You are on page 1of 68

everton.silva@ufsc.

br
copyright
Mayo 2013
1
Introduccin a la
Valuacin de Inmuebles Urbanos
Everton da Silva
everton.silva@ufsc.br
Puebla - Mxico
27 de mayo de 2014
everton.silva@ufsc.br
copyright
Mayo 2013
2
Valuacin
Es la determinacin tcnica del valor de un inmueble o de
un derecho sobre l, siendo empleada en una variedad de
situaciones.
Garantas
Compra/Venta
Transacciones de Alquiler
Decisiones Judiciales
Tributacin
Decisiones sobre inversiones
Balance
Operaciones de seguros
Expropiaciones
Hipotecas
everton.silva@ufsc.br
copyright
Mayo 2013
3
Mercado Inmobiliario
Gonzlez, 1997
Inmueble = Bien Compuesto
Gran vida til
Fijacin espacial
Singularidad
Muchos agentes en el
mercado
Variabilidad
De los Precios
everton.silva@ufsc.br
copyright
Mayo 2013
4
Valor
Cuanta (importe) ms probable por la cual si negocia
voluntariamente y concientemente un bien, en una fecha de
referencia, dentro de las condiciones actuales del mercado
everton.silva@ufsc.br
copyright
Mayo 2013
5
Valor
Valor Absoluto Valor Probable
everton.silva@ufsc.br
copyright
Mayo 2013
6
Valor
Vendedor Comprador
Oferta
Oferta
Compra
Venda
everton.silva@ufsc.br
copyright
Mayo 2013
8
Mtodos de Valuacin
Mtodos para Identificacin del VALOR
Mtodos para Identificacin del COSTO
Comparativo directo de los datos de mercado
Involutivo
Evolutivo
Capitalizacin de la renta
Comparativo directo de los costos
Cuantificacin de los costos
everton.silva@ufsc.br
copyright
Mayo 2013
9
Mtodo Evolutivo
Identifica el valor de la propiedad por la suma de los
valores de sus componentes = Terreno + Mejoras
para la identificacin del valor de mercado, se debe
considerar el factor de la comercializacin.
VI = ( VT*FI + CM )* FC
everton.silva@ufsc.br
copyright
Mayo 2013
10

VI = (VT*FI + CM ) * FC

El Proceso de Valuacin Masiva
Momento 1
Obtencin de los Valores Unitarios
Comit de Evaluacin
VUR
Momento 2
Modelos Predeterminados
Terrenos
Homogeneizacin
Modelado Estadstico
Edificaciones
PVG
Costos
Unitarios
.ms empleado.
everton.silva@ufsc.br
copyright
Mayo 2013
11
Valores Unitarios de Referencia
Mapas de Valores - terrenos


45,00
65,00
35,00
70,00
50,00
42,00
61,00
Secciones de Calles Zonas Homogneas
everton.silva@ufsc.br
copyright
Mayo 2013
12
Mtodo Comparativo
Identifica el valor de mercado de una propiedad
mediante el tratamiento (tcnico) de los atributos
de los comparables, constituyentes de la muestra.
Es el mtodo recomendado cuando hay elementos
de comparacin.
everton.silva@ufsc.br
copyright
Mayo 2013
13
Mtodo Comparativo
Tratamiento por Factores de Homogeneizacin
Sus clculos deben ser fundamentados por metodologa
cientfica
Publicados por entidad tcnica reconocida
Contemporneos a la fecha de valuacin (hasta 2 aos)
Estudio regional
everton.silva@ufsc.br
copyright
Mayo 2013
14
Mtodo Comparativo
F
F
F
F
F
F
F
F
Situacin
Paradigma
Salgado, 2008
Tratamiento por Factores de Homogeneizacin
everton.silva@ufsc.br
copyright
Mayo 2013
15
Promedio de
los Precios
Salgado, 2008
Mtodo Comparativo
Tratamiento por Factores de Homogeneizacin
everton.silva@ufsc.br
copyright
Mayo 2013
16
Mtodo Comparativo
Uso da Metodologa Cientfica
Regresin Lineal
Promedio de
Los Precios
Lnea de Regresin
F(variables)
Salgado, 2008
everton.silva@ufsc.br
copyright
Mayo 2013
17
Base de Datos del Mercado Inmobiliario
Parcela Condomi-
nios
Edificacio-
nes
Calles
Secciones
de Calles Personas
Mobilirio
BDMI
everton.silva@ufsc.br
copyright
Mayo 2013
18
Base de Datos del Mercado Inmobiliario
everton.silva@ufsc.br
copyright
Mayo 2013
19

