You are on page 1of 81

CURSO DE

ENGENHARIA DE
AVALIAES
- METODOLOGIA CIENTFICA -

LOCAL: U B E R L N D I A (MG)

outubro/ 2005

BRCIO DE MELO
Eng CIVIL

RUBENS FERNANDO DUARTE


Eng CIVIL
ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

NDICE

1 - CONCEITUAO .......................................................................................................................................... 3

2 - ESTATSTICA BSICA............................................................................................................................... 15

3 - ESTATSTICA INFERNCIAL .................................................................................................................. 18

4 - ESPECIFICAO DAS AVALIAES ..................................................................................................... 53

5 - APLICAES PRTICAS........................................................................................................................... 60

6 - ELABORAO DE LAUDO........................................................................................................................ 76

7 - NORMAS....................................................................................................................................................... 79

8 - BIBLIOGRAFIA........................................................................................................................................... 80

9 - ANEXOS........................................................................................................................................................ 81

Eng BRCIO DE MELO Pgina 2 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

1 - CONCEITUAO
Inicialmente, gostaramos de apresentar as boas vindas aos participantes
deste evento, cujo objetivo consolidar a Teoria atravs da Prtica. Aqui cabe
um comentrio a respeito, com uso de lgica rudimentar, de autor
desconhecido: Teoria quando se sabe tudo, mas nada d certo. Prtica
quando tudo funciona e ningum sabe porque. Muito complicado : Quando a
Teoria e Prtica andam juntas. Nada d certo e ningum sabe porque.
Desenvolvemos este curso para apresentar mtodos e tcnicas que permitam
fazer a comparao de forma objetiva (diminuindo-se a subjetividade), e
direcionados para avaliao de bens atravs da cincia da construo de
modelos que consiste em um conjunto de instrumentos quantitativos que so
usados para construir e, em seguida, testar representaes matemticas do
mundo real. O desenvolvimento e o uso desses instrumentos constituem o
tema do que se chama econometria que visa, essencialmente, a uma
conjuno da teoria econmica com medidas concretas, usando como ponte a
teoria e as tcnicas de inferncia estatstica. Ressaltamos, entretanto, que os
conceitos no se limitam s utilizaes aqui apresentadas.
Quaisquer comentrios quanto aos assuntos aqui apresentados, queiram por
gentileza dirigir eventuais sugestes para o e-mail bricio@apis.com.br
informando inicialmente sua identificao e turma do treinamento que
participou (local e data), em seguida, na ordem crescente de nmero de
pgina da apostila na qual se encontra o que se pretende aperfeioar,
transcrevendo o texto original e a sua sugesto no sentido de mantermos o
aprimoramento constante deste material.
Esperamos que tenham BOM PROVEITO!

1.1 - AVALIAR
Sem criar polmica, podemos definir de forma simplista, Avaliar como: a
tcnica de medir comparando. No nosso caso especfico procuraremos medir
o valor de um bem.
Se pararmos para pensar, verificaremos que a todo instante estamos
comparando alguma coisa, como por exemplo:
- cursos realizados;
- compra em supermercado;
- tipos de msica, compositores, bandas;
- desempenho de empresas em relao aos concorrentes, etc.
Na maioria dos casos, a comparao est relacionada com um componente
econmico, que o Valor.

Eng BRCIO DE MELO Pgina 3 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

1.2 - VALOR DE MERCADO

A NBR 14653-1 apresenta as seguintes definies:


3.44 Quantia mais provvel pela qual se negociaria voluntariamente e
conscientemente um bem, numa data de referncia, dentro das
condies do mercado vigente.

3.38 Preo
Quantia pela qual se efetua, ou se prope efetuar, uma transao
envolvendo um bem, um fruto ou um direito sobre ele.

O mercado imobilirio caracteriza-se pela imperfeio, e o nosso trabalho ser


sempre o de procurar medir o grau desta imperfeio, buscando elimin-la de
forma a obtermos aquele que seria o valor mais prximo do mercado perfeito,
ou seja, o Valor Justo. Na maioria dos casos praticamente impossvel
eliminar algumas caractersticas nocivas impostas ao mercado, como a
manipulao feita por grandes incorporadores, quando monopolizam um
determinado segmento do mercado imobilirio.

1.3 - MTODOS PARA IDENTIFICAR O VALOR DE UM BEM

A metodologia aplicvel funo, basicamente, da natureza do bem


avaliando, da finalidade da avaliao e da disponibilidade, qualidade e
quantidade de informaes colhidas no mercado. A sua escolha deve ser
justificada com o objetivo de retratar o comportamento do mercado por meio
de modelos que suportem racionalmente o convencimento do valor.

Os procedimentos avaliatrios usuais com a finalidade de identificar o valor de


um bem, de seus frutos e direitos dividem-se em Diretos e Indiretos.

: 1 - DIRETOS:

: 1.1 - COMPARATIVO DE DADOS DE MERCADO:


Identifica o valor de mercado do bem por meio de tratamento tcnico
dos atributos dos elementos comparveis, constituintes da amostra.

Quando se procura o Valor de Mercado, devemos dar preferncia sua


aplicao, pois o que inegavelmente, melhor espelha o
comportamento do mercado imobilirio.

Eng BRCIO DE MELO Pgina 4 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 2 - INDIRETOS:

: 2.1 - DA RENDA
Identifica o valor do bem, com base na capitalizao presente da sua
renda lquida prevista, considerando-se cenrios viveis.
Os aspectos fundamentais do mtodo so a determinao do perodo
de capitalizao e a taxa de desconto a ser utilizada, que devem ser
expressamente justificadas pelo engenheiro de avaliaes.
De forma simplificada, resume-se em estabelecer a estrutura de
receitas e despesas do bem, direito ou empreendimento em anlise,
montando-se o fluxo de caixa correspondente, considerado por um
determinado tempo (a sua vida econmica, por exemplo). O valor do
bem, direito ou empreendimento, obtido atravs do clculo do valor
presente liquido do fluxo, aplicando-lhe uma determinada taxa de
desconto.
Este mtodo tem sido utilizado com bons resultados no
desenvolvimento de tcnicas para avaliao de Indstrias, fundo de
comrcio, direitos sobre bens e empreendimentos imobilirios de uma
maneira em geral.

: 2.2 INVOLUTIVO
Identifica o valor de mercado do bem, alicerado no seu aproveitamento
eficiente, baseado em modelo de estudo de viabilidade tcnico-
econmica, mediante hipottico empreendimento compatvel com as
caractersticas do bem e com as condies do mercado no qual est
inserido, considerando-se cenrios viveis para execuo e
comercializao do produto.
A avaliao por este processo considera a receita provvel da
comercializao das unidades hipotticas com base em preos obtidos
em pesquisas, considera todas as despesas inerentes transformao
do terreno no empreendimento projetado, prev margem de lucro
lquido ao empreendedor, despesas de comercializao, remunerao
do capital terreno, computados em prazos viveis ao projeto,
execuo e comercializao das unidades, mediante taxas financeiras
operacionais reais, expressamente justificadas. Para aplicao deste
mtodo exige-se:
a) o imvel avaliando esteja inserido em zona de tendncia
mercadolgica com empreendimentos semelhantes ao concebido,
alm de legalmente permitidos seu uso e sua ocupao;
b) as unidades admitidas no modelo adotado sejam de caractersticas
e em quantidade absorvveis pelo mercado, no prazo
preestabelecido pelo estudo e compatvel com a realidade;
c) as formulaes matemtico-financeiras sejam expressas no laudo.

Como se verifica, trata-se de uma particularizao do mtodo da renda,


em sua forma conceitual.

Eng BRCIO DE MELO Pgina 5 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 2.3 - EVOLUTIVO
Identifica o valor do bem pelo somatrio dos valores de seus
componentes. Caso a finalidade seja a identificao do valor de
mercado, deve ser considerado o fator de comercializao.

1.4 - MTODOS PARA IDENTIFICAR O CUSTO DE UM BEM

Os procedimentos avaliatrios usuais com a finalidade de identificar o custo de


um bem:

: 1 - COMPARATIVO DIRETO DE CUSTO


Identifica o custo do bem por meio de tratamento tcnico dos atributos
dos elementos comparveis, constituintes da amostra.

: 2 - QUANTIFICAO DE CUSTO
Identifica o custo do bem ou de suas partes por meio de oramentos
sintticos ou analticos a partir das quantidades de servios e respectivos
custos diretos e indiretos.
Raramente utilizamos este mtodo de forma isolada, estando
normalmente conjugado com o Comparativo de Dados de Mercado.
Existem alguns cuidados que devem ser tomados na sua utilizao:
- considerar a utilidade do bem no contexto da avaliao;
- ponderar a evoluo tecnolgica dos materiais e tcnica construtiva;
- analisar a necessidade e utilidade de cada benfeitoria;
- manifestar-se sobre o fator de comercializao.
Estes cuidados so importantes medida que procuramos valor de
mercado do bem, e sabemos que o custo de reproduo (custo de
novo) apresenta como resultado, via de regra, vieses no condizentes
com a realidade de mercado.
Com as observaes acima, chamamos este mtodo de Custo de
REEDIO (custo depreciado).
Dessa forma, a utilizao deste mtodo deve ser evitada quando se
busca obter o valor de mercado. Entretanto, pode servir como um
parmetro a mais para se calcular ou arbitrar o valor de mercado de
um bem.
Finalmente, destacamos que este mtodo encontra aplicao
perfeitamente adequada nos casos de avaliaes para efeito de seguro,
indenizaes sobre danos materiais em imveis (sinistros), anlise de
investimentos, etc.

Eng BRCIO DE MELO Pgina 6 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

1.5 - PESQUISA - O AVALIADOR

A pesquisa uma etapa de importncia crucial no trabalho avaliatrio. De


nada adiantar efetuarmos um tratamento estatstico rigoroso e criterioso de
dados, se a pesquisa no apresentar qualidade compatvel. Portanto, especial
cuidado dever ser dispensado a esta etapa do trabalho, observando os
processos cientficos para obteno dos dados necessrios.
importante registrar que o avaliador necessita passar pela prtica da
pesquisa, no s para conhecimento das dificuldades inerentes, mas
principalmente por ser uma escola muito rica, onde se aprende mais a cada
trabalho.
No trabalho de pesquisa, o Avaliador tem papel especial, de forma a
estabelecer critrios objetivos ao seu trabalho, para que se mostre produtivo.
Um procedimento que tem apresentado bons resultados o estabelecimento
de um roteiro bsico, que deve ser adaptado a cada situao real. Deve
tambm procurar desenvolver-se, expandindo seus conhecimentos atravs do
autodidatismo, com ateno para as reas:
- estatstica inferncial;
- engenharia econmica (anlise de investimentos);
- teoria dos mercados;
- planejamento urbano;
- sedimentao dos conhecimentos adquiridos na formao universitria.
Fontes de pesquisa: imobilirias, corretores autnomos, investidores,
compradores e vendedores (pessoas fsicas ou jurdicas), anncios de jornais
(sempre devem ser verificados), moradores da regio,
incorporadores/construtores, prefeituras (plantas de valores ou ndices fiscais
IPTU), cartrios de notas e registro, rgos de proteo ambiental,
patrimnio histrico, etc
Cuidados na pesquisa:
- ouvir, ouvir e ouvir. No interromper e influenciar a pessoa que nos
fornece as informaes. As funes do pesquisador so questionar e
ouvir. Em caso de dvida, solicite esclarecimento, evitando impor
julgamentos precipitados;
- procurar adquirir a simpatia e confiana do entrevistado;
- ser objetivo nas perguntas;
- adaptar-se as condies locais: forma de abordagem aos entrevistados,
termos/palavras utilizados, forma de se vestir, reaes, etc
- evitar perguntas de carter tcnico excessivo, como frao ideal, reas
privativas/comum/total/til, etc. Deve-se procurar explicar o mercado da
forma em que ele se comporta, e da forma que o avaliador deseja. Por
exemplo: em algumas regies a rea privativa de apartamentos a
medida de tamanho mais usada na sua comercializao, enquanto em

Eng BRCIO DE MELO Pgina 7 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

outras utilizada a rea total construda. O prprio conceito de rea


total construda pode variar de regio para regio;
- informaes de cartrios nem sempre apresentam o valor real da
transao feita, exceto quando envolver rgos ligados ao Governo.
- vistoriar todos os dados obtidos;
- diversidade e identificao de fontes de informao/obteno de eventos
de mercado;
- em caso de venda concretizada, cruzar informaes entre vendedores e
compradores (o vendedor tende a informar um valor superior ao da
negociao, enquanto a tendncia do comprador em sentido contrrio);
A ttulo de exemplificao listamos a seguir, algumas caractersticas que
podem influenciar na formao de valor de algumas tipologias de imveis.
Ressaltamos que a relao apenas um indicativo, no se pretendendo
consider-la como completa e concluda:

- TERRENOS URBANOS:
- rea;
- frente e profundidade;
- distncia de plos atrativos (avenidas, praia, shopping, etc;)
- distncia de plos desvalorizantes (favelas, indstrias, depsitos de
lixo, etc);
- localizao (bairro);
- vizinhana;
- topografia;
- infraestrutura (meio-fio, pavimentao, luz, gua, esgoto, iluminao
pblica, guas pluviais, transporte coletivo, correios, coleta de lixo);
- vias de acesso;
- orientao em relao aos pontos cardeais;
- situao na quadra (esquina ou meio de quarteiro);
- ndice de aproveitamento ou capacidade de construo;
- taxa de ocupao permitida;
- nvel de rudo;
- nvel em relao a rua;
- data da informao;
- possibilidade de inundao;
- tipo de uso permitido (residencial/comercial/misto);

- LOJAS:
- rea til e total;
- frente;
- localizao;
- porcentagem da rea da loja, na rea total;
- forma de pagamento.

Eng BRCIO DE MELO Pgina 8 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

- CASAS:
- rea do terreno;
- frente do terreno;
- rea construda;
- taxa de construo (relao entre a rea construda e a rea do
terreno);
- localizao (bairro);
- padro de acabamento;
- idade de construo e estado de conservao;
- distncia de plos atrativos (avenidas, praia, shopping, etc;)
-distncia de plos desvalorizantes (favelas, indstrias, depsitos de
lixo, etc);
-forma de ocupao do terreno (possibilidade de reforma/ampliao);
- projeto arquitetnico (obsoletismo e adequao ao local);
- paisagismo;

- APARTAMENTOS OU ESCRITRIOS (no que couber):


- reas privativa e total;
- vagas de garagem;
- padro de acabamento da unidade e do prdio;
- localizao (bairro);
- nmero do andar;
- idade e estado de conservao da unidade e do prdio;
- instalaes de apoio/segurana (quantidade de elevadores, combate
a incndio, controle de acesso);
- instalaes para o lazer (piscina, playground, salo de festas, etc);
- unidade pronta ou em construo;
- forma de pagamento.

- IMVEIS RURAIS:
- ver casos prticos itens 5.4; 5.5 e em especial, o item 5.8.

Eng BRCIO DE MELO Pgina 9 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

1.6 NOES BSICAS SOBRE MERCADOS

: 1 - MERCADO DE CONCORRNCIA PERFEITA


A determinao do Valor em um Mercado de Concorrncia Perfeita,
formulao terica que apresenta como caractersticas:
- homogeneidade dos bens levados a mercado;
- nmero elevado de compradores e vendedores, de tal sorte que
no possam, individualmente ou em grupos, alterar o mercado;
- inexistncia de influncias externas;
- racionalidade dos participantes e conhecimento absoluto de todos
sobre o bem, o mercado e as suas tendncias;
- perfeita mobilidade de fatores e de participantes, oferecendo
liquidez com liberdade de entrada e sada do mercado.

: 2 - MONOPLIO
A medida em que o mercado no atenda a estes pressupostos, ele perde
a condio de Perfeito e tende a configuraes imperfeitas. No
extremo dos mercados imperfeitos encontra-se o Monoplio, que
apresenta como caractersticas:
- existncia de somente um fornecedor do bem;
- h barreiras entrada, impedindo a mobilidade de fatores;
- o monopolista conhece a estrutura e a formao de seus custos e a
funo demanda do mercado, e age no sentido de maximizar seu
lucro, regulando a oferta.

: 3 - MERCADO DE CONCORRNCIA MONOPOLISTA


As formulaes acima so tericas e o que existe so Mercados
Imperfeitos, onde se estuda o Mercado de Concorrncia Monopolista,
que apresenta como caractersticas:
- bens heterogneos, sendo entretanto substitutos prximos;
- concentrao de vendedores e/ou compradores;
- influncia dos vendedores e/ou compradores no mercado;
- influncias externas atuando no mercado;
- desconhecimento, desconfianas e incertezas cercando os
produtos, o prprio mercado e as suas tendncias;
- baixa liquidez ou barreiras entrada e sada.

