02 Apostila - Avaliação Básica de Imóveis Urbanos

Prefácio
Como você já sabe, imóveis são bens de grande valor monetário e transações comerciais
envolvendo esse tipo de bem exigem um certo nível de conhecimento técnico, tanto para
o vendedor quanto para o comprador.
Imagine, por exemplo, que você deseja comprar um imóvel e, por não conhecer o
mercado, acaba por desembolsar um valor muito superior ao valor de marcado. A
situação é ainda pior quando você necessita vender esse mesmo imóvel cobrando um
valor igual ou superior ao valor de compra, mas não consegue porque não há ofertas.
Casos como esse são mais comuns do que se pensa e é por isso que é necessário a
contratação de um profissional habilitado para realizar a avaliação de um bem e garantir
que a transação seja justa para todas as partes envolvidas.
Sem mais delongas, nesta apostila, iremos aprender sobre Avaliações de Imóveis
Urbanos e, para isso, utilizaremos como base os preceitos da NBR 14653, partes 1 e 2.
Estão preparados?
2
Índice
[ 05 ] Introdução à avaliação de imóveis urbanos
[ 12 ] Método comparativo direto de dados de mercado
[ 19 ] Tratamento por fatores para avaliação de imóveis
[ 38 ] Tratamento por fatores: exemplo prático
[ 57 ] Inferência estatística para avaliação de imóveis
[ 72 ] Inferência estatística: exemplo prático
3
“O levantamento do valor de
mercado de um bem não é a
única finalidade da avaliação.”
4
1
Introdução à avaliação de
imóveis urbanos
Nesse primeiro capítulo, iremos iniciar nosso estudo sobre Avaliações de Imóveis com
base na NBR 14653-1:2019 e, nele, iremos abordar a parte introdutória dessa área, que
engloba alguns conceitos básicos e os procedimentos necessários para realização de um
laudo técnico.
Conceitos básicos
Para iniciarmos nosso estudo, precisamos conhecer alguns conceitos fundamentais
relacionados à área de avaliações imobiliárias, são eles:
Custo: é o total gasto, direta ou indiretamente, para aquisição ou produção de um bem.
Preço: é a quantidade monetária que determina a comercialização de um bem e leva em

conta as capacidades financeiras, as motivações ou os interesses específicos do
comprador ou do vendedor.
Valor: é um conceito econômico que depende de fatores como as características do

bem, utilidade e condições de oferta e procura.
Valor de Mercado: é a quantia mais provável pela qual um bem pode ser negociado no
mercado.
5
Engenharia de Avaliações: conjunto de conhecimentos técnico-científicos
especializados, aplicados à avaliação de bens.
Laudo técnico: é um relatório técnico de avaliações sobre a estrutura do bem,

elaborado por profissionais com registro no CREA ou no CAU, em que se chega a uma
conclusão devidamente fundamentada.
Parecer técnico: é um relatório emitido por profissional capacitado e legalmente

habilitado sobre assunto de sua responsabilidade.
Em que consiste a avaliação de um imóvel

Segundo a ABNT NBR 14653-1:2019, avaliação é uma análise técnica, realizada pelo
engenheiro de avaliações, para identificar o valor de um bem, de seus custos, frutos e
direitos, assim como determinar indicadores da viabilidade de sua utilização
econômica, para uma determinada finalidade, situação e data.
Em outras palavras, a norma afirma que o levantamento do valor de mercado de um
bem não é a única finalidade da avaliação. Podemos citar, entre outros, a segurança
patrimonial, a contratação de seguros baseados em valores reais ou a utilização do
patrimônio como garantia na tomada de recursos.
Além disso, a norma também afirma que essas atividades somente são competências de
um engenheiro avaliador.
E quais são os pré-requisitos para ser um avaliador?
Após a Lei 5.194 de 1996, art. 7º, a avaliação de imóveis passou a ser atividade
exclusiva de engenheiros, arquitetos e engenheiros agrônomos, devidamente
registrados nos seus respectivos Conselhos. Ou seja, é condição necessária o registro no
CREA e/ou CAU para o profissional estar apto a emitir laudo técnico.
No entanto, a resolução do COFECI nº 1.064 de 2017 prevê a possibilidade de o
corretor de imóveis elaborar parecer técnico de avaliação mercadológica, desde que ele
possua diploma de curso superior em Gestão Imobiliária ou equivalente e/ou certificado
de conclusão de curso de Avaliação de Imóveis. Essas qualificações, no entanto, não
dispensam a necessidade de umas das formações citadas no parágrafo anterior para o
profissional ser considerado um engenheiro avaliador.
6
Imóvel a venda
Ações básicas para uma avaliação

Agora que já sabemos o que é e a quem compete a atividade de avaliação imobiliária,
veremos agora os procedimentos básicos necessários para isso.
1. Finalidade, objetivo e prazo
Antes de iniciar a avaliação, o engenheiro avaliador deverá ter em mente, e devidamente

esclarecidos, a finalidade da avaliação, o objetivo, o prazo para a apresentação do laudo
e a forma de apresentação mais adequada para o cliente.
2. Análise da documentação
Após tudo estar devidamente esclarecido, o engenheiro avaliador deve analisar toda a
documentação do imóvel necessária para a avaliação.
Lembrando que não é de responsabilidade do avaliador analisar a legitimidade da
documentação fornecida.
3. Vistoria do imóvel
Essa etapa é de extrema importância e deve ser feita, preferencialmente, pelo avaliador
para que este tome conhecimento de todas as características do imóvel relevantes à
avaliação. Para isso, é indicado que sejam feitos registros fotográficos de todos os
cômodos e do entorno do imóvel, quando possível.
7
Vistoria de imóvel
4. Coleta de dados
A próxima etapa consiste em pesquisar os elementos para compor a amostra. Para isso,
deve-se levar em conta as características do bem avaliando e a disponibilidade de
recursos e informações, lembrando que a melhor amostra é aquela que contém a maior
quantidade possível de dados de mercado com características semelhantes ao avaliando.
Para realizar essa coleta, o avaliador pode fazer uso de site imobiliários ou ligar
diretamente para corretoras de imóveis.
5. Diagnóstico do mercado
O profissional, conforme o tipo de bem, as condições de contratação, o método

empregado e a finalidade da avaliação, pode tecer considerações sobre o mercado do
bem avaliando, de forma a indicar, tanto quanto possível, a estrutura, a conduta e o
desempenho do mercado.
6. Escolha da metodologia
A metodologia escolhida deve ser compatível com a natureza do imóvel avaliando, o

objetivo e a finalidade da avaliação e os dados de mercado disponíveis.
Veremos mais sobre a metodologia no tópico seguinte.
7. Tratamento dos dados
Após a coleta dos dados e a escolha da metodologia mais adequada, o tratamento será
feito de acordo com modelo metodológico escolhido.
8
8. Resultado da avaliação
Por fim, nessa etapa, o avaliador apresenta o laudo da avaliação, em que consta o valor
de mercado do imóvel a que se chegou após o tratamento dos dados coletados.
Exemplo de laudo de avaliação
Dessa forma, para que seu laudo de avaliação seja considerado satisfatório, deve conter
no mínimo os seguintes itens:
 Identificação do solicitante;
 Finalidade e objetivo do laudo;
 Pressupostos, ressalvas e fatores limitantes;
 Identificação e caracterização do imóvel avaliando;
 Diagnóstico do mercado;
 Indicação dos métodos e procedimentos utilizados;
 Indicar a especificação atingida, com relação aos graus de fundamentação e precisão da
avaliação;
 Tratamento dos dados e identificação do resultado: explicitar os cálculos efetuados, o
campo de arbítrio, se for o caso, e justificativas para o resultado adotado;
 Resultado da avaliação e sua data de referência;
 Qualificação legal completa e assinatura dos profissionais responsáveis pela avaliação.
9
Procedimentos metodológicos
A última parte desse capítulo diz respeito à escolha da metodologia a ser aplicada na
avaliação, que leva em consideração o tipo de imóvel avaliando, a finalidade da
avaliação e os dados disponíveis no mercado.
Desse modo, segundo a NBR 14653-1, os métodos disponíveis são:
Método comparativo direto de dados de mercado
Simplificadamente, esse é o método mais utilizado para a avaliação, em que se calcula o

valor de mercado de um imóvel por meio do tratamento dos dados de uma amostra
aleatória utilizando a inferência estatística para isso.
Método Involutivo
Esse método, por sua vez, baseia-se em modelos de estudo de viabilidade técnico-
econômica utilizando imóveis hipotéticos com características semelhantes ao avaliando
e com as condições do mercado no qual está inserido.
Método Evolutivo
Identifica o valor do bem pelo somatório dos valores de seus componentes, considerado
o fator de comercialização.
Método da Capitalização de Renda
Por fim, esse método identifica o valor do bem com base na capitalização presente da
sua renda líquida prevista, considerando cenários viáveis.
Então, essa foi a parte introdutória sobre Avaliação de Imóveis Urbanos. No próximo
capítulo tem muito mais e, nele, veremos sobre o Método Comparativo Direto de dados
de Mercado.
10
“A emissão do laudo de
avaliação de imóveis passou
a ser atividade exclusiva de
engenheiros, arquitetos e
engenheiros agrônomos,
devidamente registrados nos
seus respectivos conselhos.”
Lei 5.194 de 1996
11
2
Método comparativo direto
de dados de mercado
Como você já viu no capítulo anterior sobre Avaliação de Imóveis, o Método

Comparativo Direto de Dados de Mercado é o método mais utilizado para esse tipo de
avaliação e, através dele, o valor de mercado de um imóvel é calculado por meio do
tratamento dos dados de uma amostra aleatória coletada no mercado.
Indo agora ao que interessa, neste capítulo, iremos nos aprofundar no Método
Comparativo Direto de Dados de Mercado e também conheceremos os procedimentos
básicos e os tipos de tratamento de dados utilizados por esse modelo. Tudo isso com
base na ABNT NBR 14.653: Avaliação de Bens – Parte 2: Imóveis Urbanos.
Vamos lá, então?
Etapas do método
Para iniciar nosso estudo, abordaremos as etapas para a realização de uma avaliação
imobiliária utilizando o Método Comparativo Direto, a seguir.
1. Planejamento da pesquisa
Já vimos até agora que o Método Comparativo Direto utiliza uma amostra
representativa de dados de mercado de imóveis com características, tanto quanto
possível, semelhantes às do avaliando.
Mas, para que tudo isso seja possível, é necessário um planejamento da pesquisa dos
dados que irão compor essa amostra, de modo que ela seja a mais abrangente e mais
representativa possível.
12
Planejamento da pesquisa
Dessa forma, esta etapa de planejamento consiste, basicamente, na caracterização e

delimitação do mercado em análise e na elaboração dos instrumentos de coleta de
dados, como fichas, planilhas, roteiros de entrevistas e entre outros.
Feito isso, o próximo passo é a seleção das variáveis que serão relevantes para explicar
a formação de valor do bem avaliando.
2. Seleção das variáveis
Para auxiliar na escolha dessas variáveis, vejamos os dois tipos existentes, são eles:
Variável dependente
Matematicamente, uma variável dependente representa uma grandeza cujo

valor depende de como a variável independente é manipulada.
Levando agora para a área de avaliação, que é o que nos interessa, quando falamos em
variáveis dependentes podemos estar nos referindo, por exemplo, ao preço unitário de
venda de um imóvel.
Desse modo, para a especificação correta de uma variável dependente, é necessária uma
investigação no mercado em relação à sua conduta e às formas de expressão dos preços,
bem como observar a homogeneidade nas unidades de medida.
Variável independente
Já em relação às variáveis independentes, podemos citar vários exemplos:

