Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUÇÃO
INFERÊNCIA
• Processo intelectual segundo o qual é possível chegar a uma conclusão a partir de premissas (proposições).
ESTATÍSTICA
Ramo das ciências matemáticas aplicadas que usa o princípio da teoria das probabilidades no estudo de
séries de dados numéricos.
Em estatística...
Numa avaliação imobiliária, essa amostra é a lista de imóveis referenciais, os quais são usados para deter-
minar o valor do imóvel avaliando. Para exemplificar outro conceito da estatística, consideremos essa amostra.
Temos 3 imóveis referenciais. R1, R2 e R3.
R$ 260.000,00
R$ 264.000,00
R$ 258.000,00
Média aritmética
CONCEITOS FUNDAMENTAIS
AMPLITUDE:
R$ 300.000,00
- R$ 250.000,00
= R$ 50.000,00
AMPLITUDE: distância numérica entre o menor e o maior valor num conjunto de valores.
• Variância amostral:
DESVIO PADRÃO
Função / Fórmula
MÉDIA =MÉDIA(intervalo)
MEDIANA =MED(intervalo)
MODA =MODO.ÚNICO(intervalo)
AMPLITUDE =MÁXIMO(intervalo)-MÍNIMO(intervalo)
VARIÂNCIA =VAR.A(intervalo)
DISTRIBUIÇÃO NORMAL
Uma distribuição de probabilidade, pela qual se apresenta o percentual de chance de se obter um dado
aleatório da população que esteja dentro de um intervalo dessa distribuição.
m2
Total de
PREÇO
dormitórios
DEPENDENTE
Vagas de
garagem
INDEPENDENTES
• Variável dependente é afetada
TAMANHO DA AMOSTRA
• Apartamento
• 80 m²
• 2 dormitórios
• 1 vaga de garagem
Total de 3 variáveis independentes.
onde:
n é quantidade de imóveis referenciais necessários
ANÁLISE DE DISPERSÃO
- Amplitude
- Variância
-Desvio padrão
Para ilustrar essa análise, usaremos um exemplo de uma lista de 12 imóveis, contendo 5 variáveis, sendo
quantidade de dormitórios, quantidade de vagas de automóvel, dimensão em m², preço em R$ e preço por m².
Variáveis independentes
Variável dependente
A coluna de preço por m², neste exemplo, é apenas a apresentação do resultado da divisão do preço pela
dimensão em m².
Exibe a propensão dos dados em função da relação existente, permitindo uma estimativa da relação
entre variáveis.
CORRELAÇÃO
CORRELAÇÃO POSITIVA
CORRELAÇÃO NULA
LINEARIDADE DA TENDÊNCIA
• LINEAR: Quando existe uma correlação, uma linha de tendência linear mostra que uma variável au-
menta ou diminui a uma TAXA CONSTANTE em função da outra variável.
• NÃO LINEAR: Quando existe uma correlação, uma linha de tendência não linear mostra que uma vari-
ável aumenta ou diminui rapidamente e depois se nivela, ou vice-versa, a uma TAXA VARIÁVEL, em função
da outra variável.
SEM CORRELAÇÃO
- r de Pearson
GRAU DE CORRELAÇÃO
• Resultado = valor entre -1 e 1.
-1 0 1
{
{ Correlação negativa
FORÇA DA CORRELAÇÃO
Correlação positiva
Valor Força
1 relação absoluta
0 relação nula
Exemplos:
• PREÇO com M²
FÓRMULA
Sendo:
• PEARSON
• CORREL
Caso esta opção não esteja visível, deve-se ativar o SUPLEMENTO DE FERRAMENTAS DE ANÁLISE. Basta
abrir o Excel e clicar no menu ARQUIVO. Na tela que abrir, escolha o item OPÇÕES. No quadro que abrir, cli-
que em SUPLEMENTOS. Em Gerenciar, dentre as opções da lista, escolha Suplementos do Excel e clicamos no
botão IR. Aparecerá um quadro com vários suplementos disponíveis. Dentre eles, as Ferramentas de Análise.
Basta clicar na caixa de seleção ao lado esquerdo de Ferramentas de Análise para selecionar esse suplemento
e clicar no botão OK.
Para gerar os resultados de Estatística descritiva, no menu Dados, clique em Análise de Dados e o Excel
apresenta o quadro com todas as ferramentas de análise. Nesse quadro, escolha Estatística descritiva e cli-
camos em OK.
INTERVALO DE CONFIANÇA
• O primeiro valor é igual à média menos o valor do nível de confiança, ou seja, 800.000,00 – 106.877,14
que resulta 693.122,86.
• O segundo valor é igual à média mais o valor do nível de confiança, ou seja, 800.000,00 – 106.877,14
que resulta 906.877,14.
REGRESSÃO
• ESTATÍSTICA: Técnica para analisar a relação de uma variável dependente com variáveis indepen-
dentes específicas.
1. PREDIÇÃO
Com o padrão de variação da variável dependente, arbitra-se valores para as variáveis independentes,
de modo a predeterminar os valores da variável dependente.
2. SELEÇÃO DE VARIÁVEIS
A partir de grande quantidade de variáveis, elimina-se as que apresentem pouca ou nenhuma contribuição.