Tcnicas de Anlisis de datos
Explorar
Estadsticas Descriptivas Regresin
. Clsica
. Espacial
. GWR
. TSA
Modelar
Multivariada
Dependencia Espacial
. Semivariograma
. Moran
Kriging
Redes Neuronales
SIG
everton.silva@ufsc.br
copyright
Mayo 2013
20

Tcnicas de Anlisis de datos
Anlisis de Regresin
Predecir (estimar) una variable dependiente (y) en
funcin de una o varias variables independientes.
Conocer o cuanto las variaciones de (x) pueden
afectar (y).
Variable Dependiente (y) = Valor del inmueble
Variables Independientes (x
s
) = Atributos Valorativos
everton.silva@ufsc.br
copyright
Mayo 2013
21
Relacin Funcional x Relacin Estadstica
Relacin Funcional
y = 4x
0
50
100
150
0 10 20 30 40
Lado do Quadrado
P
e
r

m
e
t
r
o
P = 4 L
Lado do Quadrado (L)
P
e
r

m
e
t
r
o

(
P
)

1*

2*

3*
*5

*8

*11
x y = f(x)
f(x)=2+3x
Fuente: Dantas (1998) Fuente: Renn (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
22
Relacin Funcional x Relacin Estadstica
Relacin Estadstica
1*

2*

3*
x
f(x)
f(x) = 2 + 3x + e
5
8
11
Altura (A, cm)
P
e
s
o

(
P
,

k
g
)

50
55
60
65
70
75
80
85
90
95
100
150 160 170 180 190
Altura (cm)
P
e
s
o

(
k
g
)
Fuente: Dantas (1998)
Fuente: Renn (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
23
Tcnicas de Anlisis de datos
Estructurales (E)
Ubicacin (U)
poca (T)
P = f(E, U, T, |) + c
Anlisis de Regresin
everton.silva@ufsc.br
copyright
Mayo 2013
24

Anlisis de Regresin
Modelo Lineal Clsico
i ik k 2 i 2 1 i 1 0 i + + + + + =
i ik 2 i 1 i i e b b b b Y
k 2 1 0
+ X + + X + X + =
i Y e
i i

=
everton.silva@ufsc.br
copyright
Mayo 2013
25

ik 2 i 1 i i
k 2 1 0
b b b b X + + X + X + = Y

i Y e
i i

=
Anlisis de Regresin
Modelo Lineal Clsico - Ajustado
everton.silva@ufsc.br
copyright
Mayo 2013
26
1) Definir la forma de la ecuacin
Anlisis de Regresin
2) Estimar los parmetros de la regresin
3) Bondad de ajuste del modelo (r
2
)
4) Pruebas de significancia (F y t)
5) Anlisis de los residuos
everton.silva@ufsc.br
copyright
Mayo 2013
27
Control de Supuestos
Media cero de los residuos:
0 ) ( E
i
=
Homocedasticidad de los residuos:
2 2
i
) ( E =
No aleatoriedad de las variables independientes
No existe ninguna relacin lineal exacta entre cualquier de las
variables independientes
Independencia serial de los residuos: 0 ) ( E
j i
=
(i = j)
Normalidad: tiene distribucin normal
i

Anlisis de Regresin
everton.silva@ufsc.br
copyright
Mayo 2013
28
Regresin Lineal Simple
( )
( )
( )
2
E 0
Var
, 0
i
i
i j
COV i j

o

=
=
= =
variable independiente
(valores fijos conocidos)
componente aleatorio
variable dependiente
(variable respuesta)
Y
i
= |
0
+ |
1
X
i
+
i
1) Definir la forma de la ecuacin
everton.silva@ufsc.br
copyright
Mayo 2013
29
Regresin Lineal Simple
i i i
X Y | | + + =
1 0
Pendiente
poblacin
Intercepto
poblacin

i
X
Y
|
0

|
1
Pendiente
E(Y
i
) = |
0
+ |
1
X
i
Fuente: Renn (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
30
Regresin Lineal Simple
1) Definir la forma de la ecuacin
Qu caractersticas?
Dnde y como recolectarlas?
Cules son los tipos?
Cmo es la relacin?
Tipos de Variables
Continua
Cuantitativa
Cualitativa
Dicotmica (dummy)
everton.silva@ufsc.br
copyright
Mayo 2013
31
Diagramas de Dispersin
1) Definir la forma de la ecuacin
X
Y