 Características físicas: área, comprimento da fachada;
 Localização: bairro, logradouro, distância a algum polo de influência;
 Fator econômico: oferta ou transação, época e condição do negócio (à vista ou a
prazo).
13
Para a escolha desse tipo de variável, é importante ao engenheiro avaliador levar em
consideração teorias existentes, conhecimentos adquiridos, senso comum e outros
atributos que possam ser relevantes para a avaliação. Isso é importante porque
algumas variáveis escolhidas para compor a pesquisa podem se mostrar pouco
relevantes para o Método Comparativo Direto, resultando em um modelo pouco
representativo e em um resultado divergente.
Então, sempre que possível, recomenda-se a adoção de variáveis quantitativas. No
entanto, quando isso não for possível, as características dos imóveis podem ser
expressas conforme abaixo:
 Por meio de codificação, com o emprego de variáveis dicotômicas (exemplo:
“maior do que” ou “menor do que”, “sim” ou “não”);
 Pelo emprego de variáveis representantes (exemplo: o padrão construtivo
expresso pelo custo unitário básico – CUB);
 Por meio de códigos alocados (exemplo: padrão construtivo baixo igual a 1,
normal igual a 2 e alto igual a 3).
3. Coleta dos dados de mercado
O levantamento de dados tem como objetivo a obtenção de uma amostra representativa

para explicar o comportamento do mercado no qual o imóvel avaliando esteja inserido e
é a fase primordial desse modelo.
Nesta etapa, o engenheiro avaliador investiga o mercado, coleta os dados para compor a
amostra e suas respectivas informações, desde que sejam relevantes para a pesquisa,
como características econômicas, físicas e de localização, além, é claro, informações
que estejam de acordo com as variáveis escolhidas no passo anterior.
Por ficar mais claro, se uma das variáveis independentes escolhidas para a pesquisa
for Padrão de Acabamento, por exemplo, todos os dados da amostra deverão conter
essa informação, caso contrário, não servirá para o modelo.
14
Dados de mercado
Sinteticamente, devemos nos atentar a alguns pontos importantes no momento da coleta
de dados, são eles:
Buscar dados de mercado com atributos mais semelhantes possíveis aos do bem
avaliando;
Diversificar as fontes de pesquisa tanto quanto possível e, quando necessário, apresentar
no Laudo as fontes utilizadas;
Realizar vistorias em cada imóvel da amostra, sempre que possível;
Identificar e descrever as características relevantes dos dados coletados;
Coletar dados de mercado o mais recente possível em relação à data de referência da
avaliação;
Considerar as superestimativas que, em geral, acompanham as ofertas de mercado;
Evitar uso de informações que impliquem opiniões subjetivas.
4. Tratamento dos dados
A quarta e última etapa deste método consiste no tratamento dos dados coletados no
mercado e, de início, é recomendado a sintetização de todas informações obtidas sob a
forma de gráficos que mostrem as distribuições de frequência para cada uma das
variáveis escolhidas, bem como as relações entre elas.
15
Tratamento de dados
Após essa sintetização, é possível ao avaliador verificar a consistência da amostra

coletada e a influência das variáveis sobre os preços de mercado.
Para isso, podem ser usados, alternativamente e em função da qualidade e da quantidade
de dados e informações disponíveis, dois tipos de tratamentos, são eles:
Tratamento por fatores
O tratamento de dados por fatores é utilizado quando se tem dados de mercado o mais
semelhante possível ao avaliando. Isso porque é feita uma comparação direta com os
valores vigentes, utilizando fatores para homogeneizar as características que forem
relevantes e possuírem uma pequena distorção em relação ao avaliando.
Esses fatores devem ser calculados por metodologia científica, justificados do ponto de
vista teórico e prático no Laudo de Avaliação, e devem também ser indicados
periodicamente pelas entidades técnicas regionais reconhecidas e revisados em períodos
máximos de 4 anos (ou menos), além de especificar claramente a região para a qual são
aplicáveis.
Alternativamente, também podem ser adotados fatores de homogeneização medidos no
mercado pelo próprio engenheiro de avaliações, desde que o estudo de mercado
específico que lhes deu origem seja também anexado ao Laudo.
Maiores detalhes sobre o Tratamento por Fatores você encontra no capítulo 5.
Tratamento científico
Diferentemente do tratamento por fatores, o tratamento científico utiliza evidências

empíricas pelo uso de metodologia científica que leve à indução de modelo validado
para o comportamento do mercado. Mas, quaisquer que sejam os modelos utilizados
para inferir o comportamento do mercado e formação de valores, seus pressupostos
devem ser devidamente explicitados no Laudo.
16
Desse modo, para inferir o comportamento do mercado pelo tratamento científico,
podem ser utilizadas equações de regressão por meio da estatística inferencial, desde
que devidamente justificadas do ponto de vista teórico e prático.
Pois bem, essa foi a parte introdutória sobre o Método Comparativo Direto de Dados de
Mercado. No próximo capítulo, você saberá mais sobre o Tratamento por Fatores.
17
“O levantamento de dados
tem como objetivo a
obtenção de uma amostra
representativa para explicar
o comportamento do
mercado.”
18
3
Tratamento por fatores
para avaliação de imóveis
Tratamento por Fatores é um dos dois métodos de tratamento de dados utilizados pelo
Método Comparativo Direto de Dados de Mercado que, por sua vez, é um dos vários
métodos existentes para realizar avaliação de imóveis.
Falando assim, até parece muita informação, mas não se preocupe.
Nesse capítulo, estudaremos sobre o tratamento por fatores, utilizando como guia os
procedimentos normatizados pela ABNT NBR 14.653: Avaliação de Bens – Parte 2:
Imóveis Urbanos (anexo B).
Vamos lá?
19
Antes de iniciarmos, farei algumas observações sobre este capítulo:
Conforme você verá, a aplicação do tratamento por fatores é um trabalho complexo
que sempre deverá estar acompanhado das devidas justificativas a respeito dos fatores
utilizados.
É por essa razão que, na maior parte do capítulo, não serão fornecidas tabelas
referentes aos valores dos fatores de homogeneização, pois eles variam de região para
região.
No entanto, se você estiver buscado valores para ter apenas uma noção, eu indico que
consultem a Norma de Avaliações de Imóveis Urbanos do IBAPE/SP, pois ela fornece
todos os fatores de referência para o estado de São Paulo.
Pronto, agora já podemos.
Tratamento por fatores x tratamento científico

Ao contrário do que a norma sugere, embora o Tratamento por Fatores não entre na
categoria Tratamento Científico, isso não significa que esse não seja um método
científico.
Isso porque, para utilização desses fatores, é necessário um estudo prévio para
determinar quais serão utilizados e como eles serão utilizados. Além, é claro, do que já
vimos no post sobre o MCDDM:
"Esses fatores devem ser calculados por metodologia científica, justificados do ponto
de vista teórico e prático no Laudo de Avaliação, e devem também ser indicados
periodicamente pelas entidades técnicas regionais reconhecidas e revisados em
períodos máximos de 4 anos (ou menos), além de especificar claramente a região para
a qual são aplicáveis."
Sabendo disso, quando devemos optar pelo tratamento por fatores em vez do
tratamento científico?
Primeiramente, devemos ter em mente que os fatores são usados para ajustar os dados
de mercado à média, ou seja, para homogeneizá-los e tornar a amostra o mais
semelhante possível do imóvel avaliando.
Dessa forma, o tratamento por fatores é utilizado em situações em que a quantidade de
dados de mercado similares é insuficiente para a realizar uma inferência estatística e,
portanto, os dados disponíveis necessitam ser homogeneizados para a aplicação do
método comparativo direto.
Procedimentos básicos
Veremos agora os procedimentos básicos para realizar o tratamento de dados por fatores
e, é claro, veremos também quais são os fatores utilizados para isso.
20
1. Coleta da amostra
Assim como no tratamento científico, para o tratamento por fatores é recomendado que
a amostra seja composta de dados de mercado com características o mais próximo
possível do imóvel avaliando para que se tenha uma real representação do mercado.
Para isso, é recomendado que o número de elementos efetivamente utilizados no modelo não
seja menor que 3.
Desse modo, coletados os dados disponíveis para compor a amostra, é momento agora de
selecionarmos os fatores a serem utilizados no tratamento desses dados.
2. Escolha dos fatores
O segundo passo para esse tipo de tratamento de dados é a escolha dos fatores de
homogeneização que serão utilizados pelo modelo e, para isso, é imprescindível conhecer as
características do imóvel avaliando e as informações disponibilizadas pelos dados amostrais.
Mas o que são esses fatores?
Os fatores, também conhecidos como fatores de homogeneização, são, basicamente, as
informações pertinentes aos elementos da amostra que serão comparadas com o objetivo de
homogeneizá-la e torná-la, tanto quanto possível, mais próxima das características do imóvel
avaliando.
Para exemplificar, a seguir serão expostos alguns dos principais fatores de homogeneização
utilizados em avaliações de imóveis, lembrando que qualquer que seja o fator utilizado no
modelo, este deverá ser devidamente justificado no laudo.
Fator de oferta
O fator de oferta, também chamado de fator elasticidade ou fator fonte, é o primeiro fator que
deve ser considerado no tratamento e é ele que leva em conta o fato de que o valor de alguns
elementos podem ser oriundos tanto do valor de negociação como do valor de oferta.
Desse modo, ele é usado para descontar valores excedentes devido à especulação do mercado e
tornar os dados disponíveis homogêneos quanto à fonte.
Dito isso, só poderão ser utilizados para compor a amostra os elementos que impliquem em um
fator de fonte entre 0,80 e 1,20 e, na impossibilidade da sua determinação, recomenda-se
adotar o valor de 0,90, ou seja, considerando um desconto de 10% no momento da transação
em relação ao valor de oferta.
Fator localização
Também é conhecido como fator transposição e é usado para transferir hipoteticamente o valor
do terreno de um lugar para o outro com o intuito homogeneizar dados que, porventura, estejam
em localidades diferentes de um lote, por exemplo.
Para isso, poderá ser utilizado o Índice Fiscal, utilizando a relação entre eles, não é
simples?
IFA
Fl =
IFD
21
Onde:
 Fl é o fator localização;
 IFA é o índice fiscal do avaliando;
 IFD é o índice fiscal do dado, sendo que:
0,5.(IFA) < IFD < 2.(IFA).
No entanto, caso não exista informações sobre o Índice Fiscal, deverá ser feito o estudo
de novos índices, devidamente fundamentados.
Além do mais, é importante lembrarmos que o fator localização incide
exclusivamente sobre o valor do terreno, mesmo se houver edificações construídas.
Fatores de forma
Veremos agora os quatro principais fatores de forma que mais influenciam no valor do
imóvel e são aplicáveis exclusivamente ao valor do terreno.
- Fator testada
O fator testada, também chamado de fator de frente, considera a influência do

comprimento da frente do terreno no valor e é função exponencial da proporção entre a
frente projetada e a frente de referência, pela seguinte expressão:
f
F 
Ff =  r 
 Fp 
 
Onde:
 Ff é o fator testada;
 Fr é a frente de referência (m);
 Fp é a frente projetada (m), sendo que: 0,5.Fr < Fp < 2.Fr;
 f é expoente do fator testada e varia para cada tipo de zona de ocupação.
Exemplos de frente projetada, representada por Fp=AB
22
- Fator profundidade
Esse fator, por sua vez, considera a desvantagem do imóvel possuir profundidades fora
da faixa recomendável para a região e é calculada para cada situação, conforme a
seguir:
a) Se Pmín ≤ Pe ≤ Pmáx, então Fp =1 ;
p
P 
b) Se 0,5.Pmín < Pe < Pmín, então Fp =  mín  ;
 P
 e 
c) Se Pe < 0,5.Pmín, então Fp =0,5p ;
1
d) Se Pmáx < Pe < 3.Pmáx, então Fp = ;
(Pmáx /Pe)+[1-(Pmáx /Pe)].(Pmáx /Pe )p
e) Se Pe > 3.Pmáx, então Fp =3.Pmáx .
Onde:
 Fp é o fator profundidade;
 Pe é a profundidade equivalente (m) e vale: Pe =A t /Fp ;
 At é área do terreno (m²);

 Fp é a frente projetada (m);
 Pmáx é o limite superior de profundidade para uma determinada zona (m);
 Pmín é o limite inferior de profundidade para uma determinada zona (m);
 p é expoente do fator profundidade e varia para cada tipo de zona de ocupação.
- Fator área
O fator de área, quando for utilizado, deverá ser definido através de uma análise
criteriosa e deverá ser devidamente fundamentada tecnicamente.
No entanto, para zona de ocupação do tipo residencial horizontal popular (1ª zona), o
único fator de forma aplicável é o fator área e deve ser calculado conforme abaixo:
Fa =(A/125) 0,20
Onde:
 Fa é o fator área;
 A é a área do terreno (m²).
23
- Fator de esquina
Também conhecido como fator frentes múltiplas, esse fator considera a valorização
decorrente da maior possibilidade de terrenos de esquina ou com mais de uma frente
serem utilizados para negócios.
Fator padrão de acabamento
Esse fator tem o objetivo de eliminar as diferenças relativas aos detalhes de acabamento
entre diferentes imóveis.
Dessa forma, para o ajustamento do atributo poderão ser utilizados os valores unitários
publicados pelo SINDUSCON regional, SINAPI ou outra publicação oficial, lembrando
que é indicado a cada Regional definir a tabela a ser utilizada.
Fator conservação
É aplicado na correção de diferenças entre a idade aparente e estado de conservação

