Manual Metodo Do Mercado Ou Comparativo

15 Curso de Especializao em Avaliao e Anlise do Investimento Imobilirio - 1
Copyright 2010 Jlio Alexandre e Paulo Gonalves

Todos os direitos reservados, incluindo os direitos de reproduo e uso sob qualquer forma ou meio,
nomeadamente, reproduo em cpia ou oral, sem a expressa autorizao do autor, esto sujeitos ao
estabelecido na Lei dos Direitos de Propriedade.
MTODO DO MERCADO OU COMPARATIVO
APLICAO E TRATAMENTO ESTATSTICO DA AMOSTRA

1. CONCEITO
O mtodo assume-se como um preceito valorativo cujo fundamento tem por
base a comparao com valores idnticos recolhidos no mercado que integra o
bem em anlise. Como bvio, o mtodo pressupe a existncia de um
mercado minimamente tipificado, nomeadamente no mbito dos imveis que se
pretendem valorar. Naturalmente, o acto de comparar exige condies que
possibilitem essa comparao, facto esse, que pressupe variveis da mesma
ndole, isto , no lcito tomar como base comparativa (de forma directa), por
exemplo, os valores de moradias para valorar fraces em Propriedade
Horizontal (PH), ou ainda tomar valores de escritrios para parmetros
valoratrios de armazns.
Significa que, ab initio, o mtodo comparativo exige o tratamento selectivo
dos dados recolhidos no mercado que integra o bem. Decorre dessa
exigncia a procura de padres valorativos que serviro o acto de comparar,
e assim, possibilitem o enquadramento do valor de avaliao do bem.

fundamental para suporte e enquadramento do acto comparativo, a
disponibilizao de um volume significativo de informaes imobilirias, as
quais, devero ser contextualizadas no aspecto quantitativo e qualitativo. Este
ser o ambiente balizador de uma base de dados, a qual, incluir informao
diversa em conformidade com as caractersticas de cada imvel a avaliar.
A ttulo exemplificativo, apresentamos algumas das variveis mais relevantes
para alguns dos segmentos imobilirios:



PH (fraces) Preo Global Valor Unitrio;
rea de construo;
Tipologia;
Projecto;
Situao no imvel;

Localizao.

Moradias Preo Global Valor Unitrio;
rea de construo;
rea do Lote;
Tipologia;
rea construda / rea do lote;
Acessos;

Localizao.

Armazns Preo Global Valor Unitrio;
rea de construo;
rea do Lote;
P direito;
ndice de ocupao;
Tipo de estrutura;
Acessos / Interland;
rea construda / rea do lote;
Acessos;

Localizao.

2. OBJECTIVOS DA AVALIAO
No genrico, o objectivo da avaliao de qualquer bem consiste na
determinao do valor (montante) pelo qual se estima que ser transaccionado
entre entidades sem interesses especiais no imvel que no sejam unicamente


a compra / venda. Logicamente admite-se que a propriedade esteja isenta de
qualquer nus / encargos, e, que a transaco tenha sido devidamente
publicitada num universo amplo. O valor assim proposto corresponde ao
conceito que vulgarmente aceite como Valor de Mercado, sendo este o
objectivo que nos interessa para o desenvolvimento do mtodo vertente.

Acresce referir, que, lato senso, os bens imobilirios podem ser avaliados
segundo vrias perspectivas valorativas (aceite-se a trao grosso o termo
condicionantes), gerando-se deste modo diferentes valores para o mesmo
bem.
Sem haver qualquer inibio referncia singular a cada tipo de valor,
assumimos que a matria a desenvolver deve ser interpretada no ambiente dos
valores de mercado. Alguns destes tipos de valor so por demais evidentes,
dado os casos especiais que constituem, at porque, alguns deles exigem
clculos especficos.
Por exemplo:
- Valor baseado no rendimento (VBR);
- Valor Fiscal;
- Valor para expropriao;
- Valor com usufruto;
-
- Etc.

A ttulo de simples nota, ser de referir que o conceito de valor muito amplo,
diverso segundo as vertentes de anlise, e ainda diferenciado quanto ao
contexto e objectivo da avaliao.

