INFERÊNCIA ESTATÍSTICA PARA AVALIAÇÃO IMOBILIÁRIA

INTRODUÇÃO

INFERÊNCIA

• Raciocínio desenvolvido a partir de indícios (provas).

• Processo intelectual segundo o qual é possível chegar a uma conclusão a partir de premissas (proposições).

• Proposição em matemática é o enunciado de um problema que se pretende resolver.

ESTATÍSTICA

Ramo das ciências matemáticas aplicadas que usa o princípio da teoria das probabilidades no estudo de
séries de dados numéricos.

AMOSTRA & POPULAÇÃO

Em estatística...

POPULAÇÃO: Conjunto de elementos com pelo menos uma característica em comum.

Exemplo 1: População de todos os imóveis Exemplo 2: População de todos os

imóveis residenciais de 2 dormitórios

2 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 AMOSTRA: subconjunto de uma população.

Exemplo: Alguns imóveis residenciais de 2 dormitórios

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

MEDIDAS DE TENDÊNCIA CENTRAL Exemplo (média, mediana e moda)

Valor central para uma distribuição

de probabilidade.

- Média: soma dos valores de um conjunto de me-

didas, dividido pela quantidade de elementos somados.

- Mediana: medida de localização do centro da dis-

tribuição dos dados.

- Moda: valor que aparece com maior frequência

no conjunto de dados.

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 3

 ESTIMADORES DE DISPERSÃO

Em estatística, a dispersão (também chamada de variabilidade ou espalhamento) mostra o quão esticada

ou espremida é uma distribuição.

Preços não são iguais.

Estão dispersos!

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: indica o quão distante os valores se encontram de um valor esperado.

DESVIO PADRÃO: Indica a regularidade de um conjunto de dados em função da média aritmética.

4 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

VARIÂNCIA

• Indica o quão distante os valores se encontram da média (valor elevado ao quadrado).

• Variância amostral:

(250.000 - 275.000)²= -25000²= 625mi

(300.000 - 275.000)²= 25000²= 625mi
(280.000 - 275.000)²= 5000²= 25mi
(275.000 - 275.000)²= 0²= 0
(268.000 - 275.000)²= -7000²= 49mi
(255.000 - 275.000)²= -20000²= 400mi
(280.000 - 275.000)²= 5000²= 25mi
(275.000 - 275.000)²= 0²= 0
(280.000 - 275.000)²= 5000²= 25mi
(287.000 - 275.000)²= 12000²= 144mi
Somatória:
R$ 1.918.000.000,00
Dividindo por (n-1)= R$ 213.111.111,11

DESVIO PADRÃO

• Indica a regularidade de um conjunto de dados em função da média aritmética.

• É a raiz quadradda da Variância:

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 5

 NOTAÇÃO MATEMÁTICA

Tanto para Desvio Padrão quando Variância:

• Amostra (S - letra latina s em itálico)

• População (σ - letra grega sigma)

Função / Fórmula

MÉDIA =MÉDIA(intervalo)

MEDIANA =MED(intervalo)

MODA =MODO.ÚNICO(intervalo)

AMPLITUDE =MÁXIMO(intervalo)-MÍNIMO(intervalo)

VARIÂNCIA =VAR.A(intervalo)

DESVIO PADRÃO =DESVPAD.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.

6 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 Tamanho do intervalo Proporção

1 desvio padrão 68,26%

2 desvios padrão 95,44%

3 desvios padrão 99,72%

95,44% = 2 desvios padrão

95.00% = 1,96,desvios padrão

Avaliar um imóvel é determinar o valor desse imóvel... Não é um dado probabilístico...

Na verdade, o conceito de distribuição normal, ajudarrá a entender o conceito para determinar o inter-
valo de confiança quanto ao valor que for determinado na avaliação.

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 7

 VARIÁVEL DEPENDENTE & VARIÁVEIS INDEPENDENTES

• Variável: aquilo que varia

• Dependente: que depende de algo

• Independente: não depende de outros itens

m2

Total de
PREÇO
dormitórios

DEPENDENTE
Vagas de
garagem

INDEPENDENTES
• Variável dependente é afetada

• Variável independente afeta

TAMANHO DA AMOSTRA

Tamanho da amostra varia conforme a quantidade de variáveis independentes.

Como calcular a quantidade mínima de imóveis referenciais:

SIMULANDO UMA AVALIAÇÃO...

Imóvel avaliando (residencial):

• Apartamento

• 80 m²

• 2 dormitórios

• 1 vaga de garagem
Total de 3 variáveis independentes.

