Escolar Documentos
Profissional Documentos
Cultura Documentos
DISSERTAÇÃO DE MESTRADO
PROFISSIONALIZANTE EM ADMINISTRAÇÃO
“PRECIFICAÇÃO DE IMÓVEIS
RESIDENCIAIS NA REGIÃO
METROPOLITANA DO RIO DE JANEIRO
SOB A LÓGICA FUZZY”.
ii
iii
FICHA CATALOGRÁFICA
S237
Santos Junior, Emanuel Rosa dos.
Precificação de Imóveis Residenciais na Região
Metropolitana do Rio de Janeiro sob a Lógica Fuzzy. - Rio de
Janeiro: [s.n.], 2014.
51 f. : il.
CDD 658
iv
DEDICATÓRIA
v
AGRADECIMENTOS
Agradeço à Professora Dra. Maria Augusta Soares Machado, que me orientou no curso da
pesquisa científica denotando, de forma exemplar, que a simplicidade pode ser uma aliada à
aos Professores Dr. Edson José Dalto e Dr. Hime Aguiar e Oliveira Junior pela participação
ao apoio dos demais professores e orientadores do IBMEC, que cooperaram para desenvolver
vi
RESUMO
O objetivo deste trabalho é desenvolver um modelo que avalie imóveis a partir de atributos
que, por serem qualitativamente avaliados, dificultam a avaliação relativa de bens com
Assim, nesse estudo foram empregados dados relativos a apartamentos residenciais da região
modelo pretendido, a base de dados foi depurada segundo a abordagem de preços hedônicos,
proposta por Rosen (1974), que consiste em explicar o preço de bens através de seus atributos
ou pacotes de atributos.
vii
ABSTRACT
The objective of this work is to develop a model to evaluate properties from attributes that,
being evaluated qualitatively, hinder the relative valuation of assets with different
characteristics. Thus, we hope to provide a relevant market over the decision-making process
for the composition of new projects parameter as well as the repositioning of projects already
on the market.
Thus, in this study data on residential apartments in the metropolitan region of Rio de Janeiro,
located in 10 districts with greater expressiveness in General Release Value ( GRV ) were
employed . For the definition of variables relevant to the desired model, the database was
purified according to the hedonic pricing approach proposed by Rosen (1974) , which is to
Defined the relevant attributes, was designed an Adaptive Neurofuzzy Inference System
through the application of MATLAB software, in which the training sets, testing and
checking, so as to verify the robustness of the output variable (price m2) were employed,
viii
LISTA DE FIGURAS
ix
LISTA DE TABELAS
x
SUMÁRIO
xi
1 INTRODUÇÃO
Nesse contexto, pretende-se apresentar a lógica fuzzy como um método hábil a discernir
Portanto, considerando que a lógica fuzzy é uma linguagem hábil a traduzir matematicamente
variáveis difusas, e a lidar com a imprecisão e a incerteza, mostra-se de grande relevância seu
O município do Rio de Janeiro tem delimitação comumente citada por zonas (Zona Norte,
Zona Sul e Zona Oeste, inexiste uma Zona Leste). Essa, embora amplamente empregada, não
é uma classificação oficial, posto que, a Prefeitura da Cidade do Rio de Janeiro formalmente
regiões administrativas (RA), as quais são subdivididas em 160 bairros. Destaca-se que, em
12
face de intervenções urbanísticas podem ocorrer modificações na classificação de bairros e
Por isso, este estudo foi formulado segundo a divisão por bairros. Entretanto, para a
identificação dos bairros de maior relevância para o mercado imobiliário foram observados os
de Janeiro (ADEMI-RJ).
Insta frisar que a ADEMI-RJ é uma associação brasileira, de espectro nacional, fundada em
28 de janeiro de 1971, que reúne os dirigentes das maiores empresas do mercado brasileiro de
imóveis e, dentre seus objetivos está o cultivo de relações entre pessoas físicas e jurídicas
experiências e informações.
Posto isso, segundo a ADEMI (2013), o mercado imobiliário do Rio de Janeiro no ano de
totalizaram o Valor Geral de lançamento (VGL) de 11,2 bilhões de Reais, com expansão de
20% em relação a 2012, que totalizou 9,3 bilhões, conforme demonstração constante à Figura
1.