3. ENQUADRAMENTO GERAL DO MTODO COMPARATIVO
Pressupe para o objecto a avaliar a determinao do Valor de Mercado
(Presumvel Valor de Transaco PVT), segundo as recomendaes do
EVS (European Valuration Standart 2003), no captulo IV e do IVSC


(International Valuration Standart Comitte), que admite o imvel vendvel no
curto prazo.
obvio que, para certos casos, devemos adoptar o critrio do Maior e Melhor
Valor de Uso conforme preconizado na EVS 27-3-2004 -, onde definido
como sendo o uso mais provvel, fsica e financeiramente possvel,
adequadamente justificado e legalmente permitido que dar como resultado o
maior valor para o bem em anlise.

Tendo em conta as bases comparativas que do suporte (e designao) ao
mtodo, natural que a medida do valor seja tanto mais fivel quanto mais o
mercado estiver estabilizado (volume da procura e da oferta o mais equilibrado
possvel), e se disponha de um mercado suficientemente transparente, e de um
volume adequado de transaces que permitam uma base de referncia
satisfatria.
O presumvel valor de transaco (PVT) pressupe a afectao das reas
brutas envolvidas, e os parmetros unitrios (V
unit
) que iro reflectir o
comportamento do mercado imobilirio na zona, para propriedades com
caractersticas semelhantes ou comparveis, tendo obviamente em ateno
vrias caractersticas dos bens, nomeadamente as construtivas e de
localizao.


4. METODOLOGIA DO CLCULO NO MTODO COMPARATIVO
De forma geral, os valores obtidos na prospeco fornecem ao avaliador o
valor de venda dos imveis, decorrendo para cada caso da amostra o
necessrio tratamento com vista ao clculo da varivel (dependente ou
explicada), ou seja, o valor unitrio correlato.

De uma forma esquemtica em grfico mostramos:
Valores Transaco
reas (habit.)

Valores Unitrios
reas (habit.)

Os V
unit
assim obtidos iro ser analisados de forma a virem a constituir uma
referncia padro, a qual, decorrer da deduo da expresso algbrica que
traduza a formao do V
unit
da rea construda na zona em causa.
Como se pode ver no primeiro grfico acima exposto, medida que
aumentamos a rea de construo, o valor final do bem aumenta (proporo


directa da rea), sendo que as curvas das tipologias podem-se sobrepor em
determinados intervalos. No grfico seguinte temos a relao entre a varivel
rea e o valor unitrio.
No entanto, outras caractersticas podem ser igualmente determinantes na
caracterizao do mercado. Assim, a funo da curva de mercado pode ser
constituda como varivel dependente das vrias caractersticas utilizadas, ou
seja, tipologia, rea de construo, estado de conservao, etc.
Exemplo:
f(V
unit
) = a + x
1
.tipologia + x
2
.A
c
+ x
3
.estado conservao + + x
n
.

Seja referido, que o calculo baseado no Mtodo Comparativo tem patenteado
uma evoluo assinalvel, confundindo-se essa evoluo com o
desenvolvimento dos modelos matemticos de anlise estatstica (inferncia
estatstica e outros que interferem no clculo), contribuindo estes para um
clculo ad valorem cada vez mais aderente s caractersticas reais.
Sobre os citados modelos, sua utilizao, pesquisa e tratamento das amostras,
e ainda, algumas formas especificas do clculo, faremos referncia nos
pargrafos seguintes.

evidente que o PVT uma funo de vrias variveis, como por exemplo,
rea, tipologia, cariz do projecto, localizao, vistas exteriores, acessos, etc.
Como bvio as variveis em causa no so na totalidade quantificveis, nem
existe um algoritmo de clculo que possibilite determinar o PVT de forma
directa. Por isso, o PVT de qualquer bem deve ser analisado a partir dos dados
concretos do mercado com caractersticas equivalentes (ou tornadas
equivalentes), assumindo por isso importncia cardinal o tratamento estatstico
dos elementos da amostra recolhida na rea em causa.