8 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 FÓRMULA

onde:
n é quantidade de imóveis referenciais necessários

k é a quantidade de variáveis independentes

ANÁLISE DE DISPERSÃO

• Dispersão é a variabilidade ou o espalhamento da distribuição dos dados

• Dispersão mostra o quão afastados ou aproximados os dados estão

• Exemplos de medidas de dispersão:

- Amplitude

- Variância

-Desvio padrão

ANÁLISE DO GRÁFICO DE DISPERSÃO

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.

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 9

 Rs Dorm Vagas m2 Preço(R$) Preço/m2
R1 1 0 40 410.000,00 10.250,00
R2 2 1 65 660.000,00 10.153,85
R3 2 1 66 735.000,00 11.136,36
R4 2 1 68 780.000,00 11.470,59
R5 2 1 68 750.000,00 11.029,41
R6 2 1 70 780.000,00 11.142,86
R7 2 1 72 800.000,00 11.111,11
R8 2 1 73 820.000,00 11.232,88
R9 3 2 75 850.000,00 11.333,33
R10 3 2 83 980.000,00 11.807,23
R11 3 2 85 985.000,00 11.588,24
R12 3 2 86 1.050.000,00 12.209,30

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.

GRÁFICO DE DISPERSÃO DE PREÇO POR DORMITÓRIOS:

10 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 LINHA DE TENDÊNCIA NO GRÁFICO DE DISPERSÃO

Exibe a propensão dos dados em função da relação existente, permitindo uma estimativa da relação
entre variáveis.

GRÁFICO DE DISPERSÃO DE PREÇO POR DORMITÓRIOS COM LINHA DE TENDÊNCIA:

GRÁFICO DE DISPERSÃO DE PREÇO POR VAGAS COM LINHA DE TENDÊNCIA

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 11

 GRÁFICO DE DISPERSÃO DE PREÇO POR M² COM LINHA DE TENDÊNCIA

CORRELAÇÃO

Relação de correspondência entre DOIS DADOS.

• POSITIVA: Quando um AUMENTA, o outro AUMENTA

• NEGATIVA: Quando um AUMENTA, o outro DIMINUI

• NULA: Não há relação de correspondência

CORRELAÇÃO POSITIVA

12 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 CORRELAÇÃO NEGATIVA

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.

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 13

 PREÇO X DORMITÓRIOS

SEM LINHA DE TENDÊNCIA

SEM CORRELAÇÃO

14 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

COEFICIENTE DE CORRELAÇÃO

• Método estatístico para se medir as relações entre variáveis

• Forma de exprimir em números a relação entre as variáveis (quantifica essa relação)

• Várias formas de calcular o coeficiente de correlação, entre elas:

- Coeficiente de Correlação de Pearson

- Coeficiente de Correlação Linear

- r de Pearson

GRAU DE CORRELAÇÃO
• Resultado = valor entre -1 e 1.

Forte Fraca Fraca Forte

-1 0 1
{
{ Correlação negativa

• Distante do zero = correlação forte

• Próximo do zero = correlação fraca

FORÇA DA CORRELAÇÃO
Correlação positiva

Valor Força

1 relação absoluta

0,9 a 1 relação muito forte

0,7 a 0,9 relação forte

0,3 a 0,7 relação média

0 a 0,3 relação fraca

0 relação nula

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 15

 O QUE DEVE SE CORRELACIONAR?

VARIÁVEL DEPENDENTE com cada uma das VARIÁVEIS INDEPENDENTES.

Exemplos:

• PREÇO com DORMITÓRIOS

• PREÇO com VAGAS DE GARAGEM

• PREÇO com M²

FÓRMULA

Sendo:

Cov(X,Y) - Covariância dos valores das variáveis X e Y

SxSy - Desvio Padrão dos valores da variável X multiplicado pelo Desvio

Padrão dos valores da variável Y

2 funções no Excel para calcular o Coeficiente de Correlação:

• PEARSON

• CORREL

16 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 ATIVANDO SUPLEMENTO DE FERRAMENTAS DE ANÁLISE DO EXCEL

O SUPLEMENTO DE FERRAMENTAS DE ANÁLISE do Excel é um conjunto de opções de análise encontra-

das no menu DADOS, opção ANÁLISE DE DADOS.

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.

FERRAMENTA DE ESTATÍSTICA DESCRITIVA NO EXCEL

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.

Exemplo de resultado da Ferramenta de Estatística Descritiva, informando as fórmulas que

poderiam ser usadas para se obter cada resultado:

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 17

 NÍVEL DE CONFINÇA

Determina o valor do Intervalo de Confiança

• Intervalo de valores em cujo centro está a média das amostras.

