-se naturalmente, que Ho seja aceita quando verdadeira e rejeitada quando falsa.
Logo, h 4 resultados possveis indicados na tabela abaixo e tomada a deciso, ou ela ser
correta, ou ocorrer um tipo de erro, e a deciso (aceitar ou rejeitar) indicar que tipo de
erro possvel.
Deciso
Decidimos rejeitar a
Hiptese Nula
No rejeitamos a
Hiptese Nula
A Hiptese Nula
Verdadeira
Erro Tipo I (rejeio de uma
hiptese nula verdadeira)
Deciso Correta
A Hiptese Nula
Falsa
Deciso Correta
Erro Tipo II (no rejeio
de uma hiptese nula falsa)
A probabilidade de cometer o erro do tipo I, , mais fcil de ser detectada e pode ser
controlada. Contudo, reduzindo , aumenta a probabilidade de cometer um erro do tipo II,
.
2-
46
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
3.2.5.1-A Distribuio t
Pelo Teorema do Limite Central, quando o tamanho da amostra superior a 30, a
distribuio das mdias aproximadamente normal, mas para observaes menores que
30, a aproximao normal pode no ser adequada. Por outro lado, quando o desvio
padro da populao no conhecido (o que ocorre em geral), usa-se o desvio padro
da amostra como estimativa, substituindo-se x por Sx nas equaes para intervalos de
confiana e erros. Portanto, se a amostra pequena (n 30) e o desvio padro da
populao no conhecido, usa-se a distribuio t1 de Student.
Sx =
(x x )2
n 1
onde:
Sx = desvio padro amostral e
O criador da distribuio t foi W.S.Gosset, empregado de uma cervejaria irlandesa no princpio do sculo XX
que precisava de uma distribuio que pudesse ser utilizada com pequenas amostras. Como esta no permitia a
publicao de resultados de pesquisas, usou o pseudnimo de Student.
2
A tabela de t de Student ser usada mais adiante para clculos de verificao das variveis e clculo do
intervalo de confiana.
47
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
de liberdade
48
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
0,80
0,90
0,90
0,95
0,95
0,98
0,98
0,99
0,990
0,995
0,9990
0,9995
Testes de Hipteses
Duas caudas
Uma cauda
0,20
0,10
0,10
0,05
0,05
0,03
0,02
0,01
0,010
0,005
0,0010
0,0005
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,309
1,309
1,308
1,307
1,306
1,306
1,305
1,304
1,304
1,303
1,303
1,302
1,302
1,301
1,301
1,300
1,300
1,299
1,299
1,299
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,696
1,694
1,692
1,691
1,690
1,688
1,687
1,686
1,685
1,684
1,683
1,682
1,681
1,680
1,679
1,679
1,678
1,677
1,677
1,676
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,040
2,037
2,035
2,032
2,030
2,028
2,026
2,024
2,023
2,021
2,020
2,018
2,017
2,015
2,014
2,013
2,012
2,011
2,010
2,009
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,453
2,449
2,445
2,441
2,438
2,434
2,431
2,429
2,426
2,423
2,421
2,418
2,416
2,414
2,412
2,410
2,408
2,407
2,405
2,403
63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,744
2,738
2,733
2,728
2,724
2,719
2,715
2,712
2,708
2,704
2,701
2,698
2,695
2,692
2,690
2,687
2,685
2,682
2,680
2,678
636,578
31,600
12,924
8,610
6,869
5,959
5,408
5,041
4,781
4,587
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
3,819
3,792
3,768
3,745
3,725
3,707
3,689
3,674
3,660
3,646
3,633
3,622
3,611
3,601
3,591
3,582
3,574
3,566
3,558
3,551
3,544
3,538
3,532
3,526
3,520
3,515
3,510
3,505
3,500
3,496
49
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
de Fischer-
- compreendendo no s da fonte de
variao como de verificao dos clculos, como tambm a prpria estatstica do teste
(razo F) e o P valor - so indicadas numa Tabela chamada Analise da Varincia (ANOVA)
reproduzida pelos programas de computador, nos moldes do quadro reproduzido a seguir.
Fonte de
variao de Y
Soma de
Quadrados
Graus de
Liberdade
Quadrado mdio
das variaes
Razo F
Valor -P
Significncia
E = Explicada
pela regresso
X1...Xn
SQE=r2
R= Residual
no explicada
pela regresso
SQR=SQT-SQE
n-k-1
QMR=SQR/(n-k-1)
T=Total
SQT=(SQE+SQR)
TOTAL
TOTAL
QME=SQE/k
=QME/QMR
obtida da
Tabela F
Ao fazer a anlise, utilizam-se duas estimativas amostrais da varincia para calcular uma
razo F. O F observado dado por: F= Varincia Explicada Varincia no explicada
Compara-se o nmero resultante com um valor F da Tabela: se o valor maior que o valor
tabulado, rejeita-se a hiptese nula. Se o valor calculado menor, a hiptese nula no
pode ser rejeitada. Os valores constantes da tabela F so os valores crticos.
Compara-se o nmero resultante com um valor F da Tabela: se o valor maior que o valor
tabulado, rejeita-se a hiptese nula. Se o valor calculado menor, a hiptese nula no
pode ser rejeitada.
50
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Tabela 3 - Distribuio F
Colunas: Graus de Liberdade Numerador.