5. PESQUISA DAS INFORMAES DO MERCADO
METODOLOGIA
J se foi o tempo em que o olho clnico do avaliador, ou seja, a sua
experincia, era a melhor tcnica admitida para a avaliao de um bem. No
h dvida que a experincia do avaliador fundamental na interpretao dos
dados e na boa aplicao das tcnicas hoje conhecidas, mas os mtodos
cientficos desenvolvidos at hoje fazem com que o avaliador, cada vez mais,
se paute por dados estatsticos, tecnicamente analisados, do que por
sentimento pessoal.
Na avaliao imobiliria, isto , na determinao do valor de um imvel,
sempre que possvel, o avaliador no deve prender-se a um nico aspecto da
questo, pelo que conveniente considerar simultaneamente vrios factores,
especialmente a utilidade e o custo, por serem inseparveis e complementares.
A base da Engenharia de Avaliaes a informao. A aplicao adequada de
qualquer mtodo depende fundamentalmente das informaes obtidas no
mercado. A introduo de metodologias cientficas nos trabalhos de avaliaes
tem como objectivo orientar o avaliador, desde a escolha das informaes de
interesse, forma de como obt-las, analis-las e trat-las, na procura de
modelos que expliquem, de maneira satisfatria, a variabilidade observada nos
valores de mercado (em estudo). Devemos, seguir as seguintes fases:
1. Conhecimento do objecto da pesquisa (o bem em apreo);
2. Preparao da pesquisa (planeamento);
3. Trabalho de campo (recolha dos dados);
4. Processamento e anlise dos dados (anlise / explorao);
5. Interpretao e explicao dos resultados (o modelo);
6. Redaco do relatrio da pesquisa (relatrio de avaliao).

Consideramos que a engenharia das avaliaes, se escalonada segundo este
fluxo esquemtico, responde de modo prprio a seleco da amostra e ao seu
tratamento estatstico atravs de modelos apropriados. Neste mbito, os


conceitos utilizados assumem-se com caractersticas de cincia, neste caso a
que poder ser designada como cincia do valor. Embora o referido valor no
se assume como um resultado de um raciocnio determinstico, no deixa de
constituir um resultado cientfico adquirido por modelos probabilsticos, onde
obviamente ter influencia a experincia do avaliador, o conhecimento do
mercado e a interpretao dos resultados obtidos.
Relembramos que, a cincia no dona de toda a verdade nem reflecte a
total complexidade da realidade. Toda verdade cientfica tem caracter
probabilistico. Atravs dela se adquire conhecimento, compreenso, crena
da falsidade ou veracidade de uma proposio (Richardson 1989).

Nos cursos de engenharia, em geral, aprendem-se a utilizar mtodos
dedutivos, onde se aplicam a lgica e o raciocnio matemtico, na aplicao
directa de frmulas, tabelas, bacos, etc., sem se interrogarem sobre o mbito
da sua aplicabilidade. Em Engenharia de Avaliaes, o mais importante a
induo como fonte informao, onde possvel ter um conhecimento
genrico do mercado imobilirio, com base em modelos ajustados s
sempre poucas informaes disponveis.

No existindo uma frmula mgica para se avaliar um bem, e sabendo que
qualquer expresso deve decorrer do prprio mercado (apesar das tcnicas
avanadas da pesquisa cientfica), mesmo assim, nunca se obter um modelo
perfeito.

Como nota de referir que a pesquisa no pode ser confundida com a simples
colheita dos dados. Verifica-se, porm, que a pesquisa abrange todo o processo de
avaliao. Qualquer elemento informativo pode ser determinante no processo
avaliatrio. Seja qual for o mtodo de avaliao a ser utilizado, haver sempre a
necessidade de obter dados comparativos (valores de mercado, valores de custos,
valores de taxas, etc.).


5.1. OBJECTO E PREPARAO DA PESQUISA
fundamental o conhecimento do objecto da pesquisa, no caso, o bem em
apreo. A sua constatao d-se na altura da vistoria, na qual se levantam
todas as suas caractersticas fsicas e de localizao, com o objectivo de
identificar, preliminarmente, as possveis variveis pela formao dos valores
de bens da mesma natureza, no mercado que se pretende explicar.
Esta fase est vinculada directamente ao planeamento da pesquisa. Nela se
faz a escolha, definio e delimitao do problema em anlise, observam-se as
teorias e abordagens a serem utilizadas, os conceitos e hipteses que devem
ser levados em considerao e os mtodos a serem empregues. Cada
caracterstica considerada importante na formao do valor constitui uma
hiptese baseada em alguma teoria advinda de experincias adquiridas pelo
avaliador, porm, quando do contacto directo com o mercado, possvel que
surjam novas proposies tericas.