13
Fonte: Pesquisa ADEMI 2013
Figura 1 - Evolução do Valor Geral de Lançamentos (VGL)
E, ainda sobre o VGL, expõe-se na Tabela 1 uma série de períodos anuais, com os dez bairros
de maior Valor Geral de Lançamentos do período. Cada período, apresenta três colunas
sendo, classificados, em série decrescente, na coluna Bairro, os bairros com maior VGL e, nas
14
Então, a partir dos dados expostos na Tabela 1, verificou-se que o Mercado imobiliário, no
Entretanto, essa diversificação não se restringiu aos bairros onde foram implementados novos
investimentos, mas também no perfil dos imóveis, pois houve modificação na área dos
imóveis, conforme expõe a Tabela 2, onde estão apresentadas, em períodos anuais, as médias
Com base nos dados demonstrados na Tabela 2, ao comparar a área útil dos imóveis lançados
no ano de 2013, com a área dos imóveis lançados nos períodos anteriores, verificou-se que a
média da área útil de imóveis com 1 e 3 quartos reduziu, contudo a área de imóveis com 2 e 4
quartos aumentou.
15
Assim, da análise das evoluções apresentadas nas Tabelas 1 e 2 pode-se, de maneira
preliminar, inferir que somente a evolução dos atributos bairro e área útil do imóvel já tornam
a tarefa de avaliar imóveis difícil. Pois, nesses atributos encontram-se implícitos valores
qualitativos. Dos quais exemplificam-se a área do imóvel, que pode ser pequena, razoável ou
espaçosa, frente as demais do mercado, se o bairro oferta uma quantidade baixa, média ou alta
atributos que podem aumentar ou diminuir o preço do imóvel conforme a percepção de valor
avaliação de bens está formalizada através da Norma Brasileira (NBR) de número 14653,
Nessa Norma, a ABNT reconhece a avaliação de bens como uma análise técnica, para a qual
são cumpridas diversas atividades básicas. Dentre essas (as atividades básicas), evidenciamos
a coleta de dados onde são reconhecidos aspectos quantitativos e qualitativos do imóvel. Estes
16
O tratamento desses dados resultará na definição de uma variável dependente e de variáveis
fuzzy, por ser altamente apropriada à tarefa de avaliar o mercado imobiliário. Pois, conforme
Bagnoli e Smith (1998) a lógica fuzzy provê os meios para que os julgamentos, que
caracterizam nosso método para tomada de decisão, sejam formalizados sem o emprego de
processos artificiais que façam esses julgamentos parecerem precisos, já que não o são. Por
isso, o preço estimado por um modelo fuzzy tende a se aproximar mais da realidade quando
Por isso, a inteligência dos resultados obtidos sob a abordagem fuzzy repousa na
relação entre atributos, emulando o julgamento humano sobre essas (relações). Logo, à
O objetivo principal deste trabalho é desenvolver um modelo que avalie imóveis a partir de
atributos que, por serem qualitativamente avaliados, dificultam a avaliação relativa de bens
verifiquem com maior clareza, quais atributos são preponderantes para seus projetos e
1.4 JUSTIFICATIVA
Há no país, a sobrevalorização infundada dos imóveis, pois não houve evolução proporcional
da renda, o custo de produção não justifica os preços praticados e os aluguéis não remuneram
Para reforço dessa possibilidade, note-se que o mercado imobiliário do Rio de Janeiro
encontra-se em alta, porquanto, nos últimos cinco anos, os imóveis foram valorizados em
tais como a de que o investimento em imóveis teria valoração positiva garantida e de que o
fato de ser o País-sede das olimpíadas é relevante para a elevação de preços. Entretanto, o
18
mercado é formado por pessoas e estas tomam decisões aleatórias, o que contribui para sua
imprevisibilidade (a do mercado) e não garante a valorização dos imóveis. Por isso, num dado
Portanto, um modelo estabelecido sob a lógica fuzzy, que denote a variação do preço final de
formaria mais uma referência racional para orientação de consumidores e atores da indústria
da construção civil. Pois dessa forma, poderão formular decisões com base na relação custo e
(BYRNE, 1997).
19
2 REVISÃO DA LITERATURA
teórica ao objetivo pretendido. Logo, o presente não intenta esgotar o assunto, posto que é
vasto, mas sim validar o modelo pretendido, ante o conhecimento científico existente.
Segundo, Zadeh, que através de seu estudo seminal desenvolveu a lógica fuzzy para
A ideia central que diferencia a Teoria dos Conjuntos Fuzzy da Teoria Clássica de Conjuntos
1998).