Nivel de Significncia:
1
4
5624
0,01
5
5764 5859
7
5928
10
11
12
15
20
25
1000
98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,43 99,45 99,46 99,50
34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05 26,87 26,69 26,58 26,14
21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,20 14,02 13,91 13,47
16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96
9,89
9,72
9,55
9,45
9,03
9,15
8,75
8,47
8,26
8,10
7,98
7,87
7,79
7,72
7,56
7,40
7,30
6,89
12,25 9,55
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
6,54
6,47
6,31
6,16
6,06
5,66
11,26 8,65
7,59
7,01
6,63
6,37
6,18
6,03
5,91
5,81
5,73
5,67
5,52
5,36
5,26
4,87
10,56 8,02
6,99
6,42
6,06
5,80
5,61
5,47
5,35
5,26
5,18
5,11
4,96
4,81
4,71
4,32
10
10,04 7,56
6,55
5,99
5,64
5,39
5,20
5,06
4,94
4,85
4,77
4,71
4,56
4,41
4,31
3,92
11
9,65
7,21
6,22
5,67
5,32
5,07
4,89
4,74
4,63
4,54
4,46
4,40
4,25
4,10
4,01
3,61
12
9,33
6,93
5,95
5,41
5,06
4,82
4,64
4,50
4,39
4,30
4,22
4,16
4,01
3,86
3,76
3,37
13
9,07
6,70
5,74
5,21
4,86
4,62
4,44
4,30
4,19
4,10
4,02
3,96
3,82
3,66
3,57
3,18
14
8,86
6,51
5,56
5,04
4,69
4,46
4,28
4,14
4,03
3,94
3,86
3,80
3,66
3,51
3,41
3,02
15
8,68
6,36
5,42
4,89
4,56
4,32
4,14
4,00
3,89
3,80
3,73
3,67
3,52
3,37
3,28
2,88
16
8,53
6,23
5,29
4,77
4,44
4,20
4,03
3,89
3,78
3,69
3,62
3,55
3,41
3,26
3,16
2,76
17
8,40
6,11
5,19
4,67
4,34
4,10
3,93
3,79
3,68
3,59
3,52
3,46
3,31
3,16
3,07
2,66
18
8,29
6,01
5,09
4,58
4,25
4,01
3,84
3,71
3,60
3,51
3,43
3,37
3,23
3,08
2,98
2,58
19
8,18
5,93
5,01
4,50
4,17
3,94
3,77
3,63
3,52
3,43
3,36
3,30
3,15
3,00
2,91
2,50
20
8,10
5,85
4,94
4,43
4,10
3,87
3,70
3,56
3,46
3,37
3,29
3,23
3,09
2,94
2,84
2,43
21
8,02
5,78
4,87
4,37
4,04
3,81
3,64
3,51
3,40
3,31
3,24
3,17
3,03
2,88
2,79
2,37
22
7,95
5,72
4,82
4,31
3,99
3,76
3,59
3,45
3,35
3,26
3,18
3,12
2,98
2,83
2,73
2,32
23
7,88
5,66
4,76
4,26
3,94
3,71
3,54
3,41
3,30
3,21
3,14
3,07
2,93
2,78
2,69
2,27
24
7,82
5,61
4,72
4,22
3,90
3,67
3,50
3,36
3,26
3,17
3,09
3,03
2,89
2,74
2,64
2,22
25
7,77
5,57
4,68
4,18
3,85
3,63
3,46
3,32
3,22
3,13
3,06
2,99
2,85
2,70
2,60
2,18
26
7,72
5,53
4,64
4,14
3,82
3,59
3,42
3,29
3,18
3,09
3,02
2,96
2,81
2,66
2,57
2,14
27
7,68
5,49
4,60
4,11
3,78
3,56
3,39
3,26
3,15
3,06
2,99
2,93
2,78
2,63
2,54
2,11
28
7,64
5,45
4,57
4,07
3,75
3,53
3,36
3,23
3,12
3,03
2,96
2,90
2,75
2,60
2,51
2,08
29
7,60
5,42
4,54
4,04
3,73
3,50
3,33
3,20
3,09
3,00
2,93
2,87
2,73
2,57
2,48
2,05
30
7,56
5,39
4,51
4,02
3,70
3,47
3,30
3,17
3,07
2,98
2,91
2,84
2,70
2,55
2,45
2,02
40
7,31
5,18
4,31
3,83
3,51
3,29
3,12
2,99
2,89
2,80
2,73
2,66
2,52
2,37
2,27
1,82
50
7,17
5,06
4,20
3,72
3,41
3,19
3,02
2,89
2,78
2,70
2,63
2,56
2,42
2,27
2,17
1,70
60
7,08
4,98
4,13
3,65
3,34
3,12
2,95
2,82
2,72
2,63
2,56
2,50
2,35
2,20
2,10
1,62
70
7,01
4,92
4,07
3,60
3,29
3,07
2,91
2,78
2,67
2,59
2,51
2,45
2,31
2,15
2,05
1,56
80
6,96
4,88
4,04
3,56
3,26
3,04
2,87
2,74
2,64
2,55
2,48
2,42
2,27
2,12
2,01
1,51
90
6,93
4,85
4,01
3,53
3,23
3,01
2,84
2,72
2,61
2,52
2,45
2,39
2,24
2,09
1,99
1,48
100
6,90
4,82
3,98
3,51
3,21
2,99
2,82
2,69
2,59
2,50
2,43
2,37
2,22
2,07
1,97
1,45
500
6,69
4,65
3,82
3,36
3,05
2,84
2,68
2,55
2,44
2,36
2,28
2,22
2,07
1,92
1,81
1,20
1000 6,66
4,63
3,80
3,34
3,04
2,82
2,66
2,53
2,43
2,34
2,27
2,20
2,06
1,90
1,79
1,16
51
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
CAPTULO 4
Pressupostos de um Modelo para Explicao do Mercado Imobilirio
Na estimativa do valor de um determinado segmento do mercado imobilirio (de um
terreno, de uma residncia, de um aluguel, etc...), o processo de inferncia estatstica pode
se constituir na metodologia adequada, desde que atenda o pressuposto bsico inicial
quanto a existncia de um conjunto de dados que possa ser tomado, estatisticamente,
como amostra deste segmento.
O processo de inferncia consiste em obter um modelo de regresso de mltiplas variveis,
que explique a variao do valor investigado a partir desse conjunto de dados,
normalmente estimado atravs do mtodo dos mnimos quadrados.
Este mtodo consiste calcular as relaes estatsticas no mbito das informaes colhidas
em amostra e o processo que possibilita prever o valor de um parmetro desconhecido
(populacional) tem explicao na teoria das probabilidades. Essa teoria permite fazer
inferncias, mediante testes de hipteses e intervalos de confiana e nela que esto
baseadas as especificaes quanto aos critrios estabelecidos para o tratamento estatstico
inferencial introduzidas pelas normas de avaliao de imveis da ANBT (NBR-14.653-2).