X
Y

X
0
0
0
0
0
Y

X
Y

X
Y

X
Y

Cmo es la relacin?
Fuente: Chuanhua Yu (2005)
everton.silva@ufsc.br
copyright
Mayo 2013
32
Medidas de Asociacin
X
Y

X
Y

X
Y

X
Y

Coeficiente de Correlacin (de Pearson)
mide el grado de relacin lineal entre X e Y
( , )
( ) ( )
Cov X Y
r
Var X Var Y
=
1 1 r s s
r = 0,9 r = 0,3
r = 0
r = - 0,9
Fuente: Renn (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
33
Medidas de Asociacin
1 n
) y y (
1 n
) x x (
1 n
) y y )( x x (
y var x var
) y , x cov(
r
n
1 i
2
i
n
1 i
2
i
n
1 i
i i


= =
= =
=
Coeficiente de Correlacin
everton.silva@ufsc.br
copyright
Mayo 2013
34
Medidas de Asociacin
Coeficiente de Correlacin
Coeficiente Correlacin
| r | = 0 nula
0 < | r | 0,30 dbil
0,30 < | r | 0,70 media
0,70 < | r | 0,90 fuerte
0,90 < | r | 0,99 muy fuerte
| r | = 1 perfecta
Fuente: Dantas (1998)
everton.silva@ufsc.br
copyright
Mayo 2013
35
1) Definir la forma de la ecuacin
Anlisis de Regresin
2) Estimar los parmetros de la regresin
3) Bondad de ajuste del modelo (r
2
)
4) Pruebas de significancia (F y t)
5) Anlisis de los residuos
everton.silva@ufsc.br
copyright
Mayo 2013
36
Mtodo de los Mnimos Cuadrados
2) Estimar los parmetros de la regresin
X
6 5 4 3 2 1 0
Y
34
32
30
28
26
24
22
20
18
16
14
12
10
8
6
4
2
0
Residuo = 11
Residuo = -13
Residuo = -5
Residuo = 7
y = 5 + 4x
x
y
Fuente: Andriotti (2003)
everton.silva@ufsc.br
copyright
Mayo 2013
37
Mtodo de los Mnimos Cuadrados
2) Estimar los parmetros de la regresin
i
x b b
1 0 i
+ = Y

i i i
Y

Y E =
con
i
X . B B Y

1 0 i
+ =
2
E U

=
o
2
i i
) Y

Y ( U

=
2
i i 1 0
) Y X . B B ( U

+ =

+ =

+ = c c ) Y X . B B ( 2 1 ). Y X . B B ( 2 B / U
i i 1 0 i i 1 0 0

+ =

+ = c c ) X . Y X . B X . B ( 2 X ). Y X . B B ( 2 B / U
i i
2
1 i 0 i i i 1 0 1
i
Igualndose las derivadas a cero:

+
i i 1 0
Y X . b n . b

i i
2
i 1 i 0
Y . X X . b X . b
X
Y

Fuente: Dantas (1998)
2
i
n
1 i
i i
n
1 i
1
) X X (
) Y Y )( X X (
b

=
=
=
0 1
b Y b X =
y
everton.silva@ufsc.br
copyright
Mayo 2013
38
Mtodo de los Mnimos Cuadrados
2) Estimar los parmetros de la regresin
Y X
)
X X
(
b
~
'
~
1
~
'
~ ~

=
Dato D P
1 0 3
2 1 2
3 1 1
4 2 1
5 1 3
1 1
2 1
1 1
1 1
0 1
3
1
1
2
3
X = Y =
1 2 1 1 0
1 1 1 1 1
X' = X'X =
7 5
5 5
X'Y =
8
10
7 5
5 5
1
b
0
b
=
8
10
7 5
5 5
1
b
0
b
=
8
10
-1
=>
5 , 0 5 , 0
5 , 0 7 , 0


1
b
0
b
=
8
10
=>
1
b
0
b
1
3

=
i
x . 1 3
i
= Y

Fuente: Dantas (2012)


everton.silva@ufsc.br
copyright
Mayo 2013
39
Propiedades Deseables de los Estimadores
No tendencioso
Eficiencia
Consistencia
| | | = |

E
| | | | min E

E
2
= | |
| = |
= |

lim
0 )