20
Segundo Bagnoli e Smith (1995), isto pode-se exemplificar da seguinte forma:
Dado um conjunto universo U, um conjunto fuzzy A pode ser descrito pela seguinte equação:
A = (x, mA(x) \ x ∈ U)
mA(x) = 1 se x ∈ A,
mA(x) = 0 se x ∉ A.
A Lógica Fuzzy baseia-se na teoria dos Conjuntos Fuzzy, cujos princípios, são, dentre outros,
empregados para o estabelecimento de uma função de pertinência, que pode inclusive ser
21
Para exemplificar esse conceito, expõe-se o exemplo apresentado por Bagnoli e Smith (1998):
seguinte função característica: fA (x) = 1 se x>150 cm ou fA (x) = 0 se x ≤ 150 cm, nota-se que
um homem com 151 cm seria alto, o homem (x) é pertinente ao conjunto caracterizado pela
Já, sob a lógica fuzzy, adotando-se a função de pertinência do conjunto fuzzy A*, com as
seguintes notações:
mA*(x) = 0 se x ≤ 100 cm
Assim, ao aplicar a função de pertinência ao elemento composto pelo homem de 151 cm,
resultaria um grau de pertinência de 0,51, ou seja, este elemento apresenta grau de pertinência
22
2.1.1 A FUNÇÃO DE PERTINÊNCIA COMO UMA MEDIDA FUZZY
Há uma grande diferença entre uma medida expressa em centímetros e uma medida expressa
pertinência) é uma curva contínua que expressa a relação entre os objetos representados. Pois
homens altos, homem com altura de 151 cm (medida-objetiva), alto ou não (julgamento-
subjetivo) (BAGNOLI,1998).
objetiva, um julgamento, uma avaliação, sendo, portanto uma regra formal para expressar um
julgamento. Essa transição de valores da Teoria Clássica de Conjuntos para a Teoria Fuzzy
conceitos que podemos definir de forma imprecisa ou vaga. Por isso a lógica fuzzy é uma
Assim, se o objetivo for julgar se determinado elemento pertence ou não a um dado conjunto,
uma função de pertinência para determinar o seu grau de pertinência (quão próximo da
23
pertinência ou da não pertinência), sem que, para isso, necessite-se prover precisão ao
julgamento (BAGNOLI,1998).
Pode-se representar o julgamento que um organizador de recepções deve fazer para optar pelo
regras.
resultará uma decisão que, mesmo sendo imprecisa, resta eficaz ao objetivo pretendido.
24
2.1.2 CONJUNTOS FUZZY E SUAS OPERAÇÕES
Um conjunto fuzzy A é caracterizado pelo par [x, µA(x)], onde x é a variável contínua ou
discreta do universo em estudo e µA é uma função cuja imagem pertence ao intervalo [0 , 1],
Dadas variáveis discretas de um conjunto Fuzzy A, sua representação matemática poderia ser
a seguinte:
Que, em linguagem natural, descreve-se: No conjunto Fuzzy A, a variável x mede 1, com grau
de pertinência 0,4, mede 2 com grau de pertinência 0,5, mede 3 com grau de pertinência 0,7,
Insta destacar que, sendo os conjuntos fuzzy, um agrupamento impreciso e indefinido, que
encerra definições qualitativas, onde os dados transitam da não pertinência para a pertinência
de forma gradual. Seu grau fracionário de pertinência pode ser concebido como uma medida
25
da possibilidade de um dado elemento pertencer a um conjunto (quão membro ele é: exemplo
1 = membro; 0,8 = quase membro, 0 = não membro, etc.). Divergente da probabilidade, que
membro: 1 = membro em qualquer evento; 0,8 = dados os eventos, 80% de chance de ser
Quando nós humanos fazemos algum julgamento, empregamos palavras como “e” e “ou”
para conectar critérios diferentes e então organizar inferências para a avaliação. Esses
booleanas, advindas da Álgebra Booleana, criação do matemático inglês George Boole (1815-
1864), pelo uso dos conectivos “E”, “OU” e “NÃO” , que representam a União, a Intersecção
sempre menor que qualquer um dos conjuntos individuais A e B. Por essa razão, o vetor de
pertinência da intersecção A⋂B pode ser calculado dos valores individuais, de A e B, como
segue:
26
Conforme Caldeira, Machado, Souza e Tanscheit (2007), na equação acima empregou-se o
mínimo da norma-t (Tmin), no qual, para cada x do par ordenado o valor de µ será a menor
Todavia, a norma-t também permite o produto algébrico dos conjuntos: T!" A, B = µμ! Xµμ! ,
onde, para cada elemento x do par ordenado, o valor de µμ será a multiplicaçãoo entre as
pertinências de A e B. O produto limitado: T!" A, B = 1 se µμ! + µμ! > 1; e T!" A, B = µμ! +
µμ! se µμ! + µμ! < 1. Assim, para cada elemento x do par ordenado, o valor de µ será a soma
entre as pertinências de A e B.