: 4 - OLIGOPLIO
- pequeno nmero de empresas controla parcela expressiva do
mercado;
- interdependncia entre as empresas, pois cada uma formula suas
polticas levando em conta os efeitos que tero sobre suas rivais;
- forte bloqueio entrada de concorrentes;
- produtos homogneos ou diferenciados;
- tendncias concentrao de capitais atravs de fuses;
- tendncia formao de cartis e rigidez de preos.

Eng BRCIO DE MELO Pgina 10 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Exemplos: indstria automobilstica, de vidros, cimento, ao,


pneumticos, qumicas, petroqumica etc.

: 5 - MONOPSNIO
- uma nica empresa compradora de determinado produto;
- preo determinado pelo comprador.
Exemplo: fbrica de cigarro na aquisio de fumo em determinadas
localidades.

: 6 - OLIGOPSNIO
- poucas empresas compradoras;
- preo do produto determinado pelos demandantes;
- grande dificuldade de entrada no mercado para novos
compradores.
Exemplo: indstria automobilstica, agroindstrias.

: 7 - MERCADO IMOBILIRIO
Pelas caractersticas, verifica-se que o Mercado Imobilirio enquadra-se
como mercado imperfeito, em particular o Mercado de Concorrncia
Monopolista, havendo tambm casos de monoplios setorizados.

: 8 - VIOLAES DA CONCORRNCIA
Observam-se no mercado tambm algumas imperfeies que impedem o
que se poderia chamar seu comportamento natural. Essas imperfeies
esto relacionadas ao poder de mercado e s formas de atingi-lo ou
mant-lo. o caso do truste, dumping e cartel.
O truste o tipo de estrutura em que vrias empresas, j detendo a maior
parte do mercado, combinam-se ou fundem-se para assegurar esse
controle, estabelecendo preos elevados que lhes garantam altas
margens de lucro.

O Dumping caracteriza-se pela venda de produtos a preos mais baixos


que os custos, com a finalidade de eliminar concorrentes e conquistar
fatias maiores do mercado. Quando o dumping praticado no mercado
externo, a OMC (Organizao Mundial do Comrcio) permite que se
apliquem tarifas especiais (sobretaxas) de importao para compensar os
efeitos dessa prtica de concorrncia desleal.

O Cartel um grupo de empresas independentes que formalizam um


acordo para atuao coordenada, com vista fixao de preos, diviso
de mercado e controle das fontes de matria-prima. O tipo mais comum de
cartel o de empresas que produzem artigos semelhantes, de forma a
constituir um monoplio de mercado.

No Brasil, a autarquia responsvel pela defesa da livre concorrncia a


CADE (Conselho Administrativo de Defesa Econmica). Seus membros
(presidente, conselheiros e procurador-geral) tm mandato de dois anos,

Eng BRCIO DE MELO Pgina 11 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

admita uma reconduo. So indicados pelo Presidente da Repblica e


devem ser aprovados pelo Senado. Conforme a Lei no 8884, de 11.06.94,
o CADE examina condutas cartelizadas, prticas de dumping, formao
de parcerias que resultem em participao no mercado acima de 30% e
fuses ou aquisies nas quais participem empresas com faturamento
bruto anual superior a cem milhes de UFIR.

: 9 - DIAGNSTICO DE MERCADO
Deve, tanto quanto possvel, ser composto dos itens:

: 1 - ESTRUTURA
Devem ser analisados os seguintes aspectos:
- grau de concentrao de vendedores: nmero e distribuio dos
vendedores;
- perfil do universo de compradores: nvel de pulverizao, classes
de renda, estratos sociais;
- grau de diferenciao do produto: quais produtos so oferecidos
pelos vendedores;
- condies de entrada e sada de vendedores e compradores, do
mercado: liquidez.

: 2 - CONDUTA
Observar os seguintes aspectos:
- poltica de preos dos vendedores: isolada ou em cartel, formas
de pagamento, introduo de novos produtos, campanhas
promocionais.
: 3 - DESEMPENHO
Apresentar apreciao sobre:
- tendncias em funo dos resultados alcanados;
- implantao de novos empreendimentos;
- liquidez: velocidade de vendas;
- mercados subjacentes.

1.7 - ENGENHARIA ECONMICA

A falta de uma disciplina no currculo acadmico da maioria dos cursos de


Graduao em Engenharia Civil e Arquitetura, que trate de Engenharia
Econmica, constitui-se numa grande lacuna na formao tcnica profissional.

O conjunto de conhecimentos dessa disciplina atua em todas as fases de um


empreendimento de engenharia, desde sua localizao, tipologia imobiliria,
projeto, construo e comercializao.

Os conhecimentos de Engenharia Econmica permitem estudar as diversas


proposies de implantao de empreendimentos, otimizar solues, analisar
a aplicao de recursos financeiros, prprios e de terceiros, propor alternativas

Eng BRCIO DE MELO Pgina 12 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

de viabilidade, tal como permuta por rea edificada, monitorar o cronograma


de obras, visando apontar em tempo hbil quaisquer alteraes de rota que
possam ocorrer, no intuito de manter, recuperar ou melhorar a lucratividade do
empreendimento.

A formao de graduao superior no deve prescindir dos conhecimentos da


Engenharia Econmica, pois estar formando profissionais sem o devido
embasamento tcnico, restringindo sua atuao a meros produtores de bens,
sem qualquer ingerncia na tomada de deciso quanto implantao e
viabilidade econmico-mercadolgica.

Entendemos que um empreendimento de engenharia deve ser planejado,


concebido, projetado, viabilizado, executado e determinado o perfil de
comercializao, por profissionais da rea, logicamente com conhecimentos
de Engenharia Econmica, no apenas por razes legais, mas por possurem
melhores condies tcnicas.

Originria no meio industrial, avanou sobre outras reas tcnicas,


consolidando-se a Engenharia Econmica com a seguinte conceituao
ampla:

"Conjunto de conhecimento necessrios tomada de deciso sobre


investimentos"

Este curso no abordar a sua parte conceitual, pois dever ser objeto de
curso a parte (a exemplo do Curso Viabilidade e Avaliao de
Empreendimentos) ou, como j afirmamos, adquirido atravs de
autodidatismo.

Eng BRCIO DE MELO Pgina 13 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

1.8 - PLANEJAMENTO DA AVALIAO

Na maioria das vezes relegada e no cumprida. Consiste em visualizar todo


processo, procurando-se detalhar cada uma de suas etapas, de forma a se
estimar o tempo necessrio a sua realizao e, na medida do possvel,
antecipar-se a eventuais dificuldades.

Podemos dividir o planejamento nos seguintes passos:


- Identificao do objeto, finalidade, objetivo e urgncia do trabalho: nos
permite definir a Metodologia a ser utilizada;
- Verificao da documentao e projetos;
- Definio do interlocutor, se for o caso;
- Considerao sobre o porte e potencialidade da cidade onde se localiza
o bem;
- Levantamento das dificuldades na pesquisa:
- prefeituras, patrimnio histrico, desapropriao, proteo ao meio
ambiente, etc;
- mercado imobilirio;
- Estimativas de prazo para:
- vistoria;
- pesquisa;
- elaborao do laudo;
- Realizao do trabalho.

Eng BRCIO DE MELO Pgina 14 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

2 - ESTATSTICA BSICA

2.1 - UNIVERSO E AMOSTRA

Universo ou Populao = Conjunto de objetos com qualquer


caracterstica em comum, pode ser finito ou infinito, de acordo com os nmeros de
elementos que o compem. s vezes to elevado o nmero de elementos do
universo que este pode ser considerado como infinito.
Para conhecer de forma completa um universo tem que se analisar todos
os seus elementos, o que no , muitas vezes, possvel realizar devido a
indagaes exaustivas ou censitrias. Impossibilidade absoluta quando o universo
infinito.
Assim o estudo das propriedades do universo tem que ser feito sobre um
seu subconjunto, to representativo quanto possvel, denominado AMOSTRA. Para
indicar os elementos da amostra deve-se deixar total ou parcialmente ao acaso a
indicao destes, pois quando se d preferncia a determinados elementos do
universo, a amostra sai viciada.
Razes para a prtica da amostragem: economia, comodidade e tempo.
Outras vezes, necessrio destruir os elementos para levar o efeito a observao -
ex: ensaio de fusveis; de lmpadas - e no faz sentido analisar o universo.

2.2 - MEDIDAS DE TENDNCIA CENTRAL OU DE POSIO

2.2.1. MDIA ARITMTICA SIMPLES ( X )

n
Valores isolados simples: X = xi
i=1
n

2.2.1. MEDIANA (Me)

o valor central de um rol.


Para dados no agrupados em classes:

1 - Se o nmero de elementos for mpar

Eng BRCIO DE MELO Pgina 15 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Em = N + 1 ; Em posio do elemento mediano


2
2 - Se o nmero de elementos for par:
N+N+2
Em = 2 2 N + 1
2 2

2.2.2. MODA, NORMA OU MODO (Mo)


aquele valor ou valores que ocorrem com maior freqncia em um rol.
Assim:
Conjunto Unimodal uma moda; plurimodal + de 1 moda
Conjunto amodal sem moda (os valores tm a mesma freqncia)

2.3 - MEDIDAS DE DISPERSO OU VARIABILIDADE

Medidas absolutas apresentam oscilaes para mais ou para menos, em relao


a uma medida de posio fixada. Vm expressas na mesma medida de valores.
Medidas relativas Vm expressas em termos relativos ou percentuais.

2.3.1. MEDIDAS DE DISPERSO ABSOLUTA:

:1 - DESVIO PADRO (S)


a raiz quadrada da mdia aritmtica dos quadrados dos desvios
Dados no agrupados em classe:
S= di2 , di = (xi - X)
n -1
n - 1 geralmente trabalhamos com amostras, o que nos leva a uma estimativa
melhor do parmetro da populao.

S= (xi - X)2 xi2 - (xi)2


n -1 n
n -1

PROPRIEDADES DO DESVIO PADRO


1. O desvio padro maior que o desvio mdio;

Eng BRCIO DE MELO Pgina 16 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

2. Somando-se ou subtraindo-se uma constante qualquer a cada elemento de um


conjunto de valores, o desvio - padro no se altera.
3. Multiplicando ou dividindo os elementos por uma constante qualquer, o desvio
padro ficar multiplicado ou dividido tambm.
4. fi di2 < fi dyi2 di = xi - X e dyi = xi - K
5. Na distribuio Normal: 68% dos valores estaro compreendidos entre X
desvio-padro (a) e 95% entre X 2 desvio-padro (b).

(a) (b)

:2 - VARINCIA (S2)
o quadrado do desvio-padro.
S = di2
2
S2 = xi2 - (xi)2
n-1 n para dados isolados
n-1

S2 = xi2 fi - ( xi di )2
n para dados isolados ponderados
n-1 ou distribudos em classe

2.3.2 - MEDIDA DE DISPERSO RELATIVA - COEFICIENTE DE VARIAO -


PEARSON (CVP):

CVP = S ou CVP = S 100, em percentual


X X

Eng BRCIO DE MELO Pgina 17 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

3 - ESTATSTICA INFERNCIAL

3.1 - HISTRICO

: 1 - ESCOLA CLSSICA

Aps Berrini, a tcnica avaliatria comeou a se firmar como instrumento


capaz de minimizar os efeitos dos "achismos", do "bom senso" e da
"minha experincia diz que". Para tanto, eram injetados fatores
(coeficientes) em relao a unidade, que procuravam expressar o efeito
das diferenas entre os atributos do valor, tais como: frente, profundidade,
relevo, vizinhana, infra-estrutura, acessibilidade, posicionamento
(transposio), etc

A utilizao desses "fatores" (testada ou frente, profundidade, frentes


mltiplas, fonte, melhoramentos ou infra-estrutura, etc), denominada ento
como "homogeneizao de dados", conceito que permitia adequar as
referncias de mercado a uma situao paradigma (padro), foi por largo
tempo a tnica dos trabalhos avaliatrios, denominados poca como
estudos de valor com nvel de "Avaliao de Preciso".

Os dados homogeneizados passavam ento por um processo chamado


"saneamento amostral"(retirada de dados supostamente discrepantes),
quer por sensibilidade, por percentual ou outros (desvio padro,
Chavenet), onde seriam eliminadas referncias ento "no importantes",
resultando em amostra reduzida e dita "homognea".

A mdia aritmtica calculada representava a amostra homogeneizada, que


com o uso inverso dos fatores, conclua-se pelo valor do terreno, dito
como "valor de mercado".

:2 - ESCOLA CIENTFICA

Muitos avaliadores que se utilizavam da estatstica descritiva para


elaborao de seus trabalhos sentiam-se inquietos, constrangidos e
inseguros com a utilizao de fatores que sequer sabiam de onde vinham.
Surgiram dessa forma os primeiros questionamentos sobre a sua validade
e adequao as variadas situaes:
- As influncias da testada, profundidade e topografia so sempre as
mesmas para localidades distintas?
- Quando se adota um coeficiente de 1,20, por exemplo, para
ponderar uma caracterstica do bem (posicionamento, visual
paisagstico, etc) ser que a relao linear? Ser de 20% este

Eng BRCIO DE MELO Pgina 18 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

efeito, ou o que mais interessa a homogeneizao da amostra?


Poder ser de 30% ou 40 %?
- A elasticidade do mercado (diferena entre o valor de oferta e o de
venda) sempre constante e igual a 10%?
- Que ndices utilizar para atualizar dados pretritos?
- Utilizando o saneamento amostral no estamos mutilando o
mercado, inibindo dados que seriam importantes na formao de
valor? No seria um autoritarismo tcnico?

Neste ponto destacou-se o papel desenvolvido pelo Eng Domingos


Saboya Barbosa Filho, certamente um dos mais importantes
profissionais da rea de avaliaes, frente da equipe de avaliadores da
PETROBRAS, que assumiu a luta para reconhecimento desta nova
escola, denominada Metodologia Cientfica, de forma pessoal, pois se
esbarrava em interesses pessoais de renomados avaliadores, alm da
dificuldade na utilizao de micro-computadores poca (restrito a
empresas de mdio porte at a dcada de 80), ferramenta fundamental
devido a quantidade de clculos exigida.

3.2 - A NOVA ESCOLA

Assim, formou-se uma escola de avaliadores que, a partir dessas inquietudes,


constrangimentos e inseguranas, buscaram incessantemente respostas, que
no incio eram taxados de "visionrios, radicais e tericos", como ocorre em
todas as transformaes; porm hoje j so considerados normais.
Os fundamentos das atuais tcnicas avaliatrias, embasam-se em dois
pilares:

- ESTATSTICA INFERNCIAL
- ENGENHARIA ECONMICA

Entendemos que o domnio destes dois tpicos permitir ao profissional


grande poder de soluo e explicao do problema avaliatrio. Esta
qualificao poder ser feita atravs de autodidatismo, fundamental
formao tcnica do Engenheiro e do Arquiteto.

Hoje o avaliador consolida-se no mercado como um profissional altamente


especializado, sendo importante que seja constantemente cobrado em suas
atuaes, fundamentado em suas teses e responsabilizado em suas
concluses. Isto far com que o avaliador busque incessantemente a
atualizao e o preparo tcnico, dignificando a atividade, cumprindo sua
utilidade social, para o qual jurou em sua formatura. Deixar de ser um tcnico
opinativo apenas, para tornar-se um profissional cientfico respeitado em suas
concluses.

Eng BRCIO DE MELO Pgina 19 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Podemos afirmar, portanto, sem temor de estarmos sendo levianos, que esta
Escola veio para ficar. O fato de admitir que o mercado imobilirio no
esttico e est intimamente atrelado s condies e variaes da economia do
pas, a maior segurana de ser perene. Com a proliferao da utilizao de
micro-computadores e sua evoluo tecnolgica, a tendncia o
aperfeioamento das tcnicas e o surgimento de novas tecnologias, dentre
outras, j podemos enumerar: redes neurais, regresses espaciais, e dentre
estas, a regresso ponderada geograficamente, GWR do ingls
(Geographically Weighted Regression) que utiliza fundamentos de
geoprocessamento e geoestatstica.

3.3 - VARIVEIS

Apresentamos a seguir as caractersticas das variveis normalmente utilizadas


em avaliaes:
Quantitativas: expressam caractersticas do bem que podem ser medidas, e
que para um determinado elemento constante,
independentemente do avaliador ou pesquisador. Exemplo:
rea do terreno, rea construda, frente (do terreno ou loja),
nmero do andar, distncia a um plo valorizante, nmero de
quartos, vagas de garagem, etc.

Qualitativas: expressam caractersticas do bem, que no apresentam medida


exata e sim uma qualidade, trazendo consigo uma dose de
subjetividade. Exemplo: localizao, padro construtivo, projeto
arquitetnico, acesso, infra-estrutura, etc. Neste caso devemos
procurar estabelecer critrios de forma a minimizar os efeitos da
subjetividade, procurando elencar os parmetros de cada
varivel de forma hierrquica, como por exemplo: -
Apartamento padro 4: - possui trs quartos (sendo uma sute
com hidromassagem) e duas salas, pisos em granito/tbua
corrida/cermica, revestimentos em azulejos
especiais/granito/pintura artstica, etc.