A anlise crtica deve levar em considerao as proposies, leis, princpios,
etc., que compem uma teoria. A partir da, o avaliador dever, por inferncia,
testar as hipteses mais viveis. Por exemplo, a afirmao de que o valor
unitrio de um lote de terreno urbano cresce com o aumento da sua frente,
mantendo-se as demais caractersticas semelhantes, uma teoria. Mas esta
teoria pode ser comprovada com os dados do mercado. Em determinadas
situaes esta influncia pode ser to pequena, que poderia ser considerada
estatisticamente nula, se assim acontecer a citada teoria carece de
comprovao.

Para um bom planeamento, fundamental o conhecimento do bem objecto de
avaliao. Isto ocorre por ocasio da vistoria do bem, quando se estabelecem
as possveis variveis explicativas (variveis independentes) sobre a formao
do seu valor. Ser importante considerar a estrutura da pesquisa
(identificao das variveis) e a estratgia de pesquisa (tcnicas a serem


utilizadas na colheita dos dados atravs de fichas, entrevistas ou outros
instrumentos e anlise dos dados de uma forma qualitativa ou
quantitativa).

Desta forma, no planeamento da pesquisa imobiliria, em princpio, o que se pretende
a composio de uma amostra representativa dos dados de mercado, com
caractersticas, tanto quanto possvel, semelhantes s do bem a avaliar. Esta amostra
formada pelos preos praticados no mercado e as respectivas caractersticas fsicas,
econmicas e de localizao. Cada dado seleccionado deve reunir condies, de tal
forma que possa ser considerado um evento representativo
1
do mercado imobilirio
na zona de pesquisa.

5.2. VARIVEIS
Quando um aspecto observvel de um fenmeno est ligado a outras variveis,
em determinada relao, pode haver variao conjunta (co-variao),
associao, dependncia, casualidade, etc. Como obvio, a varivel
dependente aquela que afectada ou explicada pelas variveis
independentes, variando aquela em conformidade com a expresso
matemtica que as liga s independentes. Estas variveis podem ser
quantitativa quando podem ser medidas (por exemplo, rea construda) ou
qualitativas quando se referem a uma qualidade inerente ao bem (por exemplo,
se novo ou usado). Assim, temos variveis dependentes e independentes:
Variveis dependentes para especificao cabal da forma de considerar
as variveis desta ndole, ser necessrio um correcto conhecimento do
mercado, por forma, a saber, se o mesmo trabalha com base no valor global
ou se no valor unitrio. No caso de trabalhar com base no valor unitrio,
devemos saber qual a medida que considera: se em relao rea total,

1
Evento Representativo aquele resultante da livre negociao entre duas pessoas conhecedoras do
bem e do mercado, que represente um dado-tipo da populao a que pertence (excluir expropriaes
amigveis ou judiciais, vendas em hasta publica, transaces entre parentes ou scios de uma mesma
empresa, transmisses resultantes de doaes, etc.)


rea privativa, nmero de fogos, volume de rea construda, metro linear da
frente, etc.
Variveis independentes em geral, o avaliador conhece, priori, as
principais caractersticas que influenciam a formao dos valores de um
bem, e consequentemente, a formulao das hipteses de trabalho.
Contudo, algumas variveis consideradas importantes de inicio podem
mostrar-se insignificantes, quando de uma investigao mais profunda do
mercado; como tambm outras no includas no rol principal podem surgir
como importantes.
Por exemplo, na avaliao de um apartamento uma destas variveis
poderia ser a construtora / promotor (em alguns mercados esta varivel
pode ser dispeciente, quando o nvel tecnolgico e acabamentos daquelas
que executam obras no local so semelhantes, mas em outros pode
caracterizar-se como uma forte caracterstica, quando h variaes
significativas no padro de acabamento, sistemas construtivos, ou at
mesmo na incidncia de sinistros e prestgio do executor). Resume-se
procura da varivel que distingue o imvel em relao aos outros.