3. ESTIMAÇÃO DE PARÂMETROS
Usar o modelo para definir ações ou atividades.
4. INFERÊNCIA
Realizar análises para se concluir hipóteses.
No Excel, primeiramente, monte uma tabela contendo uma coluna com a variável dependente (exemplo:
preço do imóvel) e as variáveis independentes nas demais colunas (exemplo: quantidade de dormitórios, m²,
vagas de garagem).
ATENÇÃO!
BUSQUE CONJUNTOS DE DADOS CUJO RESULTADO DE
R QUADRADO SEJA MAIOR QUE 0,7.
Se, na regressão, tiver obtido um resultado menor de 0,7 para o R quadrado ajustado, então reveja as va-
riáveis. Uma solução seria retirar a variável que fosse menos significativa e rodar a regressão novamente para
ver se os R quadrados aumentam. Mais à frente veremos como saber qual das variáveis é menos significativa.
ANOVA é uma sigla que tem origem da expressão em inglês ‘Analysis of variance’, que significa análise de
variância, a qual é um estimador de dispersão. A última coluna se refere ao F de significação, que também é
conhecido, em estatística por Teste de Significância da Regressão, que apresenta, como resultado, a existên-
cia de alguma relação linear entre as variáveis, ou seja, testa o efeito do conjunto de variáveis independentes
sobre a variável dependente. Então, isso serve para verificar se, pelo menos, uma das variáveis X explica a
variação do Y. Lembrando que, no nosso caso, Y é o preço dos imóveis e as variáveis X são os demais dados
que temos. Quanto menor esse valor, maior é a relação linear entre as variáveis.
Portanto, se, numa regressão, tivermos um resultado maior que 0,05 para o F de significação, não pode-
remos considerar o conjunto de dados e, para resolver isso, teríamos que rever as variáveis.
Na terceira tabela de resultados da regressão feita no Excel, temos uma série de dados importantes.
Na primeira coluna, temos, na primeira linha, a palavra Interseção, seguida verticalmente pela lista das
variáveis independentes usadas na regressão. Na coluna à direita, são apresentados os Coeficientes para
cada uma dessas linhas. Esses são os coeficientes da equação dessa regressão, que veremos mais a frente.
A quinta coluna, intitulada, valor-P, apresenta os resultados dos testes de significância individual, ou
seja, para cada variável. O teste apresenta resultados que variam entre 0 e 1 e, com isso, podemos identificar
quais variáveis estão mais ou menos relacionadas com a variável dependente, que no nosso caso é o preço
do imóvel. O ideal é que o valor-P de cada variável seja menor que 0,05, mas, para a aplicação destes cálculos
numa avaliação imobiliária, é aceito que esse valor-P seja de, no máximo, 0,10.
ATENÇÃO!
BUSQUE VALOR-P MENOR QUE 10%,
OU SEJA, MENOR QUE 0,10.
Veja que, no exemplo apresentado aqui, o valor-P para Vagas é de 0,72, que é muito alto. É bem maior
que o limite aceitável de 0,10. Assim como o valor-P para Banheiros é igualmente alto, sendo de 0,41.
Solução: remover a variável com o valor-P mais alto, bastando realizar os cálculos de regressão nova-
mente, sem considerar a coluna desta variável. Caso, nos novos resultados da regressão, exista variáveis cujo
valor-P sejam acima dos desejados, bastando realizar outro cálculo de regressão mais uma vez, sem conside-
rar a coluna desta outra variável.
Coeficiente de Interseção
Coeficiente da variável 1
Somar
tudo
Suponhamos que o Imóvel Avaliando tenha 3 banheiros, 2 vagas e 230 m², então:
X1 = 3
X2 = 2
X3 = 230
INTERVALO DE CONFIANÇA
FUNÇÕES DO EXCEL:
• INT.CONFIANÇA.NORM
- Utiliza a tabela Z (normal) da estatística
• INT.CONFIANÇA.T
- Utiliza a tabela “t de student” da estatística
Exemplos:
• QUESTÕES:
Para calcular o percentual de variação, basta dividir o valor para o Intervalo de Confiança pelo Valor
determinado, sendo:
Para calcular o Intervalo de confiança, basta subtrair e somar valor para o Intervalo de Confiança do
Valor determinado, sendo:
• Podendo variar 5,72% para mais ou para menos, perfazendo o seguinte intervalo:
de R$ 871.269,95 a R$ 976.901,44
PASSO 3: Obter imóveis referenciais com características comparáveis para compor a amostra
PASSO 4: Criar a tabela de variáveis independentes e variável dependente com os dados dos
imóveis referenciais
PASSO 5: Descartar as variáveis independentes que apresentarem correlação nula com outras
variáveis independentes
PASSO 7: Descartar a variável independente que apresentar o maior valor-P (superior 0,10)
PASSO 8: Criar novo modelo de regressão até obter o modelo mais explicativo (com F de
significância menor que 0,01 e valor-P de cada variável independente menor que 0,1)
PASSO 9: Determinar o valor do imóvel avaliando aplicando a equação do modelo de regressão escolhido