Dicotmicas: somente assumem dois valores distintos, indicando a existncia


de uma caracterstica ou no. Exemplo: garagem (1 = possui; 0
= no possui). Tambm denominadas de variveis indicativas,
tipo dummy.

Eng BRCIO DE MELO Pgina 20 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

3.4 - CONCEITUAO BSICA

Quando citamos inferncia, referimo-nos anlise inferncial ou estatstica


indutiva, ou seja, a busca de modelos matemticos justificados que
representem o segmento de mercado em anlise. Os clculos so feitos
utilizando-se o Mtodo dos Mnimos Quadrados, que consiste em procurar
uma funo matemtica que se ajuste as caractersticas dos dados,
buscando-se minimizar o quadrado da distncia dos pontos ao modelo eleito.

A anlise visual dos pontos plotados na figura acima indica uma tendncia de
formar valores de Y decrescentes, medida que crescem os valores de X. Ao
invs de traarmos visualmente uma curva interpolando os pontos, podemos
definir matematicamente vrias funes que podem ser ajustadas aos pontos
grficos. Alm disso, podemos calcular, dentre as curvas ajustadas, a de
melhor aderncia aos pontos, demonstrando as condies e limitaes da
ajustagem.
A involuo dos pontos a curva tem o nome de Regresso, enquanto que a
quantidade de aderncia mede a Correlao entre 2 variveis cotejadas (Y e
X) sem influncia de demais Xi.
A forma utilizada para efetuar estudos de correlao e regresso o Mtodo
dos Mnimos Quadrados Ordinrios, que assim concebido:
- propondo-se uma determinada funo matemtica a ser ajustada, busca-
se minimizar o quadrado da distncia dos pontos ao modelo eleito;
- este ajuste resultar em parmetros de controle, os quais so analisados
quanto sua consistncia;
- em seqncia ou paralelamente, testam-se outros modelos, confrontando-
se com os demais, concluindo-se pelo de melhor aderncia;
- esta funo eleita fornecer a imagem de comportamento de Y em estudo;
- poder ocorrer que a melhor explicao encontrada no sirva para
estimaes estatsticas (anlise dos parmetros de controle, o que
veremos adiante), descartando-se a hiptese de pressuposto de causa(s)
e efeito(s) correlacionados.

Eng BRCIO DE MELO Pgina 21 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

- poder ocorrer que todos os modelos sejam justificados, adotando-se o


melhor deles como funo de regresso para explicao do valor;
- poder tambm ocorrer situao mista, ou seja, alguns modelos no
explicam e outros sim, adotando-se dentre estes ltimos, o melhor.

A estatstica inferncial no um procedimento de embelezamento de laudos


de avaliao ou demonstraes de "alta tcnica" profissional, mas constitui-se
em ferramenta de fundamental importncia na interpretao de fenmenos
scio-econmicos (valor de mercado). Alguns profissionais, por
desconhecimento do assunto, tm pregado como grande vantagem da
metodologia, a reduo do tempo para se concluir a avaliao, o que no
corresponde realidade, porque via de regra, se gasta um tempo maior,
principalmente quando no se domina com segurana os conceitos e a
utilizao dos programas de computador utilizados. A Inferncia Estatstica
constitui-se em ferramenta de fundamental importncia na interpretao,
dentre outros, de fenmenos scio-econmicos e sua grande vantagem reside
verdadeiramente na fundamentao das concluses a que se chega.

Na modelagem, devem ser expostas as hipteses relativas aos


comportamentos das variveis dependente e independentes, com base no
conhecimento que o pesquisador tem a respeito do assunto em estudo,
quando sero formuladas as hipteses nula e alternativa para cada parmetro.

Sabemos que o valor de um imvel no absoluto e exato, no sendo,


portanto de cunho determinstico, e sim, probabilstico, dependendo do seu
nvel de preciso, do maior ou menor grau de empenho cientfico emprestado
sua busca.

Cada elemento do banco de dados da srie (Ei) carrega consigo, alm de Y,


uma diversidade de informaes (explicaes para Y), as quais podem ser
expressas quantitativamente ou qualitativamente. Estas informaes
produziro um elenco de atributos (variveis independentes) que explicaro Y
(varivel dependente).
Ei = {X1, X2, X3,........Xn}
Esgotados "i" elementos, faremos as modelagens com obteno de diferentes
funes (Fk):

Y1 = F1 (X1, X2, X3,........Xn)


Y2 = F2 (X1, X2, X3,........Xn)
Y3 = F3 (X1, X2, X3,........Xn)
. . . . .
. . . . .
. . . . .
Yk = Fk (X1, X2, X3,........Xn),
onde:

Eng BRCIO DE MELO Pgina 22 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Y = varivel dependente;
X1, X2, X3,........Xn = variveis independentes.

Das funes inferidas, a que melhor representar as observaes sob o ponto


de vista de estimao estatstica, conforme pressupostos adiante
enumerados, ser o modelo matemtico de explicao dos dados coletados.

A partir da funo inferida e dos atributos (Xi), teremos o clculo de , ou seja,


teremos o clculo de valor, juntamente com os seus graus de incertezas,
intervalo de confiana e limitaes de aplicao.

Na modelagem por regresso linear mltipla, diversos quesitos so


observveis para fundamentao cientfica do modelo obtido, assim ressalta-
se a necessidade, quando se usam modelos de regresso linear, observarem
os seus pressupostos bsicos, apresentados a seguir, principalmente no que
concerne a sua especificao, normalidade, homocedasticidadede, no-
multicolinearidade, no-autocorrelao, independncia e inexistncia de
pontos atpicos, com o objetivo de obter previses no-tendenciosas,
eficientes e consistentes, em especial os seguintes:
a) O tamanho da amostra deve ser bem superior ao nmero de
parmetros estimados, isto , no deve existir problemas de
micronumerosidade;
b) 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 , a multicolinearidade, deve-se
examinar a coerncia das caractersticas representadas por estas
variveis com a estrutura de multicolinearidade inferida, vedada a
utilizao do modelo em caso de incoerncia;
g) No deve existir correlao significativa entre o erro aleatrio e as
variveis independentes do modelo.

Assim, na modelagem por regresso linear mltipla, diversas hipteses so


necessrias para garantir a fundamentao cientfica do modelo calibrado, a
seguir so enumerados e explicitados diversos pressupostos e testes
potenciais de uso nas anlises de regresso mltipla.

Eng BRCIO DE MELO Pgina 23 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 1 - COLINEARIDADE;

Deve ser analisado, primeiramente, o comportamento grfico da varivel


dependente em relao a cada varivel independente, em escala original.
Isto pode orientar o pesquisador 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, serem de preferncia mais simples 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.

: 2 - COEFICIENTE DE CORRELAO;

Mede o grau de aderncia dos pontos a curva, ou a quantidade de


correlacionamento da VARIVEL Y (DEPENTE OU EXPLICADA) e as
VARIVEIS Xi (INDEPENDENTES OU EXPLICATIVAS). Sendo medida
relativa, permite cotejar funes ajustadas, indicando dentre essas, a
melhor, que a que apresenta maior coeficiente de correlao. um
indicativo, mas no um teste conclusivo quanto representatividade da
funo, ou seja, no permite afirmar se o modelo serve para estimaes e
predies estatsticas.

Nveis de coeficientes de correlao :

r = 0,00.........nula

0,00 < r <= 0,40........fraca

0,40 < r <= 0,80........mdia

0,80 < r <= 0,90........forte

0,90 < r <= 0,99........fortssima

r = 1,00........perfeita

: 3 - COEFICIENTE DE DETERMINAO

Expresso pelo quadrado do coeficiente de correlao, indica o percentual


da varincia que o modelo inferido explica, ou seja, o percentual da
formao de Y. O complementar para 100% responsvel pela varincia
residual. Assim, em uma mesma amostra, a explicao do modelo poder
ser aferida pelo seu coeficiente de determinao. Devido ao fato de que
este coeficiente sempre cresce com o aumento do nmero de variveis

Eng BRCIO DE MELO Pgina 24 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

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:

2
Rajustado (
= 1 1 R2 )[ (N 1) (N K )]
onde K o nmero de regressores.
O coeficiente de determinao ajustado, que pode ser negativo, tem uma
srie de propriedades que o tornam uma medida da qualidade do
ajustamento melhor do que o R2: Quando so acrescentadas novas
variveis ao modelo de regresso, R2 sempre aumenta, enquanto que o
ajustado, pode subir.

2
Dica: se Rajustado 85% R 2 ,H varivel indesejada no modelo.

: 4 - NVEL DE SIGNIFICNCIA ()

Mede a probabilidade de erro do modelo (equao) de regresso e dos


regressores (variveis Xi), ou seja, a probabilidade de no haver
regresso e das variveis Xi no serem importantes.

A anlise feita atravs do Teste de Hiptese. Para verificar os nveis de


significncia das variveis (regressores) utilizamos a distribuio t de
Student e para a equao (modelo) verificamos a Varincia Residual
utilizando a distribuio F de Fisher-Snedecor. Os nveis de significncia
() utilizados nos testes citados neste item sero compatveis com a
especificao da pesquisa.

:5 TESTE DE HIPTESES

Este o teste que nos permite concluir sobre a aceitao ou rejeio das
variveis e do modelo estatstico. Duas hipteses so consideradas:

H0 HIPTESE NULA: as variveis Xi no so importantes para explicar


a formao de valor e o modelo (equao) em estudo no expressa
a formao de valor.

H1 HIPTESE ALTERNATIVA OU DE PESQUISA (contrria a H0): as


variveis Xi so importantes para explicar a formao de valor e o
modelo (equao) em estudo expressa a formao de valor.

O objetivo mostrar que a probabilidade da H0 ser verdadeira pequena,


ou seja, procuraremos rejeitar H0 ao nvel de significncia .

Eng BRCIO DE MELO Pgina 25 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Se REJEITAMOS HO ao nvel de significncia , ACEITAMOS H1, como


verdadeira, com confiabilidade (1- ).

:6 - ANLISE DOS REGRESSORES DAS VARIVEIS EXPLICATIVAS

feita pela distribuio "t" de STUDENT, e permite concluir sobre a


importncia de cada uma das variveis independentes (explicativas) com
determinada confiabilidade ou significncia (incerteza). Calcula-se o valor
de t (t observado), que comparado com o tcrtico, tabelado em funo
da confiabilidade ou significncia (incerteza) a ser admitida.
Quando:
- t observado > t crtico admitimos que a varivel importante, e
aceita no modelo;
- t observado < t crtico admitimos que a varivel no importante,
e retirada no modelo.

*** O nvel de significncia (incerteza) geralmente utilizado de 5% no


teste bicaudal ou 10% no teste unicaudal.

:7 - ANLISE DA VARINCIA (EQUAO DO MODELO)

Esta anlise pode ser feita pela distribuio "F" de Ficher-Snedecor, e


permite concluir sobre a confiabilidade ou significncia (incerteza) do
modelo linear proposto e ajustado. Calcula-se o valor de F (F
observado), que comparado com o Fcrtico, tabelado em funo da
confiabilidade ou significncia (incerteza) a ser admitida.
Quando:
- F observado > F crtico admitimos que o modelo explica a
formao de valor de mercado, e aceito. Em outras palavras,
rejeitamos a Hiptese Nula ao nvel de significncia de ?%;
- F observado < F crtico admitimos que o modelo no explica a
formao de valor de mercado, e no aceito. Em outras palavras,
aceitamos a Hiptese Nula ao nvel de significncia de ?%;

*** Se o nvel de significncia (incerteza) utilizado for de 5% , representa


que a confiabilidade mnima de 95%.

:8 - NORMALIDADE DOS RESDUOS

Os resduos "e" devem constituir-se numa distribuio prxima da curva


Normal. A anlise de um histograma dos resduos, uma forma de se
analisar a sua normalidade.

Os resduos "e" devem constituir-se numa distribuio prxima da curva


Normal e a verificao da normalidade pode ser realizada, entre outras,
por uma das seguintes formas:

Eng BRCIO DE MELO Pgina 26 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

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 situada no intervalo igual a [-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
Qui-quadrado e o de Kolmogorov-Smirnov.

Logo, a anlise de um histograma dos resduos, a forma mais comum de


se analisar a sua normalidade.Tomam-se os resduos, dividindo-os,
individualmente, pelo desvio-padro da regresso (ei/s), assim, EST
GARANTIDA A NORMALIDADE DOS RESDUOS se:
- 68% de ei/s esto no intervalo [ -1 ; +1 ]

- 90% de ei/s esto no intervalo [ -1,64 ; +1,64 ]

- 95% de ei/s esto no intervalo [ -1,96 ; +1,96 ]

Eng BRCIO DE MELO Pgina 27 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

:9 - AUTO-REGRESSO

Quando ocorre qualquer correlao serial na formao dos valores da


varivel dependente, podemos estar diante de uma auto-regresso, o que
poder gerar algumas conseqncias, no procedimento dos "mnimos
quadrados":
- as varincias amostrais dessas estimativas podem ser
excessivamente grandes;
- as frmulas de aplicao dos mnimos quadrados no tem mais
validade, nem os testes de "t", e "F";
- as predies so ineficientes.

Para tanto devemos ter cuidado especial na utilizao de variveis seriais.


Isto acontece com a varivel tempo, quando utilizamos elementos de
pocas distintas, principalmente em perodos de inflao elevada. Nestes
casos, devemos utilizar valores expressos em uma moeda estvel, para
verificar a variao real de valores ao longo do tempo, em relao quela
moeda.

Os modelos auto-regressivos no se prestam para estimativas no


tendenciosas, tornando as predies ineficientes (valor centrado e
intervalo de confiana). Na ocorrncia deve-se verificar a existncia de
uma varivel que no foi considerada no modelo ou ainda se a amostra
obtida no muito pequena.

:9.1 VERIFICAO DE AUTO-REGRESSO

:9.1.1. ANLISE GRFICA

Uma forma de se verificar a existncia de auto-regresso, se faz atravs


do grfico Yest x RESDUOS.

Quando os pontos se apresentam distribudos aleatoriamente, sem


formao de uma figura definida, revela a no existncia de auto-
regresso.

Quando os pontos formam uma figura definida, podem revelar a existncia


de auto-regresso.

Os grficos abaixo apresentam as duas situaes:

Eng BRCIO DE MELO Pgina 28 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Logo, pela anlise do grfico dos resduos cotejados com os valores


ajustados, o melhor modelo deve apresentar pontos dispersos
aleatoriamente, sem nenhum padro definido.

:9.1.2. MEMRIA DE CLCULOS

Tambm pode ser feito atravs do teste do Quociente de Von-Neumann,


tambm conhecido como Estatstica de Durbin-Watson, d, que dever
ser precedido pelo pr-ordenamento dos elementos amostrais, em relao
a cada uma das variveis independentes possivelmente causadoras do
problema , quando se procura demonstrar que os erros so no
correlacionados e portanto independentes. Assim, o erro estocstico ( )
da observao atual no influenciado pelo erro estocstico da
observao anterior. O algoritmo de clculo, conforme ilustrado na Erro! A
origem da referncia no foi encontrada., feito da seguinte forma:

Xi ordenado Yi Yest ei = Yi - Yest ei-1 DIF = ei - ei-1 DIF2 ei2

- - - - - -
. . . . . .. .
. . . . . .
SOMATRIOS DIF2 ei2

Eng BRCIO DE MELO Pgina 29 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

onde:
Xi e Yi = valores observados; Yest = valores estimados pelo modelo, e ei
= resduo;
n 2
DIF
d = 2
n 2
ei
1
Nveis de significncia exatos para d no so disponveis, mas Durbin e
Watson tabelaram os limites inferiores (dL) e superiores (dU) para vrios
valores de n (nmero de amostras) e K (nmero de variveis explicativas).
Assim, O valor de d deve ser comparado com um valor tabelado,
identificado pelo nmero de elementos da amostra (n), nvel de
significncia () e nmero de regressores (K).
Considerando HO como a hiptese nula (no existe auto-correlao)
sumariza-se a seguir o teste de Durbin-Watson: :
- Se 0 < d < dL ou 4 - d < dL < 4; Existe autocorrelao,
respectivamente, positiva e negativa, ao nvel de significncia
estabelecido;
- Se dU < d < 2 ou 2 < d < 4 - dU; Aceita-se Ho, portanto, no existe
autocorrelao ao nvel de significncia estabelecido;
- Nos demais casos o teste inconclusivo.