Uma função de pertinência caracteriza uma linguagem fuzzy através da qual são determinados
uma evolução do grau de nenhuma pertinência até a total pertinência. Uma função
Esse é uma via para fuzzificar variáveis com poucos valores chave. Inicialmente, identifica-se
o valor “mais confortável”, como se somente um valor pudesse ser atribuído à variável, o qual
poderia ser determinado como a “melhor estimação” de valor da variável. Este pode ser a
moda ou o valor mais pertinente. Em seguida, identificar o menor e o maior valor que
27
Logo um número triangular caracteriza-se por ser normalizado (máxima altura da função de
pertinência = 1 ), ter área finita em termos do eixo horizontal, delimitado pelo intervalo
numérico de todos os possíveis valores reais que a variável expressa poderá assumir (universo
Os números fuzzy triangulares podem ser definidos é dada pela seguinte função: (BRAGA,
0; !!!!!!!!!!!!!!! < !
!−!
; !!!!!!!! ≤ ! < !
!−!
! !: !, !, ! = !−!
; !!!!!!!!! ≤ ! < !
!−!
0; !!!!!!!!!!!!!!!!!!!! ≤ !
regras SE – ENTÃO, que são executadas em paralelo. Assim, quando estiverem reunidas as
condições antecedentes (SE), os consequentes das regras (ENTÃO) denotarão o grau em que
foram cumpridos os antecedentes das regras. Um dos principais desafios da criação de um FIS
28
conhecimento de especialistas humanos e do ajuste fino das regras e, por conseguinte,
conjuntos fuzzy, o que pode ser muito demorado (GUAN E LEVITAN, 2008).
Portanto, Uma solução para este problema é o de combinar as vantagens de um sistema Fuzzy
LEVITAN, 2008).
O ANFIS viabiliza a adaptação das funções de pertinência executando o ajuste fino dos
nebulosos, representando cada espaço de saída por meio de uma função linear. As partições
estimativa de valores de imóveis, não se pode apenas olhar para os dados e discernir funções
de pertinência e conjuntos regras fuzzy , o ANFIS torna-se uma via eficiente para mapear
relações não-lineares entre os atributos de uma propriedade e o seu preço de venda (GUAN E
LEVITAN, 2008).
29
2.1.5 ATRIBUTOS
quais são determinados a partir de dados do mercado. Esse modelo tem larga aplicação no
mercado imobiliário, de sorte que o valor de venda é regredido em função de seus atributos.
Assim a função explícita, função preço hedônico, determina quais são os atributos mais
partir desse vetor estabelece-se um preço (p(z)), que se iguala ao conjunto de preços
posições equilibradas no mercado, por isso não podem impor suas posições individualmente,
(ROSEN, 1974).
implicando que o preço relativo dos atributos não é fixo , mas sim determinado por
30
No estudo da precificação hedônica, segundo Rosen (1974), propõe-se um procedimento em
dois estágios, sendo p(z) determinado no primeiro e as demanda e oferta no segundo. Dessa
estágio, onde estabelece-se a relação preço / atributos, pretende-se ratificar a relevância dos
3 METODOLOGIA
Para formulação de uma amostra relevante e expressiva adotou-se como critério captar dados
dos dez bairros que apresentaram maior Valor Geral de Lançamentos (VGL), no ano de 2013,
conforme classificação publicada pela ADEMI (Tabela 3). Porquanto esses imóveis
inovadoras.