( V lim
n
n
| = |

2 1

| = |
Muestra 1
Muestra 2
1

|
2

|
|
n=60
n=100
n=200
Fuente: Dantas (1998)
everton.silva@ufsc.br
copyright
Mayo 2013
40
1) Definir la forma de la ecuacin
Anlisis de Regresin
2) Estimar los parmetros de la regresin
3) Bondad de ajuste del modelo (r
2
)
4) Pruebas de significancia (F y t)
5) Anlisis de los residuos
everton.silva@ufsc.br
copyright
Mayo 2013
41
Coeficiente de Determinacin r
2
3) Bondad de ajuste del modelo (r
2
)
Indica el poder de explicacin del modelo, en
funcin de las variables independientes
consideradas en el anlisis.
Con otras palabras, que proporcin de la variable Y
es explicada por la variabilidad de X.
everton.silva@ufsc.br
copyright
Mayo 2013
42
Descomposicin de la Variabilidad Muestral
ANOVA: Anlisis de la Varianza

= = =
+ =
n
1 i
n
1 i
n
1 i
2
i i
2 2
i
) Y

Y ( ) Y Y

( ) Y Y (
Suma de los
cuadrados
totales
Suma de cua-
drados debido
a la regresin
Suma de cua-
drados de los
residuos
+ =
Variacin Total = Variacin explicada + Variacin no explicada
Coeficiente de Determinacin:

r
2
=
Variacin Explicada
Variacin Total
everton.silva@ufsc.br
copyright
Mayo 2013
43

Y
X
e
i
Y

i
Y
) Y Y (
i

X b b Y

1 0
+ =
X
Y
Descomposicin de la Variabilidad Muestral
ANOVA: Anlisis de la Varianza
everton.silva@ufsc.br
copyright
Mayo 2013
44
Fuente de
Variacin
Sumas de
Cuadrados
Grados de
Libertad
Media
Cuadrtica
Regresin
SSR

k

Residuo
SSE

n - k - 1

Total
SST

n - 1



=
n
1 i
2
i
) Y Y


=
n
1 i
2
i i
) Y Y


=
n
1 i
2
i
) Y Y (
k
SSR
MSR=
) 1 k n (
SSE
MSE

=
Descomposicin de la Variabilidad Muestral
ANOVA: Anlisis de la Varianza
everton.silva@ufsc.br
copyright
Mayo 2013
45
SSE SSR SST + =
Descomposicin de la Variabilidad Muestral
ANOVA: Anlisis de la Varianza
everton.silva@ufsc.br
copyright
Mayo 2013
46
Coeficiente Ajustado
Coeficiente de Determinacin r
2
SST
SSR
) Y Y (
) Y Y

(
r
n
1 i
2
i
n
1 i
2
i
2
=


=
=
=
1 k n
1 n
). r 1 ( 1 r
2 2
a

=
everton.silva@ufsc.br
copyright
Mayo 2013
47
1) Definir la forma de la ecuacin
Anlisis de Regresin
2) Estimar los parmetros de la regresin
3) Bondad de ajuste del modelo (r
2
)
4) Pruebas de significancia (F y t)
5) Anlisis de los residuos
everton.silva@ufsc.br
copyright
Mayo 2013
48
Significancia Global del Modelo
4) Pruebas de significancia (F y t)
Prueba F de Snedecor
1) - k - n ; k ;( calc j 1
1) - k - n ; k ;( calc k 2 1 0
F F si cero, de distinto es uno menos al 0 b : H
F F si , 0 b ... b b : H
o
o
> =
s = = = =
La estadstica para la prueba es:
MSE
MSR
F
calc
=
1) - k - n ; k ;(
F
o
0 +
o
ac. H
0
rec. H
0

Regin de
rechazo de H
0
everton.silva@ufsc.br
copyright
Mayo 2013
49
everton.silva@ufsc.br
copyright
Mayo 2013
50
Ejercicio
Significancia Global del Modelo
Prueba F de Snedecor
En la valuacin de una tienda fuera considerada la edad (X) como la
nica variable independiente para explicar las variaciones en los precios
unitarios (Y), teniendo como base una muestra de 21 comparables. La
varianza explicada por el modelo es 16 y la no explicada es 40. Se pide la
prueba de significancia del modelo a lo nivel de 5%.
Fuente: Dantas (1998)
everton.silva@ufsc.br
copyright
Mayo 2013
51
Significancia de los Estimadores
4) Pruebas de significancia (F y t)
Prueba t de Student
1 - k - n ; 2 / 1 j j 1
1 - k - n ; 2 / 1 j j 0
t t si , 0 b : H
t t si , 0 b : H
o
o
> =
s =
La estadstica para la prueba es:
) b ( s
b
t
j
j
j
= onde