Assim que, na estimativa do valor de um determinado imvel (Yi), pressupe-se que ele
possa ser explicado segundo uma variao de diversas componentes (X1j ,X2j ... Xkj , que
podem ser representados por uma variao de: rea, frente, distancia a um polo atrativo,
padro construtivo, etc..) e o modelo de regresso ajustado normalmente consiste numa
funo linear- ou linearizvel por transformao nas escalas das variveis envolvidas - do
tipo:
onde:
Yi = varivel dependente ou explicada, que se constitui no valor investigado (terreno, casa, loja)
X1i ,X2i ... Xki = variveis independentes ou explicativas, que podem ser de natureza quantitativa
(rea, frente, distancia a um polo atrativo, etc..) ou qualitativa (padro, topografia, etc..)
1,2 ...k = parmetros da regresso
i = os respectivos erros ou resduos, sendo a expresso de inmeras pequenas causas que
produzem um desvio do que a varivel dependente deveria ser, se a relao fosse
determinstica.
Cabe relembrar a natureza do termo erro ei , e especificar que ,no caso de avaliaes, se deve
principalmente aos seguintes aspectos:
1o) erros decorrentes de observao ou medidas das variveis (muito comuns na prtica da
pesquisa, por serem dependente de informaes de terceiros);
2o)
contempladas na regresso. Isto significa dizer que, alm das variveis reconhecidas no
modelo, existiriam fatores que poderiam influenciar indiretamente o valor (Y,) mas que no
se revelam suficientemente fortes para estarem no modelo,
3o) aleatoriedade do comportamento humano, elemento imprevisvel e muito presente no
mercado imobilirio
52
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Devido a esse erro amostral, dificilmente a regresso estimada da amostra coincidir com a
verdadeira regresso populacional:
Y = o +1Xi
Regresso verdadeira
(desconhecida)
1.1.1.1.1
i =b 0 +b 1 X 1i
Regresso
X
Fig.15 - Representao esquemtica das
regresses (amostral e populacional)
razovel
entre
as
duas
53
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Para que este modelo matemtico seja considerado vlido para explicao do
fenmeno investigado, considera-se, ainda, que as variveis explicativas ((X1j ,X2j ... Xkj ,,
rea, testada, etc...) no contenham nenhuma perturbao aleatria - que deve ser
assegurado mediante verificao dos testes de hipteses bsicos (demonstrados pela
significncia dos regressores atravs do teste t e da equao como um todo atravs
da distribuio F ) e que a distribuio dos resduos os erros,
i , satisfaam aos
54
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
2
r r
i =1
n
y
Yi
Y1
i
ei
b1
b0
X1
Para ajustar uma reta aos valores dos dados de uma amostra, pelo princpio dos
mnimos quadrados deve-se procurar uma reta tal que a soma dos quadrados das
distncias verticais de cada ponto reta seja a menor possvel. Tomam-se os
quadrados das distncias para que as distancias positivas sejam canceladas pelas
negativas.
55
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Considerando o grfico acima, para cada reta que passe pelos pontos do diagrama,
existe um resduo correspondente a distancia vertical entre Xi e a reta, para cada par (
Xi,Yi) observado. As distncias verticais de cada ponto reta ajustada so os resduos
de mnimos quadrados, e so dados por:
ei = Yi i ou
4 ei = Yi b0 b1 .Xi
onde: Yi o valor observado da varivel dependente
ii o valor estimado ou previsto pelo modelo
ei o resduo estimado
b0 e b1 as estimativas dos parmetros 0 e 1
A aplicao do mtodo dos mnimos quadrados, portanto, consiste em encontrar, a partir dos
dados amostrais (Yi, Xi), as estimativas para o coeficiente angular b1 (que define o aumento ou
diminuio da varivel Yi por unidade de variao da varivel Xi) e para o intercepto b0 (que
define o ponto em que a reta corta o eixo das ordenadas), de modo que os erros (ou resduos)
sejam mnimos.
Uma vez que as diferenas entre valores reais (Yi) e valores previstos ( i ) sero tanto positivas
como negativas para diferentes observaes, necessrio minimizar matematicamente como:
Como i= b0 + b1.X1,, o que est sendo minimizado :
n
i =1
[Y i - (b 0 + b 1 X i )] 2
Para este modelo, as estimativas dos mnimos quadrados dos parmetros seriam
computadas minimizando:
=
i=1
[Y i - (b 0 + b 1 X i )] 2
56
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
b1 =
( xi x )( yi y )
i =1
( xi x )2
i =1
b 0 = y b1 x
Onde,
da varivel Yi.
yi = b0 + b1 x1 + L + bk xki + ei
A condio inicial, como na regresso linear simples, descrita por
57
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
xy
.
x2
caractersticas:
a) sua intensidade, que varia de 0 a 1;
b) seu sentido, que pode ser positivo ou negativo: a correlao positiva quando
as duas variveis examinadas crescem ou diminuem ambas no mesmo sentido, e
58
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
para
maximizar
predio
(variao
explicada)
da
varivel
dependente.
Portanto a anlise das correlaes isoladas entre a varivel dependente e as demais
varivei til no trabalho exploratrio de investigao das variveis potencialmente
importantes a serem includas no modelo, por medir simultaneamente seu sentido e seu
grau ou fora de relacionamento, desde que exista a j citada relao de causa e
efeito entre elas.