:10 - HOMOCEDASTICIDADE

Os modelos HOMOCEDSTICOS so sempre desejados nas inferncias


avaliatrias, pois indicam a no existncia de outros efeitos que possam
influenciar o modelo ajustado, ou seja, os erros so aleatrios e possuem
mdia nula e varincia constante.
A verificao pode ser feita atravs dos grficos dos Resduos, conforme
indicado a seguir:

Eng BRCIO DE MELO Pgina 30 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Caso o modelo seja Heterocedstico, as estimativas pelo mtodo dos


"mnimos quadrados" no so as de menor varincia. Os grficos
caractersticos esto indicados a seguir:

Caso o grfico dos resduos indique a heterocedasticidade, podemos


dividir a amostra em duas iguais e calcular para cada uma:
Amostra 1: SQR1 = soma dos quadrados dos resduos 1 (sempre o maior);
Amostra 2: SQR2 = soma dos quadrados dos resduos 2;
Calcula-se Fobs, pela frmula:
SQR 1
F obs =
SQR 2
Faz-se a comparao:
- Se Fobs > Fcrit : o modelo original pode ser considerado Homocedstico;
- Se Fobs < Fcrit: o modelo original no pode ser considerado
Homocedstico, portanto no se pode utilizar o
intervalo de confiana, mas o valor centrado
vlido para estimativas.

:11 - MULTICOLINEARIDADE

Quando as variveis independentes esto fortemente correlacionadas


entre si, estamos diante da multicolinearidade, que mascara as
concluses, aparentemente consistentes.

Exemplificando, seria como investigarmos o valor unitrio de um


terreno, relacionando-o com seu ndice de aproveitamento e a rea
permitida construir sobre ele. Ora, a rea permitida construir
funo do ndice de aproveitamento e, por conseguinte, o efeito estar
contemplado duas vezes e ligados entre si.

A observao do grfico de resduos do modelo versus a varivel


suspeita de colinearidade (que no exemplo poderia ser a rea permitida

Eng BRCIO DE MELO Pgina 31 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

construir) poder ser usado como teste indicativo do fenmeno. Abaixo


apresentamos os diagramas, que mostram um caso onde h
colinearidade e um onde no h colinearidade

A multicolinearidade acarreta tendenciosidade no intervalo de confiana


calculado atravs do modelo, mas o clculo do valor centrado
representativo. Destacamos algumas observaes e cuidados a serem
tomados:
- o coeficiente de correlao pode sofrer aumento acentuado com a
introduo de uma varivel colinear a uma existente no modelo,
sem que isto represente um conseqente crescimento na
explicao do fenmeno de formao de valor;
- limitar as predies ao domnio da funo, ou seja, evitar as
extrapolaes. importante ressaltar que este cuidado deve nos
acompanhar tambm quando tratamos com modelos sem
colinearidade.

Outro teste que pode indicar uma provvel existncia de colinearidade


analisar a matriz das correlaes isoladas entre as variveis
independentes, que espelha as dependncias lineares de primeira ordem
entre estas variveis, No h limites indicativos das correlaes isoladas
a partir das quais devemos nos preocupar.
Dica:
D ateno especial para resultados quando um valor de
correlao entre as variveis independentes for superior ao
observado entre a varivel dependente e qualquer uma das
independentes.

Da mesma forma que os econometristas, algumas vezes, utilizamos os


modelos colineares, mesmo com as restries conhecidas, porque
necessitamos interpretar os fenmenos, e no dispomos de alternativa.
Nestes casos devemos justificar no laudo a sua utilizao.

Eng BRCIO DE MELO Pgina 32 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

:10 - OUTLIERS

Embora no preconizado em Normas, interessante a verificao da


presena de outliers, que aqui caracterizado quando um ou mais pontos
apresentam (ei/s) superior a, por exemplo, + ou -2, pois, neste intervalo,
deveriam estar aproximadamente 95% das informaes.
Nestes casos, volta-se aos dados pesquisados, efetuando-se checagem
nas suas variveis, reavaliando-as. Caso estejam corretas, no
necessitando qualquer alterao, os procedimentos sero:
- se a amostra possui um nmero de elementos (N) elevado, retira-se o
dado mais errante (outlier), efetuando-se nova inferncia :
- caso no se verifique novos outliers, adota-se este novo modelo;
- caso se verifique novos outliers, reinicia-se o procedimento de procurar
novo modelo. Se o aparecimento de outliers persistir indefinidamente,
deve-se retornar a campo para ampliar a pesquisa;
- se a amostra apresentar nmero N reduzido, deve-se retornar a campo
para ampliar a pesquisa, ou ainda, adotar o modelo obtido com suas
justificativas.

No h prescrio de Norma que obrigue a eliminao de outliers.

3.5 CLCULO DE INTERVALO DE CONFIANA

O clculo baseado na Distribuio "t" de Student, pois se trabalha com


amostras, sem se conhecer a mdia e a varincia da populao. O intervalo
resulta de:

Yest - Q INTERVALO Yest + Q

O valor final da avaliao tem de estar contido em intervalo de confiana


fechado e mximo de 80%.

Quanto maior a confiana de o valor estar contido no intervalo calculado,


maior ser a diferena entre o limite inferior e o superior, e conseqentemente
o intervalo ser mais aberto. Porisso que a confiana mxima permitida de
80%.

Eng BRCIO DE MELO Pgina 33 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Como o valor no determinstico e sim probabilstico, o intervalo estabelece


a faixa dentro da qual deve estar contido esse valor.

Poder-se-ia questionar as razes do clculo desse intervalo, e por que no se


adotar o valor centrado na funo inferida?
Em primeiro lugar esclarecemos que o clculo baseado na distribuio "t"
de Student, que no faz predies pontuais e sim por intervalos, com uma
provvel confiabilidade. Assim, possvel a adoo simplista do valor
centrado, desde que no haja indcios de outros atributos que possam
influenciar o valor, e que no estejam contemplados no modelo de regresso.
H casos, entretanto, em que no existem eventos de mercado que
apresentem todas as caractersticas do bem em avaliao (por exemplo, o
"visual paisagstico"), o que pode ser ponderado dentro do intervalo de
confiana, devido a prpria incerteza do modelo, sem ferir a fundamentao
do valor.

Como o valor no determinstico e sim probabilstico, o intervalo estabelece


a faixa dentro da qual deve estar contido esse valor.

Poder-se-ia questionar as razes do clculo desse intervalo, e por que no se


adotar o valor centrado na funo inferida?
Em primeiro lugar esclarecemos que o clculo baseado na distribuio "t"
de Student, que no faz predies pontuais e sim por intervalos, com uma
provvel confiabilidade. Assim, possvel a adoo simplista do valor
centrado, desde que no haja indcios de outros atributos que possam
influenciar o valor, e que no estejam contemplados no modelo de regresso.
H casos, entretanto, em que no existem eventos de mercado que
apresentem todas as caractersticas do bem em avaliao (por exemplo, o
"visual paisagstico"), o que pode ser ponderado dentro do intervalo de
confiana, devido prpria incerteza do modelo, sem ferir a fundamentao
do valor.

3.6 - APLICATIVOS PARA COMPUTADOR

A utilizao desta ferramenta somente foi possvel ser difundida com a


popularizao do uso do computador, pois exige clculos que o demandam. A
planilha eletrnica excel possui recursos que permitem fazer clculos de
regresses. Existem hoje no mercado diversos aplicativos que foram
desenvolvidos especificamente para avaliao de imveis, em que pese o fato
de poderem ter outras utilidades, pois utilizam conceitos estatsticos gerais
que facilitam sobremaneira nosso trabalho.
Cabe destacar o ambiente MATrix LABoratory MATLAB com sua enorme
capacidade como linguagem de programao tcnica que permite ao usurio
escrever programas limpos, eficientes e bem-documentados que alm de
operaes algbricas comuns com matrizes, fornece operaes com vetores
que permitem a manipulao rpida de conjuntos de dados de muitas
maneiras diferentes, recursos de programao similares aos de outras

Eng BRCIO DE MELO Pgina 34 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

linguagens de programao e contm uma ferramenta de interface grfica


com o usurio (GUI) que permite a sua utilizao como ferramenta de
desenvolvimento de aplicativos. Essa combinao de estruturas de dados
vetoriais, recursos de programao e ferramentas GUI torna-o uma ferramenta
extremamente poderosa para a resoluo de problemas em muitos campos a
exemplo, dentre outros, de regresses lineares, espacial, mtodos de
otimizao para as no-lineares, redes neurais, GWR (definida no item 3.2)

Eng BRCIO DE MELO Pgina 35 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

3.7 - REGRESSO SIMPLES

A regresso simples pressupe o estudo de uma causa (varivel X) e seu


efeito conseqente efeito (varivel Y).
A no existncia da relao causa/efeito, nos leva a utilizar como soluo a
mdia aritmtica simples. Estes casos so muito raros em avaliaes
imobilirias. Via de regra, existem algumas explicaes dos preos, por mais
simples que seja o imvel avaliando. As caractersticas sero computadas
como variveis a serem analisadas e quantificadas, no se violentando as
influncias atravs de fatores corretivos homogeneizantes que podem
inclusive ser testados como variveis explicativas.
Vamos supor que coletamos dados de terrenos em determinada regio da
malha urbana, e que pressupomos que somente a rea superficial destes
importante na formao do valor. Se plotarmos em um grfico, onde o eixo
das abcissas abriga as reas dos terrenos e o das ordenadas os preos
unitrios, temos:

A anlise visual dos pontos plotados indica uma tendncia de formar valores
unitrios decrescentes, medida que crescem as reas dos terrenos.
Ao invs de traarmos visualmente uma curva interpolando os pontos,
podemos definir matematicamente vrias funes que podem ser ajustadas
aos pontos grficos. Alm disso, podemos calcular, dentre as curvas
ajustadas, a que melhor aderncia tem aos pontos, demonstrando as
condies e limitaes da ajustagem.
Enfim, o procedimento sempre o mesmo, dependendo do profissional, com
maior ou menor grau de perspiccia tcnica.

: 1 - ALGORTMO

Inicialmente, vamos supor que desejamos propor a busca de modelo de


regresso (reta), da forma:

Y = A + B.X , onde

Y : varivel explicada (Ex: preo unitrio de terrenos);

Eng BRCIO DE MELO Pgina 36 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

X : varivel explicativa (Ex: rea dos terrenos);


A e B: coeficientes que resultaro do ajuste procedido.

Efetua-se a montagem do seguinte quadro:

ALGORTMO BSICO

EVENTO VARIVEL VARIVEL OPERAES


EXPLICATIVA EXPLICADA

Xi Yi Xi2 Yi2 Xi.Yi


1
2
.
.
.
N
SOMAS Xi Yi Xi2 Yi2 Xi.Yi
MDIAS Xmdio Ymdio

Sendo N = nmero de dados.

Atravs do algoritmo bsico calculam-se os SOMATRIOS, os quais


sero utilizados nos clculos seguintes:

(Xi)2
Sxx = Xi2 - -----------------
N

(Yi)2
Syy = Yi2 - -----------------
N

Xi . Yi
Sxy = (Xi . Yi) - ---------------
N

: 2 - COEFICIENTE DE CORRELAO

Eng BRCIO DE MELO Pgina 37 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Ser calculado pela frmula:

Sxy
r = -----------------------
(Sxx . Syy)0,5

: 3 - COEFICIENTE DE DETERMINAO

Expresso pelo quadrado do coeficiente de correlao, indica o percentual


da varincia que o modelo inferido explica, ou seja, o percentual de
formao de valor. O complementar para 100% responsvel pela
varincia residual.

: 4 - DETERMINAO DO MODELO LINEAR

Voltando ao modelo linear proposto como representativo do fenmeno a


explicar, temos:

Y = A + B.X

Os clculos dos coeficientes "A", e "B" sero fornecidos por:

Sxy _ _
B = ---------- e A = Y - B. X
Sxx

Onde:
_ _
X e Y so as mdias aritmticas simples de cada varivel.

: 5 - ANLISE DOS REGRESSORES (VARIVEIS)

Feita atravs da distribuio t de STUDENT.

Clculo de t observado t (B):

B . (Sxx) 0,5
t (B) = --------------- que deve ser comparado com t crtico
(VR)0,5

Obteno de t crit (TABELA):

Eng BRCIO DE MELO Pgina 38 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

- 1a entrada: seleciona-se o nvel de significncia definindo-se o


quadro de valores crticos.
- 2a entrada: N - K - 1;
Onde:
N = nmero de elementos obtidos na pesquisa e efetivamente
utilizados;
K = nmeros de variveis independentes (explicativas).

Quando:
- t (B) > t crit admitimos que a varivel importante, e aceita no
modelo;
- t (B) < t crit admitimos que a varivel no importante, e retirada
no modelo.

: 5 - ANLISE DA VARINCIA

Esta anlise pode ser feita pela distribuio "F" de Ficher-Snedecor, e


permite concluir sobre a confiabilidade ou significncia (incerteza) do
modelo linear proposto e ajustado.

Clculo da VARINCIA RESIDUAL:

Syy - B2 . Sxx
VR = ---------------------
N-K-1

k : nmero de variveis explicativas;

B2 . Sxx
Fobs = ---------------------- (ABCISSA "F" DE SNEDECOR)
VR

Calculado Fobs, cotejado com a abcissa crtica (Fcrit) encontrada em


tabelas de tripla entrada:
- 1a entrada: seleciona-se o nvel de significncia;
*** O nvel de significncia (incerteza) mximo pode ser
igual a:
- 5%, que representa uma confiabilidade de 95%;
- 1%, que representa uma confiabilidade de 99%.

- 2a entrada: N - K - 1;

- 3a entrada: K;
Coteja-se Fobs com Fcrit:

Eng BRCIO DE MELO Pgina 39 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

- Fobs < Fcrit : aceita-se a hiptese nula de regresso (no h


regresso);

- Fobs > Fcrit : rejeita-se a hiptese nula de regresso (admite-


se que h regresso cuja incerteza inferior a significncia
utilizada);

: 6 - INTERVALO DE CONFIANA

O seu clculo baseado na Distribuio "t" de Student, pois trabalha-se


com amostras, sem se conhecer a mdia e a varincia da populao. O
intervalo resulta de:

Yest - Q INTERVALO Yest + Q

Onde:
_
1 (Xest - X) 2
Q = tcrit . (VR)0,5 . [ ----- + ----------------- ]0,5 , onde
N Sxx

Xest = ponto onde se quer a predio.


Yest = estimado pela funo inferida [ Yest = f (Xest)].
tcrit = parmetro tabelado (Student), com dupla entrada:
- 1a entrada: N - K - 1;
- 2a entrada: confiana mxima.
O nvel de confiana comumente utilizado de
80%, com teste bi-lateral, referindo-se para
intervalos fechados.

Como o valor no determinstico e sim probabilstico, o intervalo


estabelece a faixa dentro da qual deve estar contido esse valor.

: 7 - MELHORIA DO MODELO LINEAR

Os procedimentos de clculo vistos at agora se referem ao modelo linear,


ou seja, toda a formulao aplicvel para a funo reta:

Y=A+BX

Entretanto, via de regra os modelos avaliatrios no se adequam ao


modelo linear, necessitando-se operar como modelos transformados.

Ressalte-se que transformaes na varivel dependente "Y" podem


ocasionar problemas na aplicao dos testes estatsticos desenvolvidos.
Neste caso, em nveis mais avanados, convm que efetuemos alguns

Eng BRCIO DE MELO Pgina 40 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

testes de controle (teste de TUKEY ou transformaes de BOX e COX),


para que verifiquemos a transformao mais adequada.