O tipo de bem submetido avaliao transporta detalhes intrnsecos que os
diferenciam da vizinhana e que so importantes para a fixao do seu valor
(mais especfico), como nos exemplos a seguir:
Habitacional: beleza arquitectnica, proximidade de reas comerciais / escolares /
centros culturais nvel social e econmico dos residentes, presena de poluio
atmosfrica ou sonora.
Edifcios de Escritrios: disponibilidade de transporte colectivo, de lojas comerciais e
de locais de restaurao, facilidade de estacionamento, existncia de edifcios
similares na envolvente ou em projecto.
Lojas e centros comerciais: nmero de famlias na vizinhana e seu poder de compra,
percentagem de renda gasta em vrios tipos de lojas, facilidade de estacionamento,


condies de trnsito fcil, facilidade de acessos, existncia de comercio concorrente
na envolvente.
Postos de abastecimento (gasolineiras): densidade da rea residencial circundante,
restries do zonamento, volume e direco do trnsito, existncia de postos
concorrentes na vizinhana prxima.
Hotis, motis: localizao em bairros adequados, disponibilidade de transporte por
taxi, acessibilidades, concorrncia na envolvente (taxas de ocupao, venda das
dirias, etc.), idade, tipo de construo, condies de concorrncia.

5.2.1. SELECO DAS VARIVEIS
O tipo de propriedade sob avaliao e o mtodo escolhido para encontrar o seu
valor determinam a natureza e extenso dos dados especficos
2
que o
avaliador dever escolher
Devido ao grande nmero de variveis influentes num modelo explicativo do
mercado imobilirio, e quantidade reduzida de dados com que se trabalha na
prtica, tenta-se na fase de planeamento da pesquisa, (na medida do possvel),
eliminar a presena de algumas destas variveis.
Apresenta-se, a seguir, algumas das variveis independentes mais usadas:
A) Variveis gerais
Sobre a localizao: bairro, freguesia, concelho, polo de influncia,
cdigo postal, etc.;
Sobre a regio: densidade de ocupao, uso predominante, padro
construtivo predominante, equipamentos sociais disponveis, segurana,
influncia de plos valorizantes ou desvalorizantes, intensidade do
trafego, etc.;
Sobre a posio: orientao solar vistas panormicas, nvel de rudo,
ventilao, insolao, etc.;

2
Os dados so de natureza especfica quando se referem ao imvel em apreo ou s que lhe servem de
comparao, envolvente (rua ou bairro ou freguesia, ou concelho, ou distrito)


Sobre o negcio: tipo de negcio, natureza da informao (oferta ou
transaco), contemporaneidade (poca da ocorrncia), condies de
pagamento, etc.
B) Variveis especficas
Gerais: rea (bruta, privativa, til), rea comum, formato, nmero de
frentes, topografia, taxa de ocupao, tipo de solo, nvel de
acabamentos, estado de conservao, tipologia, idade, parqueamentos,
nmero de elevadores, posio em relao ao prdio, segurana, etc.;

Codificao: as variveis quantitativas em geral podem ser quantificadas pela
sua prpria medio (frente de um terreno, a rea, a distncia a um polo de influncia,
o nmero de quartos, a largura do logradouro, etc.). Para quantificao das variveis
qualitativas, necessrio, para esse efeito, estabelecer uma codificao (algumas
respostas para serem tratadas estatisticamente precisam ser transformadas em
cdigos numricos). Assim, e no nosso ponto de vista, atribuiremos cdigos 0 ou 1
(exemplo: 0 para dados de transaces e 1 para dados de oferta, ou 0 para bairro
comercial e 1 para bairro residencial, etc.). Estas variveis so denominadas por
binrias, dicotmicas ou ainda dummies.

Existem ainda variveis qualitativas que podem assumir trs ou mais situaes
bem definidas, como por exemplo, qualidade da construo (baixa, corrente ou
elevada), estado de conservao (m, razovel, boa), etc. Nestes casos, a
tricotomia pode ser resolvida de duas formas: na primeira atribui-se pesos 1, 2
e 3, crescendo os pesos no sentido da qualificao da caracterstica em
analise; na segunda consideram-se duas variveis dummies para resolver a
questo.
Por exemplo, a varivel qualidade da construo seria resolvida atravs das
variveis A e B.