Em compensao, uma das hipteses bsicas da aplicao do mtodo dos mnimos
quadrados que inexista, ou seja muito baixa, a correlao isolada entre cada uma
das variveis explicativas e as demais variveis explicativas. Se essa correlao entre
variveis explicativas for muito alta, diz-se que h colineariedade entre elas. Se houver
simultaneamente altas correlaes entre duas ou mais variveis explicativas, ocorre a
multicolinearidade entre elas
Se
as
variveis
independentes
so
altamente
correlacionadas,
ento
elas
imprescindvel
estar
atento
para
que
variaes
compartilhadas
59
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
r (quadrado do coeficiente de
correlao 'r') mede o percentual da variao total do valor em torno da media que
explicada pela variao dos regressores adotados na equao. Quanto maior a
variao a ser explicada, maior o coeficiente e vice-versa. Embora seja desejvel o
mais prximo de 1 (100% da variao explicada), no se pode definir valor mnimo
aceitvel, pois depender do tamanho da variao da
DISPERSO
DE PONTOS
EM TORNO DA
MDIA
DISPERSO
DE PONTOS
DISPERSO
EM TORNO
DE PONTOS
DA RETA DE
EM TORNO
REGRESSO
60
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
componente no explicado.
) )
y i = y i + ei
onde y i = b0 + b1 xi e ei = yi y i
Yi
)
)
e i = y I y = COMPONENTE
NO EXPLICADO
i = b0 + b1. xi
VARIAO TOTAL
)
y y = COMPONENTE
( y I yi )
EXPLICADO
(x, y)
X
Xi
consiste em uma parte explicada pelo modelo de regresso ( y i y i ) e uma parte no explicada
( y i y i ), que so os resduos. Existem diversas formas de medir a variao total de uma varivel,
sendo que uma delas consiste em somar sobre toda a amostra, os quadrados das diferenas
entre yi e a sua mdia y i . Especificamente essas somas de quadrado resultam nas seguintes
medidas:
n
( y i - y ) 2 = soma de quadrados total STQ: que uma medida de variao total dos valores de
i =1
y em relao sua media, que explicada pela regresso, ou a parcela atribuda relao
entre X e Y.
n
relao sua mdia, que no explicada pela regresso e que atribuda a outros fatores
diferentes da relao entre X e Y.
61
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Sendo que:
n
(y i - y )
i =1
VARIAO
TOTAL
= (y i - y )
i =1
= VARIAO
EXPLICADA
+ (y i - y ) 2
i =1
VARIAO
+
NO-EXPLICADA
Com a adio de novas variveis ao modelo, sempre possvel aumentar o valor de R2, no
entanto, nem sempre um novo modelo com mais variveis regressoras ser melhor que um
modelo que no envolva essas variveis.
Para contornar esse problema, sugerido que seja calculado um coeficiente de determinao
mltipla ajustado, simbolizado por R 2 , em cuja frmula, apresentada a seguir possvel verificar
que, diferentemente do R2, reflete
tanto o
tamanho da amostra n:
R 2 = 1 [ (1 R 2 ).
n 1
n k 1
62
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Observaes:
No utilizar equaes de regresso com nmero de elementos amostrais igual ao nmero de
variveis utilizadas, pois a equao corresponder sempre a coeficiente de determinao 1,
j que consiste em resolver um sistema determinstico de n equaes a n incgnitas.
Evitar nmero reduzido de elementos amostrais, pois h casos que podem induzir a um
elevado coeficiente de correlao ( r ) , porm equivalendo a um grande intervalo de
confiana no respectivo valor de ' ' da populao (podendo, inclusive, conter o valor
zero). Isto significa dizer que, a equao pode estar explicando grande parte da variao
do fenmeno para uma pequena amostra mas, na realidade, pode no estar explicando
absolutamente nada da variao do fenmeno na populao da qual essa amostra faz
parte.
O coeficiente de determinao, apesar de ser um indicador sensvel para explicao do
modelo, trata-se de uma medida descritiva e, por si s, no mede a qualidade do modelo de
regresso. O fato de ser alto, no implica necessariamente que o modelo ajustado seja
adequado, no sendo recomendvel seguir uma estratgia de regresso que vise apenas
maximizao de R2. (in Eonometria, Judge). Devem ser verificadas a sua consistncia, atravs
dos testes de hipteses (t e F) a distribuio dos resduos e a coerncia do modelo com o
mercado.
O pesquisador deve se preocupar com a relevncia lgica das variveis explicativas para a
varivel dependente e com seu significado estatstico cuja tendncia a de encontrar
modelos que representem um comportamento mdio de mercado devendo ter cuidado com
modelos que atinjam coeficientes de determinao prximo de 1 (ou 100%) que podem ser o
resultado de um ajuste perfeito apenas matemtico
O valor de R2 depende do nmero de variveis explicativas k e do tamanho da amostra n ,
por isso, aumenta o com o acrscimo de variveis. A fim de tornar os R2 comparveis, utilizase R2 ajustado, R 2 , expresso em termos da varincia e no da variao.
O R2 um recurso descritivo para informar sobre o ajuste do modelo , enquanto que o R 2
prefervel para medir o grau de ajustamento por levar em conta o no. de variveis
independentes (k) em relao a quantidade de observaes (n).
se R2 e R2ajustado forem muito diferentes, uma indicao de que foi includo um nmero muito
excessivo de variveis explicativas, mas que no contribuem de modo significativo para
melhorar a qualidade do modelo ajustado.
63
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
CAPTULO 5
dados
que
conjunto
original.
Devem
refletir, em
termos
relativos, o
elasticidade de preos;
localizao;
Fator oferta
A superestimativa dos dados de oferta (elasticidade dos negcios) dever ser
descontada do valor total pela aplicao do fator mdio observado no mercado. Na
impossibilidade da sua determinao, pode ser aplicado o fator consagrado 0,9
(desconto de 10% sobre o preo original pedido). Todos os demais fatores devem ser
considerados aps a aplicao do fator oferta.
Fator localizao
Para a transposio da parcela do valor referente ao terreno de um local para outro,
poder ser empregada a relao entre os valores dos lanamentos fiscais, obtidos da
Planta de Valores Genricos editada pela Prefeitura Municipal, se for constatada a
coerncia dos mesmos.
64
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Nos casos de inexistncia desses valores ou se forem constatadas incoerncias nas suas
inter-relaes,
dever
ser
procedido
estudos
de
mercado
devidamente
fundamentado.
No caso de terrenos com edificaes, os fatores referentes localizao devem incidir
exclusivamente na parcela do valor do comparativo correspondente ao terreno.