• Se estende de (média - valor) a (média + valor)

Não confundir com Nível de Significância!

100% dos elementos = Intervalo de Confiança + Nível de Significância (Alfa)

Exemplo: 100% = 95% + 5%

APROXIMADAMENTE 95% DOS INTERVALOS CONTÊM μ

INTERVALO DE CONFIANÇA

18 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 Neste exemplo, ao pela ferramenta de Estatística descritiva, resultado apresentado para um Nível de
confiança de 95%, é de 106.877,14.

[Poderíamos calcular esse valor pela função INT.CONFIANÇA.T do Excel]

Para definir o 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.

ESTE INTERVALO DE CONFIANÇA VARIA DE 693.122,86 A 906.877,14.

REGRESSÃO

• MATEMÁTICA: Equação que descreve a relação entre duas ou mais variáveis.

• ESTATÍSTICA: Técnica para analisar a relação de uma variável dependente com variáveis indepen-
dentes específicas.

• SIMPLES: 1 variável dependente e 1 independente

• MÚLTIPLA: 1 variável dependente e várias independentes

Aplicação do modelo de Regressão:

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.

FERRAMENTA DE REGRESSÃO NO MICROSOFT EXCEL

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).

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 19

 Exemplo de tabela:

Para executar a análise de regressão, no menu Dados, clique em Análise de Dados.

No quadro que abrir, selecione Regressão e clique no botão OK.

COM ISSO, SERÁ EXIBIDO O QUADRO PARA AS DEFINIÇÕES DA REGRESSÃO.

20 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 No quadro de Regressão, selecione o intervalo Y, que é o intervalo referente à Variável Dependente, ou
seja, a coluna dos preços dos imóveis. Selecione também o intervalo X, que são as colunas das Variáveis In-
dependentes (as demais variáveis). Caso tenha incluído a linha de título na seleção do intervalo das colunas,
deverá selecionar a opção de Rótulos. Dentre as opções de saída, escolha a opção desejada. Caso tenha es-
colhido Intervalo de saída, insira a célula que conterá o início das informações dos resultados da regressão.
Ao terminar de escolher as opções desejadas, clique no botão OK.

OS RESULTADOS DA REGRESSÃO SÃO APRESENTADOS EM 3 TABELAS.

Exemplo de resultado da regressão:

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 21

 A primeira tabela se refere à Estatística de regressão. Nessa tabela, o elemento que mais nos interessa
é o R-quadrado, que é o nosso Coeficiente de determinação. Essa é uma medida de ajuste de um modelo
estatístico linear. O R quadrado mede o quanto as variáveis X explicam a variável Y. Em outras palavras, é
o quanto os dados da nossa lista de imóveis referenciais explicam os seus preços. Então, quanto maior o
R quadrado, mais explicativo é o modelo. Esse coeficiente varia entre 0 e 1 e, muitas vezes, é expresso em
termos percentuais. Ou seja, um resultado de 0,7 poderia ser expresso como 70%. Mas, veja que o nosso
resultado é de 0,978. Estamos falando, então, de 97,8%. Neste caso, podemos dizer que esse conjunto
de variáveis independentes explica 97,8% da variação da variável dependente. Ou seja, o conjunto de
dados dos imóveis referenciais explica 97,8% da variação dos seus preços. Esse resultado é um excelente
percentual de explicação. Por outro lado, também significa que temos 2,2% da variação dos preços que
não é explicada pelas variáveis usadas, de modo que deve existir alguma ou algumas outras variáveis que
também influenciam na variação do preço. Portanto, quanto mais variáveis usarmos, maior será o R qua-
drado. Contudo, essa não seria a melhor prática, já que incluir variáveis indiscriminadamente prejudica o
princípio da parcimônia, que afirma que a explicação para qualquer fenômeno deve pressupor a menor
quantidade possível de premissas. Para resolver essa situação, foi criado o R quadrado ajustado, cujo re-
sultado na nossa regressão está logo abaixo do R quadrado que estávamos vendo. O R quadrado ajustado
é uma medida alternativa do coeficiente de determinação, que penaliza a inclusão de regressores pouco
explicativos. Quanto mais forem incluídas variáveis na regressão, que não sejam tão significativas, tanto
mais o R quadrado ajustado será menor que o R quadrado. O conceito do R quadrado ajustado é o mesmo
conceito do R quadrado que acabamos de ver. Então, se o resultado do nosso R quadrado ajustado foi de
0,845, podemos dizer que, de forma mais ajustada, o nosso conjunto de dados dos imóveis referenciais
explica 94,5% da variação dos seus preços. Esses dois resultados, principalmente o R quadrado ajustado,
são muito importantes para a análise da regressão que fizermos.