Existem diversas famlias de curvas que se compatibilizam com as


inferncias utilizadas em Engenharia de Avaliaes, das quais
apresentamos algumas formas:

:7.1 - POTENCIAL

y = a xb

A transformao do modelo linear se faz:

Ln y = Ln a + b Ln x

Que, em referncia o modelo linear, vem:

Y = Ln y ; A = Ln a ; B = b ; X = Ln x

O coeficiente "b" no sofre transformao, sendo para efeitos de clculo,


igual a "B" do modelo linear. Assim teremos o modelo transformado:

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel X como Ln x, e a varivel Y, como Ln y. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a = eA ; b=B

:7.2 - EXPONENCIAL

y = a bx

Eng BRCIO DE MELO Pgina 41 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

A transformao para o modelo linear se faz:

Ln y = Ln a + x Ln b

Que, em referncia o modelo linear, vem:

Y = Ln y ; A = Ln a ; X = x ; B = Ln b

Os coeficientes "a" e "b" sofrem as transformaes, e assim teremos o


modelo transformado:

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel Y como Ln y, e a varivel x, sem transformao. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a = eA ; b = eB

Eng BRCIO DE MELO Pgina 42 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

:7.3 - LOGARTMICA

y = a + b Ln x

A funo j a transformada, que, em referncia o modelo linear, vem:

Y=y ; A = a ; X = Ln x ; B = b

Os coeficientes "a" e "b" no sofrem as transformaes, e assim teremos


o modelo transformado:

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel X como Ln x, e a varivel y, sem transformao. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a=A ; b=B

:7.4 - HIPERBLICA 1

y = a + b/x

Eng BRCIO DE MELO Pgina 43 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

A transformao para o modelo linear se faz:

y = a + b . 1/x

Que, em referncia ao modelo linear, vem:

Y=y ; A = a ; b = B ; X = 1/x

Os coeficientes "a" e "b" no sofrem as transformaes, e assim teremos


o modelo transformado:

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel Y sem transformao, e a varivel X, como 1/x. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a=A ; b=B

:7.5 - HIPERBLICA 2

1
y = ---------------
a+bx

A transformao para o modelo linear se faz:

1/y = a + b x

Que, em referncia ao modelo linear, vem:

Y = 1/y ; A=a ; b=B ; X=x


Os coeficientes "a" e "b" no sofrem as transformaes, e assim teremos
o modelo transformado:

Eng BRCIO DE MELO Pgina 44 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel Y como 1/y, e a varivel X, sem transformao. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a=A ; b=B

:7.6 - PARABLICA

y = a + b x2

A transformao para o modelo linear se faz:

y=a+bX

Que, em referncia o modelo linear, vem:

Y=y ; A = a ; b = B ; X = x2

Os coeficientes "a" e "b" no sofrem as transformaes, e assim teremos


o modelo transformado:

Y=A+BX

NOTA: O algoritmo bsico de clculo para esse caso dever tratar a


varivel X como x2, e a varivel Y, sem transformao. No clculo dos
coeficientes, resultaro A e B, os quais em relao ao modelo linear
correspondem a:

a=A ; b=B

Eng BRCIO DE MELO Pgina 45 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 7.7 - EXEMPLO

Avaliar um terreno de 300 m2 , situado em loteamento residencial, cujos


lotes tem frente e rea superficial semelhantes (portanto, pouco
variveis). A coleta de dados apresentou 8 (oito) referncias, com preos
unitrios heterogneos, indicando a possibilidade de haver alguma
varivel influenciante na formao de preos.
Pesquisados eventuais atributos, verificou-se que havia um indicativo
importante nos nveis de preos, a distncia a ponto de nibus (D).
Para tanto, mediram-se tais distncias, formando o elenco de dados a
seguir:

________________________________________________________

ELEM DISTNCIA PREO UNITRIO


N (D) em m (U) em R$/m2
________________________________________________________
- x y
---------------------------------------------------------------------------------------------
1 30 1.200,00
---------------------------------------------------------------------------------------------
2 80 1.100,00
---------------------------------------------------------------------------------------------
3 100 1.000,00
---------------------------------------------------------------------------------------------
4 130 980,00
---------------------------------------------------------------------------------------------
5 150 980,00
---------------------------------------------------------------------------------------------
6 210 800,00
---------------------------------------------------------------------------------------------
7 280 700,00
---------------------------------------------------------------------------------------------
8 320 660,00
---------------------------------------------------------------------------------------------
AVALIANDO 275 ?
---------------------------------------------------------------------------------------------

Efetuando-se a montagem do algoritmo bsico, mais abrangente, uma


vez que vamos estudar o ajuste para 4 (quatro) modelos: RETA (R),
POTENCIAL (P), EXPONENCIAL (E) e LOGARTMICO (L).

Eng BRCIO DE MELO Pgina 46 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 1 - ALGORTMO BSICO
i EXPLICATIVA EXPLICADA OPERAES
2 2 2 2
Xi Ln Xi Yi Ln Yi Xi Yi (Ln Xi) (Ln Yi) Xi . Yi Xi * Ln Yi Yi * Ln Xi Ln Xi * Ln Yi
1 30 3,4012 1.200 7,090 900 1.440.000 11,568 50,269 36.000 212,702 4.081,437 24,115
2 80 4,38 1.100 7,003 6.400 1.210.000 19,202 49,043 88.000 560,245 4.820,229 30,688
3 100 4,61 1.000 6,908 10.000 1.000.000 21,208 47,717 100.000 690,776 4.605,170 31,811
4 130 4,87 980 6,888 16.900 960.400 23,693 47,438 127.400 895,382 4.770,184 33,525
5 150 5,01 980 6,888 22.500 960.400 25,106 47,438 147.000 1.033,133 4.910,423 34,511
6 210 5,35 800 6,685 44.100 640.000 28,592 44,684 168.000 1.403,768 4.277,686 35,743
7 280 5,63 700 6,551 78.400 490.000 31,751 42,917 196.000 1.834,302 3.944,353 36,914
8 320 5,77 660 6,492 102.400 435.600 33,274 42,149 211.200 2.077,517 3.807,092 37,449
[1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12]

Mdias: Xmed = 162,50


Ymed = 927,50
(Ln Xi) med = 4,88
(Ln Yi) med = 6,81
SOMAS:

[1] = 1.300,00 [5] = 281.600,00 [9] = 1.073.600,00


[2] = 39,01678 [6] = 7.136.400,00 [10]= 8.707,82549
[3] = 7.420,00 [7] = 194,393191 [11]= 35.216,5733
[4] = 54,50393 [8] = 371,655826 [12]= 264,756792
SOMATRIOS:
Para a RETA (R):
Sxx = + 70.350,00;
Syy = + 254.350,00;
Sxy = - 132.150,00;
Assim R = - 0,987914 (coeficiente de correlao)
Para a POTENCIAL (P):
Sxx = + 4,1045;
Syy = + 0,320973;
Sxy = - 1,064222;
Assim R = - 0,927188 (coeficiente de correlao)
Para a EXPONENCIAL (E):
Sxx = + 70.350,00;
Syy = + 0,320973;
Sxy = - 149,063781;
Assim R = - 0,991987 (coeficiente de correlao)
Para a LOGARTMICA (L):
Sxx = + 4,1045;
Syy = + 254.350,00;
Sxy = - 971,4920;
Assim R = - 0,950809 (coeficiente de correlao)

Eng BRCIO DE MELO Pgina 47 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Logo, o modelo de melhor aderncia aos pontos o EXPONENCIAL,


porque possui maior coeficiente de correlao.

:2 - CLCULO DOS REGRESSORES - COEFICIENTES DE AJUSTE


Estudo do modelo EXPONENCIAL, que o de maior aderncia:

: 2.1 - COEFICIENTE "B"


Sxy - 149,063781
B = --------- = ------------------- ==> B = -0,002118888
Sxx 70.350

: 2.2 - COEFICIENTE "A"


_ _
Logo A = Y - B . X = 6,812992 - (-0,002118888)*162,50

A = 7,1573113

:3 - VARINCIA RESIDUAL ANLISE DO MODELO

0,320973 - (-0,002118888)2 *70.350


VR = -----------------------------------------------------
8-1-1
VR = 0,0008539274667

ABCISSA "F" DE SNEDECOR

(-0,002118888)2 * 70.350
Fcalc = ------------------------------------------ = 369,8785
0,0008539274667

Fcrit para 5% de significncia, para N-K-1 (8-1-1 = 6 GL) e 1


regressor,, conforme tabela 5,99.

Logo Fcalc > Fcrit, portanto rejeita-se a hiptese nula de regresso


ao nvel de significncia de 5%. Dessa forma, admite-se com
confiabilidade (certeza) de 95%, que o modelo representativo do
fenmeno em estudo.

Eng BRCIO DE MELO Pgina 48 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

:4 ANLISE DO REGRESSOR VARIVEL DISTNCIA

Clculo de t obs:

-0,00211888 * (70.350) 0,5


T obs = ----------------------------------- = -19,23
(0,0008539274667)0,5

Verificao de t crit:
- N-K-1 = 8-1-1 = 6
- significncia 0,5% t crit = 3,707428

Assim t obs > t crit, portanto rejeita-se a hiptese nula do regressor


DISTNCIA ao nvel de significncia de 0,5% bicaudal. Dessa
forma, admite-se com confiabilidade (certeza) de 99%, que a
varivel importante.

:5 - EXPRESSO MATEMTICA DO MODELO

O modelo ajustado, na forma transformada (anamorfoseada), o


seguinte:

+--------------------------------------------------+
| Ln y = 7,1573113 - 0,002118888 x |
+--------------------------------------------------+

Que na forma exponencial ( y = a bx ) :

+-------------------------------------------------+
| y = 1.283,455463 * 0,997883355x |
+-------------------------------------------------+

: 6 - CLCULO DO AVALIANDO

Possui x = 275, resultando em:

y = 1.283,455463 * 0,997883355(275)

y(preo unitrio) = R$ 716,67 / m2

Eng BRCIO DE MELO Pgina 49 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

: 6.1 - INTERVALO DE CONFIANA


Quando a funo apresenta a varivel dependente "y" na forma
logartmica, o clculo do intervalo de confiana apresenta limites
diferentes quando calculado pela Moda, Mdia e Mediana, por que
estes no so coincidentes, como ocorre nas demais funes
(EXAMINANDO MODELOS DE REGRESSO - (II) - 1.992 - Engo
Domingos de Saboya Barbosa Filho). Neste ponto h polmica
quanto ao clculo do intervalo que melhor represente a realidade de
mercado. Particularmente optamos em ficar com a tese defendida
pelo Engo Saboya, que entende que o correto fazer o clculo pela
MODA. Neste caso, verifica-se pela composio da amostra, que
no haver diferena significativa nos clculos pela Mdia, Mediana
e Moda.

INTERVALO CONSIDERANDO A MDIA

O intervalo de confiana global (80%), fechado, considerando os


coeficientes A e B ser:

"t crit" (20%, 6) = 1,44 _


"x" = 275 ; "y est"= 716,67 e x = 162,50

1 (275 - 162,50)2
Q = 1,44 * 0,0008539270,5 *[ ----- + ------------------------]0,5
8 70.350
Q = 0,023235631

Limites do intervalo na forma exponencial:

Ln"yest" - Q = 6,5746171 - 0,023235631 = 6,551381469 (INFERIOR)

Ln"yest" + Q = 6,5746171 + 0,023235631 = 6,597852731 (SUPERIOR)

Ou na forma direta:
R$ 700,21/m2 <= y <= R$ 733,52/m2

Logo o valor total do lote avaliando apresenta o seguinte intervalo


global:
R$ 210.063,00 <= y <= R$ 220.056,00.

:7 - VERIFICAO DE AUTO-REGRESSO
Considerando-se que no h varivel serial envolvida, no h
necessidade de se verificar auto-regresso.

Eng BRCIO DE MELO Pgina 50 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

:8 - VERIFICAO DE HOMOCEDASTICIDADE

Verificando-se o grfico de Resduos versus Yestimado, temos:

A mancha no apresenta formato definido, revelando o modelo


HOMOCEDSTICO.

:9 - VERIFICAO DA NORMALIDADE DOS RESDUOS

Tomando-se a coluna de resduos ei , verificam-se os componentes


de cada uma das trs classes tericas da Normal :

1...... -0,13
2...... +0,52
3...... -1,29
4...... +0,20
5...... +1,65
6...... -0,95
7...... -0,44
8...... +0,44

O confronto das relaes com a performance terica da curva de


Gauss, resulta:
TERICO MODELO
[ -1 ; +1 ] 68% 75,00%
[ -1,64 ; +1,64] 90% 87,50%
[ -1,96 ; +1,96] 95% 100,00%

Portanto est garantida a Normalidade dos resduos.

:10 - OUTLIERS

Como no se verificou na relao ei/s nenhum valor superior a 2,00;


No h a presena de outliers.

Eng BRCIO DE MELO Pgina 51 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

3.8 - REGRESSES MLTIPLAS

A Regresso mltipla linear caracteriza-se por apresentar uma varivel


dependente (explicada ou resposta) - Y - e duas ou mais variveis
independentes (explicativas ou perguntas) - X1, X2, X3....Xn , seus regressores Bi
e o componente de erro aleatrio (i)

Y = A + B1.X1 + B2.X2 + B3.X3 +....+ Bn.Xn + i ;


A Inferncia Estatstica engloba mtodos que auxiliam na elaborao de
modelos, os quais podem ser, em seguida, testados estatisticamente quanto
sua eficcia em termos de acurcia (capacidade de prever aquilo que
efetivamente se quer prever) e preciso (a margem de erro das previses).
Quando citamos inferncia, referimo-nos anlise inferncial ou estatstica
indutiva, ou seja, a busca de modelos matemticos justificados que
representem o segmento de pesquisa em anlise. Os clculos so feitos
utilizando-se o Mtodo dos Mnimos Quadrados, que consiste em procurar
uma funo matemtica que se ajuste s caractersticas dos dados,
buscando-se minimizar o quadrado da distncia dos pontos ao modelo eleito,
conforme ilustrado na figura seguinte:

n
MMQ minimiza $ 2i = $ 12 + $ 22 + $ 23 + $ 24
i =1
i =1
Y Y2 = $ 0 + $ 1X 2 + $ 2
^44
^22
^11 ^33
Y$i = $ 0 + $ 1X i
X

O estudo de regresses mltiplas mantm os procedimentos desenvolvidos


at agora, ampliando-se a anlise para os demais atributos independentes, ou
seja, as outras variveis Xi.
Logo, o enfoque de anlise o mesmo, adicionando-se o teste para
verificao de colinearidade entre as variveis independentes, ou
simplesmente MULTICOLINEARIDADE.

Eng BRCIO DE MELO Pgina 52 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

4 - ESPECIFICAO DAS AVALIAES

A especificao ser estabelecida em razo do prazo demandado, dos recursos


despendidos, bem como da disponibilidade de dados de mercado e da natureza do
tratamento a ser empregado.
As avaliaes podem ser especificadas quanto a fundamentao e preciso.
A fundamentao ser funo do aprofundamento do trabalho avaliatrio, com o
envolvimento da seleo da metodologia em razo da confiabilidade, qualidade e
quantidade dos dados amostrais disponveis.
A preciso ser estabelecida quando for possvel medir o grau de certeza e o nvel
de erro tolervel numa avaliao. Depende da natureza do bem, do objetivo da
avaliao, da conjuntura de mercado, da abrangncia alcanada na coleta de dados
(quantidade, qualidade e natureza), da metodologia e dos instrumentos utilizados.
Os graus de fundamentao e de preciso nas avaliaes so definidos guardado o
critrio geral de atribuir graus em ordem numrica e crescente, onde o Grau I o
menor.
As prescries da NBR 14653-2 para Especificao das Avaliaes esto descritas
nos itens 9.1 (Generalidades) e subitens 9.1.1 a 9.1.3:
9.1.1 A especificao de uma avaliao est relacionada tanto com o
empenho do engenheiro de avaliaes, como com o mercado e as
informaes que possam ser dele extradas. O estabelecimento inicial
pelo contratante do grau de fundamentao desejado tem por objetivo
a determinao do empenho no trabalho avaliatrio, mas no
representa garantia de alcance de graus elevados de fundamentao.
Quanto ao grau de preciso, este depende exclusivamente das
caractersticas do mercado e da amostra coletada e, por isso, no
passvel de fixao a priori.
9.1.2 No caso de informaes insuficientes para a utilizao dos mtodos
previstos nesta Norma, conforme 8.1.2 da ABNT NBR 14653-1:2001,
o trabalho no deve ser classificado quanto fundamentao e
preciso, e deve ser considerado parecer tcnico, como definido em
3.34 da ABNT NBR 14653-1:2001.
9.1.3 Os laudos de uso restrito, conforme 10.3 da ABNT NBR 14653-
1:2001, podem ser dispensados de especificao, em comum acordo
entre as partes.
Os itens da NBR 14653-1 citados, so transcritos a seguir:
8.1.2 Esta norma e as demais partes se aplicam a situaes
normais e tpicas do mercado. Em situaes atpicas, onde
ficar comprovada a impossibilidade de utilizar as
metodologias previstas nesta Norma, facultado ao

Eng BRCIO DE MELO Pgina 53 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Engenheiro de Avaliaes o emprego de outro


procedimento, desde que devidamente justificado.
3.34 parecer tcnico: Relatrio circunstanciado, ou
esclarecimento tcnico emitido por um profissional
capacitado e legalmente habilitado sobre assunto de sua
especialidade.
10.3 Laudo de avaliao de uso restrito: Obedece a
condies especficas pr-combinadas entre as partes
contratantes, e no tem validade para outros usos ou
exibio para terceiros, fato que deve ser explicitado no
laudo.
As prescries da NBR 14653-2 para graus de fundamentao e preciso so
apresentadas a seguir conforme a metodologia utilizada:

4.1 COMPARATIVO DIRETO DE DADOS DE MERCADO E COMPARATIVO


DIRETO DE CUSTO
As prescries da NBR 14653-2 no caso de utilizao de modelos de
regresso linear esto elencadas em 9.2.1 para Graus de fundamentao. Em
suma, so utilizadas 3 tabelas para seu correto enquadramento, sendo as
tabelas 1 e 2 para Grau de Fundamentao e a tabela 3 para Grau de
Preciso, com as seguintes observaes dos itens 9.2.1.1 a 9.2.1.4 a seguir
transcritos:
9.2.1.1 Para atingir o grau III, so obrigatrias:
a) apresentao do laudo na modalidade completa;
b) discusso do modelo, verificadas a coerncia da variao
das variveis em relao ao mercado, bem como suas
elasticidades no ponto de estimao.
9.2.1.2 A utilizao de cdigos alocados no modelo de regresso implica a
obteno, no mximo, de grau II de fundamentao.
9.2.1.3 A utilizao de tratamento prvio por fatores de homogeneizao,
para a transformao de variveis em modelos de regresso,
implica a obteno, no mximo, de grau II de fundamentao.
9.2.1.4 Para fins de enquadramento global do laudo em graus de
fundamentao, devem ser considerados os seguintes critrios:
a) na tabela 1, identificam-se trs campos (graus III, II e I) e
sete itens;
b) o atendimento a cada exigncia do grau I ter um ponto; do
grau II, dois pontos; e do grau III, trs pontos;
c) o enquadramento global do laudo deve considerar a soma
de pontos obtidos para o conjunto de itens, atendendo
tabela 2.