Sero considerados semelhantes, elementos que:
a) Estejam na mesma regio e em condies econmico-mercadolgicas equivalentes
s do bem avaliando;
b) Constituam amostra onde o bem avaliando fique o mais prximo possvel do
centride amostral;
c) Sejam do mesmo tipo (terrenos, lojas, apartamentos etc);
d) Em relao ao bem avaliando, sempre que possvel, tenham:
-
dimenses compatveis;
para
terrenos,
padro
construtivo
depreciao
para
65
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
66
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Valor
6,00
6,00
7,00
7,00
10,00
12,00
15,00
Diferena
(Y-Y)
3,00
3,00
2,00
2,00
-1,00
-3,00
-6,00
0,00
Se
as
diferenas
forem
simplesmente
A soluo, ento, elevar essas diferenas ao quadrado para eliminar o sinal negativo e
trabalhar apenas com valores positivos, obtendo-se:
Elem. Valor
Valor
Diferena
(yi) mdio (Y)
(Y-Y)
6,00
9,00
3,00
6,00
9,00
7,00
(Y-Y)2
Logo,
9,00
3,00
9,00
72/7 = 10,28)
9,00
2,00
4,00
7,00
9,00
2,00
4,00
10,00
9,00
-1,00
1,00
12,00
9,00
-3,00
9,00
15,00
9,00
-6,00
36,00
0,00
72,00
Soma
63,00
Mdia
Mediana =
Moda=
Desvio
Padro s =
Coeficiente
de
(x
x)2
n 1 variao =
67
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Elem.
Valor
1 6 ,0 0
Frente
1 5 ,0 0
1 4 ,0 0
6,00
5,00
6,00
7,00
7,00
6,00
7,00
12,00
10,00
15,00
12,00
18,00
15,00
20,00
1 2 ,0 0
1 2 ,0 0
1 0 ,0 0
1 0 ,0 0
unitrio
8 ,0 0
7 ,0 0
6 ,0 0
6 ,0 0
7 ,0 0
6 ,0 0
4 ,0 0
2 ,0 0
0 ,0 0
0 ,0 0
5 ,0 0
1 0 ,0 0
1 5 ,0 0
2 0 ,0 0
2 5 ,0 0
fre nte
Com as informaes das frentes dos terrenos, o valor mdio destes no mais constante, mas
uma funo da variao destas.
A equao seria do tipo y= bo + b1 x1, onde y seria os valores mdios dos terrenos e x as
respectivas frentes.
CONCEITO: Uma anlise de regresso geral, essencialmente, uma equao, cujos coeficientes refletem
a intensidade da relao entre cada varivel explicativa isolada e a varivel resposta.
O Valor de r (Coeficiente de Correlao): um ndice que varia entre -1 e +1, apontando o quanto as
diversas medidas obtidas a partir da amostra se ajustam equao matemtica proposta. Quanto maior o valor
absoluto de r (seja positivo ou negativo), maior a concordncia entre os dados e a curva de regresso.
O valor de r2
O Valor de p Para a Estatstica t de Cada Varivel: uma probabilidade associada ao valor da funo t, a
qual obtida, para cada varivel, a partir do modelo de regresso. Indica a probabilidade de que o coeficiente
levantado para cada varivel, seja qual for o seu valor, contribua de forma significativa no modelo.
aferir a qualidade de uma regresso pela anlise dos seus resduos, ou seja, das diferenas entre os
valores previstos pelo modelo de regresso para a varivel dependente e os valores de fato observados. Qualquer
padro ou regularidade observada nos resduos um indicativo de um erro sistemtico do modelo, ou seja, da sua
inadequao. O ideal seria que os resduos fossem aleatrios, com distribuio normal e mdia zero.
68
Pgina
69
e e,
amostrais, uma expresso para o coeficiente angular b1 (que define o aumento ou diminuio da
varivel Y - valor unitrio, por unidade de variao da varivel X1 -frente) e para o intercepto b0 (que
define o ponto em que a reta corta o eixo das ordenadas), de modo que os erros sejam mnimos.
Para obter uma reta para o exemplo valor unitrio versus frente, necessrio primeiramente calcular
os parmetros b0 e b1 da reta, e uma das formas utilizadas efetuando os somatrios, conforme
demonstrado nos passos seguintes.
Montagem da equao de regresso - Clculo de bo e b1 ( dados das tabelas
)2 = 0
e = (Yi - Y
i
b1
Substituindo Y chapu:
VARIAO DE Y
b0
VARIAO DE x
equaes normais
(deduzidas atravs
de derivadas ,
somatrias ou
X
1.1.1.1.1.1.1.1.1
matrizes)
Yi = nb0 + b1 Xi
Xi Yi = b0 Xi + b1 Xi2
Ref.