=
n / ) X ( X
MSE
) b ( s
2
i
2
i
j
everton.silva@ufsc.br
copyright
Mayo 2013
52
Significancia de los Estimadores
4) Pruebas de significancia (F y t)
Prueba t de Student
Y
X
Y
X
Y
X
Y Constante Variacin No Sistemtica Relacionamiento No Lineal
H
0
:b
j
=0
H
0
:b
j
=0
H
0
:b
j
=0
Fuente: Chuanhua Yu (2005)
everton.silva@ufsc.br
copyright
Mayo 2013
53
Se rechaza la
hiptesis nula
Se rechaza la
hiptesis nula
1 - k - n ; 2 / 1
t
o 1 - k - n ; 2 / 1
t
o
/2
/2
1-
Significancia de los Estimadores
Distribucin t de Student
everton.silva@ufsc.br
copyright
Mayo 2013
54
everton.silva@ufsc.br
copyright
Mayo 2013
55
Significancia de los Estimadores
Distribucin t de Student
Intervalo de Confianza

t ). b ( s b ; t ). b ( s b
1 - k - n ; 2 / 1 j j 1 - k - n ; 2 / 1 j j o o
+
everton.silva@ufsc.br
copyright
Mayo 2013
56
Ejercicio
En la valuacin de una tienda fuera considerada la edad (X) como la
nica variable independiente para explicar las variaciones en los precios
unitarios (Y), teniendo como base una muestra de 21 comparables. El
modelo obtenido para la lnea de regresin es como sigue:



El desvo estndar del parmetro estimado es igual a 8.
Se pide para hacer la prueba de significancia del parmetro
correspondiente a la edad, a lo nivel de 5%.
Significancia de los Estimadores
i i
10.X - 900 Y

=
Fuente: Dantas (1998)
everton.silva@ufsc.br
copyright
Mayo 2013
57
1) Definir la forma de la ecuacin
Anlisis de Regresin
2) Estimar los parmetros de la regresin
3) Bondad de ajuste del modelo (r
2
)
4) Pruebas de significancia (F y t)
5) Anlisis de los residuos
everton.silva@ufsc.br
copyright
Mayo 2013
58
Control de Supuestos
5) Anlisis de los residuos
Media cero de los residuos:
0 ) ( E
i
=
Homocedasticidad de los residuos:
2 2
i
) ( E o = c
Independencia serial de los residuos: 0 ) ( E
j i
=
(i = j)
Normalidad: tiene distribucin normal
i

everton.silva@ufsc.br
copyright
Mayo 2013
59
Control de Supuestos
Distribucin Normal
everton.silva@ufsc.br
copyright
Mayo 2013
60
Control de Supuestos
Normalidad de los Residuos
Regression Standardi zed Resi dual
5
,
0
0
4
,
0
0
3
,
0
0
2
,
0
0
1
,
0
0
0
,
0
0
-
1
,
0
0
-
2
,
0
0
-
3
,
0
0
-
4
,
0
0
-
5
,
0
0
-
6
,
0
0
Histogram
Dependent Variable: L_INGHOR
F
r
e
q
u
e
n
c
y
3000
2000
1000
0
St d. Dev = 1, 00
Mean = 0, 00
N = 10338,00
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: L_INGHOR
Observed Cum Prob
1,00 ,75 ,50 ,25 0,00
E
x
p
e
c
t
e
d

C
u
m

P
r
o
b
1,00
,75
,50
,25
0,00
Histograma
Normal Residuos
F
r
e
c
u
e
n
c
i
a

Residuos estandarizados
C
u
a
n
t
i
l
e
s

t
e

r
i
c
o
s

Cuantiles observados
Fuente: Salvia (?) figuras adaptadas
everton.silva@ufsc.br
copyright
Mayo 2013
61
Control de Supuestos
Homocedasticidad de los Residuos
2 2
i
) ( E o = c
x or y
0
Residuos
Homoscedasticidad: residuos se presentan
completamente al azar.
0
Residuos
Heteroscedasticidad: la varianza de los residuos
cambia cuando el valor estimado cambia..
x or y
Es indicado el diagrama de dispersin de los residuos contra los
valores ajustados para variable dependiente.
Fuente: Chuanhua Yu (2005)
everton.silva@ufsc.br
copyright
Mayo 2013
66
Intervalo de Confianza para
i
El intervalo de confianza a un nivel de (1-o), alrededor de un
punto (X
0
;Y
0
), en la lnea de regresin, se calcula como sigue:
) Y

( s . t Y

I
0 1 - k - n ; 2 / 1 0 o
=
donde s(
0
) es el desvo estndar calculado alrededor del punto
(X
0
;Y
0
).