Qualidade
Construo
Pesos 1 2 3
Varivel A 1 0 0
Varivel B 0 1 0
Baixa Corrente Elevada

Nota: a qualidade baixa ocorre quando a Var. A assume o valor 1 e a
Var. B o valor 0; a qualidade corrente ocorre quando a Var. A assume
o valor 0 e a Var. B o valor 1; a qualidade elevada ocorre quando
ambas assumirem o valor 0, isto , na ausncia de qualidade Baixa e
Corrente.

Quando a quantificao de uma varivel envolve mais do que 3 qualificaes,
usa-se a primeira soluo, pois resulta em um modelo mais simples e com
mais graus de liberdade. No entanto, a segunda soluo oferece informaes
mais precisas.
Relembramos que necessrio que o avaliador examine o mercado, antes de
qualificar as variveis e formular suas hipteses.
Por exemplo: uma topografia em depresso de 3 m em relao ao nvel da
cota da via, nem sempre pode ser considerada como uma codificao
desfavorvel; ser uma boa condio se o melhor aproveitamento do terreno
for a construo de um prdio com cave. Por outro lado, a intensidade do
trnsito ser um factor valorizante; pode ser interessante no caso de prdios
comerciais e ser uma desvantagem no caso de uso residencial.
Existem algumas variveis qualitativas que podem ser transformadas em
variveis intervalares por exemplo: varivel distncia a um polo de
influncia
Distncia 0 0-500 m 500-1000 m > 1000 m
Peso 4 3 2 1
Influncia Central Prximo Distante
Muito
distante

Nota: o conceito de prximo pode variar para algumas situaes, pois se a
varivel a distncia ao centro de uma cidade, para uma cidade de
pequeno porte, at 500 m pode ser considerado prximo, mas para uma
cidade de grande porte este intervalo pode aumentar para 900 m ou 1.000
m. Isto , h que ter em conta a integrao na envolvente.


Quando no se tem certeza quanto preciso das medidas das variveis
quantitativas, prefervel transform-las em qualitativas. Por exemplo, se na
anlise de uma amostra, nos surge um apartamento onde no h segurana
nas informaes relativas s medidas correspondentes s reas, prefervel
substituir estas medidas por uma qualidade (apartamento compacto, normal,
amplo), ou pela tipologia.
(Nota: apartamento compacto ser aquele que apresenta rea inferior aos
apartamentos padro na zona para uma mesma tipologia)

de fundamental importncia o equilbrio da amostra. Isto , o equilbrio entre
os dados no sentido de que, diferentes caractersticas dos mesmos possam
aparecer na amostra de forma equilibrada. Por exemplo, se uma amostra de
110 dados de mercado, dos quais 100 so de ofertas e 10 so de transaces
efectivamente realizadas, a varivel natureza da prospeco (oferta /
transaco) no contribui para explicar diferenas mdias existentes entre os
valores de oferta e os valores de transaco, pois a quase totalidade dos dados
se referem a ofertas. Assim, no existe variao significativa no tipo de
prospeco.
Se uma das categorias for exageradamente maior em frequncia que as
demais, recomenda-se que se usem em separado, isto , para o anterior
exemplo, deve-se ajustar um modelo considerando-se apenas os dados de
ofertas, ficando os dados de transaces para controlo e testes de validao.
Deve-se evitar alternativas que concentrem mais de 70% dos casos, pois o
desequilibro amostral prejudica a anlise.


6. TRATAMENTO DAS AMOSTRAS
Constitui prtica generalizada entre avaliadores, recorrer a transformaes nas
variveis consideradas no modelo de regresso adoptado, atingindo as
variveis independentes e dependentes, com o propsito de atravs desta
mudana de escalas, obter comportamento mais linear para os dados da
amostra e, assim, melhorar a representatividade e o poder estimador da
equao de regresso, medido atravs do crescimento do coeficiente de
determinao, R
2
.