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.

A segunda tabela apresentada como resultado da regressão é intitulada ANOVA:

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.

22 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 ATENÇÃO!
BUSQUE F DE SIGNIFICAÇÃO MENOR QUE 5%,
OU SEJA, MENOR QUE 0,05.

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.

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 23

 Montando a equação a partir do modelo de regressão:

EQUAÇÃO DO MODELO MATEMÁTICO DA REGRESSÃO:

EQUAÇÃO DE REGRESSÃO ESTIMADA USADA NA PREDIÇÃO

DO VALOR MÉDIO DA VARIÁVEL DEPENDENTE Y PARA PARÂME-
TROS DAS VARIÁVEIS INDEPENDENTES X:

Valor que se deseja estimar

Coeficiente de Interseção

Coeficiente da variável 1

Coeficiente da variável 1 Coeficiente da variável n

multiplicado pelo valor multiplicado pelo valor
para a variável 1 para a variável n

Somar
tudo

24 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 Basta substituir cada X pelo respectivo valor relativo ao Imóvel Avaliando.

Suponhamos que o Imóvel Avaliando tenha 3 banheiros, 2 vagas e 230 m², então:

X1 = 3

X2 = 2

X3 = 230

Ŷ = β0+β1 X1+β2 X2+β3 X3

Ŷ = -104.443,499+37.794,42 x 3+13.180,73 x 2+11.366,57 x 230
Ŷ = -104.443,499+113.383,26+26.361,46+2.614.311,1
Ŷ = 2.649.612,321

INTERVALO DE CONFIANÇA

• É uma estimativa intervalar.

• O intervalo de valores que tem probabilidade de conter o verdadeiro valor da população.

FUNÇÕES DO EXCEL:

• INT.CONFIANÇA.NORM

- Utiliza a tabela Z (normal) da estatística

- Desvio padrão populacional conhecido

• INT.CONFIANÇA.T

- Utiliza a tabela “t de student” da estatística

- Desvio padrão populacional desconhecido Utiliza-se o desvio padrão da amostra

=INT.CONFIANÇA.T(Alfa; DesvioPadrão; Tamanho)

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 25

 Nível de Confiança Nível de Significância

95% 0,05 (5%)

90% 0,10 (10%)

85% 0,15 (15%)

80% 0,20 (20%)

75% 0,25 (25%)

70% 0,30 (30%)

Exemplos:

• IMÓVEL AVALIANDO: Apartamento, 80m², 2 dormitórios, 2 Banheiros e 1 vaga de garagem

• VALOR DETERMINADO: R$ 924.085,69

• VALOR PARA O INTERVALO DE CONFIANÇA: R$ 52.815,75

Calculado pelo recurso de Estatística Descritiva, dentre as Ferramentas de Análise de Dados do Excel.

• QUESTÕES:

- Qual é o percentual de variação?

- Qual é o Intervalor de Confiança?

Para calcular o percentual de variação, basta dividir o valor para o Intervalo de Confiança pelo Valor
determinado, sendo:

52.815,75 / 924.085,69 = 0,057154 – ou seja, de 5,72%

Para calcular o Intervalo de confiança, basta subtrair e somar valor para o Intervalo de Confiança do
Valor determinado, sendo:

924.085,69 – 52.815,75 e 924.085,69 + 52.815,75

871.269,95 e 976.901,44

PORTANTO, TEMOS AS SEGUINTES CONSIDERAÇÕES FINAIS:

• Podendo variar 5,72% para mais ou para menos, perfazendo o seguinte intervalo:

de R$ 871.269,95 a R$ 976.901,44

26 Todos os direitos reservados. É proibida a reprodução parcial ou total deste material.

 ROTEIRO DE 10 PASSOS: INFERÊNCIA
ESTATÍSTICA PARA AVALIAÇÃO IMOBILIÁRIA

PASSO 1: Definir as variáveis independentes baseadas nas características do Imóvel Avaliando

PASSO 2: Definir o tamanho da amostra em função da quantidade de variáveis independentes

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 6: Criar o melhor modelo de regressão com todas as 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

PASSO 10: Calcular o Intervalo de confiança (limite máximo do Alfa em 0,30)

Todos os direitos reservados. É proibida a reprodução parcial ou total deste material. 27