entre o imóvel avaliando e os imóveis da amostra.
Para ajustamento do atributo poderão ser calculados os índices de depreciação,
preferencialmente pelo Critério de Ross-Heidecke, conforme a seguinte formulação:
Foc =R+K(1-R)
Onde:
 Foc é o fator obsolescência e conservação;
 R é o valor residual (decimal), tabela 3.1;
 K é o coeficiente de Ross-Heidecke, tabela 3.2.
24
Tabela 3.1 – Vida referencial e valor residual
Idade
Valor
Tipo Padrão referencial
residual (%)
(anos)
Padrão rústico 5 0
Barraco
Padrão simples 10 0
Padrão proletário 60 20
Padrão econômico 70 20
Casa
Padrão médio 70 20
Padrão superior 70 20
Padrão fino 60 20
Padrão luxo 60 20
Galpão
Cobertura Padrão médio 20 10
25
Tabela 3.2 – Coeficiente de Ross-Heidecke (continua)
Estado de conservação
Idade em %
da vida A B C D E F G H
referencial
0,00% 0,32% 2,52% 8,09% 18,10% 33,20% 52,60% 75,20%
2% 0,990 0,990 0,965 0,910 0,811 0,661 0,469 0,246
4% 0,979 0,979 0,955 0,900 0,802 0,654 0,464 0,243
6% 0,968 0,968 0,944 0,890 0,793 0,647 0,459 0,240
8% 0,957 0,957 0,933 0,879 0,784 0,639 0,454 0,237
10% 0,945 0,945 0,921 0,868 0,774 0,631 0,448 0,234
12% 0,933 0,933 0,909 0,857 0,764 0,623 0,442 0,231
14% 0,920 0,920 0,897 0,846 0,754 0,615 0,436 0,228
16% 0,907 0,907 0,884 0,834 0,743 0,606 0,430 0,225
18% 0,894 0,894 0,871 0,822 0,732 0,597 0,424 0,222
20% 0,880 0,880 0,858 0,809 0,721 0,578 0,417 0,218
22% 0,866 0,866 0,844 0,796 0,709 0,578 0,410 0,215
24% 0,851 0,851 0,830 0,782 0,697 0,569 0,404 0,211
26% 0,836 0,836 0,815 0,769 0,685 0,559 0,396 0,207
28% 0,821 0,830 0,800 0,754 0,672 0,548 0,389 0,204
30% 0,805 0,805 0,785 0,740 0,659 0,538 0,382 0,200
32% 0,789 0,789 0,769 0,725 0,646 0,527 0,374 0,196
34% 0,772 0,772 0,753 0,710 0,632 0,516 0,366 0,192
36% 0,755 0,755 0,736 0,695 0,619 0,505 0,358 0,187
38% 0,738 0,738 0,719 0,678 0,604 0,493 0,350 0,183
40% 0,712 0,712 0,701 0,662 0,590 0,481 0,341 0,179
42% 0,702 0,702 0,684 0,645 0,575 0,469 0,333 0,174
44% 0,683 0,683 0,666 0,628 0,560 0,456 0,324 0,169
46% 0,664 0,664 0,648 0,611 0,544 0,444 0,315 0,165
48% 0,645 0,645 0,629 0,593 0,528 0,431 0,306 0,160
50% 0,625 0,625 0,609 0,574 0,512 0,418 0,296 0,155
52% 0,605 0,605 0,581 0,560 0,495 0,404 0,287 0,150
54% 0,584 0,584 0,570 0,537 0,479 0,390 0,277 0,145
56% 0,563 0,563 0,549 0,518 0,461 0,376 0,367 0,140
58% 0,542 0,542 0,528 0,498 0,444 0,362 0,257 0,134
26
Tabela 3.2 – Coeficiente de Ross-Heidecke (continuação)
Idade em
% da vida A B C D E F G H
referencial
0,00% 0,32% 2,52% 8,09% 18,10% 33,20% 52,60% 75,20%
60% 0,512 0,512 0,507 0,478 0,426 0,347 0,247 0,129
62% 0,498 0,498 0,485 0,458 0,408 0,333 0,246 0,123
64% 0,475 0,475 0,463 0,437 0,389 0,387 0,225 0,118
66% 0,452 0,452 0,441 0,416 0,310 0,302 0,214 0,112
68% 0,429 0,429 0,418 0,394 0,351 0,286 0,203 0,106
70% 0,405 0,405 0,395 0,372 0,332 0,271 0,192 0,092
72% 0,378 0,381 0,371 0,150 0,312 0,254 0,181 0,094
74% 0,356 0,356 0,347 0,327 0,292 0,238 0,169 0,088
76% 0,331 0,331 0,323 0,304 0,271 0,221 0,157 0,082
78% 0,306 0,306 0,273 0,281 0,251 0,104 0,145 0,076
80% 0,280 0,280 0,273 0,257 0,229 0,187 0,133 0,069
82% 0,254 0,254 0,247 0,233 0,208 0,170 0,120 0,063
84% 0,227 0,227 0,222 0,209 0,186 0,152 0,108 0,056
86% 0,200 0,200 0,195 0,184 0,164 0,134 0,095 0,050
88% 0,173 0,173 0,168 0,159 0,142 0,115 0,082 0,043
90% 0,145 0,145 0,141 0,133 0,119 0,097 0,069 0,036
92% 0,117 0,167 0,114 0,107 0,096 0,073 0,055 0,029
94% 0,088 0,088 0,086 0,081 0,072 0,059 0,042 0,022
96% 0,059 0,059 0,058 0,054 0,049 0,040 0,028 0,015
98% 0,030 0,030 0,029 0,027 0,024 0,020 0,020 0,002
100% 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Para ter informações sobre o estado de conservação para obter os valores do coeficiente
de Ross-Heidecke, utilize a tabela 3.3 seguinte fornecida pela norma IBABE/SP:
27
Tabela 3.3 - Estados de conservação (continua)
Estado da Depreciação
Ref. Características
edificação (%)
Edificação nova ou com reforma geral e substancial, com menos

A Nova 0,00 de dois anos, que apresente sinais de desagaste natural de pintura
externa.
Edificação nova ou com reforma geral ou substancial, com

Entre nova e
B 0,32 menos de dois anos, que apresente necessidade apenas de uma
regular
demão leve de pintura para recompor sua aparência.
Edificação seminova ou com reforma geral ou substancial entre

dois a cinco anos, cujo estado geral possa ser recuperado apenas
C Regular 2,52
com reparos de eventuais fissuras superficiais localizadas e/ou
pintura externa e interna.
Edificação seminova ou com reforma geral ou substancial entre

Entre regular e
dois a cinco anos, cujo estado geral possa ser recuperado com
D necessitando de 8,09
reparos de fissuras e trincas localizadas e superficiais e pintura
reparos simples
externa e interna.
Edificação cujo estado geral possa ser recuperado com pintura

Necessitando de externa e interna após reparos de fissuras e trincas superficiais
E 18,10
reparos simples generalizadas, sem recuperação do sistema estrutural.
Eventualmente, revisão do sistema hidráulico e elétrico.

externa e interna após reparos de fissuras e trincas, com
estabilização e/ou recuperação localizada do sistema estrutural.
Necessitando de As instalações hidráulicas e elétricas possam ser restauradas
F reparos simples a 33,20 mediante a revisão e com substituição eventual de algumas peças
importantes desgastadas naturalmente. Eventualmente possa ser necessária a
substituição dos revestimentos de pisos e paredes, de um ou de
outro cômodo. Revisão da impermeabilização ou substituição de
telhas de cobertura.

externa e interna, com substituição de panos de regularização da
alvenaria, reparos de fissuras e trincas, com estabilização e/ou
Necessitando de recuperação de grande parte do sistema estrutural. As instalações
G reparos 52,60 hidráulicas e elétricas possam ser restauradas mediante
importantes substituição de peças aparentes. A substituição dos
revestimentos de pisos e paredes, da maioria dos cômodos, se faz
necessária. Substituição ou reparos importantes na
impermeabilização ou no telhado.
28
Tabela 3.2 - Estados de conservação (continuação)
Estado da
Ref. Depreciação (%) Características
edificação
Edificação cujo estado geral com estabilização e/ou

Necessitando
recuperação do sistema estrutural, substituição da regularização
de reparos
da alvenaria, reparos de fissuras e trincas. Substituição das
H importantes a 75,20
instalações hidráulicas e elétricas. Substituição dos
edificação
revestimentos de pisos e paredes. Substituição da
sem valor
impermeabilização ou do telhado.
Edificação
I 100,00 Edificação em estado de ruína.
sem valor
3. Aprimoramento da amostra
Após a homogeneização dos dados, o próximo passo é o saneamento da amostra, que

consiste na utilização da estatística para eliminar eventuais discrepâncias que podem
comprometer a amostra.
A amostra, então, será verificada por meio dos seguintes procedimentos:
a) Cálculo da média dos valores unitários homogeneizados dos

elementos da amostra
Para isso, primeiro precisamos realizar a homogeneização de cada elemento,

individualmente, pela expressão abaixo e, após isso, calcular a média aritmética
normalmente.
Vu =Vo [1+(F1 -1)+(F2 -1)+(F3 -1)...+(Fn -1)]
Onde:
 Vu é o valor básico unitário após ajuste por fatores;
 Vo é o valor de oferta;
 F1, F2, F3, ... Fn são os fatores de homogeneização.
Para esse passo, vale observar que são considerados discrepantes elementos cujos
valores unitários, em relação ao valor médio amostral, estejam fora do intervalo:
0,5.x  Vu  2.x .
b) Cálculo do intervalo de elementos homogêneos
29
Esse intervalo nada mais é do que a variação de 30%, para mais ou para menos, em
torno do valor médio calculado no passo “a”.
c) Saneamento da amostra
Dito isso, se todos os elementos estiverem contidos dentro do intervalo calculado, a

média amostral será usada como representativa do valor unitário de mercado. Se não, o
elemento mais afastado da média (para mais ou para menos), deverá ser retirado da
amostra.
Se houver exclusão, o passo “b” será repetido e, então, se algum elemento anteriormente
excluído passar a estar dentro dos novos limites deve ser reincluído e esse processo se
repetirá até que todos os dados atendem ao intervalo de 30% em torno da última média.
d) Verificação pelo critério excludente de Chauvenet
O saneamento da amostra também pode ser feito utilizando o critério excludente de

Chauvenet para pequenas amostras.
Para isso, os valores críticos da amostra serão calculados conforme equação abaixo e
depois serão comparados com o valor crítico determinado pela tabela 3.4.
Se os valores de Rinf e Rsup calculados forem ambos inferiores ao valor crítico “c”, todos
os elementos remanescentes da amostra serão aceitos, caso contrário, o elemento mais
afastado da média (para mais ou para menos), deverá ser retirado da amostra e o
processo deverá se repetir.
x-x mín
R inf =
S
x máx -x
R sup =
S
Onde:
 Rinf e Rsup são os valores limites para os resíduos padronizados, sendo que: Rinf,sup <
c;
 c é o valor crítico para n elementos, tabela 3.4;
 x é a média aritmética da amostra;
 xmín é o valor crítico inferior;
 xmáx é o valor crítico superior;
 S é o desvio padrão da amostra.
30
Tabela 3.4 – Critério de Chauvenet para rejeição de valor medido
Razão entre o máximo desvio aceitável e o

Número de leituras, n
desvio padrão, dmáx/S
3 1,38
4 1,54
5 1,65
6 1,73
7 1,8
10 1,96
15 2,13
25 2,33
50 2,57
100 2,81
300 3,14
500 3,29
1000 3,48
4. Estimativa do valor do imóvel
Após o saneamento da amostra, iremos estimar o valor do imóvel avaliando, que deverá
ser a soma do valor do terreno e o valor da edificação, quando existirem ambos.
Valor do terreno
O valor do terreno por meio do tratamento por fatores será calculado conforme
expressão a seguir:
Vt = Vu A
[1+(F1-1)+(F2 -1)+(F3 -1)...+(Fn -1)] t
Onde:
 Vt é o valor final do terreno avaliando (R$);
 Vu é o valor básico unitário após ajuste por fatores (R$/m²), calculado no passo
“a” do item 3;
 At é a área do terreno (m²);
31
 F1, F2, F3, ... Fn são os fatores de homogeneização do terreno avaliando.
Valor da construção
Já o valor da construção ou edificação é calculada por:
Vc =A c .C.Fpa .Foc
Onde:
 Vc é o valor final da edificação ou benfeitoria (R$);
 Ac é a área (m²);
 C é custo unitário básico da construção na região, calculado e divulgado
mensalmente pelo SIDUSCON (R$/m²);
 Fpa é o fator referente à tipologia e padrão da construção da benfeitoria;
 Foc é o fator obsolescência e conservação.
5. Cálculo do intervalo de confiança
O intervalo de confiança é uma amplitude de valores derivados da estatística, que tem a

