Escolar Documentos
Profissional Documentos
Cultura Documentos
Engenharia de Avaliações:
Método comparativo direto
de dados de mercado
- tratamento científico dos dados-
Prof. Dr. Lutemberg Florencio
UNIDADES I e II
1
27/03/2020
Escopo
1. MCDDM
1.1 Tratamento científico dos dados
1.1.1 Análise de regressão
1.1.2 Modelo de regressão linear simples
1.1.3 Validação do modelo
1.3.1 Verificação dos pressup. básicos do mod. de regr.
1.3.2 Verificação de pontos atípicos
1.3.3 Análises de: gráficos, medidas de diag., testes e
intervalos estatísticos voltados para a qualidade do
ajustamento
1.3.4 Verificação da adequação teórica e lógica do
modelo
= 259,07 − 66,77. X
= 259,07 − 66,77.1,5
= 158,91 $⁄
= 158,92 x 1000 = 158.920,00
2
27/03/2020
Técnicas apropriadas da
Verificação de pontos atípicos
Estatística
Validação do Análises de: medidas de
modelo diagnóstico, gráficos, testes e
intervalos estatísticos voltados
para a qualidade do ajustamento
Verificação da adequação teórica
e lógica do modelo
Medidas de Intervalo de
diagnóstico confiança
Testes de
hipóteses
3
27/03/2020
Medidas de diagnóstico
∑ (Yˆ − Y )
2
SQR i
R = =
∑ (Y − Y )
2
SQT
i i
∑ (Y ∑ (Yˆ ∑ (Y ∑ (Yˆ − Y )
2
i − Y )2 = i − Y )2 + i − Yˆi ) 2 SQR i
R = =
∑ (Y − Y )
2
SQT
(SQT) (SQR) (SQE) i i
4
27/03/2020
Medidas de diagnóstico
SQR 48.296
R= = = 0,91
SQT 53.333
Medidas de diagnóstico
2. Desvio padrão do modelo
Entre dois modelos satisfatórios, deve-se escolher aquele de menor
variância , uma vez que fornecerá estimativas mais precisas.
n
∑ (Y − Yˆ )
2
i i
i =1
Se = k – número de variáveis independentes
n − k −1
∑ (Y − Yˆ )
2 5036,92
i i Se = = 35,49
Se = 6−2
n−2
5
27/03/2020
Medidas de Intervalo de
diagnóstico confiança
Testes de
hipóteses
Testes de hipóteses
Testes de hipóteses consistem em testar uma afirmação sobre
características da população, a partir de estatísticas amostrais.
O ponto central é verificar se a diferença entre o valor alegado
de um parâmetro populacional e o valor de uma estatística amostral
pode ser razoavelmente atribuído a variabilidade amostral ou se a
discrepância é demasiadamente grande para ser encarada assim.
6
27/03/2020
Testes de hipóteses
• - Hipótese nula:
Aceita como verdadeira até haver prova estatística em contrário.
• - Hipótese alternativa:
Hipótese que será aceita se os dados mostrarem evidências
suficientes para a rejeição da hipótese nula. Geralmente, é a própria
hipótese da pesquisa. Deve ser especificada em termos de
parâmetros populacionais, usando =, > ou <.
14
7
27/03/2020
Yi Yi
H0 H1
X ki X ki
H 0 : β1 = 0, contra
Estatisticamente, tem-se:
H 1 : β1 ≠ 0
8
27/03/2020
2 2
9
27/03/2020
Calcula-se:
βˆ j − β j βˆ j
t *j = t calc =
( )
s βˆ j ( )
s βˆ j
2
1 ∑ Y i − Yˆi
S ( βˆ j ) = S e , onde Se =
∑ (x i − x)2
n − k −1
βˆ j − 66 , 77
t calc = =
( )
s βˆ j s ( βˆ ) 1
1 1
s ( βˆ1 ) = S e → 35 , 49 × = 10 ,78
∑ ( x − x) i
2 10 ,83
− 66,77
t calc = = 6,19
10,78
10
27/03/2020
* Regra de decisão
Se |*+,-+ | . */,0 , rejeita-se .
t (0,05; 4) =
11
27/03/2020
12
27/03/2020
13
27/03/2020
27
Estatisticamente, tem-se:
H 0 : β 1 = β 2 = ... = β k = 0
H 1 : Pelo menos um β j ( j = 1,..., k )
é diferente de zero
14
27/03/2020
Yi Yi
H0 H1
X ki X ki
15
27/03/2020
Calcula-se:
∑(Yˆ −Y ) × n − k −1
2
* Vexp i
F = Fcalc =
∑(Y −Yˆ ) K
Vnexp 2
i i
Tabela de ANOVA
Variação Soma dos Graus de Variância
Quadrados Liberdade
( )
2
Explicada (
$ −Y
SQR = ∑ Y i ) k 2
V exp = ∑ Yˆi − Y /k
(Modelo)
Não
Explicada (
SQE = ∑ Y i − Yˆi ) 2 n-k-1 (
Vn exp = ∑ Yi − Yˆ ) 2
/(n-k-1)
(Erro)
Total SQT = ∑(Yi −Y )2 n-1 Vtot = ∑(Yi − Y ) 2 /(n-1)
16
27/03/2020
Não
Explicada (
SQE = ∑ Y i − Yˆi ) 2 n-k-1 (
Vn exp = ∑ Yi − Yˆ ) 2
/(n-k-1)
(Erro)
Total SQT = ∑(Yi −Y )2 n-1 Vtot = ∑(Yi − Y ) 2 /(n-1)
Variação Soma dos Graus de Variância Fc
Quadrados Liberdade
Explicada 48296,41 1 48296,41 38,35
(Modelo)
∑(Yˆ −Y ) × n − k −1
2
Vexp i
*
F = Fcalc = = 38,35
∑(Y −Yˆ ) K
Vnexp 2
i i
17
27/03/2020
* Regra de decisão
Se 6+,-+ . 6/,0 , rejeita-se .