Eng BRCIO DE MELO Pgina 54 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Tabela 1 Graus de fundamentao no caso de utilizao de modelos de regresso linear


Item Descrio Grau
III II I
Completa quanto a Completa quanto s
Caracterizao do imvel Adoo de situao
1 todas as variveis variveis utilizadas
avaliando paradigma
analisadas no modelo
Caractersticas
Podem ser utilizadas
Caractersticas conferidas por
caractersticas
2 Coleta de dados de mercado conferidas pelo autor profissional
fornecidas por
do laudo credenciado pelo
terceiros
autor do laudo
Quantidade mnima de dados de 6 (k+1), onde k o 4 (k+1), onde k o 3 (k+1), onde k o
3 mercado, efetivamente nmero de variveis nmero de variveis nmero de variveis
utilizados independentes independentes independentes
Apresentao de
Apresentao de Apresentao de
informaes relativas
informaes relativas informaes relativas
Identificao dos dados de a todos os dados e
4 aos dados e variveis aos dados e variveis
mercado variveis analisados
efetivamente efetivamente
na modelagem, com
utilizados no modelo utilizados no modelo
foto
Admitida para apenas
Admitida, desde que:
uma varivel, desde
a) as medidas das
que:
caractersticas do
a) as medidas das
imvel avaliando no
caractersticas do
sejam superiores a
imvel avaliando no
100% do limite
sejam superiores a
amostral superior,
100% do limite
nem inferiores
amostral superior,
5 Extrapolao No admitida metade do limite
nem inferiores
amostral inferior
metade do limite
b) o valor estimado
amostral inferior
no ultrapasse 10%
b) o valor estimado
do valor calculado no
no ultrapasse 10%
limite da fronteira
do valor calculado no
amostral, para as
limite da fronteira
referidas variveis,
amostral, para a
simultaneamente
referida varivel
Nvel de significncia
(somatrio do valor das duas
6 caudas) mximo para a rejeio 10% 20% 30%
da hiptese nula de cada
regressor (teste bicaudal)
Nvel de significncia mximo
7 admitido nos demais testes 1% 5% 10%
estatsticos realizados
Nota: Observar 9.1.

Eng BRCIO DE MELO Pgina 55 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Tabela 2 Enquadramento dos laudos segundo seu grau de fundamentao no caso de utilizao de
modelos de regresso linear
Graus III II I
Pontos Mnimos 18 11 7
3, 5, 6 e 7, com
Todos, no
Itens obrigatrios no os demais no 3, 5, 6 e 7 no mnimo
mnimo no grau
grau correspondente mnimo no grau no grau II
I
II

Tabela 3 - Grau de preciso da estimativa do valor no caso de utilizao de modelos de regresso linear
Grau
Descrio
III II I
Amplitude do intervalo de confiana de 80% em
30% 30%-50% >50%
torno do valor central da estimativa
Nota: Observar subseo 9.1.

4.2 MTODO DA QUANTIFICAO DE CUSTO

No caso de utilizao de mtodo da quantificao de custo so utilizadas 2


tabelas para seu correto enquadramento, a tabela 7 e a tabela 8, com as
seguintes observaes dos itens 9.3.1 e 9.3.2 a seguir transcritos:

9.3.1 Para atingir o grau III, obrigatria a apresentao do laudo na


modalidade completa.
9.3.2 Para fins de enquadramento global do laudo em graus de
fundamentao, devem ser considerados os seguintes critrios:
a) na tabela 7, identificam-se trs campos (graus III, II e I) e
trs itens;

b) o atendimento a cada exigncia do grau I ter um ponto; do


grau II, dois pontos; e do grau III, trs pontos;

c) o enquadramento global do laudo deve considerar a soma de


pontos obtidos para o conjunto de itens, atendendo tabela
8.

Eng BRCIO DE MELO Pgina 56 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Tabela 7 Graus de fundamentao no caso da utilizao do mtodo da quantificao de custo de


benfeitorias
Graus
Item Descrio
III II I
Pela utilizao de custo
Pela utilizao de custo
Pela elaborao de unitrio bsico para
Estimativa do custo unitrio bsico para
1 oramento, no mnimo projeto diferente do
direto projeto semelhante ao
sinttico projeto padro, com os
projeto padro
devidos ajustes
2 BDI Calculado Justificado Arbitrado
Calculada por Calculada por mtodos
levantamento do custo de tcnicos consagrados,
3 Depreciao fsica recuperao do bem, considerando-se idade, Arbitrada
para deix-lo no estado vida til e estado de
de novo conservao
Nota Observar subseo 9.1.

Tabela 8 Enquadramento dos laudos segundo seu grau de fundamentao no caso da utilizao do
mtodo da quantificao do custo de benfeitorias
Graus III II I
Pontos mnimos 7 5 3
1, com os demais
Itens obrigatrios no 1 e 2, no mnimo todos, no mnimo
no mnimo no
grau correspondente no grau II no grau I
grau II
Nota Observar subseo 9.1.

4.3 - MTODO INVOLUTIVO


As prescries da NBR 14653-2 quando da utilizao do mtodo involutivo
para enquadramento dos graus de fundamentao e preciso so as
seguintes:
9.4.1 Para atingir o grau III, obrigatria a apresentao do laudo na
modalidade completa.
9.4.2 Para fins de enquadramento global do laudo em graus de
fundamentao, devem ser considerados os seguintes critrios:
a) na tabela 9, identificam-se trs campos (graus III, II e I) e
nove itens;
b) o atendimento a cada exigncia do grau I ter um ponto; do
grau II, dois pontos; e do grau III, trs pontos;
c) o enquadramento global do laudo deve considerar a soma de
pontos obtidos para o conjunto de itens, atendendo tabela
10.

Eng BRCIO DE MELO Pgina 57 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Tabela 9 Graus de fundamentao no caso da utilizao do mtodo involutivo


Grau
Item Descrio
III II I
Aproveitamento,
Nvel de detalhamento Anteprojeto ou projeto
1 Estudo preliminar ocupao e usos
do projeto hipottico bsico
presumidos
Preo de venda das No mnimo grau II de
Grau I de fundamentao
2 unidades do projeto fundamentao no Estimativa
no mtodo comparativo
hipottico mtodo comparativo
Grau III de Grau II de Grau I de
Estimativa dos custos fundamentao no fundamentao no fundamentao no
3
de produo mtodo da mtodo da quantificao mtodo da
quantificao do custo do custo quantificao do custo
Fundamentados com
4 Prazos dados obtidos no Justificados Arbitrados
mercado
Fundamentadas com
5 Taxas dados obtidos no Justificadas Arbitradas
mercado
Dinmico com fluxo de Dinmico com equaes
6 Modelo Esttico
caixa predefinidas
De estrutura,
Anlise setorial e
7 conjuntura, tendncias e Da conjuntura Sintticos da conjuntura
diagnstico de mercado
conduta
8 Cenrios Mnimo de 3 2 1
Simulaes com
Simulaes com
Anlises de discusso do
9
sensibilidade do modelo comportamento do
identificao das variveis Sem simulao
mais significativas
modelo
Nota Observar subseo 9.1.

Tabela 10 Enquadramento dos laudos segundo seu grau de fundamentao no caso da utilizao do
mtodo involutivo
Graus III II I
Pontos mnimos 22 13 9
2,6,7 e 8, com os
Itens obrigatrios no 2,6,7 e 8, no Todos, no mnimo
demais no mnimo
grau correspondente mnimo no grau II no grau I
no grau II

4.4 - MTODO EVOLUTIVO

As prescries da NBR 14653-2 quando da utilizao do mtodo evolutivo


para enquadramento dos graus de fundamentao e preciso so as
seguintes:

9.5.1 Para atingir o grau III, obrigatria a apresentao do laudo na


modalidade completa.

Eng BRCIO DE MELO Pgina 58 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

9.5.2 Para fins de enquadramento global do laudo em graus de


fundamentao, devem ser considerados os seguintes critrios:
a) na tabela 11, identificam-se trs campos (graus III, II e I) e
trs itens;

b) o atendimento a cada exigncia do grau I ter um ponto; do


grau II, dois pontos; e do grau III, trs pontos;

c) o enquadramento global do laudo deve considerar a soma de


pontos obtidos para o conjunto de itens, atendendo tabela
12.

9.5.3 Quando o terreno ou as benfeitorias, isoladamente,


representarem menos de 15% do valor total do imvel, poder
ser adotado para este item, independentemente do grau
atingido em sua avaliao, dois pontos.

Tabela 11 Graus de fundamentao no caso da utilizao do mtodo evolutivo


Grau
Item Descrio
III II I
Grau III de Grau II de Grau I de
Estimativa do fundamentao no fundamentao no fundamentao no
1
valor do terreno mtodo comparativo ou mtodo comparativo ou mtodo comparativo
no involutivo no involutivo ou no involutivo
Grau I de
Grau III de Grau II de
fundamentao no
Estimativa dos fundamentao no fundamentao no
2 mtodo da
custos de reedio mtodo da quantificao mtodo da
quantificao do
do custo quantificao do custo
custo
Fator de Inferido em mercado
3 Justificado Arbitrado
comercializao semelhante
Nota Observar subseo 9.1.

Tabela 12 Enquadramento dos laudos segundo seu grau de fundamentao no caso da utilizao do
mtodo evolutivo
Graus III II I
Pontos mnimos 8 5 3
1 e 2, com o 3 no
Itens obrigatrios no 1 e 2, no mnimo no Todos, no mnimo
mnimo no
grau correspondente grau II no grau I
grau II

Eng BRCIO DE MELO Pgina 59 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5 - APLICAES PRTICAS

5.1 CASO PRTICO 1:

Avaliar um terreno de 450 m2, com frente de 18,00 m, situado em zona residencial, padro
alto. Na pesquisa foram obtidos 15 dados:

PASSO 1: Criar o arquivo de dados:


Devem ser includas todas as variveis julgadas importantes na formao de valor. Os testes
elegero as mais significativas.

Listagem do Arquivo - EXE1

R VU REA FRENTE NDICE USO


----------------------------------------------------------------------------------------------
1 20.00 320 12 1.8 1
2 21.05 418 13 1.8 1
3 33.33 510 15 1.8 2
4 40.74 270 10 2.86 3
5 37.92 712 22 2.85 2
6 26.39 720 19 1.9 1
7 40.95 420 13 4.06 3
8 56.92 383 13 4.42 4
9 17.14 350 10 1.8 1
10 38.83 412 10 3.52 3
11 30.00 500 12 1.8 2
12 25.71 700 18 1.9 1
13 23.33 300 14 1.8 1
14 22.50 400 15 1.8 1
15 33.33 600 20 1.8 2
16 0 450 18 1.8 2
---------------------------------------------------------------------------------------------

VU = valor unitrio por rea de terreno, em R$/m2;


FRENTE = frente do terreno em m;
INDICE = coeficiente de aproveitamento do terreno;
USO = 1- residencial mdio; 2 - residencial alto; 3 - misto; 4 - comercial.

Eng BRCIO DE MELO Pgina 60 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

REGRESSO

PASSO 2: Pesquisa do Modelo:


Estabelecemos qual o Coeficiente de Correlao mnimo a ser pesquisado, o
nmero mnimo e mximo de variveis a considerar e o programa listar todos
os modelos que atendam a estas exigncias.
Considerando duas variveis teremos:
############################################## 08-10-2005/10:55:29
C O R R E L A C O E S - VARIVEL DEPENDENTE : VU
Registros: do 1 ao 15 Arquivo : EXE1
No. de variveis : de 2 a 2 Correl.pesquisada > .93
----------------------------------------------------------------------------------------------------
Modelo Correl./ R2 ajust./ F observ.
=========================================================
VU,USO +.9553274 +.9059312 135.83
VU,ln(USO) +.9338338 +.8622030 88.60
ln(VU),USO +.9317257 +.8579676 85.57
ln(VU),ln(USO) +.9365936 +.8677620 92.87
=========================================================
O melhor modelo com duas variveis o que aparece em negrito e destacado,
porque apresenta maior coeficiente de correlao e maior F observado.
Considerando trs variveis teremos:
############################################## 08-10-2005/10:56:46
C O R R E L A C O E S - VARIVEL DEPENDENTE : VU
Registros: do 1 ao 15 Arquivo : EXE1
No. de variveis : de 2 a 3 Correl.pesquisada > .98
--------------------------------------------------------------------------------------------------------
Modelo Correl./ R2 ajust./ F observ.
============================================================
VU,FRENTE,USO +.9876579 +.9713795 238.58
VU,1/FRENTE,USO +.9900352 +.9768645 296.57
VU,ln(FRENTE),USO +.9893268 +.9752288 276.59
ln(VU),FRENTE,USO +.9856652 +.9667919 204.79
ln(VU),1/FRENTE,USO +.9867796 +.9693564 222.43
ln(VU),ln(FRENTE),USO +.9870969 +.9700871 228.01
===========================================================
O melhor modelo com trs variveis o que aparece em negrito e destacado, porque
apresenta maior coeficiente de correlao e maior F observado. Devemos tomar
cuidado porque podemos comparar o coeficiente de correlao entre modelos com
nmero de variveis diferentes, adotando-se sempre o de maior valor, mas no tem
sentido a comparao de F observado desses modelos.
J o R2 ajustado serve para compararmos modelos com um determinado nmero de
variveis (maior ou igual a 2), com o modelo com nmero de variveis imediatamente
superior. Caso o R2 ajustado tenha aumentado, isto indica que a varivel adicionada
pode ser importante na formao de valor. Caso contrrio, podemos afirmar
taxativamente que a varivel no importante, nada acrescentando estatisticamente
ao modelo.

Eng BRCIO DE MELO Pgina 61 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

PASSO 3: Processar o modelo de regresso

############################################## 08-10-2005/11:00:59
REGRESSAO MULTIPLA
Registros: do 1 ao 15 Arquivo : EXE1
-------------------------------------------------------------------------------------------------
MODELO :
VU = 22.33845- 160.1709*1/FRENTE+ 11.07809*USO
-------------------------------------------------------------------------------------------------
Aqui verificamos se o modelo coerente, ou seja, se as variveis apresentam os
comportamentos admitidos como premissas. Neste caso, quando a FRENTE e USO
aumentam, o Valor Unitrio VU tambm aumenta, portanto coerente.
ERRO PADRO DA REGRESSO (s) = 1.615107

COEF. : DETERMINAO = .9801696 CORRELAO = .9900352


R2 AJUSTADO = .9768645
Aqui verificamos que a correlao Fortssima (R = 0,9900) e que o Coeficiente de
Determinao R2 = 0,9802 indica que o modelo explica 98,02% da variao de valor
(o restante 1,98% deve-se a outras variveis e a erros).
TESTES DE HIPOTESES
----------------------------------------------------------------------------------------------------------------
REGRESSORES ERRO PADRO T OBSERVADO VALOR PROB.
----------------------------------------------------------------------------------------------------------------
B 1=-160.1709 25.05792 -6.392025 5.678781E-05
B 2= 11.07809 .4550253 24.34609 2.260049E-07
----------------------------------------------------------------------------------------------------------------
Aqui devemos verificar se o Valor de Probabilidade inferior a 0,05, ou seja, 5% de
significncia.

--------------------------------------------------------------------------------------------------------------------
ANALISE DA VARIANCIA
--------------------------------------------------------------------------------------------------------------------
NATUREZA DA SOMA DOS GRAUS DE MEDIA DOS VALOR DE F
VARIAO QUADRADOS LIBERDADE QUADRADOS OBSERVADO
--------------------------------------------------------------------------------------------------------------------
REGRESSO 1547.227 2 773.6133

RESDUO 31.30286 12 2.608571 296.5659


--------------------------------------------------------------------------------------------------------------------
TOTAL 1578.529 14
--------------------------------------------------------------------------------------------------------------------
SIGNIFICNCIA DO F OBSERVADO = 7.026414E-07

Aqui devemos observar se a Significncia de F = 0,0000007026414 inferior a


0,05 (para avaliao rigorosa).