31
Ranking/VGL/2013
Posição Bairro Unidade %/VGL
1º Jacarepaguá 2315 16,1
2º Recreio 1830 12,7
3º Barra/da/Tijuca 1662 11,6
4º Cachambi 1358 9,4
5º Campo/Grande 1044 7,3
6º Penha 866 6
7º Santo/Cristo 837 5,8
8º Del/Castilho 530 3,7
9º Pavuna 514 3,6
10º Vila/da/Penha 514 3,6
Fonte:/Pesquisa/ADEMI/2013
Nesses bairros, os imóveis pesquisados foram em sua totalidade apartamentos, pois, à luz da
O modelo de previsão será obtido, com base em procedimentos albergados nos princípios
teóricos da Lógica Fuzzy, e terá duas etapas distintas: A primeira será dividir, aleatoriamente,
a amostra obtida em três partes, sendo que aproximadamente 55% da amostra será destinada à
32
• Análise)de)pesquisas)e)Ar0gos)
Captação)de)dados) • Inserção)de)variáveis)
Resultados)
Cien4ficos) • Criação)do)ANFIS)a)par0r)do)conjunto)
• Estabelecimento)de)critérios) de)treinamento)
• Análise)de)pesquisas)realizadas)por) • Adaptação)do)Sistema)a)par0r)do) • Emprego)do)conjunto)de)validação)
ins0tuições)ligadas)ao)mercado) • Comparação)com)dados)de)mercado)
imobiliário) conjunto)de)teste)
• Teste)do)ANFIS) • Revisão,)se)necessário)
• Pesquisas)na)rede)mundial)de)
computadores)
• Determinação,de,bairros,
• Coleta)de)dados)
• Divisão)de)conjuntos)
Determinação)de) Inclusão)de)dados)em)
atributos)relevantes) sistema)
Fonte: Autor
Figura 2– Fluxo do trabalho de pesquisa
Sob esse critério, coletar dados através de anúncios disponíveis na rede mundial de
33
3. Gerar ANFIS a partir do conjunto de treinamento no sistema MATLAB e testar o
preços, foram pesquisados estudos científicos acerca da precificação de imóveis segundo seus
atributos. Desses, verificou-se como mais robusto e consentâneo com os objetivos deste
estudo o trabalho de autoria de Fávero, Belfiore e Lima (2008), que teve como objeto imóveis
(apartamentos) da região metropolitana de São Paulo. Desse estudo não foram empregadas no
presente as variáveis que afetam exclusiva e isoladamente a Demanda e a Oferta, posto que
Fávero, Belfiore e Lima (2008), esses representam características de imóveis cuja grandeza,
34
Ordem Atributos
1 Área5total5do5imóvel
2 Quantidade5de5vagas5de5garagem5por5apartamento
3 Quantidade5de5dormitórios5no5apartamento
4 Quantidade5de5banheiros5no5apartamento
5 Existência5de5salão5de5festas5no5condomínio
6 Existência5de5salão5de5Jogos5no5condomínio
7 Existência5de5sala5de5ginástica5no5condomínio
8 Existência5de5piscina55no5condomínio
9 Existência5de5sauna5no5condomínio
10 Existência5de5churrasqueira5no5condomínio
11 Existência5de5quadra55no5condomínio
12 Existência5de5guarita55no5condomínio
13 Existência5de5câmeras5de5circuito5fechado5de5TV5
14 Existência5de5varanda55no5condomínio
15 Altura5relativa5do5apartamento5no5edifício
16 Proximidade5de5colégio5particular
17 Proximidade5de5shopping5center
18 Proximidade5de5estação5de5metrô
19 Proximidade5de5hospital5particular
20 Proximidade5de5parque5e5área5verde
21 Pontos5de5inundação5na5localidade
22 Existência5de5aterros5ou5lixões5na5localidade
Fonte:5Fávero,52008
Entretanto, o emprego direto dessas variáveis implicaria num número muito elevado de
variáveis. Por isso, o número de variáveis para a formulação do ANFIS deve ser
propositadamente reduzido, de sorte que o processamento das interações não seja dificultado
35
Ordem& Atributos Variável
1 Área&total&do&imóvel
2 Quantidade&de&vagas&de&garagem&por&apartamento Área
3 Quantidade&de&dormitórios&no&apartamento
4 Quantidade&de&banheiros&no&apartamento
5 Existência&de&salão&de&festas&no&condomínio
6 Existência&de&salão&de&Jogos&no&condomínio
7 Existência&de&sala&de&ginástica&no&condomínio
8 Existência&de&piscina&&no&condomínio Lazer
9 Existência&de&sauna&no&condomínio
10 Existência&de&churrasqueira&no&condomínio
11 Existência&de&quadra&&no&condomínio
12 Existência&de&guarita&&no&condomínio
13 Existência&de&câmeras&de&circuito&fechado&de&TV&no&condomínio Não&houve&emprego
14 Existência&de&varanda&&no&condomínio
15 Altura&relativa&do&apartamento&no&edifício
16 Proximidade&de&colégio&particular
17 Proximidade&de&shopping¢er
18 Proximidade&de&estação&de&metrô
19 Proximidade&de&hospital&particular Bairro
20 Proximidade&de&parque&e&área&verde
21 Pontos&de&inundação&na&localidade
22 Existência&de&aterros&ou&lixões&na&localidade
padronização, para a qual podemos exemplificar um apartamento com 2 quartos sala cozinha
e dependência sem banheiro, onde a inserção de uma suíte e um banheiro teria por restrição a
área útil do imóvel. Por isso através da variável Área, que é quantificada através da área útil
do imóvel em m2 com amplitude de 114 (valor mínimo de 34 m2 e máximo de 148 m2), busca-
imóvel.