F tab = F (α;
9 ; 9 )
F (0,01;1; 4) =
18
27/03/2020
19
27/03/2020
Fc = 38,35
F tab = F (α ; 1 ; 4) = 21,2
Medidas de Intervalo de
diagnóstico confiança
Testes de
hipóteses
20
27/03/2020
Intervalo de confiança
Tipo de estimativa intervalar em que se estabelece um intervalo em torno de
um estimador pontual. Um intervalo de confiança define dois limites, LI e LS.
Intervalo de confiança
No Intervalo de confiança, a
probabilidade de estabelecer um
intervalo de valores que contenha
o verdadeiro parâmetro
populacional é de 1− . Essa
probabilidade é chamada de nível
de confiança, denotada por 1-α α,
sendo α o nível de significância
(probabilidade de erro).
21
27/03/2020
Intervalo de confiança
∑ (Y )
2
i − Yˆi
onde i =1
Se =
n−2
Intervalo de confiança
∑ (Y ) 2
i − Yˆi
i =1 35 , 49
Se =
n−2
. =(µ;80%) = 158,92 ± * ,; E . 35,49.0,42
22
27/03/2020
23
27/03/2020
24
27/03/2020
Erros
aleatórios
Y i = βˆ 0 + βˆ 1 X i + eˆ i ou
Yi resíduos
Yo do modelo
eˆ 0 = Y 0 − Yˆ0
Yˆi = βˆ 0 + βˆ1 X i
Yˆ0
Xo Xi
( x − µ )2
1 −
2σ 2
f ( x) = e , x∈R
σ 2π
Notação : X ~ N ( µ , σ 2 ).
25
27/03/2020
Normalidade
Distribuição normal
P (µ − σ ≤ X ≤ µ + σ ) ≅ 0 , 68
P ( µ − 1 , 64 σ ≤ X ≤ µ + 1 , 64 σ ) ≅ 0 , 90
P ( µ − 1 , 96 σ ≤ X ≤ µ + 1 , 96 σ ) ≅ 0 , 95
Normalidade
Verificação
26
27/03/2020
Homoscedasticidade
Verificação
> A partir da análise gráfica dos resíduos padronizados versus valores
ajustados pelo modelo de regressão. Os pontos devem estar
distribuídos aleatoriamente em torno de uma reta horizontal que
passa na origem, sem nenhum padrão definido.
ei ei
O O
<
<
Yi Yi
Modelo homoscedástico Modelo heteroscedástico
( variância constante ) ( variância não constante )
27
27/03/2020
Autocorrelação
Verificação
A partir da análise gráfica dos resíduos padronizados versus valores
ajustados pelo modelo de regressão, que deve apresentar pontos
dispersos aleatoriamente, sem nenhum padrão definido.
ei ei
O O
<
<
Yi Yi
Ausência de autocorrelação Indícios de autocorrelação
28
27/03/2020
Colinearidade ou multicolinearidade
> NBR 14653-2, Anexo A, item A.2.1.5.4: Nos casos em que o imóvel
avaliando segue os padrões estruturais do modelo, a existência de
multicolinearidade pode ser negligenciada.
29
27/03/2020
= 259,07 − 66,77. X
30
27/03/2020
Xi Xi
Outlier é um ponto atípico, Ponto influenciante é um ponto
identificado como estranho à atípico que, quando retirado da
massa de dados. amostra, altera significativamente os
parâmetros estimados ou a
estrutura do modelo.
Outliers
Verificação
A partir da análise do gráfico dos resíduos padronizados versus
valores ajustados.
ei*
OUTLIER
+2
<
0 Yi
- OUTLIER
2
31
27/03/2020
Técnicas apropriadas da
Verificação de pontos atípicos
Estatística
Validação do Análises de: gráficos, medidas de
modelo diagnóstico, testes e intervalos
estatísticos voltados para a
qualidade do ajustamento
Verificação da adequação teórica
e lógica do modelo
32
27/03/2020
Preços Valores
observados estimados
300 259,08
200 192,31
150 192,31
100 125,54
50 58,77
20 -8,00
33
27/03/2020
Escopo
1. MCDDM – Tratamento dos dados
1.1 Análise de regressão
1.2 Coeficiente de correlação
1.3 Modelo de regressão linear simples
1.3.1 Método dos mínimos quadrados
1.4 Validação do modelo
1.4.1 Verificação dos pressup. básicos do modelo de regr.
1.4.2 Verificação de pontos atípicos
1.4.3 Análises de: gráficos, medidas de diagnóstico, testes e
intervalos estatísticos voltados para a qualidade do
ajustamento
1.4.4 Verificação da adequação teórica e lógica do modelo
67
34