probabilidade de conter o valor de um parâmetro populacional desconhecido.
seu cálculo é usado para analisarmos a faixa de preços unitários em que o imóvel
avaliando está inserido, considerando um certo grau de confiança (geralmente adota-se
80%). Para isso, utiliza-se a média aritméticas dos preços unitários dos elementos da
amostra.
Desse modo, para o cálculo dos limites de confiança, segundo a Teoria Estatística das
Pequenas Amostras (n<30), temos:
 S 
x máx =x+t (c;n-1)   0,5 
 (n-1) 
 S 
xmín =x-t (c;n-1)   0,5 
 (n-1) 
Onde:
 xmáx é o valor crítico superior;
 xmín é o valor crítico inferior;
 t(c;n-1) é o valor percentual para a distribuição “t” de Student para um grau de
liberdade n-1 e um dado -grau de confiança c, tabela 3.5;
32
 S é o desvio padrão da amostra;
 n é o número de elementos da amostra.
Tabela 3.5 – Valor percentual para a distribuição “t” de para grau de liberdade n-1 e
grau de confiança “c” (continua)
Unilateral 0,25 0,2 0,15 0,1 0,05 0,025 0,01 0,005
Bilateral 0,5 0,4 0,3 0,2 0,1 0,05 0,02 0,01
c 0,5 0,6 0,7 0,8 0,9 0,95 0,98 0,99
GL
1 1,0000 1,3764 1,9626 3,0777 6,3138 12,7062 31,8205 63,657
2 0,8165 1,0607 1,3862 1,8856 2,92 4,3027 6,9646 9,9248
3 0,7649 0,9785 1,2498 1,6377 2,3534 3,1824 4,5407 5,8409
4 0,7407 0,941 1,1896 1,5332 2,1318 2,7764 3,7469 4,6041
5 0,7267 0,9195 1,1558 1,4759 2,015 2,5706 3,3649 4,0321
6 0,7176 0,9057 1,1342 1,4398 1,9432 2,4469 3,1427 3,7074
7 0,7111 0,896 1,1192 1,4149 1,8946 2,3646 2,998 3,4995
8 0,7064 0,8889 1,1081 1,3968 1,8595 2,306 2,8965 3,3554
9 0,7027 0,8834 1,0997 1,383 1,8331 2,2622 2,8214 3,2498
10 0,6998 0,8791 1,0931 1,3722 1,8125 2,2281 2,7638 3,1693
11 0,6974 0,8755 1,0877 1,3634 1,7959 2,201 2,7181 3,1058
12 0,6955 0,8726 1,0832 1,3562 1,7823 2,1788 2,681 3,0545
13 0,6938 0,8702 1,0795 1,3502 1,7709 2,1604 2,6503 3,0123
14 0,6924 0,8681 1,0763 1,345 1,7613 2,1448 2,6245 2,9768
15 0,6912 0,8662 1,0735 1,3406 1,7531 2,1314 2,6025 2,9467
16 0,6901 0,8647 1,0711 1,3368 1,7459 2,1199 2,5835 2,9208
17 0,6892 0,8633 1,069 1,3334 1,7396 2,1098 2,5669 2,8982
18 0,6884 0,862 1,0672 1,3304 1,7341 2,1009 2,5524 2,8784
19 0,6876 0,861 1,0655 1,3277 1,7291 2,093 2,5395 2,8609
20 0,687 0,86 1,064 1,3253 1,7247 2,086 2,528 2,8453
21 0,6864 0,8591 1,0627 1,3232 1,7207 2,0796 2,5176 2,8314
22 0,6858 0,8583 1,0614 1,3212 1,7171 2,0739 2,5083 2,8188
33
grau de confiança “c” (continuação)
Unilateral 0,25 0,2 0,15 0,1 0,05 0,025 0,01 0,005
Bilateral 0,5 0,4 0,3 0,2 0,1 0,05 0,02 0,01
c 0,5 0,6 0,7 0,8 0,9 0,95 0,98 0,99
GL
23 0,6853 0,8575 1,0603 1,3195 1,7139 2,0687 2,4999 2,8073
24 0,6848 0,8569 1,0593 1,3178 1,7109 2,0639 2,4922 2,7969
25 0,6844 0,8562 1,0584 1,3163 1,7081 2,0595 2,4851 2,7874
26 0,684 0,8557 1,0575 1,315 1,7056 2,0555 2,4786 2,7787
27 0,6837 0,8551 1,0567 1,3137 1,7033 2,0518 2,4727 2,7707
28 0,6834 0,8546 1,056 1,3125 1,7011 2,0484 2,4671 2,7633
29 0,6830 0,8542 1,0553 1,3114 1,6991 2,0452 2,462 2,7564
∞ 0,6747 0,8420 1,0370 1,2824 1,6464 1,9623 2,3301 2,5808
6. Cálculo do campo de arbítrio
O campo de arbítrio é outro tipo de intervalo, que engloba uma variação de mais ou
menos 15% em torno do preço estimado e, assim como no intervalo de confiança, no
campo de arbítrio podemos arbitrar o valor do bem, desde que devidamente justificado.
7. Enquadramento do modelo
Por fim, a última etapa do tratamento por fatores é o enquadramento do modelo de

acordo com o Grau de Precisão e o Grau de Fundamentação e, para isso, usaremos as
tabelas fornecidas pela NBR 14653-2, no anexo B.
Primeiramente, utilizaremos a tabela 3.6 e classificaremos cada um dos itens no grau
adequado, lembrando que o Grau III vale 3 pontos, o II vale 2 pontos e o I vale 1 ponto.
34
Tabela 3.6 – Grau de fundamentação para tratamento por fatores
Grau
Item Descrição
III II I
Completa
Completa
Caracterização quanto aos Adoção de
quanto a todos
1 do imóvel fatores situação
os fatores
avaliando utilizados no paradigma
analisados
tratamento
Quantidade
mínima de
dados de
2 12 5 3
mercado,
efetivamente
utilizados
Apresentação
de
informações
Apresentação Apresentação de
relativas a
de informações
todas as
informações relativas a todas
Identificação características
relativas a as características
3 dos dados de dos dados
todas as dos dados
mercado analisadas,
características correspondentes
com foto e
dos dados aos fatores
características
analisadas utilizados
observadas
pelo autor do
laudo
Intervalo
admissível de
4 ajuste para o 0,80 a 1,25 0,50 a 2,00 0,40 a 2,50*
conjunto de
fatores
*No caso de utilização de menos de cinco dados de mercado, o intervalo admissível de
ajuste é de 0,80 a 1,25, pois é desejável que, com um número menor de dados de
mercado, a amostra seja menos heterogênea.
Feito isso, podemos enquadrar o laudo na tabela 3.7 seguinte referente ao Grau de
Fundamentação.
35
Tabela 3.7 – Critérios de enquadramento do laudo no Grau de Fundamentação
Graus III II I
Pontos mínimos 10 6 4
Itens 2 e 4 no grau Itens 2 e 4 no

III, com os demais mínimo no grau II e Todos, no mínimo
Itens obrigatórios
no mínimo no grau os demais no no grau I
II mínimo no grau I
Por último, basta enquadrar o laudo (considerando a não extrapolação dos dados) na
tabela 3.8, referente ao Grau de Precisão do modelo. Sendo a Amplitude calculada por:
(x-x mín )+(x máx -x) 100

A=
x
Onde:
 A é a amplitude (%);
 é a média amostral (R$/m²);
 é o limite superior do intervalo de confiança (R$/m²);
 é o limite inferior do intervalo de confiança (R$/m²).
Tabela 3.8 – Critério de enquadramento do laudo no Grau de Precisão

Grau
Descrição
III II I
Amplitude do intervalo de confiança de 80% em

≤ 30 % ≤ 40 % ≤ 50 %
torno da estimativa de tendência central
Essas foram algumas considerações a respeito do Tratamento por Fatores para

Avaliação de Imóveis. No próximo capítulo tem muito mais e já adianto que
resolveremos juntos um exemplo prático sobre esse mesmo assunto para que não restem
mais dúvidas.
36
37
4
Tratamento por fatores:
exemplo prático
No capítulo anterior, explicamos quais os procedimentos básicos para realizar o

Tratamento por Fatores de Dados de Mercado.
Agora, vamos solidificar o que foi aprendido sobre Avaliação de Imóveis até o
momento. Para tanto, propomos um exercício hipotético de uma avaliação de imóvel
urbano pelo Método Comparativo Direto de Dados de Mercado, através de tratamento
por fatores.
Confira a seguir!
38
Exemplo prático
Pretende-se avaliar para penhor uma residência localizada na Rua das Abelhas, n º 35,
lote 35, quadra A, bairro Jardim São Paulo, na cidade de São Paulo-SP (2ª zona –
IF=169,52 R$/m²).
Características complementares do imóvel avaliando:
A edificação possui dois pavimentos, totalizando 200m² de área, está construída em um

lote de 250m² (10m de frente e 25m de profundidade), possui padrão econômico de
acabamento, estado de conservação necessitando de reparos importantes, idade de 30
anos e a seguinte divisão interna:
 Garagem;
 Sala de estar e sala de jantar;
 Cozinha;
 Área de serviço;
 Banheiro social;
 4 quartos, sento 3 suítes;
 Varanda.
Elementos da amostra do mercado:

Área
Área da Índice
Frente Profundidade do Idade Estado de Padrão de Valor de
Dados Tipo edificação fiscal
(m) (m) lote (anos) conservação acabamento oferta (R$)
(m²) (R$/m²)
(m²)
1 lote 9 25 225 - 160,60 - - - 100000,00
2 casa 5 25 125 180 165,06 10 E econômico 250000,00
3 casa 5 25 125 180 169,52 10 E econômico 250000,00
4 casa 7 25 175 50 191,82 8 E rústico 120000,00
5 casa 5 25 125 220 191,82 20 F econômico 250000,00
6 casa 5 50 250 150 191,82 30 G proletário 150000,00
RESOLUÇÃO
Passo 01: Escolha dos fatores
A partir dos dados já fornecidos, o primeiro passo para a resolução desse problema é a
escolha dos fatores de homogeneização que serão utilizados pelo modelo e, para isso, é
imprescindível conhecer as características do imóvel avaliando.
39
Desse modo, os fatores escolhidos serão:
 Fator oferta, pois os elementos da amostra fornecem apenas o preço de oferta e
necessitamos do valor real;
 Fator localização, pois os imóveis da amostra possuem índices fiscais variados;
 Fatores de forma aplicáveis ao terreno, pois os terrenos possuem formas
variadas;
 Fator de acabamento, pois os imóveis da amostra possuem padrão de
acabamento diferentes entre si;
 Fator de conservação, pois os imóveis da amostra estão em estados de
conservação diferentes.
Passo 02: Cálculo dos fatores
Após escolhermos os fatores utilizados no modelo, iremos calculá-los, utilizando como

referência os valores fornecidos pela Norma de Avaliação de Imóveis Urbanos de
IBAPE de SP, pois é onde o imóvel está localizado.
Fator de oferta
Como não é possível determinar o fator oferta com a informação disponíveis,

recomenda-se adotar o valor de 0,90, considerando um desconto de 10% no momento
da transação em relação ao valor de oferta.
Fator localização
Esse fator pode ser obtido utilizando a relação entre índices fiscais conforme abaixo:
IFA
Fl =
IFD
Dessa forma, temos:
40
Tabela 4.1 – Fator localização
Dados Índice fiscal (R$/m²) Fator Localização - Fl
1 160,60 169,52/160,60=1,056
2 165,06 169,52/165,06=1,027
3 169,52 169,52/169,52=1,000
4 160,82 169,52/160,82=0,884
5 191,82 169,52/191,82=0,884
6 191,82 169,52/191,82=0,884
Avaliando 169,52 169,52/169,52=1,000
Fatores de forma
Tabela 4.2 - Fatores de forma

Zonas Fatores
Residencial Fr Pmin Pmáx f p
1ª Zona -
Não se
Residencial Horizontal 5 15 30 Não se aplica
aplica
Popular
2ª Zona -
Residencial Horizontal 10 25 40 0,2 0,5
Médio
3ª Zona -
Residencial Horizontal 15 30 60 0,15 0,5
Padrão Alto
- Fator testada
O fator testada é função exponencial da proporção entre a frente projetada e a frente de

referência, pela seguinte expressão:
f
F 
Ff =  r 
 Fp 
 
41
Dessa forma, sabendo que para imóveis localizados na 2ª zona residencial Fr=10 m e
f=0,2, temos:
Tabela 4.3 – Fator testada

Dados Frente do terreno (m) Fator Testada - Ft
1 9 (10/9)0,2=1,021
2 5 (10/5)0,2=1,149
3 5 (10/5)0,2=1,149
4 7 (10/7)0,2=1,074
5 5 (10/5)0,2=1,149
6 5 (10/5)0,2=1,149
Avaliando 10 (10/10)0,2=1,000
- Fator profundidade
Esse fator é calculada para cada situação, conforme a seguir:

a) Se Pmín ≤ Pe ≤ Pmáx, então Fp =1 ;
p
P 
b) Se 0,5.Pmín < Pe < Pmín, então Fp =  mín  ;
 P
 e 
c) Se Pe < 0,5.Pmín, então Fp =0,5p ;
1
d) Se Pmáx < Pe < 3.Pmáx, então Fp = ;
(Pmáx /Pe)+[1-(Pmáx /Pe)].(Pmáx /Pe )p
e) Se Pe > 3.Pmáx, então Fp =3.Pmáx .
Dessa forma, sabendo que sabendo que para imóveis localizados na 2ª zona residencial
Pmín=25 m, Pmáx=40 m, p=0,5, temos:
42
Tabela 4.4 – Fator profundidade
Profundidade
Dados equivalente Fator profundidade - Fp
(m)
1 25 1,00
2 25 1,00
3 25 1,00
4 25 1,00
5 25 1,00
6 50 1/[(40/50+(1-40/50)*(40/50)0,5)]=1,02
Avaliando 25 1,00
Fator padrão de acabamento
Para esse fator, faremos uso os valores unitários publicados pelo caderno de Valores de
Edificações de Imóveis Urbanos do IBAPE/SP para eliminar as diferenças relativas aos
detalhes de acabamento entre diferentes imóveis da amostra.
Desse modo, temos:
Fpa,rústico,mínimo=0,409
Fpa,proletário,mínimo =0,624
Fpa,econômico,mínimo =0,919
Fator conservação
Para ajustar as diferenças entre a idade aparente e estado de conservação poderão ser
calculados os índices de depreciação, preferencialmente pelo Critério de Ross-
Heidecke, conforme a seguinte formulação: Foc =R+K(1-R) .
43
Tabela 4.5 – Vida referencial e valor residual
Idade referencial Valor residual