1
2
3
4
5
6
7
5,00
7,00
6,00
12,00
15,00
18,00
20,00
Somas X = 83,00
11,86
Mdias
X barra
Tabela 2
y ( valor
unitrio)
6,00
6,00
7,00
7,00
10,00
12,00
15,00
y= 63,00
9,00
Y barra
X.Y
x^2
30,00
25,00
42,00
49,00
42,00
36,00
84,00
144,00
150,00
225,00
216,00
324,00
300,00
400,00
864,00 1.203,00
xy
x2
Y^2
36,00
36,00
49,00
49,00
100,00
124,00
225,00
639,00
y2
b1 =
n( xy ) ( x.)( y )
n( x 2 ) ( x ) 2
b 0 = Y b1 X
b1 =
b0
7 ( 864 ) ( 83 x 63 )
= 0 . 5343
7 ( 1 . 203 ) 83 2
= 9 0 ,5343 x 11 ,86 = 2 . 6612
69
Pgina
70
y^2 - ( y)^2/ n]
639,00(
63,00^2
B1 = Sxy / Sxx
Equao de regresso
)/
)/
7
7
117,00
218,86
)/
72,00
B1=
0,5346
2,6612
117,00/
218,86
Variao
Projeo
Y=2,6612
+0,5343 . X1
Y chapu
5,33
(2,6612 +0,5346 x 5)
Explicada
(Ychapu - Ybarra)^2
No explicada Resduos
(Y - Ychapu)^2
13,44 (5,33-9)^2
0,44
Total
(Y - Ybarra)^2
(6 -5,33)^2
9,00
(6 -9)^2
6,40
(2,6612 +0,5346 x 7)
6,74 (6,4-9)^2
0,16
(6 -6,4)^2
9,00
(6 -9)^2
5,87
(2,6612 +0,5346 x 6)
9,80 (5,87-9)^2
1,28
(7-5,87)^2
4,00
(7-9)^2
9,08
0,01 (9,08-9)^2
4,31
(7-9,08)^2
4,00
(7-9)^2
10,68
2,82 (10,68-9)^2
0,46
(10-10,68)^2
1,00
(10-9)^2
12,28
10,78 (12,28-9)^2
0,08
(12-12,28)^2
9,00
(12-9)^2
13,35
2,71
(15-13,35)^2
36,00
(15-9)^2
Somas
18,95 (13,35-9)^2
62,55
Coeficiente de Correlao
(r) =
Coeficiente de
Determinao
R2
9,45
^0,5
117,00/ ( 218,86 x
75)
0,9321^2
Coeficiente de Determinao
72,00
0,9321
0,8687
62,55/72
R2 = 1- (1-R2). [(n-1)/(n-K-1)
0,8425
Ajustado R2 =
Erro padro da regresso: raiz quadrada do somatrio dos resduos ao quadrado dividido
pelos graus de liberdade (n-K-1) = 9.45 / ( 7-1-1) =
R E P R E S E N TA O
G R FIC A
1,3749
15%
C O E F I C I E N T E D E D E T E R MI N A O
1 6 ,0 0
1 4 ,0 0
1 2 ,0 0
v a r ia o to ta l
(v -y barra)
V a r ia o n o
e x p lic a d a o u d e s v io
(y -y c hapu)
V a r ia o
e x p lic a d a
(y c hapu y barra)
unitrio
1 0 ,0 0
8 ,0 0
1 5 /2 0
1 3 ,3 5 /2 0
2 ,0 0
0 ,0 0
0 ,0 0
5 ,0 0
1 0 ,0 0
f r e n te
CO EF DETERMINA O ( R2 )
= V A RIA O EX PL ICA DA
DIV IDIDA PEL A V A RIA O
TO TA L
1 5 ,0 0
2 0 ,0 0
( yi y$ ) ( ou a soma dos
i= 1
6 ,0 0
y = + 2 ,6 6 1 2 + 0 ,5 3 4 6 . X 1
R 2 = 0 ,8 6 8 7
COEF. DETERMINAO (R ) =
86,87%
da variao do valor
unitrio () podem ser explicados
pela variao da varivel frente
atravs da equao de regresso.
Neste caso, 13,13% da variao
total permanecem no explicados.
M d ia ( Y b a r r a ) = 9
7 /1 2
4 ,0 0
que
2 5 ,0 0
70
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
A essncia de um teste de significncia consiste ento em particionar uma distribuio amostral com
base na suposio de H0 ser verdadeira em uma regio de aceitao e uma regio de rejeio de H0.
Calcula-se, ento, a estatstica do teste com base nos dados amostrais para compar-lo com o valor
crtico, cumprindo assim a quarta etapa do teste. Para finalizar o processo, uma estatstica teste
que excede o valor crtico sugere a rejeio de H0 , enquanto que uma estatstica teste inferior ao
valor crtico sugere H0 que seja aceita.
71
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Assim tem-se:
Nvel de
significncia
Regio de
rejeio de
H0
Nvel de
significncia
ZONA DE ACEITAO
de H0
Regio de
rejeio de
H0
no caso
t calculado = 0,5346/0,09294=5,75
Nota:
Calculo de Sb 1
(x- xbarra)^2
5,00
-6,85714
47,020408
7,00
-4,85714
23,591837
6,00
-5,85714
34,306122
12,00
0,14286
0,020408
15,00
3,14286
9,877551
18,00
6,14286
37,734694
20,00
8,14286
66,306122
Soma
Xbarra
83,00
11,8571
218,857143
Var x
36,476
72
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Originais ( valores
advindos do
campo)
1
2
3
4
5
6
7
Previsto (
usando a
equao)
6,00
6,00
7,00
7,00
10,00
12,00
15,00
Resduos
( diferena)
5,33
6,40
0,67
-0,40
10,68
12,28
13,35
-0,68
-0,28
1,65
Resduos padro :
resduo dividido pelo
erro padro da
regresso
0,48235 0,67/1,3749
-0,29339 -0,40/1,3749
-0,4946
-0,2065
1,1977
.
-3
-2
-1
+1
+2
+3
a) AVALIAO: Modelo :
Y t ( n K 1) / 2 .S Y Y + t ( n K 1) / 2 .. S
h
h
h
h
h
t= considerando ( n-K-1 =5) =
S Yh = s e .
1
+
n
(X 1h X ) 2
2
[( X) 2 / n]
17
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
di = Yi Yi Y i
Yi
= b + b .X
Y
i
0
1
1
Xi
A anlise de regresso significa a tentativa de encontrar a linha para a qual as diferenas
entre os valores reais (Yi) e os valores que seriam previstos (i) sejam mnimas. Ento, para
cada valor de Xi existir um desvio (di), ou seja, para cada valor observado o valor projetado
ser diferente:
di = Yi Yi .