atributos elencados tem um número limitado desses ambientes, houve a expansão da variável
a outros tipos de ambientes, pois o mercado dispõe largo conjunto de atributos de lazer, dentre
36
os quais, pode-se exemplificar, gazebo, espaço para relaxamento, hidromassagem, boliche,
brinquedoteca, espaço gourmet, entre outros. Dessa forma no modelo a variável lazer está
A variável Bairro, visa demonstrar a evolução do preço dos imóveis segundo a divisão por
bairros do Rio de Janeiro. Assim para representar os 10 bairros mais bem classificados na
classificação ADEMI de Valor Geral de Lançamentos, foi formulada uma escala de rótulos,
de 1 a 10, ordenada em ordem crescente de valor global dos imóveis, através da qual a
relativa, não foram considerados pois constatou-se durante a formulação da amostra que quase
a totalidade dos anúncios expressavam a presença destes atributos, logo não proveriam
37
Em todas as variáveis de entrada houve o emprego do artifício de normalização da amostra,
ou seja todos os dados empregados no modelo foram divididos pelo elemento de maior
Quanto a variável de saída Preço, esta representa o valor do m2 resultante da interação das
demais variáveis e foi empregada por ser uma referência corrente no mercado imobiliário,
bem como constitui-se em medida que pode ser aplicada a qualquer imóvel independente de
Portanto com intuito de prover maior clareza à divisão de variáveis, o Quadro 6 as expõe de
forma esquemática.
VARIÁVEIS2DE2ENTRADA VARIÁVEL2DE2SAÍDA
ÁREA m2 34232148
BAIRRO 3 123210
Os dados foram inseridos no software MATLAB, através de seu aplicativo ANFIS Editor,
com o processo sendo iniciado pela inserção do conjunto de treinamento, o qual contou
imóveis distribuídos nos bairros da Penha, Vila da Penha, e Cachambi, posto que
Excluídos os dados a amostra foi novamente aplicada ao ANFIS Editor, gerando o gráfico
exposto na Figura 4, onde constam, no eixo vertical o valor de saída dos dados e no eixo
39
4.1 ARQUITETURA DE REDE
geradas 27 regras Fuzzy, sob parâmetros de partição grid partition. Em seguida, houve a
otimização do sistema, que se deu pelo método híbrido que emprega uma combinação dos
40
Concluída a análise de erro do sistema empregou-se o teste dos resultados do sistema de
conjunto. Por ser este um sistema adaptativo, a implementação desta etapa visou a promoção
41
Tomando por referência o lado esquerdo do observador, constam na arquitetura do sistema na
brancas, em seguida linhas contínuas denotam suas relações com as 27 regras contidas na
iniciar a sua validação. Para tanto, foram internalizados os dados referentes ao conjunto de
42
validação, que com os mesmos parâmetros das etapas anteriores, alcançou o erro médio de
está demonstrado na Figura 9 onde são apresentadas por asteriscos vermelhos as saídas do
sistema de inferência e por cruzes azuis, os preços referentes aos elementos do conjunto de
validação.