Tipo Padrão
(anos) (%)
Barraco
Padrão proletário 60 20
Casa
Padrão fino 60 20
Padrão luxo 60 20
Galpão
Cobertura Padrão médio 20 10
44
Tabela 4.6 – Coeficiente de Ross-Heidecke (continua)
Idade em %
da vida A B C D E F G H
referencial
0,00% 0,32% 2,52% 8,09% 18,10% 33,20% 52,60% 75,20%
2% 0,990 0,990 0,965 0,910 0,811 0,661 0,469 0,246
4% 0,979 0,979 0,955 0,900 0,802 0,654 0,464 0,243
6% 0,968 0,968 0,944 0,890 0,793 0,647 0,459 0,240
8% 0,957 0,957 0,933 0,879 0,784 0,639 0,454 0,237
10% 0,945 0,945 0,921 0,868 0,774 0,631 0,448 0,234
12% 0,933 0,933 0,909 0,857 0,764 0,623 0,442 0,231
14% 0,920 0,920 0,897 0,846 0,754 0,615 0,436 0,228
16% 0,907 0,907 0,884 0,834 0,743 0,606 0,430 0,225
18% 0,894 0,894 0,871 0,822 0,732 0,597 0,424 0,222
20% 0,880 0,880 0,858 0,809 0,721 0,578 0,417 0,218
22% 0,866 0,866 0,844 0,796 0,709 0,578 0,410 0,215
24% 0,851 0,851 0,830 0,782 0,697 0,569 0,404 0,211
26% 0,836 0,836 0,815 0,769 0,685 0,559 0,396 0,207
28% 0,821 0,830 0,800 0,754 0,672 0,548 0,389 0,204
30% 0,805 0,805 0,785 0,740 0,659 0,538 0,382 0,200
32% 0,789 0,789 0,769 0,725 0,646 0,527 0,374 0,196
34% 0,772 0,772 0,753 0,710 0,632 0,516 0,366 0,192
36% 0,755 0,755 0,736 0,695 0,619 0,505 0,358 0,187
38% 0,738 0,738 0,719 0,678 0,604 0,493 0,350 0,183
40% 0,712 0,712 0,701 0,662 0,590 0,481 0,341 0,179
42% 0,702 0,702 0,684 0,645 0,575 0,469 0,333 0,174
44% 0,683 0,683 0,666 0,628 0,560 0,456 0,324 0,169
46% 0,664 0,664 0,648 0,611 0,544 0,444 0,315 0,165
48% 0,645 0,645 0,629 0,593 0,528 0,431 0,306 0,160
50% 0,625 0,625 0,609 0,574 0,512 0,418 0,296 0,155
52% 0,605 0,605 0,581 0,560 0,495 0,404 0,287 0,150
54% 0,584 0,584 0,570 0,537 0,479 0,390 0,277 0,145
56% 0,563 0,563 0,549 0,518 0,461 0,376 0,367 0,140
58% 0,542 0,542 0,528 0,498 0,444 0,362 0,257 0,134
45
Tabela 4.6 – Coeficiente de Ross-Heidecke (continuação)
Idade em
% da vida A B C D E F G H
referencial
0,00% 0,32% 2,52% 8,09% 18,10% 33,20% 52,60% 75,20%
60% 0,512 0,512 0,507 0,478 0,426 0,347 0,247 0,129
62% 0,498 0,498 0,485 0,458 0,408 0,333 0,246 0,123
64% 0,475 0,475 0,463 0,437 0,389 0,387 0,225 0,118
66% 0,452 0,452 0,441 0,416 0,310 0,302 0,214 0,112
68% 0,429 0,429 0,418 0,394 0,351 0,286 0,203 0,106
70% 0,405 0,405 0,395 0,372 0,332 0,271 0,192 0,092
72% 0,378 0,381 0,371 0,150 0,312 0,254 0,181 0,094
74% 0,356 0,356 0,347 0,327 0,292 0,238 0,169 0,088
76% 0,331 0,331 0,323 0,304 0,271 0,221 0,157 0,082
78% 0,306 0,306 0,273 0,281 0,251 0,104 0,145 0,076
80% 0,280 0,280 0,273 0,257 0,229 0,187 0,133 0,069
82% 0,254 0,254 0,247 0,233 0,208 0,170 0,120 0,063
84% 0,227 0,227 0,222 0,209 0,186 0,152 0,108 0,056
86% 0,200 0,200 0,195 0,184 0,164 0,134 0,095 0,050
88% 0,173 0,173 0,168 0,159 0,142 0,115 0,082 0,043
90% 0,145 0,145 0,141 0,133 0,119 0,097 0,069 0,036
92% 0,117 0,167 0,114 0,107 0,096 0,073 0,055 0,029
94% 0,088 0,088 0,086 0,081 0,072 0,059 0,042 0,022
96% 0,059 0,059 0,058 0,054 0,049 0,040 0,028 0,015
98% 0,030 0,030 0,029 0,027 0,024 0,020 0,020 0,002
100% 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
A partir dos valores fornecidos pela tabela 4.5, podemos agora calcular o valor da
porcentagem de vida em relação à idade referencial dos imóveis:
46
Tabela 4.7 – Coeficiente de conservação
Padrão de Idade real Idade referencial Idade em % da vida

Dados
acabamento (anos) - IR (anos) referencial
1 - - - -
Residencial
2 10 70 10/70=14,28%
econômico
Residencial
3 10 70 10/70=14,28%
econômico
Residencial
4 8 60 08/60=13,33%
rústico
Residencial
5 20 70 20/70=28,57%
econômico
Residencial
6 30 60 30/60=50,00%
proletário
Residencial
Aval. 30 70 30/70=42,87%
econômico
De posse dos valores das tabelas anteriores, o fator de conservação para os imóveis são:
Tabela 4.8 – Coeficiente de conservação
Idade em
Estado de Valor Coeficiente de Fator conservação -
Dados % da vida
conserv. residual -R Ross - K Foc
referencial
1 - - - - -
0,2+0,754(1-
2 14,28% E 0,20 0,754
0,2)=0,8032
0,2+0,754(1-
3 14,28% E 0,20 0,754
0,2)=0,8032
0,2+0,754(1-
4 13,33% E 0,20 0,754
0,2)=0,8032
0,2+0,548(1-
5 28,57% F 0,20 0,548
0,2)=0,6384
0,2+0,296(1-
6 50,00% G 0,20 0,296
0,2)=0,4368
0,2+0,575(1-
Aval. 42,87% E 0,20 0,575
0,2)=0,6600
47
Passo 03: Cálculo do valor das benfeitorias da amostra
De acordo com o tratamento por fatores, o valor de uma edificação pode ser obtida por:
Vc =A c .CUB.Fpa .Foc
Desse modo, de acordo com o SIDUSCON, sabendo que o custo unitário básico (CUB)
de uma residência do tipo multifamiliar de padrão normal em São Paulo é 1.431,53
R$/m², temos:
Tabela 4.9 – Valor da edificação
Área da edificação Valor da edificação

Dados CUB (R$/m²) Fpa Foc
(m²) (R$)
1 - - - - -
2 180 1.431,53 0,919 0,8032 190200,72
3 180 1.431,53 0,919 0,8032 190200,72
4 50 1.431,53 0,409 0,8032 23513,51
5 220 1.431,53 0,919 0,6384 184770,02
6 150 1.431,53 0,624 0,4368 58527,36
Passo 04: Cálculo do valor dos terrenos da amostra
Para encontrarmos o valor remanescente referente ao terreno dos imóveis da amostra,

aplicaremos o fator de oferta de 0,90 sobre o preço de oferta e encontraremos o valor
negociado, conforme abaixo:
48
Tabela 4.10 – Valor do terreno
Valor de oferta Valor negociado Valor da Valor do

Dados
(R$) (R$) edificação (R$) terreno (R$)
1 100000 90000 - 90000,00

2 250000 225000 190200,72 34799,28
3 250000 225000 190200,72 34799,28
4 120000 108000 23513,51 84486,49
5 250000 225000 184770,02 40229,98
6 150000 135000 58527,36 76472,64
Passo 05: Aprimoramento da amostra
Após a homogeneização dos dados, o próximo passo é o saneamento da amostra, que

consiste na utilização da estatística para eliminar eventuais discrepâncias que podem
comprometer a amostra.
Cálculo da média dos valores unitários homogeneizados dos elementos

da amostra
Para isso, primeiro precisamos realizar a homogeneização de cada elemento,

individualmente, pela expressão abaixo e, após isso, calcular a média aritmética
normalmente.
Vu =Vr [1+(F1 -1)+(F2 -1)+(F3 -1)  ...+(Fn -1)]
49
Tabela 4.11 – Valor unitário homogeneizado
Valor do Vr Vu
Dados At (m²) Fl Ft Fp
terreno (R$) (R$/m²) (R$/m²)
1 90000,00 225 400,0 1,056 1,02 1,00 430,40

2 34799,28 125 278,4 1,027 1,15 1,00 327,68
3 34799,28 125 278,4 1,000 1,15 1,00 320,16
4 84486,49 175 482,8 0,884 1,07 1,00 460,59
5 40229,98 125 321,8 0,884 1,15 1,00 332,74
6 76472,64 250 305,9 0,884 1,15 1,02 322,42
Tabela 4.12 – Média amostral
Dados Vu (R$/m²) Média (R$/m²) Desvio padrão (R$/m²)

1 430,40
2 327,68
3 320,16
365,66 62,72
4 460,59
5 332,74
6 322,42
Para esse passo, vale observar que todos os dados estão contidos no intervalo
0,5.x  Vu  2.x , isso nos mostra que a amostra é satisfatória.
Verificação pelo critério excludente de Chauvenet
O saneamento da amostra também pode ser feito utilizando o critério excludente de

Chauvenet para pequenas amostras.
Para isso, os valores críticos da amostra serão calculados conforme equação abaixo e
depois serão comparados com o valor crítico determinado pela tabela 4.13.
50
Tabela 4.13 – Critério de Chauvenet para rejeição de valor medido
Razão entre o máximo desvio aceitável e o

Número de leituras, n
desvio padrão, dmáx/S
3 1,38
4 1,54
5 1,65
6 1,73
7 1,8
10 1,96
x-xmín 365,66  320,16

Rinf =   0,73 < 1,73
S 62,72
xmáx -x 460,59-365,66
R sup =   1,51< 1,73
S 62, 72
Conforme observado, os valores de Rinf e Rsup são inferiores ao valor crítico para 6
elementos, logo a amostra é satisfatória e a média amostral poderá ser usado para
representar o valor homogeneizado do terreno avaliando, conforme constatamos no
passo anterior.
Passo 06: Cálculo do intervalo de confiança
Para o cálculo dos limites de confiança, segundo a Teoria Estatística das Pequenas
Amostras (n<30), temos:
 
x máx =x+t (c;n-1)   S
 62,72 
  365,66+1,4759   
 (n-1) 
  