) X X (
) X X (
n
1
. s . t Y

I
2
i
2
0
e 1 - k - n ; 2 / 1 0

+ =
o
donde

1 k n
) Y

Y (
s
2
i
e

=
everton.silva@ufsc.br
copyright
Mayo 2013
67
Intervalo de Prediccin para
0

) X X (
) X X (
n
1
1 . s . t Y

I
2
i
2
0
e 1 - k - n ; 2 / 1 0

+ + =
o
donde

1 k n
) Y

Y (
s
2
i
e

=
Problemas con las Variables
0.0
50.0
100.0
150.0
200.0
250.0
300.0
20 40 60 80 100
X
Y

Observaciones actuales Limite inferior para
0
Limite superior para
0
Limite inferior para lnea
Limite superior para lnea
Fuente: Chuanhua Yu (2005)
everton.silva@ufsc.br
copyright
Mayo 2013
68
1

|
2

| |
n=60
n=100
n=200
Resumen del Control de Supuestos
Problemas con las Variables
Inclusin de variables independientes irrelevantes
Consecuencias: Ineficiencia
2 1

| = |
Muestra 1
Muestra 2
No inclusin de variables independientes importantes
Consecuencias: Tendenciosidad y Inconsistencia
| = |

|
2

| |
n=60
n=100
n=200
Falta de linealidad
Consecuencias: Tendenciosidad y Inconsistencia
| = |

Multicolinealidad
Consecuencias: Ineficiencia
2 1

| = |
Muestra 1
Muestra 2
Fuente: Dantas (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
69
Resumen del Control de Supuestos
Problemas con los Errores
Heterocedasticidad
Auto Correlacin
Falta de Normalidad
Consecuencias: Ineficiencia
2 1

| = |
Muestra 1
Muestra 2
Fuente: Dantas (2012)
everton.silva@ufsc.br
copyright
Mayo 2013
70
Cuarteto de Anscombe

Para todos los
4 casos:

=3+0,5X
y
r
xy
=0,816
everton.silva@ufsc.br
copyright
Mayo 2013
71
www.lincolninst.edu
everton.silva@ufsc.br
copyright
Mayo 2013
72
www.lincolninst.edu
Everton da Silva
Ingeniero Agrimensor
Profesor de la Universidade Federal de Santa Catarina
Departamento de Geociencias
Centro de Filosofa y Ciencias Humanas CFH
everton.silva@ufsc.br
Contacto
everton.silva@ufsc.br
copyright
Mayo 2013
73
Referencias
ANDRIOTTI, Jos L. S.. Fundamentos se estatstica e geoestatstica. So Leopoldo: Editora Unisinos,
2005, 165 p..
CHUANHUA YU. Principles of Biostatistics: simple linear regression. Presentation: Department of
Epidemiology and Health Statistics,Tongji Medical College. Available:
www.cs.sunysb.edu/~mueller/.../ch18Reg.ppt. Access: 1 octuber, 2012.
DANTAS, Rubens Alves. Engenharia de avaliaes: uma introduo metodologia cientfica. So
Paulo: Ed. PINI, 1998, 251p..
DANTAS, Rubens Alves. Tpicos avanados em engenharia de avaliaes: parte 1. Apostila: Curso de
especializao em engenharia de avaliaes e percias IBAPE, Florianpolis, 2012.
GONZLEZ, Marco Aurlio Stumpf. A engenharia de avaliaes na viso inferencial. So Leopoldo:
Ed. UNISINOS, 1997, 142 p..
RENN, Camilo Daleles. Anlise de Regresso: aplicao ao sensoriamento remoto. Aula 18: DPI-
INPE. Disponvel: http://www.dpi.inpe.br/~camilo/estatistica/. Acessado em: 1/10/2012.
SALVIA, Agustn. Estrategias y diseos avanzados de investigacin social: anlisis de modelos de
regresion lineal (2 parte). Seminario de Posgrado. Disponible:
www.catedras.fsoc.uba.ar/salvia/.../doc-uba-ppt-3-b.ppt. Consultado: 1/10/2012.