43
Figura 9 – Gráfico de teste do conjunto de validação
que o contraste dos resultados obtidos forme uma demonstração prática da utilidade do
44
ORDEM ÁREA6ÚTIL6(m 2 ) LAZER BAIRRO PREÇO6M26 (R$) PREÇO6M2 6SAÍDA6FIS6(R$)
1 110 0 Pavuna 1.590,91 1.540,00
2 108 0 Pavuna 1.740,74 1.770,00
3 60 1 Pavuna 1.750,00 1.730,00
4 55 3 Pavuna 2.272,73 1.980,00
5 55 2 Pavuna 2.181,82 2.050,00
6 123 4 Campo6Grande 2.717,69 2.810,00
7 44 2 Campo6Grande 3.121,50 3.090,00
8 49 4 Campo6Grande 3.571,43 3.360,00
9 50 3 Campo6Grande 3.200,00 2.860,00
10 60 4 Campo6Grande 2.666,67 3.110,00
11 50 3 Campo6Grande 3.000,00 2.860,00
12 65 6 Campo6Grande 2.907,69 3.760,00
13 56 7 Penha 5.433,93 4.960,00
14 101 0 Penha 2.920,79 3.030,00
15 90 0 Penha 2.555,56 2.700,00
16 66 6 Penha 5.401,52 5.290,00
17 78 3 Cachambi 4.743,59 4.710,00
18 70 4 Cachambi 4.285,71 4.810,00
19 78 2 Cachambi 4.230,77 4.270,00
20 64 0 Cachambi 3.593,75 3.490,00
21 70 7 Cachambi 6.071,43 4.810,00
22 90 4 Cachambi 5.000,00 5.450,00
23 86 8 Cachambi 5.581,40 5.520,00
24 99 10 Cachambi 5.454,55 5.530,00
25 111 3 Vila6da6Penha 4.774,77 4.990,00
26 128 7 Vila6da6Penha 5.070,31 5.110,00
27 120 2 Vila6da6Penha 5.000,00 4.910,00
28 142 2 Vila6da6Penha 4.478,87 4.500,00
29 70 6 Vila6da6Penha 5.857,14 5.740,00
30 98 8 Vila6da6Penha 6.020,41 6.080,00
31 82 12 Del6Castilho 5.756,10 5.760,00
32 63 5 Del6Castilho 5.634,92 5.230,00
33 62 9 Del6Castilho 6.701,45 6.180,00
34 60 8 Del6Castilho 5.623,33 5.990,00
35 60 9 Del6Castilho 5.833,33 6.110,00
36 78 12 Del6Castilho 5.756,41 5.740,00
37 90 1 Del6Castilho 4.111,11 4.500,00
38 148 9 Jacarepaguá 5.405,41 5.650,00
39 122 8 Jacarepaguá 8.114,75 7.990,00
40 132 9 Jacarepaguá 8.143,94 7.700,00
41 98 9 Jacarepaguá 8.010,20 8.150,00
42 113 9 Jacarepaguá 8.584,07 8.540,00
43 78 9 Jacarepaguá 7.500,00 7.400,00
44 98 9 Jacarepaguá 7.714,29 8.150,00
45 99 9 Jacarepaguá 8.060,61 8.210,00
46 55 5 Santo6Cristo 5.272,73 7.030,00
47 53 4 Santo6Cristo 6.037,74 5.730,00
48 54 5 Santo6Cristo 7.592,59 6.820,00
49 73 5 Santo6Cristo 7.931,51 9.030,00
50 98 0 Santo6Cristo 5.612,24 5.370,00
51 100 3 Santo6Cristo 6.950,00 7.280,00
52 105 2 Santo6Cristo 6.571,43 6.380,00
53 84 0 Recreio 6.904,76 6.740,00
54 58 4 Recreio 7.931,03 8.780,00
55 58 4 Recreio 7.758,62 8.780,00
56 54 4 Recreio 8.166,67 7.990,00
57 108 12 Recreio 7.944,44 8.780,00
58 82 8 Recreio 7.743,90 7.620,00
59 119 8 Recreio 6.302,52 6.730,00
60 120 14 Recreio 10.833,33 11.000,00
61 100 10 Recreio 9.900,00 8.630,00
62 110 0 Recreio 6.545,45 6.630,00
63 117 14 Recreio 10.170,94 9.760,00
64 120 0 Recreio 7.500,00 7.460,00
65 109 0 Recreio 6.513,76 6.590,00
66 51 5 Recreio 8.725,49 8.070,00
67 50 7 Recreio 9.800,00 9.870,00
68 80 15 Barra6da6Tijuca 12.287,50 12.300,00
69 90 8 Barra6da6Tijuca 10.555,56 10.500,00
70 108 6 Barra6da6Tijuca 8.703,70 8.630,00
71 113 8 Barra6da6Tijuca 10.796,46 10.000,00
72 99 10 Barra6da6Tijuca 10.606,06 10.500,00
73 91 14 Barra6da6Tijuca 12.087,91 12.100,00
74 134 12 Barra6da6Tijuca 9.850,75 10.400,00
75 130 10 Barra6da6Tijuca 9.230,77 8.910,00
76 126 8 Barra6da6Tijuca 8.730,16 9.530,00
77 60 12 Barra6da6Tijuca 14.166,67 13.700,00
78 51 14 Barra6da6Tijuca 14.705,88 14.600,00
45
Da análise dos resultados expostos na Tabela 6, verifica-se que os resultados obtidos através
do sistema aproximaram-se bastante dos preços obtidos no mercado. Logo o modelo inferiu
Importante destacar que, através desse sistema um operador poderá inserir variações em
relação ao Bairro e aos atributos, de sorte a obter a variação do preço em face da existência ou
Sob a ótica de um avaliador, estas informações podem ser empregadas para a comparação de
imóveis que não necessariamente estejam no mesmo local ou não tenham exatamente as
mesmas características.