 5 
xmáx= R$ 407,06/m²
x mín =x-t (c;n-1)   S

   62,72 
  365,66 1,4759   
 (n-1)   5 
xmín= R$ 324,27/m²
Desse modo, qualquer valor usado dentro deste intervalo pode ser utilizado para
representar o valor do imóvel avaliando, com pelo menos 80% de confiança.
51
grau de confiança “c”
Unilateral 0,25 0,2 0,15 0,1 0,05 0,025 0,01 0,005
Bilateral 0,5 0,4 0,3 0,2 0,1 0,05 0,02 0,01
c 0,5 0,6 0,7 0,8 0,9 0,95 0,98 0,99
GL
1 1,0000 1,3764 1,9626 3,0777 6,3138 12,7062 31,8205 63,657
2 0,8165 1,0607 1,3862 1,8856 2,92 4,3027 6,9646 9,9248
3 0,7649 0,9785 1,2498 1,6377 2,3534 3,1824 4,5407 5,8409
4 0,7407 0,941 1,1896 1,5332 2,1318 2,7764 3,7469 4,6041
5 0,7267 0,9195 1,1558 1,4759 2,015 2,5706 3,3649 4,0321
6 0,7176 0,9057 1,1342 1,4398 1,9432 2,4469 3,1427 3,7074
7 0,7111 0,896 1,1192 1,4149 1,8946 2,3646 2,998 3,4995
8 0,7064 0,8889 1,1081 1,3968 1,8595 2,306 2,8965 3,3554
9 0,7027 0,8834 1,0997 1,383 1,8331 2,2622 2,8214 3,2498
10 0,6998 0,8791 1,0931 1,3722 1,8125 2,2281 2,7638 3,1693
11 0,6974 0,8755 1,0877 1,3634 1,7959 2,201 2,7181 3,1058
12 0,6955 0,8726 1,0832 1,3562 1,7823 2,1788 2,681 3,0545
13 0,6938 0,8702 1,0795 1,3502 1,7709 2,1604 2,6503 3,0123
14 0,6924 0,8681 1,0763 1,345 1,7613 2,1448 2,6245 2,9768
15 0,6912 0,8662 1,0735 1,3406 1,7531 2,1314 2,6025 2,9467
16 0,6901 0,8647 1,0711 1,3368 1,7459 2,1199 2,5835 2,9208
17 0,6892 0,8633 1,069 1,3334 1,7396 2,1098 2,5669 2,8982
18 0,6884 0,862 1,0672 1,3304 1,7341 2,1009 2,5524 2,8784
19 0,6876 0,861 1,0655 1,3277 1,7291 2,093 2,5395 2,8609
20 0,687 0,86 1,064 1,3253 1,7247 2,086 2,528 2,8453
21 0,6864 0,8591 1,0627 1,3232 1,7207 2,0796 2,5176 2,8314
22 0,6858 0,8583 1,0614 1,3212 1,7171 2,0739 2,5083 2,8188
23 0,6853 0,8575 1,0603 1,3195 1,7139 2,0687 2,4999 2,8073
24 0,6848 0,8569 1,0593 1,3178 1,7109 2,0639 2,4922 2,7969
25 0,6844 0,8562 1,0584 1,3163 1,7081 2,0595 2,4851 2,7874
52
Passo 07: Cálculo do campo de arbítrio
menos 15% em torno do preço estimado, logo:
xmáx= 420,51 R$/m²
xmín= 310,81 R$/m²
No entanto, esse intervalo só é usado para arbitrar o valor do avaliando caso haja
extrapolação do modelo, o que não é nosso caso.
Passo 08: Estimativa do valor do imóvel avaliando
Após o saneamento da amostra, iremos estimar o valor do imóvel avaliando, que deverá
ser a soma do valor do terreno e o valor da edificação.
Valor do terreno
O valor do terreno por meio do tratamento por fatores será calculado conforme
expressão a seguir:
Vu
Vt = A
[1+(F1-1)+(F2 -1)+(F3 -1)...+(Fn -1)] t
365,66
Vt =  250
[1+(1-1)+(1-1)+(1-1)]
Vt = R$ 91.416,19
Valor da construção
O valor da benfeitoria existente neste terreno pode ser calculada por:
Vc =A c .C.Fpa .Foc  200.1431,53.0,919.0,66

Vt = R$ 173.656,04
Valor total
Portanto, o valor final será:

VT=91.416,19+173.656,04 = R$ 265.072,23
VT = R$ 265.000,00
53
Passo 09: Enquadramento do modelo
Por fim, a última etapa do tratamento por fatores é o enquadramento do modelo de

acordo com o Grau de Precisão e o Grau de Fundamentação.
Tabela 4.16 – Grau de fundamentação para tratamento por fatores

Grau
Item Descrição
III II I
Completa
Completa
Caracterização quanto aos Adoção de
quanto a todos
1 do imóvel fatores situação
os fatores
avaliando utilizados no paradigma
analisados
tratamento
Quantidade
mínima de
dados de
2 12 5 3
mercado,
efetivamente
utilizados
Apresentação
de
informações
Apresentação Apresentação de
relativas a
de informações
todas as
informações relativas a todas
Identificação características
relativas a as características
3 dos dados de dos dados
todas as dos dados
mercado analisadas,
características correspondentes
com foto e
dos dados aos fatores
características
analisadas utilizados
observadas
pelo autor do
laudo
Intervalo
admissível de
4 ajuste para o 0,80 a 1,25 0,50 a 2,00 0,40 a 2,50*
conjunto de
fatores
*No caso de utilização de menos de cinco dados de mercado, o intervalo admissível de
ajuste é de 0,80 a 1,25, pois é desejável que, com um número menor de dados de
mercado, a amostra seja menos heterogênea.
54
Feito isso, o resultado da pontuação foi de 09 pontos. Dessa forma, o laudo se enquadra
no Grau de Fundamentação II, conforme tabela a seguir.

Graus III II I
Itens 2 e 4 no grau Itens 2 e 4 no

III, com os demais mínimo no grau II e Todos, no mínimo
Itens obrigatórios
no mínimo no grau os demais no no grau I
II mínimo no grau I
(x-x mín )+(x máx -x) 100

A=
x
(365,66-324,27)+(407,06-365,66) 100
A=  22, 64%
365,66

Grau
Descrição
III II I
Amplitude do intervalo de confiança de

80% em torno da estimativa de tendência ฀ 30 % ฀ 40 % ฀ 50 %
central
RESULTADO
De posse de todos os cálculos realizados e dos dados disponíveis, o valor de mercado

para a residência avaliada foi de R$ 265.072,23, podendo ser arredondado (em até 1%
para mais ou menos) para o valor de R$ 265.000,00, resultando em uma Avaliação de
Grau de Fundamentação II e Grau de Precisão III.
55
56
5
Inferência estatística para
avaliação de imóveis
Iremos agora aprender sobre um dos métodos de tratamento de dados: o tratamento

científico por meio da inferência estatística utilizando a regressão linear, com base nos
procedimentos normatizados pela ABNT NBR 14.653: Avaliação de Bens – Parte 2:
Imóveis Urbanos (anexo A).
Mas, antes disso tudo, iremos fazer uma breve revisão para relembrarmos alguns
conceitos básicos relacionados à estatística.
57
Introdução à estatística
Antes de aprendermos a avaliar um imóvel utilizando o tratamento científico por
inferência estatística, precisamos revisar alguns conceitos básicos relacionados à
estatística para que tenhamos um entendimento completo de todos os termos utilizados
no decorrer desse capítulo.
O primeiro conceito básico que veremos agora é a diferença entre População, Amostra e
Elemento, que utilizamos bastante ao tratarmos do Método Comparativo Direto de
Dados de Mercado. Vejamos:
População, Amostra e Elemento
População é o conjunto de elementos com pelo menos uma característica em comum,

enquanto amostra é um subconjunto de uma população utilizada para efeito de estudo
estatístico.
Em outras palavras, amostra é apenas uma pequena parte de uma população e é utilizada
quando se deseja analisar o comportamento de uma população, sem necessariamente
analisar todos os seus elementos. E, para isso, é feito um levantamento estatístico.
População, elemento e amostra
Medidas de tendência central
O próximo conceito que veremos são as medidas de tendência central, que servem para
localizar a distribuição dos dados brutos com o objetivo de resumir um conjunto de
elementos em um único número que representa a amostra.
Existem 3 tipos de medida de tendência central, são eles:
58
Média aritmética ( x )
A média aritmética nada mais é que a razão entre a soma de todos os elementos de um
conjunto e o total de elementos.
Moda (Mo)
A moda é o valor que aparece com mais frequência em um conjunto de dados, ou seja, o
valor que aparece um maior número de vezes.
Mediana (Md)
Por fim, a mediana é o valor de centro de um conjunto de dados. Desse modo, para
calculá-la, os elementos devem, primeiramente, ser ordenados na ordem crescente.
Então, se o número de elementos for par, a mediana é a média dos dois valores centrais,
se não, a mediana é o valor que está exatamente no meio.
Média aritmética, moda e mediana
Estimadores de dispersão
Amplitude (A)
Amplitude nada mais é que a diferença entre dois extremos, ou seja, entre o maior e o
menor elemento do conjunto.
59
Variância (Sx²)
A variância, por sua vez, é definida como a média dos quadrados das diferenças entre os
valores em relação a sua própria média e é expressa, matematicamente, como:
(x i -x) 2
Sx =
2
n-1
Onde:
 Sx ² é a variância;
 xi é o elemento na posição i;
Desvio Padrão (Sx)
Em poucas palavras, o desvio padrão é a raiz positiva da variância e indica o quanto os

elementos da amostra se afastam da média central.
(xi -x)2
Sx =
n-1
Onde:
 Sx é o desvio padrão;
 xi é o elemento na posição i;
Coeficiente de variação (CVx)
Por último, o coeficiente de variação é a razão entre o desvio padrão e a média

aritmética.
Sx
CVx =
x
Onde:
 CVx é o coeficiente de variação;
 Sx é o desvio padrão;
 x é a média aritmética da amostra.
60
Distribuição Normal
A distribuição normal é uma das distribuições de probabilidade mais utilizadas para

modelar fenômenos naturais e é representada pela curva de Gauss, que possui a forma
abaixo:
Curva de Gauss
Desse modo, a partir da distribuição normal é possível inferir a probabilidade de uma

observação assumir um valor entre dois pontos quaisquer, que equivale à área do gráfico
compreendida entre esses dois pontos.
Regressão linear
Pois bem, após essa pequena revisão, já estamos prontos para adentrarmos no
tratamento científico de dados de imóveis por meio da regressão linear e começaremos,
então, pelos seus procedimentos básicos, normalizados pela NBR 14653-2.
Vale lembrar que tarefa de avaliar um imóvel por meio da inferência estatística não é
algo muito simples e, por isso, recomendamos o uso de softwares específicos para lhe
ajudar nisso, como, por exemplo, Excel, SAB, SisDEA, entre outros.
Procedimentos básicos
1. Número mínimo de elementos
Considerando que até chegar aqui você já tenha escolhido as variáveis que irão compor
seu modelo de avaliação pelo Método Comparativo Direto, agora você precisa ir ao
mercado de imóveis e coletar os dados que irão compor sua amostra.
Desse modo, para evitar a micronumerosidade, o número mínimo de dados efetivamente
utilizados no modelo (para atingir o grau de fundamentação mínimo) deve obedecer ao
seguinte critério:
n=3(k+1)
61
Além disso,
n ≤ 30 ⇒ ni ≥ 3
30 < n ≤ 100 ⇒ ni ≥ 10%n
n > 100 ⇒ ni ≥ 10
Onde:
 n é o número mínimo de dados efetivamente utilizados;

 k é o número de variáveis independentes utilizadas no modelo;
 ni é o número de dados de mesma característica, no caso de
utilização de variáveis dicotômicas e variáveis qualitativas expressas
por códigos alocados ou códigos ajustados.
Tabela 5.1 – Grau de fundamentação do modelo em relação ao número de elementos

(item 2)
Grau
Descrição
III II I
Quantidade mínima
6 (k + 1), onde k
de dados de 4 (k + 1), onde k é o 3 (k + 1), onde k é o
é o número de
mercado, número de variáveis número de variáveis
variáveis
efetivamente independentes independentes
independentes
utilizados
2. Gráfico de dispersão
Coletados todos os dados pertinentes ao seu modelo, devemos agora analisar o

comportamento do gráfico da variável dependente em relação a cada variável
independente.
Essa etapa é muito importante para que possamos entender a relação que cada variável
tem sobre o preço unitário do seu imóvel avaliando e, é claro, para verificar a tendência,
intensidade e as dispersão dos dados e a forma funcional da curva.
62
Exemplo de gráficos de dispersão diferentes, mas com linhas tendências semelhantes
3. Linha de tendência
Analisada a dispersão do gráfico, você deverá traçar a linha de tendência para esse
conjunto de dados para que seja possível inferir a influência da variável independente
sobre a variável dependente, que é quantificada pelo coeficiente de correlação de
Pearson, a seguir.
Gráficos de dispersão com diferentes linhas de tendência, indicando correlações

distintas
4. Coeficiente de correlação de Pearson (r)
Como já dito, esse coeficiente expressa o grau da relação ou nível de influência de uma
variável sobre outra e pode variar entre 0 e 1, conforme a tabela abaixo.
Dessa fora, podemos observar que, quanto maior é a correlação entre uma variável
independente e uma variável dependente, melhor é o grau de explicação do modelo.
Tabela 5.2 – Coeficiente de correlação de Pearson
r=0 relação nula
0<r≤0,3 relação fraca
63
0,3<r≤0,7 relação média
0,7<r≤0,9 relação forte
0,9<r<1 relação fortíssima
r=1 relação perfeita
Esse coeficiente é extremamente importante ao analisarmos os dados de mercado

porque ele é muito sensível a valores extremos. Ou seja, quando coletamos imóveis com
valores anormais em relação à média do mercado imobiliário, o coeficiente de
correlação pode alterar significativamente.
Por isso, para que sua avaliação seja satisfatória, é sempre importante identificar e
corrigir dados que estejam associados a eventos anormais, que são aqueles que estão
mais afastados da linha de tendência.
Além disso, esse coeficiente também é usado para analisar a correlação entre duas
variáveis independentes.
Bom, mas se é independente não tem correlação, certo?
Isso mesmo, pessoal, o ideal é que as vaiáveis independentes escolhidas para o seu
modelo não tenham nenhuma relação entre si (r=0), mas, na prática, isso é bem
impossível de ocorrer. Por isso, é indicado que a correlação entre duas variáveis
independentes não ultrapasse o valor de 0,80.
5. Teste de validação da variável independente
Esse teste é representado pela estatística T e mede o erro da estimativa do parâmetro, ou

seja, o erro de cada variável independente para o modelo.
A tabela a seguir fornece os valores máximos admissíveis para o erro de uma variável
independente, de acordo com o Grau desejado.
Tabela 5.3 – Grau de fundamentação do modelo em relação ao nível de significância do

modelo (item 5)
Grau
Descrição
III II I
64
Nível de significância ฀ (somatório do valor das
duas caudas) máximo para a rejeição da hipótese 10% 20% 30%
nula de cada regressor (teste bicaudal)
6. Teste de significância do modelo
O próximo passo da análise dos dados diz respeito ao teste de significância do seu
modelo, que indica quantas vezes um Grau de Liberdade da Regressão é maior do que
um Grau de Liberdade dos Resíduos.
Para ficar ainda mais claro, significância é, basicamente, o oposto de confiança e é
considerada um procedimento para verificar a discrepância de uma hipótese estatística
em relação aos dados observados, ou seja, está relacionada ao erro.
Pois bem, esse teste de significância é representado pela estatística F, que é a relação
entre (média dos quadrados da regressão/média dos quadrados dos resíduos) e compara
o F tabelado com o F calculado e, para que o modelo seja aceito, F calculado deve ser
maior que F tabelado.
A tabela abaixo fornece os valores máximos admissíveis para F de significação, de
acordo com o Grau desejado.
Tabela 5.4 – Grau de fundamentação do modelo em relação ao nível de significância