(Y
i =1
Y i ) 2
[Y
i =1
( b 0 + b 1 . X 1 )] 2
Y
i =1
= n.b 0 + b 1 Xi
b1 =
i =1
XY
i
i=1
( Xi Yi )
i=1
i =1
n
n
X
i=1
2
i
X
i=1
XY
i =1
= b0 +
X b X.i
i =1
onde : Y =
y
n 1
i =1
e:X =
x
n 1
2
i
b0 = Y b1.X
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Modelo para avaliao de terreno no interior de So Paulo, com 300m2; 10m de frente;
localizado a 100m de distncia do plo principal, com asfalto
Pesquisa base: amostra abaixo contendo 20 elementos
Varivel Dependente: Unitrio
Variveis Indepnedentes:
Distancia a Plo (medidas em m) localizao
rea do terreno (medidas em m2)
Frente do Terreno (medidas em m)
Existncia de asfalto (varivel dicotmica que indica: presena =1 ou ausncia =0
Elemento
Distancia
polo
rea
Terreno
Frente
1.000,00
300,00
10,00
60,00
700,00
500,00
15,00
50,00
800,00
300,00
10,00
60,00
300,00
300,00
10,00
100,00
500,00
500,00
15,00
70,00
500,00
300,00
10,00
90,00
300,00
500,00
15,00
80,00
100,00
600,00
18,00
90,00
100,00
1.000,00
20,00
80,00
10
0,01
600,00
15,00
100,00
11
200,00
500,00
15,00
80,00
12
400,00
500,00
15,00
40,00
13
1.000,00
800,00
20,00
55,00
14
800,00
300,00
10,00
70,00
15
200,00
300,00
10,00
80,00
16
1.000,00
600,00
20,00
50,00
17
100,00
500,00
18,00
80,00
18
0,01
300,00
10,00
100,00
19
0,01
500,00
15,00
120,00
20
1.000,00
1.000,00
20,00
40,00
Asfalto
Unitrio
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
110
110
100
90
Valor Unitrio
Valor Unitrio
100
80
70
90
80
70
60
60
50
50
40
40
300
400
500
600
700
800
900
1.000
100
200
300
400
120
120
110
110
100
100
90
90
Valor Unitrio
Valor Unitrio
rea Total
80
70
500
600
Distancia polo
700
800
900
1.000
17
18
19
20
80
70
60
60
50
50
40
40
0
1
Asfalto
10
11
12
13
14
15
Frente
16
Equao de Regresso:
Valor Unitrio = +126,4384081 -2,76256481 * ln (Distancia polo) -9,079814893 * ln (rea Total)
+71,56555367 / Frente +18,45145095 * Asfalto
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
1 ) Coeficiente de Determinao R2
Informaes Complementares:
Nmero de variveis: 5
Nmero de variveis consideradas: 5
Nmero de dados: 20
Nmero de dados considerados: 20
Resultados Estatsticos:
Coeficiente de Correlao:
Coeficiente Determinao:
Fisher-Snedecor:
Significncia modelo:
0,8441284 / 0,8441284
0,7125527
9,30
0,01
2) Testes de Hipteses
O processo consiste basicamente em:
1o) Formular a hiptese nula e a hiptese alternativa
2o) Escolher a distribuio amostral adequada
3o) Escolher a um nvel de significncia ( e assim os valores crticos)
4o) Calcular a estatstica do teste e compar-la com o(s) valor (es) crtico(s)
5o) Rejeitar a hiptese de nulidade se a estatstica teste excede o(s) valor(es) crtico(s); caso
contrrio, aceit-la.
Variveis
Equao
ln(x)
ln(x)
1/x
x
Distancia polo
rea Total
Frente
Asfalto
t-Observado
-3,13
-0,42
0,17
2,64
Sig.
0,68
68,06
86,65
1,84
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
1
13
16
7 11
17
13
20
8
14
19
6
10
15
18
-1
-2
12
-3
50
55
60
65
70
75
80
85
90
95
100
105
110
Apresentao do 2) Modelo
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Informaes do Modelo
Informaes Complementares:
Nmero de variveis: 5
Nmero de variveis consideradas: 5
Nmero de dados: 20
Nmero de dados considerados: 19
Resultados Estatsticos:
Coeficiente de Correlao:
Coeficiente Determinao:
Fisher-Snedecor:
Significncia modelo:
0,9319870 / 0,9319870
0,8685998
23,14
0,01
Variveis
Equao
ln(x)
x
1/x
x
Distancia polo
rea Total
Frente
Asfalto
t-Observado
-3,67
-1,15
0,09
5,16
Sig.
0,25
26,82
93,29
0,01
Equao de Regresso:
Valor Unitrio = +80,96948632 -2,140581456 * ln (Distancia polo) -0,02020731005 * rea Total
+15,81583166 / Frente +24,16070794 * Asfalto
Isoladas
Influncia
Distancia polo
rea Total
Frente
Asfalto
Valor Unitrio
0,07
-0,03
-0,52
-0,74
0,19
0,02
0,35
0,70
rea Total
Frente
Asfalto
Valor Unitrio
-0,85
-0,11
-0,32
0,81
0,19
0,29
Frente
Asfalto
Valor Unitrio
0,06
0,25
0,05
0,02
Asfalto
Valor Unitrio
0,83
0,81
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Projees de Valores
Distancia
rea
Frente
Valor
Mdio
Asfato
Mnimo
Maximo
100
300
10
66,63
60,3
72,96
1.000,00
300
10
61,7
55,6
67,8
1.000,00
600
20
54,84
48,2
61,49
100
600
20
59,77
52,96
66,59
100
600
20
59,77
52,96
66,59
Apresentao do 3) Modelo
Informaes Complementares:
Nmero de variveis: 5
Nmero de variveis consideradas: 4
Nmero de dados: 20
Nmero de dados considerados: 19
Resultados Estatsticos:
Coeficiente de Correlao:
Coeficiente Determinao:
Fisher-Snedecor:
Significncia modelo:
0,9319500 / 0,9319500
0,8685308
33,03
0,01
Variveis
Equao
Distancia polo
rea Total
Asfalto
ln(x)
x
x
t-Observado
-3,80
-2,45
5,35
Sig.