Eng BRCIO DE MELO Pgina 62 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

SUMARIO ESTATISTICO
-------------------------------------------------------------------------------------------------
VARIVEIS MEDIA DESVIO PADRO
-------------------------------------------------------------------------------------------------
VU 31.20933 10.61848
1/FRENTE 7.372263E-02 1.798517E-02
USO 1.866667 .9904304
-------------------------------------------------------------------------------------------------

RELACOES ENTRE AS VARIAVEIS


--------------------------------------------------------------------------------------------------------------------
VARIVEIS CORRELAO T OBSERVADO VALOR-PROB.
--------------------------------------------------------------------------------------------------------------------
VUx1/FRENTE 2.569291E-02 9.266771E-02 .4637903
VUxUSO .9553274 11.6545 1.709825E-06
1/FRENTExUSO .2874132 1.081933 .1496884
--------------------------------------------------------------------------------------------------------------------
Devemos verificar se a correlao entre as variveis independentes (FRENTE e
USO) no apresenta valores elevados, indicando a possibilidade de colinearidade.

REG. ORIGINAL ESTIMADO RESDUO RESDUO % NORMALIZADO


--------------------------------------------------------------------------------------------------------------------
1 20 20.06897 - 6.8967E-02 .3448391 -.0427017
2 21.05 21.09571 -.0457058 .2171297 -2.829892E-02
3 33.33 33.81657 -.4865685 1.459851 -.3012608
4 40.74 39.55563 1.184372 2.907147 .7333086
5 37.92 37.21413 .705864 1.861456 .4370385
6 26.39 24.9865 1.403503 5.318316 .8689847
7 40.95 43.25188 -2.30188 5.621196 -1.425218
8 56.92 54.32997 2.590031 4.5503 1.603628
9 17.14 17.39945 -.2594547 1.513738 -.1606424
10 38.83 39.55563 -.7256279 1.86873 -.4492754
11 30 31.14706 -1.147057 3.823522 -.7102046
12 25.71 24.51816 1.191839 4.635703 .737932
13 23.33 21.97577 1.354235 5.804692 .8384798
14 22.5 22.73848 -.2384834 1.059926 -.147658
15 33.33 36.48608 -3.156082 9.469193 -1.954101
--------------------------------------------------------------------------------------------------------------------
Aqui devemos verificar se o valor do Resduo Normalizado est entre -2 e 2.

Eng BRCIO DE MELO Pgina 63 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

PASSO 4: CLCULO PARA O AVALIANDO

############################################## 08-10-2005/11:02:52
C A L C U L O DO V A L O R DE VU
Registros: do 1 ao 15 Arquivo : EXE1
-------------------------------------------------------------------------------------------------
MODELO :
VU = 22.33845- 160.1709*1/FRENTE+ 11.07809*USO
-------------------------------------------------------------------------------------------------

DADOS:
Dados do registro 16
FRENTE = 18 USO = 2
T TABELADO = 1.356
RESULTADOS:

VU = 35.59625
----------------------------------------------------------------------------------------------------

INTERVALO DE CONFIANA
----------------------------------------------------------------------------------------------------
TIPO DE INTERVALO LIMITES - INFERIOR SUPERIOR
----------------------------------------------------------------------------------------------------
GLOBAL 34.7379 36.4546
=========================================================
O T tabelado obtido na tabela de Student, com duas entradas, a saber:
- confiabilidade mxima de 80%;
- N-K-1 (graus de liberdade residual), onde:
N = nmero de eventos utilizados;
K = nmero de variveis explicativas.

Conclumos, portanto que o valor do terreno ser:

VT = R$35,60/m2 *450 m2 ==> V T = R$16.020,00

VALOR DO TERRENO:
R$ 16.000,00

Eng BRCIO DE MELO Pgina 64 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.2 CASO PRTICO 2 (urbano)

Consideremos agora o exemplo resolvido analiticamente em 3.7.7.7.(Pgina 46)

Avaliar um terreno de 300 m2 , situado em loteamento residencial, cujos lotes


tem frente e rea superficial semelhantes (portanto, pouco variveis). A coleta
de dados apresentou 8 (oito) referncias, com preos unitrios heterogneos,
indicando a possibilidade de haver alguma varivel influente na formao de
preos.
Pesquisados eventuais atributos, verificou-se que havia um indicativo
importante nos nveis de preos, a distncia ao ponto de nibus (D). Para
tanto, mediram-se tais distncias, formando o elenco de dados a seguir:

____________________________________________________________
ELEM DISTNCIA PREO UNITRIO
N (D) EM m (U) em R$/m2
____________________________________________________________
- x y
------------------------------------------------------------------------------------------------------
1 30 1.200,00
------------------------------------------------------------------------------------------------------
2 80 1.100,00
------------------------------------------------------------------------------------------------------
3 100 1.000,00
-----------------------------------------------------------------------------------------------------
4 130 980,00
-----------------------------------------------------------------------------------------------------
5 150 980,00
-----------------------------------------------------------------------------------------------------
6 210 800,00
-----------------------------------------------------------------------------------------------------
7 280 700,00
-----------------------------------------------------------------------------------------------------
8 320 660,00
-----------------------------------------------------------------------------------------------------
AVALIANDO 275 ?
-----------------------------------------------------------------------------------------------------

Eng BRCIO DE MELO Pgina 65 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.3 CASO PRTICO 3 (expanso urbana)

Avaliar um terreno de 13.000,00 m2, distante 1.000 metros de uma estrada


importante.

A pesquisa apresentou 7(sete) referncias, indicando que havia duas


caractersticas influenciando os nveis de preos, a distncia a uma importante
estrada e rea do terreno. Os dados obtidos foram:

______________________________________________________________
ELEM DISTNCIA REA PREO UNITRIO
N (DIST) EM m (m2) (UNIT) em R$/m2
______________________________________________________________
1 1.800 2.500 14,00
------------------------------------------------------------------------------------------------------
2 450 2.800 25,50
------------------------------------------------------------------------------------------------------
3 1.350 7.700 11,50
-----------------------------------------------------------------------------------------------------
4 500 11.000 15,75
-----------------------------------------------------------------------------------------------------
5 720 12.000 13,00
-----------------------------------------------------------------------------------------------------
6 1.600 14.700 8,60
-----------------------------------------------------------------------------------------------------
7 200 14.800 17,10
-----------------------------------------------------------------------------------------------------
AVALIANDO 1.000 13.000 ?
-----------------------------------------------------------------------------------------------------

Eng BRCIO DE MELO Pgina 66 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.4 CASO PRTICO 4 (rural)

Avaliar uma rea de 300,00 Ha, aproveitamento integral para agricultura,


localizao com as coordenadas dist N = 1, dist L/O = 1, dist Sul = 75. A
coleta de dados apresentou 11 (onze) referncias, com preos unitrios
heterogneos, indicando a possibilidade de haver varivel influente na
formao de preos.
Pesquisados eventuais atributos, verificou-se que havia um indicativo
importante nos nveis de preos, a distncia a pontos determinados: N, L/O
e Sul; alm de rea (Ha) e rea para agricultura (Ha). Para tanto, mediram-
se tais distncias, reas e nmero de parcelas aceitas no negcio, feito
atravs da moeda saca de soja (cotada a R$14,75) formando o elenco de
dados a seguir:

_____________________________________________________________
ELEM PREO UNIT REA Agric N L/O Sul Parcelas
N (Pu) em Sc/Ha (Ha) (Ha)
_____________________________________________________________
- y x1 x2 x3 x4 x5 x6
------------------------------------------------------------------------------------------------------
1 125 2.770 2.200 30 1 1 3
------------------------------------------------------------------------------------------------------
2 120 200 200 1 15 1 2
------------------------------------------------------------------------------------------------------
3 167 597 597 7 1 1 4
-----------------------------------------------------------------------------------------------------
4 90 2.300 2.000 1 100 75 5
-----------------------------------------------------------------------------------------------------
5 130 1.000 1.000 1 1 5 2
-----------------------------------------------------------------------------------------------------
6 120 500 400 1 1 35 4
-----------------------------------------------------------------------------------------------------
7 100 650 650 1 42 75 4
-----------------------------------------------------------------------------------------------------
8 90 1.612 800 1 1 45 5
-----------------------------------------------------------------------------------------------------
9 50 1.200 1 60 1 1 2
-----------------------------------------------------------------------------------------------------
10 136 450 450 4 1 1 1
-----------------------------------------------------------------------------------------------------
11 50 9.317 4.800 1 100 75 6
-----------------------------------------------------------------------------------------------------
? 300 300 1 1 75 1
-----------------------------------------------------------------------------------------------------

Eng BRCIO DE MELO Pgina 67 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.5 CASO PRTICO 5 (rural)


Avaliar um imvel rural de 121,00 Ha, classe de terra IV.A pesquisa
apresentou 12 referncias, indicando que havia duas caractersticas
influenciando os nveis de preos, a sua classe (classe de solo), parmetro
obtido em funo da classe de terra. Em reas que apresentem mais de uma
classe de solo, foi realizada a mdia ponderada e a rea em Ha.:

Classe Peso Classe Peso


I 50,00 V 25,00
II 47,50 VI 20,00
III 37,50 VII 15,00
IV 27,50 VIII 10,00
Os dados obtidos (parcial), tipo banco de dados (ms atual=109), foram:
______________________________________________________________
ELEM CLASSE REA DATA PREO UNITRIO
N (classe) (Ha) (ms) (UNIT) em US$/Ha
______________________________________________________________
1 29,49 92,11 2 499,88
------------------------------------------------------------------------------------------------------
2 29,50 193,60 63 811,48
------------------------------------------------------------------------------------------------------
3 17,25 387,20 54 466,24
-----------------------------------------------------------------------------------------------------
4 47,50 1,56 63 4.671,67
-----------------------------------------------------------------------------------------------------
5 29,47 48,40 64 1.479,50
-----------------------------------------------------------------------------------------------------
6 29,50 96,80 64 1.109,62
-----------------------------------------------------------------------------------------------------
7 47,50 4,84 64 3.719,01
-----------------------------------------------------------------------------------------------------
8 26,25 730,93 76 618,90
-----------------------------------------------------------------------------------------------------
9 47,50 1,20 98 5.250,00
-----------------------------------------------------------------------------------------------------
10 47,50 3,00 98 6.000,00
-----------------------------------------------------------------------------------------------------
11 39,49 384,54 103 1.368,81
-----------------------------------------------------------------------------------------------------
12 27,50 290,40 109 1.286,73
-----------------------------------------------------------------------------------------------------
AVALIANDO 27,50 121,00 109 ?
-----------------------------------------------------------------------------------------------------

Eng BRCIO DE MELO Pgina 68 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.6 CASO PRTICO 6 (urbano)

Avaliar uma casa de 280 m2, edificada sobre terreno de 420 m2, com 12 anos
de idade aparente, padro de acabamento 8.

Os dados obtidos na pesquisa encontram-se relacionados abaixo:

ELEM UNITRIO REA CONST AREA TERR RELAO IDADE PADRO


2 2 2
($/m ) (m ) (m ) AC/AT (%) (anos) ACABAM
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
UNIT CONST TERR TAXA IDADE PADRO

1 166,66 630 748 84 15 8

2 363,63 330 495 67 5 9

3 263,23 340 500 68 10 9

4 140,00 200 320 63 15 5

5 150,00 320 252 127 7 7

6 223,33 300 270 111 10 8

7 231,48 108 170 64 12 8

8 233,33 300 541 55 10 8

9 187,50 560 963 58 12 8

10 250,00 400 968 41 15 8

11 159,25 270 720 38 18 8

12 200,00 100 330 30 15 8

13 160,00 300 708 42 20 8

14 136,20 290 442 66 20 7

AVALIANDO 280 420 67 12 8

UNIT = Preo unitrio por rea construda em R$/m2;


CONST = rea construda em m2;
TERR = rea do terreno em m2;
TAXA = relao CONST/TERR coeficiente de utilizao real do terreno;
IDADE = idade em anos;
PADRO= padro construtivo, variando de 5 (pior) a 9 (melhor).

Eng BRCIO DE MELO Pgina 69 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.7 CASO PRTICO 7 (urbano)

Avaliar um apartamento com 170 m2 de rea, com uma vaga de garagem,


novo, bom padro de acabamento, com dependncia para empregada e com
direito a financiamento.

N UNIT REA GAR PADR LOCAL FINAN IDADE DEPEND UNID TRANSAO

1 34.425,05 176 1 8 1 1 0 1 1 2

2 37.333,82 110 2 8 1 1 0 2 1 2

3 31.726,73 90 1 7 1 1 3 1 2 2

4 33.645,59 64 1 7 1 1 3 1 2 2

5 42.622,95 183 2 9 1 1 5 2 1 2

6 24.521,74 115 2 6 1 1 0 1 1 2

7 29.090,91 165 2 7 2 1 0 2 1 2

8 37.181,82 165 2 7 2 2 0 2 1 2

9 42.729,17 288 3 10 2 2 0 2 1 2

10 45.454,55 220 2 8 1 2 0 2 1 2

11 37.008,93 224 3 9 1 2 0 2 1 1

12 42.000,00 190 3 9 1 2 0 2 1 1

13 37.448,13 241 3 9 1 2 0 2 1 1

14 33.836,31 66 1 7 2 2 0 1 2 2

15 37.184,44 88 2 7 2 2 0 2 2 2

AVALIANDO 170 1 8 1 2 0 2 1 1

UNIT = Preo unitrio por rea de apartamento em $/m2;


REA = rea construda em m2;
GAR = quantidade de vagas de garagem;
PADR = padro de acabamento, variando de 6 (pior) a 10 (melhor);
LOCAL = localizao sendo: 1 - no ncleo central; 2 - na periferia;
FINAN = financiamento a disposio, sendo: 1 - no tem; 2 - tem;
IDADE = idade em anos;
DEPEND = dependncia para empregada, sendo: 1 - no tem; 2 - tem;
UNID = quantidade de apartamentos por pavimento;
TRANSAO = 1 Venda efetiva; 2 - Oferta.

Observao : Divida os nmeros da coluna UNIT por 100, aps a insero de todos os dados
e de ter salvado o arquivo.

Eng BRCIO DE MELO Pgina 70 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

5.8 CASO PRTICO 8 (rural)

HISTRICO
Neste caso prtico, para obter o valor das terras foi utilizado o
mtodo comparativo direto com tratamento dos elementos pesquisados atravs
da estatstica inferncial (regresso mltipla), o qual permite explicar a
formao do valor procurado de forma fundamentada, diminuindo-se a
subjetividade. Como os elementos da pesquisa no so semelhantes ao
elemento avaliando quanto a destinao procedemos a um tratamento
metodolgico que consistiu em convert-lo em uma fazenda de pecuria -
destinao dos elementos comparativos - computando as benfeitorias
aproveitveis para essa atividade nele existentes. Justifica-se esse
critrio por ser a pecuria de corte a principal atividade rural da regio
e que determina a inexistncia de demanda por terras de cultura. Ofertas,
mesmo de pequenas propriedades, enfatizam a existncia de infraestrutura
para a produo pecuria (pastagem, curral, audes etc.) demonstrando sua
importncia na formao do valor. O acesso outro fator a ser considerado
uma vez que a exgua rede de vias pavimentadas, a inexistncia de pedras
na regio e as chuvas abundantes restringem o transito at os imveis.
O processo inferncial consiste na obteno de uma relao
significativa entre a varivel explicada (incgnita) e uma ou mais
variveis explicativas (regresso simples ou mltipla), com base na
anlise conjunta dos dados coletados na pesquisa.
Partimos das seguintes convices formadas durante a pesquisa:
a) a pastagem o principal fator valorizante dos imveis
pesquisados;
b) no h demanda por terras de agricultura que a destinao para
a qual foi preparado o imvel avaliando;
c) o mercado para terras na regio, principalmente para grandes
reas, visa a formao de pastos e a explorao pecuria;
d) os plantios de cana do imvel avaliando encontram-se
inaproveitveis comercialmente, contudo, podem ser utilizados para pastejo
tanto da cana remanescente quanto das forrageiras invasoras (Brachiaria
decumbens e Pueraria phaseoloides).