(item 6)
Grau
Descrição
III II I
Nível de significância máximo

admitido para a rejeição da hipótese
1% 2% 5%
nula do modelo através do teste F de
Snedecor
7. Preço estimado
Satisfeitos todos os testes de significância, iremos agora estimar o preço unitário do

imóvel avaliando por meio da equação fornecida pela linha de tendência extraída do
65
gráfico de dispersão dos dados, substituindo as variáveis independentes pelas
características referentes ao avaliando.
8. Intervalo de confiança
O intervalo de confiança é uma amplitude de valores derivados da estatística, que tem a

probabilidade de conter o valor de um parâmetro populacional desconhecido.
O seu cálculo é usado para analisarmos a faixa de preços unitários em que o imóvel
avaliando está inserido, considerando um certo grau de confiança (geralmente adota-se
80%). Para isso, utiliza-se a média aritméticas dos preços unitários dos elementos da
amostra.
Desse modo, para o cálculo dos limites de confiança, segundo a Teoria Estatística das
Pequenas Amostras (n<30), temos:
t (c;n-1) S
x máx =x+
n
t (c;n-1) S
xmín =x-
n
Onde:
 xmáx é o limite superior do intervalo de confiança;
 xmín é o limite inferior do intervalo de confiança;
 x é a média aritmética dos dados;
 S é o desvio padrão da amostra;
 t(c;n−1) é o valor percentual para a distribuição “t” de Student para um grau de
liberdade n-1 e um dado grau de confiança c, tabela 3.4;
9. Campo de arbítrio
menos 15% em torno do preço estimado.
Assim como no intervalo de confiança, no campo de arbítrio podemos arbitrar o valor
do bem, desde que justificado pela existência de características próprias não
contempladas no modelo, limitado ao intervalo de confiança.
66
Campo de arbítrio e intervalo de confiança
10. Enquadramento do modelo
Por fim, a última etapa da regressão linear é o enquadramento do modelo de acordo com
o Grau de Precisão e o Grau de Fundamentação e, para isso, usaremos as tabelas
fornecidas pela NBR 14653-2, no anexo A.
Primeiramente, utilizaremos a tabela 5.5 a seguir e classificaremos cada um dos itens no
grau adequado, lembrando que o Grau III vale 3 pontos, o II vale 2 pontos e o I vale 1
ponto.
Tabela 5.5 – Grau de fundamentação para regressão linear (continua)

Grau
Item Descrição
III II I
Completa quanto a Completa quanto às
Caracterização do Adoção de situação
1 todas as variáveis variáveis utilizadas no
imóvel avaliando paradigma
analisadas modelo
Quantidade mínima
6 (k + 1), onde k é o 4 (k + 1), onde k é o 3 (k + 1), onde k é o
de dados de mercado,
2 número de variáveis número de variáveis número de variáveis
efetivamente
independentes independentes independentes
utilizados
Apresentação de
informações
relativas a todos os Apresentação de Apresentação de
dados e variáveis informações relativas a informações relativas
Identificação dos
3 analisados na todos os dados e aos dados e variáveis
dados de mercado
modelagem, com variáveis analisados na efetivamente utilizados
foto e características modelagem no modelo
observadas no local
pelo autor do laudo
67
Tabela 5.5 – Grau de fundamentação para regressão linear (continuação)
Grau
Item Descrição
III II I
Admitida, desde que:
Admitida para apenas
uma variável, desde que: a) as medidas das
características do imóvel
a) as medidas das
avaliando não sejam
superiores a 100 % do
limite amostral superior,
nem inferiores à metade
do limite amostral
4 Extrapolação Não admitida inferior;
do limite amostral
inferior; b) o valor estimado não
ultrapasse 20 % do valor
b) o valor estimado não
calculado no limite da
fronteira amostral, para
as referidas variáveis, de
per si e
a referida variável, em
simultaneamente, e em
módulo
módulo
Nível de significância
a (somatório do valor
das duas caudas)
5 máximo para a 10% 20% 30%
rejeição da hipótese
nula de cada regressor
(teste bicaudal)
máximo admitido
para a rejeição da
6 1% 2% 5%
hipótese nula do
modelo através do
teste F de Snedecor
Feito isso, podemos enquadrar o laudo na tabela 5.6 seguinte, referente ao Grau de
Fundamentação.
Grau III II I
68
2, 4, 5 e 6 no 2, 4, 5 e 6 no
Itens obrigatórios Grau III e os mínimo no Todos, no
no grau demais no Grau II e os mínimo no
correspondente mínimo no demais no Grau I
Grau II Grau I
[(Pest -x mín )+(x máx -Pest )].100

A=
Pest
Onde:
 A é a amplitude (%);
 Pest é o preço estimado (R$/m²);
 xmaáx é o limite superior do intervalo de confiança (R$/m²);
 xmín é o limite inferior do intervalo de confiança (R$/m²).
69
Grau
Descrição
III II I
Amplitude do
intervalo de
confiança de 80%
≤30% ≤40% ≤50%
em torno do valor
central da
estimativa
Pois bem pessoal, essas foram algumas considerações a respeito da Regressão Linear
para Avaliação de Imóveis. No próximo capítulo, iremos praticar!
70
“Para uma avaliação
satisfatória, é importante
identificar e corrigir dados
que estejam associados a
eventos anormais.”
71
6
Inferência estatística:
exemplo prático
No capítulo anterior, explicamos quais os procedimentos básicos para realizar o

Tratamento Científico de Dados de Mercado, utilizando a Regressão Linear. Se não leu
ainda, recomendamos que dê uma olhada clicando aqui.
Agora, vamos solidificar o que foi aprendido sobre Avaliação de Imóveis até o
momento. Para tanto, propomos um exercício hipotético de uma avaliação de imóvel
urbano pelo Método Comparativo Direto de Dados de Mercado, através de tratamento
científico por Inferência Estatística.
Confira a seguir!
72
Exemplo prático
Pretende-se avaliar para venda um apartamento localizado em um condomínio fechado
na cidade de Teresina-PI, com área de 75 m² e distante 2 Km do centro comercial da
cidade.
Características complementares do imóvel avaliando:
Está localizado no quarto pavimento de um dos 8 blocos existentes no condomínio (não
há elevadores), possui padrão normal de acabamento e a seguinte divisão interna:
 3 quartos, sendo 1 suíte;

 Banheiro social;
 Cozinha;
 Sala de estar;
 Varanda;
 1 vaga de garagem.
73
Elementos da amostra do mercado:
ÁREA
Nº DE PREÇO DE VENDA
DADOS PRIVATIVA
SUÍTES UNITÁRIO (R$/m²)
(m²)
01 91,00 0,00 2967,03
02 64,00 1,00 4218,75
03 60,00 1,00 4500,00
04 68,00 0,00 3970,59
05 89,00 0,00 3033,71
06 110,00 1,00 2454,55
07 73,00 1,00 3698,63
08 100,00 1,00 2700,00
09 60,00 0,00 4500,00
10 59,00 1,00 4576,27
11 74,00 0,00 3648,65
12 76,00 1,00 3552,63
MÉDIA 77,00 0,58 3651,73
74
RESOLUÇÃO
Antes de começarmos, vale ressaltar que os passos aqui apresentados foram realizados
com o auxílio do software Microsoft Office Excel.
Então, caso queira mais informações a respeito das ferramentas e comandos utilizados
nesse exercício, clique aqui.
Passo 01: Verificar o número mínimo de elementos
A partir dos dados fornecidos, podemos inferir que a variável dependente em questão é
o preço unitário e que existem duas variáveis independentes para este modelo: número
de suítes e área privativa.
Desse modo, o número mínimo de dados efetivamente utilizados no modelo (para
atingir o grau de fundamentação mínimo) deve obedecer ao seguinte critério:
n=3(k+1)=3(2+1)= 9 elementos
Como a amostra para esse modelo possui 12 elementos, podemos concluir que o grau de
fundamentação mínimo foi atingido e, dessa forma, a amostra pode ser utilizada.
2. Plotar os gráficos de dispersão
75
Após analisar os gráficos de dispersão e traçar as linhas de tendência, é possível deduzir
que:
1) Para a área privativa, a dispersão dos dados é linear e possui tendência negativa com
grande inclinação, o que significa que imóveis de maior área possuem preço unitário
menor;
2) Para o número de suítes, a dispersão dos dados não é linear e possui tendência quase
nula e ligeiramente positiva, mostrando que o número de suítes possui pouquíssima
influência sobre o preço unitário do imóvel, para este modelo;
Passo 03: Analisar a correlação entre as variáveis
A correlação entre as variáveis é representada pelo coeficiente de Pearson (r) e expressa

o nível de influência de uma variável sobre outra e pode variar entre 0 e 1.
Dessa forma, quanto maior é a correlação entre uma variável independente e uma
variável dependente, melhor é o grau de explicação do modelo.
Já em relação às variáveis independentes, o ideal é que a correlação entre elas seja
próximo de zero mas, quando isso não for possível, seu valor não deve ultrapassar 0,80.
Sabendo disso, ao analisarmos a matriz de correlação a seguir, podemos inferir que:
1) A correlação entre as variáveis independentes área e suítes (vermelho) é próxima de
zero;
2) A correlação entre as variáveis suíte e preço (verde) é próxima de zero, ou seja, é
fraca;
3) A correlação entre as variáveis área e preço (verde) é próxima de 1, ou seja, é
fortíssima.
76
Tabela 6.1 – Matriz de correlação
PREÇO DE
ÁREA Nº DE VENDA
PRIVATIVA (m²) SUÍTES UNITÁRIO
(R$/m²)
ÁREA PRIVATIVA (m²) 1
Nº DE SUÍTES 0,031368 1
PREÇO DE VENDA
-0,985031 0,033379 1
UNITÁRIO (R$/m²)
Passo 04: Realizar o teste de validação da variável independente
Esse teste é representado pela estatística T e mede o erro da estimativa do parâmetro, ou

seja, o erro de cada variável independente para o modelo.
Para esse passo, o valor que devemos coletar é o “valor-P”, presente na tabela ANOVA
de Regressão, que é o seguinte:
(valor-P) área =1, 79838273213172 10-08 =0,0000018%  30%  OK!
(valor-P)suíte =0, 258432078134073=25,84%  30%  OK!
Podemos notar que o erro da variável suíte, apesar de estar dentro do limite máximo de
30%, é significativamente maior que o erro da variável área, reforçando a ideia de que a
utilização da variável suíte não contribuiu positivamente para o modelo.
Como alternativa, a variável independente suíte pode e dever ser excluída para
otimizar o modelo de regressão e elevar o grau de fundamentação do laudo.
No entanto, a título de exercício, iremos prosseguir a avaliação preservando a variável
suíte.
Passo 05: Realizar o teste de significância do modelo
O próximo passo da análise dos dados diz respeito ao teste de significância do modelo,
que indica quantas vezes o Grau de Liberdade da Regressão é maior do que o Grau de
Liberdade dos Resíduos.
Para esse passo, o valor que devemos buscar é o “F de significação”, presente na tabela
ANOVA de Regressão, que é o seguinte:
77
F de significação=6,84421625156359 10-08 =0,0000068%  10%  OK!
Passo 06: Estimar o preço unitário do avaliando