46
5 CONCLUSÕES
Este trabalho apresentou alguns conceitos relacionados à lógica fuzzy como parâmetro para a
estudos de modelagem hedônica. Dessa forma, provou-se que é possível, a partir desses
pacotes de atributos, aplicar a lógica fuzzy para estabelecer um modelo hábil a inferir o preço
do m2 do imóvel.
Por isso, demonstrou-se o cumprimento do objetivo principal deste trabalho, pois o modelo
bens com atributos diferentes. Assim, compradores poderão sopesar o custo da adição ou
subtração de um ou mais atributos, bem como avaliar o impacto da localização (bairro) sobre
o preço final do imóvel. Poderão também verificar previamente qual o custo de um imóvel
com determinada quantidade de atributos em bairros diferentes, de tal sorte que componham
uma referência para a análise de uma futura aquisição, verificando qual o conjunto de
Nesse sentido, o estudo também demonstra que a avaliação de imóveis sob a lógica fuzzy
constitui uma valorosa contribuição para o mercado imobiliário, porquanto este franqueia aos
preços. O que, tem relevância estratégica, pois, a partir do estudo de influência dos atributos
sobre o preço final, os gestores de mercado terão mais uma referência para o processo
comparativa de bens. Pois, mesmo que para a avaliação seja necessária uma variação no
pacote de atributos ou no bairro essa poderá ser realizada, visto que o modelo comporta
ambas. Nesse sentido, os avaliadores poderão empregá-lo como uma via complementar ao
método da comparação direta, que é definido como o preferencial pela NBR 14653/2001.
Portanto, resulta desse estudo uma via para justificar formalmente suas avaliações através de
Posto isso, acredita-se que os objetivos foram plenamente alcançados, porquanto mostrou-se
que o modelo formulado poderá ser empregado por compradores, avaliadores e gestores de
processos decisórios.
48
6 PROPOSTA DE TRABALHOS FUTUROS
Como extensões deste estudo, poder-se-ia avaliar a revisão da variável Lazer, pois percebe-se
alto-padrão.
Pode ser explorada também a inclusão de uma variável que sensibilize o modelo à
49
REFERÊNCIAS BIBLIOGRÁFICAS
[1] OLIVEIRA JUNIOR, HIME A.; CALDEIRA, A. M.; MACHADO, M.A.S.; SOUZA,
R.; TANSCHEIT, R., Inteligência Computacional Aplicada à Administração,
Economia e Engenharia em Matlab. Rio de Janeiro, Thompson, 2007.
[2] SIMÕES, MARCELO GODOY; SHAW, IAN S., Controle e Modelagem Fuzzy. São
Paulo, Blucher, 2007.
[4] BAGNOLI, CARLO; SMITH, HALBERT, The Theory of Fuzzy Logic and its
Application to Real Estate Valuation. Journal of Real Estate Research, 1998.
[7] FÁVERO, LUIZ P.; BELFIORE, PATRÍCIA P.; LIMA, GERLANDO A.S.F., Modelos
de Precificação Hedônica de Imóveis Residenciais na Região Metropolitana de São
Paulo: Uma Abordagem sob as Perspectivas da Demanda e da Oferta. Estudos
Econômicos, São Paulo, 2008.
[9] MORAIS, MARIA P.; CRUZ, BRUNO O., Demand for Housing and Urban Services
in Brazil: A Hedonic Approach, Instituto de Pesquisa Econômica Aplicada, IPEA,
Brasília, 2003.
[13] RIO DE JANEIRO. Prefeitura Municipal. Plano Diretor, 2011, Disponível em:
<http://www.rio.rj.gov.br >. Acesso em: 25 mar. 2014.
51