0,18
2,71
0,01
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Anlise de Resduos
Normalidade dos resduos:
73% dos residuos situados entre -1 e + 1 s
94% dos resduos situados entre -1,64 e + 1,64 s
100% dos resduos situados entre -1,96 e + 1,96 s
Outliers do Modelo: 0
Preo
observado
Valor
Estimado
Resduo
Resduo
Relativo
Resd
uo/DP
60
61,57
-1,57
-2,63
-0,19
50
58,04
-8,04
-16,08
-0,97
-0,24
60
62,05
-2,05
-3,42
100
88,29
11,7
11,7
1,41
70
58,76
11,23
16,05
1,35
90
87,2
2,79
3,1
0,33
80
83,99
-3,99
-4,99
-0,48
90
84,19
5,8
6,44
0,7
80
75,6
4,39
5,49
0,53
100
103,9
-3,9
-3,9
-0,47
80
84,86
-4,86
-6,08
-0,58
55
50,83
4,16
7,57
0,5
70
62,05
7,94
11,34
0,96
89,16
-9,16
-11,45
-1,1
50
55,13
-5,13
-10,26
-0,62
80
86,34
-6,34
-7,93
-0,76
100
110,35
-10,35
-10,35
-1,25
120
106,05
13,94
11,61
1,68
40
46,53
-6,53
-16,33
-0,79
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
-1
-2
50
55
60
65
70
75
80
85
90
95
100
105
110
Projeo de Valores
simulaes sem asfalto
Valor
Mdio
100,00
300,00
66,50
61,51
71,49
90,64
1.000,00
300,00
61,57
56,81
66,33
85,71
1.000,00
600,00
55,13
51,11
59,14
79,27
100,00
600,00
60,05
55,72
64,39
84,19
100,00
600,00
60,05
55,72
64,39
84,19
Distancia
rea
Mnimo
Maximo
Asfato
Valor Mdio
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Elemento
Local
Valor
unitrio
Area
m
Frente Profundidade
Indice Local
m
m
Rua A
140,00
216
12,00
18,00
70
Rua B
180,00
480
6,00
80,00
80
Rua C
250,00
480
12,00
40,00
115
Rua D
150,00
200
10,00
20,00
70
Rua E
200,00
250
10,00
25,00
110
Rua F
250,00
450
18,00
25,00
120
Rua F
270,00
500
15,00
33,33
120
Fator
Oferta
Elemento
Valor
Fator
unitrio Oferta
Fator Transposio
Unitrio
deduzido
do fator
oferta
I.LOCAL Fator
elemento Transp.
Diferena Unitrio
transposi Homog
o (R$/m) pela
localiza
o
140,00
0,9
126,00
70
1,43
54,00
180,00
180,00
0,9
162,00
80
1,25
40,50
202,50
250,00
1,0
250,00
115
0,87
-32,61
217,39
150,00
0,9
135,00
70
1,43
57,86
192,86
200,00
0,9
180,00
110
0,91
-16,36
163,64
250,00
0,9
225,00
120
0,83
-37,50
187,50
270,00
0,9
243,00
120
0,83
-40,50
202,50
Mdia
Desvio
padro
Coef. Var.
205,71 Mdia
Desvio
51,92 padro
Coef.
25,24% Var.
188,71
51,04
27,04%
Mdia
LOCAL
Avaliand
o=
100 Desv.padro
Coef. Var.
192,34
17,48
9,09%
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Fator
Oferta
Coeficiente de Profundidade
Fator Oferta
Diferena
Unitrio
Coef.
profundidade Homog pela
Profund.
(R$m/)
Profundidade
Pe
0,9
126,00
18,00
0,18
22,49
148,49
0,9
162,00
80,00
0,17
27,79
189,79
1,0
250,00
40,00
0,00
0,00
250,00
0,9
135,00
20,00
0,12
15,93
150,93
0,9
180,00
25,00
0,00
0,00
180,00
0,9
225,00
25,00
0,00
0,00
225,00
0,9
243,00
33,33
0,00
0,00
243,00
Mdia
Desvio padro
Coef. Var.
Unitrio
deduzido
do fator
oferta
188,71
Mdia
51,04
27,04%
Desv.padro
Pma = 40
Coef. Var.
198,17
41,86
21,12%
Pmi = 25
Exp.profundidade
= 0,5
28
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Fator
Oferta
Coeficiente de Frente
Fator Oferta
Cf
Coef.
Frente
Diferena
frente
(R$m/)
Unitrio
Homog.
pela
Frente
0,9
126,00
12,00
-0,04
-4,51
121,49
0,9
162,00
6,00
0,11
17,43
179,43
1,0
250,00
12,00
-0,04
-8,95
241,05
0,9
135,00
10,00
0,00
0,00
135,00
0,9
180,00
10,00
0,00
0,00
180,00
0,9
225,00
18,00
-0,11
-24,95
200,05
0,9
243,00
15,00
-0,08
-18,93
224,07
Mdia
Desvio padro
Coef. Var.
Unitrio
deduzido
do fator
oferta
188,71
Mdia
51,04
Desv.padro
27,04%
Coef. Var.
Frente
referencia
Expoente frente=
183,01
43,70
23,88%
10
0,2
ARQUITETAANAMARIADEBIAZZIDIASDEOLIVEIRA
Mdia
Desv.padro
Coef. Var.
Coef geral
homog.
Para a
mdia
Saneada
Coef geral
homog.Para
o
Avaliando
Loc + prof +
frente para a
mdia
Loc + prof
+ test para
o
avaliando
126,00
197,98
189,34
1,57
1,50
162,00
247,72
236,91
1,53
1,46
250,00
208,44
199,34
0,83
0,80
135,00
208,79
199,68
1,55
1,48
180,00
163,64
156,49
0,91
0,87
225,00
162,55
155,45
0,72
0,69
243,00
183,57
175,56
0,76
0,72
188,71
196,10 Mdia
187,54
Unitrio
s com
Fator Fonte
51,04
29,77 Desv.padro
27,04%
Superior
(+30%)
Inferior (30%)
Calculo do
unitrio
15,18%
254,93
137,27
Mdio =
187,54
Intervalo de Confiana de
80% =
t=(n-1) =6
1,44
Desv. Pad. (s) =
28,47
Frmula
Avaliao =
16,74
t x s/(n-1)^0,5
1,44 x 29,74/(71)^0,5
EXEMPLO
BASICO
Intervalo inferior =
Intervalo superior =
Amplitude =
28,47
204,28
170,80
16%
Grau de Preciso
III