Satisfeitos todos os testes de significância, iremos agora estimar o preço unitário do
imóvel avaliando por meio da equação fornecida pelo modelo de regressão, substituindo
as variáveis independentes pelas características referentes ao avaliando.
PREÇO UNITÁRIO (R$/m²) = 6900,1553 + (-42,8817) * (ÁREA PRIVATIVA m²) +
91,6580 * (Nº DE SUÍTES)
PREÇO UNITÁRIO = 6900,1553+(-42,8817)*75+91,6580*1
PREÇO UNITÁRIO = 3775,69 R$/m²
Passo 07: Calcular o intervalo de confiança
O intervalo de confiança é usado para analisarmos a faixa de preços unitários em que o

imóvel avaliando está inserido, considerando o grau de confiança de 80%.
Para seu cálculo necessitamos, primeiramente, calcular o desvio padrão dos preços
unitários dos dados da amostra, que é: S=733,54 R$/m².
Além disso, necessitamos também do valor de t(1−c/2);n−1, que, de acordo com a tabela a
seguir, é t0,90;11=1,363
78
Tabela 6.2 – Valor percentual para a distribuição “t” de Student para grau de liberdade
n-1 e grau de confiança “c”
Unilateral 0,25 0,2 0,15 0,1 0,05 0,025 0,01 0,005
Bilateral 0,5 0,4 0,3 0,2 0,1 0,05 0,02 0,01
c 0,5 0,6 0,7 0,8 0,9 0,95 0,98 0,99
GL
1 1,0000 1,3764 1,9626 3,0777 6,3138 12,7062 31,8205 63,657
2 0,8165 1,0607 1,3862 1,8856 2,92 4,3027 6,9646 9,9248
3 0,7649 0,9785 1,2498 1,6377 2,3534 3,1824 4,5407 5,8409
4 0,7407 0,941 1,1896 1,5332 2,1318 2,7764 3,7469 4,6041
5 0,7267 0,9195 1,1558 1,4759 2,015 2,5706 3,3649 4,0321
6 0,7176 0,9057 1,1342 1,4398 1,9432 2,4469 3,1427 3,7074
7 0,7111 0,896 1,1192 1,4149 1,8946 2,3646 2,998 3,4995
8 0,7064 0,8889 1,1081 1,3968 1,8595 2,306 2,8965 3,3554
9 0,7027 0,8834 1,0997 1,383 1,8331 2,2622 2,8214 3,2498
10 0,6998 0,8791 1,0931 1,3722 1,8125 2,2281 2,7638 3,1693
11 0,6974 0,8755 1,0877 1,3634 1,7959 2,201 2,7181 3,1058
12 0,6955 0,8726 1,0832 1,3562 1,7823 2,1788 2,681 3,0545
13 0,6938 0,8702 1,0795 1,3502 1,7709 2,1604 2,6503 3,0123
14 0,6924 0,8681 1,0763 1,345 1,7613 2,1448 2,6245 2,9768
15 0,6912 0,8662 1,0735 1,3406 1,7531 2,1314 2,6025 2,9467
16 0,6901 0,8647 1,0711 1,3368 1,7459 2,1199 2,5835 2,9208
17 0,6892 0,8633 1,069 1,3334 1,7396 2,1098 2,5669 2,8982
18 0,6884 0,862 1,0672 1,3304 1,7341 2,1009 2,5524 2,8784
19 0,6876 0,861 1,0655 1,3277 1,7291 2,093 2,5395 2,8609
20 0,687 0,86 1,064 1,3253 1,7247 2,086 2,528 2,8453
21 0,6864 0,8591 1,0627 1,3232 1,7207 2,0796 2,5176 2,8314
22 0,6858 0,8583 1,0614 1,3212 1,7171 2,0739 2,5083 2,8188
23 0,6853 0,8575 1,0603 1,3195 1,7139 2,0687 2,4999 2,8073
24 0,6848 0,8569 1,0593 1,3178 1,7109 2,0639 2,4922 2,7969
25 0,6844 0,8562 1,0584 1,3163 1,7081 2,0595 2,4851 2,7874
79
Por fim, para o cálculo dos limites de confiança, temos:
t (1- /2);n-1 S
x máx =x+
n
1, 363  733, 54
x máx =3651, 73+ =3940, 45 R $/m 2
12
t (1- /2);n-1  S
x mín =x-
n
1,363  733,54
x mín =3651,73- =3363,02 R$/m 2
12
Isso significa dizer que qualquer valor que esteja dentro do intervalo de confiança pode
ser utilizado para determinar o valor unitário do imóvel avaliando, com 80% de
confiança.
Logo, o preço estimado por meio da equação do modelo é adequado para representar o
valor do avaliando.
Passo 08: Calcular o campo de arbítrio
menos 15% em torno do preço estimado, portanto:
xmáx=Pest⋅(1+0,15)
xmáx=3775,69⋅1,15=4342,04R$/m²
xmín=Pest⋅(1−0,15)
xmín=3775,69⋅0,85=3209,33R$/m²
Esse segundo intervalo é usado para arbitrar o valor do avaliando, caso haja
extrapolação do modelo, ou seja, caso o preço estimado não esteja inserido no intervalo
de confiança.
Dessa forma, no campo de arbítrio é possível arbitrar o preço unitário do avaliando,
desde que justificado pela existência de características próprias não contempladas no
modelo.
No entanto, como não houve extrapolação nos resultados, o campo de arbítrio não
será utilizado.
80
Passo 09: Enquadrar o modelo
Por fim, a última etapa do exercício será o enquadrar do modelo de acordo com o Grau
de Precisão e o Grau de Fundamentação. Para isso, usaremos as tabelas a seguir,
fornecida pela NBR 14653-2.
81
Tabela 6.3 – Grau de fundamentação para regressão linear
Grau
Item Descrição
III II I
Completa quanto a Completa quanto às
Caracterização do Adoção de situação
1 todas as variáveis variáveis utilizadas no
imóvel avaliando paradigma
analisadas modelo
Quantidade mínima 6 (k + 1), onde k é

4 (k + 1), onde k é o 3 (k + 1), onde k é o
de dados de mercado, o número de
2 número de variáveis número de variáveis
efetivamente variáveis
independentes independentes
utilizados independentes
Apresentação de
informações
relativas a todos os
dados e variáveis
analisados na
modelagem, com Apresentação de Apresentação de
foto e informações relativas a informações relativas
Identificação dos
3 características todos os dados e aos dados e variáveis
dados de mercado
observadas no variáveis analisados na efetivamente utilizados
local pelo autor do modelagem no modelo
laudo
Admitida, desde que:

Admitida para apenas
uma variável, desde que: a) as medidas das
a) as medidas das
do limite amostral
4 Extrapolação Não admitida inferior;
do limite amostral
inferior; b) o valor estimado não
b) o valor estimado não
as referidas variáveis, de
per si e
a referida variável, em
simultaneamente, e em
módulo
módulo
82
Tabela 6.3 – Grau de fundamentação para regressão linear (continuação)
Grau
Item Descrição
III II I
฀ (somatório do valor
das duas caudas)
5 máximo para a 10% 20% 30%
rejeição da hipótese
nula de cada regressor
(teste bicaudal)
máximo admitido
para a rejeição da
6 1% 2% 5%
hipótese nula do
modelo através do
teste F de Snedecor
Feito isso, o resultado da pontuação foi de 12 pontos. No entanto, devido ao erro da

variável suíte > 20 %, teremos que enquadrar o laudo no Grau de Fundamentação I,
conforme tabela a seguir
Grau III II I
2, 4, 5 e 6 no
2, 4, 5 e 6 no
Grau III e os
Itens obrigatórios no mínimo no Grau Todos, no mínimo
demais no
grau correspondente II e os demais no no Grau I
mínimo no Grau
Grau I
II
Por último, basta enquadrarmos o laudo na tabela a seguir, referente ao Grau de

Precisão do modelo. Sendo a Amplitude calculada por:
[(Pest -x min )+(x máx -Pest )]100

A=
Pest
[(3775,69-3363,02)+(3940,45-3775,69)] 100
A=
3775,69
83
Grau
Descrição
III II I
Amplitude do intervalo de confiança de 80% em torno

≤30% ≤40% ≤50%
do valor central da estimativa
Dessa forma, o laudo está enquadrado no Grau de Precisão III.
RESULTADO
De posse de todos os cálculos realizados, o valor de mercado do apartamento avaliando
foi de R$ 283.176,61, podendo ser arredondado (em até 1% para mais ou menos) para o
valor de R$ 285.000,00, resultando em uma Avaliação de Grau de Fundamentação I e
Grau de Precisão III.
Para exercitarem ainda mais, sugiro que resolvam esse mesmo exemplo retirando a
variável suíte do modelo.
84
Referências:
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14653-
1: Avaliação de bens – Parte 1: Procedimentos gerais. Rio de Janeiro, 2019. 31 p.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14653-

2: Avaliação de bens – Parte 2: Imóveis urbanos. Rio de Janeiro, 2011. 62 p.
BRASIL. Ministério do Planejamento, Desenvolvimento e Gestão. Secretaria do

Patrimônio da União. Manual de Avaliação. Brasília: SPU, 2017.
CARNEIRO NETO, Waldemiro. Inferência estatística Aplicada: Avaliação de

Imóvel Urbano. Teresina: IPOG, 2018.
COTRIM, Valéria. Avaliação básica de imóveis urbanos. Teresina: IPOG, 2019.
INSTITUTO BRASILEIRO DE AVALIAÇÕES E PERÍCIAS DE ENGENHARIA

DE SÃO PAULO. Norma para Avaliação de Imóveis Urbanos. São Paulo:
IBAPE, 2011.
INSTITUTO BRASILEIRO DE AVALIAÇÕES E PERÍCIAS DE ENGENHARIA

DE SÃO PAULO. Valores de edificações de imóveis urbanos – Unidades
isoladas. São Paulo: IBAPE, 2019.
85

02 Apostila - Avaliação Básica de Imóveis Urbanos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

02 Apostila - Avaliação Básica de Imóveis Urbanos

Enviado por

Direitos autorais:

Formatos disponíveis

Prefácio

[ 05 ] Introdução à avaliação de imóveis urbanos

[ 12 ] Método comparativo direto de dados de mercado

[ 19 ] Tratamento por fatores para avaliação de imóveis

[ 38 ] Tratamento por fatores: exemplo prático

[ 57 ] Inferência estatística para avaliação de imóveis

[ 72 ] Inferência estatística: exemplo prático

Custo: é o total gasto, direta ou indiretamente, para aquisição ou produção de um bem.

Preço: é a quantidade monetária que determina a comercialização de um bem e leva em

Valor: é um conceito econômico que depende de fatores como as características do

Laudo técnico: é um relatório técnico de avaliações sobre a estrutura do bem,

Parecer técnico: é um relatório emitido por profissional capacitado e legalmente

Em que consiste a avaliação de um imóvel

E quais são os pré-requisitos para ser um avaliador?

Ações básicas para uma avaliação

1. Finalidade, objetivo e prazo

Antes de iniciar a avaliação, o engenheiro avaliador deverá ter em mente, e devidamente

O profissional, conforme o tipo de bem, as condições de contratação, o método

A metodologia escolhida deve ser compatível com a natureza do imóvel avaliando, o

7. Tratamento dos dados

Exemplo de laudo de avaliação

Método comparativo direto de dados de mercado

Simplificadamente, esse é o método mais utilizado para a avaliação, em que se calcula o

Método da Capitalização de Renda

Como você já viu no capítulo anterior sobre Avaliação de Imóveis, o Método

Dessa forma, esta etapa de planejamento consiste, basicamente, na caracterização e

2. Seleção das variáveis

Matematicamente, uma variável dependente representa uma grandeza cujo

Já em relação às variáveis independentes, podemos citar vários exemplos:

3. Coleta dos dados de mercado

O levantamento de dados tem como objetivo a obtenção de uma amostra representativa

4. Tratamento dos dados

Após essa sintetização, é possível ao avaliador verificar a consistência da amostra

Tratamento por fatores

Diferentemente do tratamento por fatores, o tratamento científico utiliza evidências

Tratamento por fatores x tratamento científico

2. Escolha dos fatores

O fator testada, também chamado de fator de frente, considera a influência do

Exemplos de frente projetada, representada por Fp=AB

c) Se Pe < 0,5.Pmín, então Fp =0,5p ;

 At é área do terreno (m²);

Fator padrão de acabamento

É aplicado na correção de diferenças entre a idade aparente e estado de conservação

2% 0,990 0,990 0,965 0,910 0,811 0,661 0,469 0,246

4% 0,979 0,979 0,955 0,900 0,802 0,654 0,464 0,243

6% 0,968 0,968 0,944 0,890 0,793 0,647 0,459 0,240

8% 0,957 0,957 0,933 0,879 0,784 0,639 0,454 0,237

10% 0,945 0,945 0,921 0,868 0,774 0,631 0,448 0,234

12% 0,933 0,933 0,909 0,857 0,764 0,623 0,442 0,231

14% 0,920 0,920 0,897 0,846 0,754 0,615 0,436 0,228

16% 0,907 0,907 0,884 0,834 0,743 0,606 0,430 0,225

18% 0,894 0,894 0,871 0,822 0,732 0,597 0,424 0,222

20% 0,880 0,880 0,858 0,809 0,721 0,578 0,417 0,218

22% 0,866 0,866 0,844 0,796 0,709 0,578 0,410 0,215

24% 0,851 0,851 0,830 0,782 0,697 0,569 0,404 0,211

26% 0,836 0,836 0,815 0,769 0,685 0,559 0,396 0,207

28% 0,821 0,830 0,800 0,754 0,672 0,548 0,389 0,204

30% 0,805 0,805 0,785 0,740 0,659 0,538 0,382 0,200

32% 0,789 0,789 0,769 0,725 0,646 0,527 0,374 0,196

34% 0,772 0,772 0,753 0,710 0,632 0,516 0,366 0,192

36% 0,755 0,755 0,736 0,695 0,619 0,505 0,358 0,187

38% 0,738 0,738 0,719 0,678 0,604 0,493 0,350 0,183

40% 0,712 0,712 0,701 0,662 0,590 0,481 0,341 0,179

42% 0,702 0,702 0,684 0,645 0,575 0,469 0,333 0,174