HOMOGENEIZAO DOS ELEMENTOS PESQUISADOS


Para a aplicao do tratamento estatstico inferncial, testamos
vrias sries de dados at obtermos as que mostraram melhor correlao,
atendendo, ainda, aos demais pressupostos do mtodo. Foram eles:
a) Valor Unitrio - obtido pela diviso do valor global e rea total
do imvel (R$/Ha);
b) Pastagem - relacionou-se a rea de pastagem com a metade da rea
dos imveis que a que pode legalmente ser desmatada, segundo a frmula:

rea de pastagem (Ha)


PASTAGEM = -----------------------
rea Total (Ha) x 50%

Com isso se tem uma idia melhor do aproveitamento do imvel. O


resultado foi sensibilizado com um ndice de depreciao em funo do
estado da pastagem, determinado pela sua capacidade de suporte conforme a
tabela adiante:

Eng BRCIO DE MELO Pgina 71 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

ASPECTO CAP.DE SUPORTE FATOR DE DEPRECIAO


-----------------------------------------------
Bom 1,5 UA/Ha 1,0
Regular 1,0 UA/Ha 0,7
Ruim 0,7 UA/Ha 0,5
Pssimo 0,3 UA/Ha 0,2
-----------------------------------------------

b) Escala de Situao - estabelece as condies de acesso aos


imveis e as distncias a ponto valorizante (de atrao), neste caso a
cidade plo mais prxima. Conforme tabela abaixo, tm-se:
ESCALA DE
SITUAO CARACTERSTICAS VALOR EM %
---------------------------------------------------------------------
tima Imvel com face para rodovia asfaltada, im-
portncia limitada das distncias 100

Muito Boa Imvel servido por rodovia de primeira clas-


se,no pavimentada, importncia relativa das
distncias 95

Boa Imvel servido por rodovia no pavimentada


mas que oferea seguras condies de prati-
cabilidade, durante o ano todo, importncia
significativa das disdncias 90

Desfavorvel Imvel servido por estradas e servides de


passagem,que no ofeream satisfatrias con-
dies de praticabilidade, vias e distncias
se equivalendo 80

M Como a anterior, porm interceptada por fe-


chos nas servides e com problemas srios de
praticabilidade na estao chuvosa, distn-
cia e classe de estrada se equivalendo 75

Pssima Como a anterior, com srios problemas de pra-


ticabilidade mesmo na estao seca, intercep-
tada por crregos e ribeires sem pontes, com
vau cativo ao volume das guas 70
---------------------------------------------------------------------
c) ndice de Benfeitoria - obtido mediante atribuio de notas para
os diversos tipos existentes, segundo o critrio abaixo:
Audes: foram considerados unitariamente, isto , a quantidade
correspondeu nota atribuda;
Cercas: a quantidade de cercas foi relacionada com a rea de
pastagem, sensibilizado por um fator de depreciao em funo do seu
estado de conservao, da seguinte forma:

Comprimento das cercas (m)


Cercas = ---------------------------- x f
rea de pastagem (Ha)

onde f = fator de depreciao para benfeitorias no


reprodutivas estabelecido de forma simplificada conforme abaixo:
ESTADO DE CONSERVAO FATOR DE DEPRECIAO
----------------------------------------------
Bom 0,80
Regular 0,60
Precrio 0,40
----------------------------------------------

Eng BRCIO DE MELO Pgina 72 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

Os valores obtidos foram divididos em 4 classes s quais


se atriburam notas de um a quatro a partir da menor para a maior.
Resultados obtidos:

ELEMENTO CERCAS ELEMENTO CERCAS


(n) (m/Ha) (n) (m/Ha)
---------------------------------------------------
01 88,88 15 10,66
02 69,00 16 12,80
03 50,00 17 32,00
04 48,00 18 16,00
05 45,71 AVL 1,27
06 18,00
07 19,99
08 3,20
09 34,99
10 -
11 40,00
12 10,00
13 0,00
14 18,00
---------------------------------------------------

CLASSES NOTA
--------------------
0,00 - 22,22 1
22,22 - 44,44 2
44.44 - 66,66 3
66,66 - 88,88 4
--------------------
Casas: relacionou-se a rea das casas com a rea de pastagem,
sensibilizada por um fator de depreciao, sendo os valores obtidos
separados em quatro classes, a exemplo do item cercas.
rea de pastagem (Ha)
Casa = ----------------------- x f
rea construda (m)
ELEMENTO CASAS ELEMENTO CASAS
(n) (Ha/m2) (n) (Ha/m2)
---------------------------------------------------
01 0,18 16 8,33
02 0,20 17 9,99
03 0,06 18 14,28
04 1,99 AVL 5,84
05 1,17
06 2,42
07 6,00
08 0,00
09 3,99
10 3,52
11 0,41
12 6,74
13 0,00
14 7,50
15 3,00
---------------------------------------------------

CLASSES NOTA
--------------------
0,00 - 3,57 1
3,57 - 7,14 2
7,14 - 10,71 3
10,71 - 14,28 4
--------------------
Curral: foi considerada a rea do curral que estima o nmero de
animais que ele pode comportar. Introduziu-se um fator de depreciao em

Eng BRCIO DE MELO Pgina 73 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

funo do estado de conservao da benfeitoria e distriburam-se os


valores encontrados em quatro classes atribuindo-se notas, seguindo os
casos precedentes:

ELEM. REA REA ELEM. REA REA


(n) m f DEPR. NOTA (n) m f DEPR. NOTA
-----------------------------------------------------------
01 400 0,8 320 2 16 400 0,8 320 2
02 150 0,6 90 1 17 200 0,8 160 1
03 0 - 0 1 18 1.000 0,8 800 4
04 150 0,6 90 1 AVL 0 0 0 1
05 600 0,8 480 3 --------------------------
06 600 0,8 480 3
07 400 0,6 240 2
08 200 0,8 160 1
09 300 0,8 240 2 CLASSES NOTA
10 200 0,4 80 1 --------------------
11 200 0,6 120 1
12 300 0,8 240 2 0 - 200 1
13 0 - 0 1 200 - 400 2
14 400 0,4 160 1 400 - 600 3
15 0 - 0 1 600 - 800 4
----------------------------------------------------

Outras benfeitorias, melhoramentos etc.: foi constatada a


existncia de outros melhoramentos, muitas vezes no diretamente
relacionados com as atividades produtivas mas que constituem um
diferencial de agregao de valor. Esse fato foi considerado pela
atribuio da nota 1(um) aos elementos que dispe desse fator.

TABELA DO NDICE DE BENFEITORIA

ELEM. AUDE CERCA CURRAL CASA OUTRAS NDICE


n nota nota nota nota nota BENF.
---------------------------------------------------
01 0 4 2 1 0 7
02 2 4 1 1 1 9
03 2 3 1 1 1 8
04 2 3 1 1 0 7
05 4 3 3 1 1 12
06 8 1 3 1 1 14
07 3 1 2 2 0 8
08 0 1 1 1 0 3
09 6 2 2 2 1 13
10 2 1 1 1 0 5
11 3 2 1 1 1 8
12 4 1 2 2 0 9
13 0 1 1 1 0 3
14 5 1 1 3 0 10
15 1 1 1 1 0 4
16 8 1 2 3 0 14
17 3 2 1 3 1 10
18 22 1 4 4 1 32
AVL 6 1 1 2 1 11
---------------------------------------------------

Eng BRCIO DE MELO Pgina 74 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

LISTAGEM DA PLANILHA PARA MODELAGEM

ELEM. REA T SIT NDICE PAST VU


N Ha nota BENF. Nota R$/Ha
---------------------------------------------
01 51,3 0,95 7 0,70 290,07
02 61,0 0,95 9 0,46 286,99
03 79,0 0,80 8 0,43 187,97
04 280,0 0,95 7 0,71 175,06
05 350,0 1,00 12 0,28 257,14
06 2.500,0 1,00 14 0,56 331,99
07 2.500,0 0,90 8 0,48 315,00
08 2.500,0 1,00 3 0,80 63,00
09 3.100,0 0,85 13 0,27 225,00
10 3.700,0 0,75 5 0,38 72,00
11 4.000,0 1,00 8 0,14 225,00
12 4.000,0 0,90 9 0,16 225,00
13 4.000,0 0,95 3 0,001 36,00
14 7.000,0 0,80 10 0,20 180,00
15 7.500,0 0,90 4 0,04 46,54
16 10.000,0 0,80 14 0,50 180,00
17 13.000,0 1,00 10 0,08 135,00
18 14.000,0 0,90 32 0,50 225,00
AVL 11.431,0 0,95 11 0,11 ?
---------------------------------------------

VU = valor unitrio (R$/Ha)

AREA T = rea total (Ha)

SIT = situao do imvel

NDICE = ndice de benfeitorias

PAST = Pastagem

Eng BRCIO DE MELO Pgina 75 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

6 - ELABORAO DE LAUDO

Apresentamos a seguir a composio bsica para um laudo de avaliao, na


modalidade Completo e Simplificado:

6.1 Laudo de avaliao completo

O laudo de avaliao completo deve conter no mnimo os seguintes itens:

a) identificao do solicitante;

b) finalidade do laudo, quando informado pelo solicitante;

c) objetivo da avaliao;

d) pressupostos, ressalvas e fatores limitantes - Atender ao disposto em 7.2. da


ABNT NBR 14653-1:2001;

e) identificao e caracterizao do imvel avaliando Atender ao disposto em 7.3


da ABNT NBR 14653-1:2001, no que couber;

f) diagnstico do mercado - Relatar conforme 7.7.2 da ABNT NBR 14653-1:2001;

g) indicao do(s) mtodo(s) e procedimento(s) utilizado(s) - Relatar conforme


seo 8 da ABNT NBR 14653-1:2001;

h) especificao da avaliao - Indicar a especificao atingida, com relao aos


graus de fundamentao e preciso, conforme 9 da ABNT NBR 14653-2:2004.
Quando solicitado pelo contratante, deve ser apresentado demonstrativo da
pontuao atingida;

i) tratamento dos dados e identificao do resultado - Explicitar os clculos


efetuados, o campo de arbtrio, se for o caso, e justificativas para o resultado
adotado. No caso de utilizao do mtodo comparativo direto de dados de
mercado, deve ser apresentado o grfico de preos observados versus valores
estimados pelo modelo, conforme 8.2.1.4.1 da ABNT NBR 14653-2:2004;

j) resultado da avaliao e sua data de referncia;

k) qualificao legal completa e assinatura do(s) profissional(is) responsvel(is)


pela avaliao.

6.2 Laudo de avaliao simplificado

O laudo de avaliao simplificado deve atender no mnimo, de forma resumida, aos


itens a) a h) de 10.1 da ABNT NBR 14653-1:2001.

Eng BRCIO DE MELO Pgina 76 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

A seguir, para simples indicao, sugesto de tpicos com suas diversas


abordagens:
1. OBJETO DA AVALIAO

Descrio sucinta do bem visando identificar prontamente o imvel e/ou


mquinas e equipamentos avaliandos.
2. SOLICITANTE

Citar a origem, referncia e data do expediente que solicitou e/ou autorizou a


avaliao.
3. PROPRIETRIO

Indicar.
4. FINALIDADE DA AVALIAO

Explicitar as informaes, quando informado pelo solicitante, quais sejam:


dao em pagamento, garantia de emprstimos, alienao, etc.
5. OBJETIVO DA AVALIAO

Explicitar o objetivo do laudo. Como exemplo, se valor de mercado de compra


e venda ou de locao; outros valores, tais como: valor em risco, valor
patrimonial, custo de reedio, valor de liquidao forada, valor de desmonte
(ver definio na ABNT NBR 14653-4); indicadores de viabilidade e outros.
6. VISTORIA

Conforme normas especficas da ABNT.


7. METODOLOGIA EMPREGADA

Indicar a(s) metodologia(s) empregada(s) com a justificativa da escolha.


8. PESQUISA DE VALORES E TRATAMENTO DOS DADOS

Alm de atender o preconizado pelas normas especficas da ABNT, quando


em pauta o Mtodo Indireto da Renda, no que couber, dever ser consignado
no laudo, detalhadamente:
- capacidade operacional nominal do avaliando;
- capacidade operacional adotada no clculo da renda, justificando-a;
- receita operacional;
- despesa operacional;
- carga tributria;
- custo da manuteno e da parada por falha;
- taxa de remunerao e taxa de risco, justificando a escolha;
- cenrios operacionais, com respectivas taxas de atratividade;
- valor econmico calculado;

Eng BRCIO DE MELO Pgina 77 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

- tomada de deciso quanto ao valor adotado no laudo : se aquele resultante


do clculo pelo mtodo da renda ou por outro mtodo aplicado
conjugadamente.
9. ESPECIFICAO DA AVALIAO

Indicar a especificao atingida, com o correto enquadramento dos graus de


fundamentao e preciso, se couber, conforme respectiva(s) norma(s) da
ABNT. recomendvel apresentar demonstrativo da pontuao atingida de
forma resumida.
10. DIAGNSTICO DO MERCADO

Retratar a expectativa do avaliador em relao ao desempenho do avaliando


no mercado.
11. CONCLUSO

Neste campo devero ser explicitados o valor da avaliao e a data de


referncia.
12. OBSERVAES COMPLEMENTARES

Indicar outras informaes relevantes, tais como: alerta sobre dvidas, nus,
gravames, invases, posseiros, benfeitorias no averbadas, riscos de
inundao, restries de rgos de proteo ambiental ou de concessionrias
de energia eltrica e telecomunicaes, projeto de desapropriao, patrimnio
histrico, pioneirismo do empreendimento, obsoletismo.

Sempre que for o caso, dever ser enfatizada a necessidade do exame da


matria sob o enfoque jurdico por especialista.
13. ENCERRAMENTO

Dever conter: datas de vistoria e laudo, perodo da pesquisa, local, nomes,


assinaturas, ttulos, nmero de registro no CREA dos profissionais
responsveis tcnicos, nmero da ART referente ao trabalho e enumerao
detalhada dos anexos que para a identificao do valor de mercado, podem
ser includos, de acordo com o grau de fundamentao, os seguintes anexos:
documentao dominial, fotografias do imvel avaliando, plantas, identificao
dos dados de mercado, memria de calculo ou relatrios originais dos
programas computacionais utilizados.

Eng BRCIO DE MELO Pgina 78 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

7 - NORMAS

NORMA BRASILEIRA PARA AVALIAO DE BENS: NBR-14.653 em suas


partes:
- NBR 14653 - 1:2001 Avaliao de bens Parte 1: Procedimentos;
- NBR 14653 - 2:2004 Avaliao de bens Parte 2: Imveis Urbanos;
- NBR 14653 - 3:2004 Avaliao de bens Parte 3: Imveis Rurais;
- NBR 14653 - 4:2002 Avaliao de bens - Parte 4: Empreendimentos;
- Parte 5 Mquinas e Equipamentos; Em fase final de elaborao, assim
continua vlido a NBR 8977/85 (NB-901) - Avaliao de Mquinas,
Equipamentos, instalaes e Complexos Industriais;
- Parte 6 Recursos Naturais e Ambientais; Em fase final de elaborao,
ltima reunio para deliberao de Votao Nacional prevista para nov/05.
- Parte 7 Bens Histricos; Em elaborao, atualmente aguardando o trmino
da Parte 6, j que grande parte, em especial de Metodologia para valorao,
semelhante da Parte 6.

Importante consultar, tambm, os seguintes documentos:

- NBR 12721:1999 (NB-140) - Avaliao de Custos Unitrios e Preparo de


Oramento de Construo para Incorporao de Edifcio em Condomnio;

- Lei Federal n 6.766, de 19.12.70 e 9785/99, que dispem sobre o


parcelamento do solo urbano e d outras providncias;

Eng BRCIO DE MELO Pgina 79 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

8 - BIBLIOGRAFIA

- CHAPMAN, Stephen J. Programao em Matlab para engenheiros, So


Paulo: Pioneira Thomsom Learning,2003;

- DANTAS, Rubens A. Engenharia de Avaliaes - Uma Introduo


Metodologia Cientfica, So Paulo: Pini, 1998;

- GUJARATI, Damodar N. Econometria Bsica , Traduo da Terceira


Edio, 1995: Basic Econometrics, So Paulo: Makron Books, 2000;

- HANSELMAN, Duane; LITTLEFIELD, Bruce Matlab 6 Curso Completo,


So Paulo: Prentice Hall, 2003;

- JOHNSTON, J. Mtodos Economtricos, So Paulo: Atlas, 1971;

- KMENTA, J. Elementos de Econometria , So Paulo: Atlas, 1978;

- MEYER, P. L. Probabilidade Aplicaes Estatstica , So Paulo: Ao


Livro Tcnico, 1969;

- NETO, Pedro Luiz O. C. Estatstica, So Paulo: Editora Edgard Blucher


Ltda, 1977, 17 reimpresso, 1999;

- RUBINFELD, D. L.; PINDYCK, R. S. Econometria Modelos e Previses,


Editora Campus, Traduo da Quarta Edio, 1998: Econometric Models and
Economic Forecasts, Rio de Janeiro: Elsevier, 2004;

- WONNACOTT, R.; WONNACOTT, T. Fundamentos de Estatstica, Rio de


Janeiro: Livros Tcnicos e Cientficos Editora, 1985;

Eng BRCIO DE MELO Pgina 80 Eng RUBENS FERNANDO DUARTE


ENGENHARIA DE AVALIAES - Metodologia Cientfica outubro/2005

9 - ANEXOS

Eng BRCIO DE MELO Pgina 81 Eng RUBENS FERNANDO DUARTE