Para que seja possvel comparar, ser necessrio que o avaliador efectue
ajustamentos que decorrem das diferenas entre as propriedades de referncia
e a propriedade em apreo (veja-se o exemplo de homogeneizao exposto no
caso pratico).
A homogeneizao permite comparar propriedades que entre s apresentam
caractersticas diversas, em relao aos diversos aspectos que reputamos
como significativos na explicao dos preos / valores.

7. APLICAO AO MTODO COMPARATIVO
Na aplicao do mtodo comparativo directo de dados de mercado
3
possvel
utilizar dois tipos de modelo para a homogeneizao dos elementos da
amostra:
Modelos de homogeneizao por factores;
Modelos de homogeneizao por regresso.
A homogeneizao por factores por muito tempo andou desacreditada,
principalmente pelos profissionais que se iniciaram e se apaixonaram pela
utilizao de modelos de regresso oriundos da aplicao da inferncia
estatstica.

3
Aquele que identifica o valor de mercado do bem por meio de tratamento tcnico dos atributos dos
elementos comparveis, constituintes da amostra.


Houve uma tentativa de resgatar o prestgio dos modelos de homogeneizao
por factores na poca, denominando o modelo de homogeneizao
fundamentada, onde, para a determinao dos factores de homogeneizao,
eram utilizados os modelos de regresso, ou seja, unindo as duas escolas.

Actualmente existem estudos que visam criar um coeficiente para medir a
aderncia dos modelos, seja de regresso, seja de homogeneizao por
factores. A este coeficiente, prope-se a denominao de coeficiente de
homogeneidade do modelo, uma vez que o objectivo permitir medir o
quanto da variabilidade dos preos em relao mdia amostral no
homogeneizada foi reduzida / aumentada, quando a medida da variabilidade
passou a ser feita em relao aos preos homogeneizados pelo modelo, seja
este um modelo de homogeneizao por factores ou um modelo de regresso.

8. HOMOGENEIZAO POR FACTORES (Abordagem terica)
Na avaliao de imveis, o avaliador tem que basear-se sempre em outros
valores, quer sejam estabelecidos por alguma transaco, quer sejam
determinados por ofertas feitas entre particulares ou por anncios, quer seja
por avaliaes passadas. Esses valores de mercado apresentam-se
geralmente com as caractersticas mais diversas em relao forma de
pagamento, data, rea, suas caractersticas, etc.

A tcnica de homogeneizao por meio de factores consiste em proceder a
modificaes nos preos de cada elemento da amostra, decorrentes da
alterao dos diversos atributos (variveis independentes), de modo que, no
fim do tratamento, os preos homogeneizados se refiram a um imvel de
caractersticas padronizadas (paradigma), que podero at mesmo ser
coincidentes com a do imvel a avaliar.
Pode-se formular este tratamento atravs da seguinte expresso:



) ( )....... ( ). ( ). (
) (
) (
3 2 1
hom
i F i F i F i F
i P
i P
k
ini
= , i=1,n (eq. 1)
sendo:
P
hom
(i) = preo homogeneizado do imvel correspondente ao registro i da
amostra;
P
ini
(i) = preo inicial do imvel correspondente ao registro i da amostra;
F
1
. (i) = factor de homogeneizao relativo ao atributo "1 do registro i, que
espelha a diferena entre o preo do imvel para o de outro que tenha o
atributo 1 igual ao padro de comparao;
F
2
. (i) = factor de homogeneizao relativo ao atributo 2 do registro i, que
F
3
. (i) = factor de homogeneizao relativo ao atributo 3 do registro i, que
F
k
(i) = factor de homogeneizao relativo ao atributo k do registro i, que
atributo k igual ao padro de comparao;
n = quantidade de registros na amostra.
Um indicativo do valor do imvel a avaliar ( P(a)
) pode ser obtido a partir da

mdia dos preos homogeneizados ( P
hom
), atravs da operao inversa, ou
seja:
P(a)
=P
hom
. F
1
(a).F
2
(a).F
3
(a)........F
k
(a) (eq. 2)
sendo:
P
hom
=
1
n
P (i)
hom
i 1
n
=

F
1
(a), F
2
(a), F
3
(a), ........, F
k
(a) os factores para o imvel avaliando


Caso o imvel avaliando seja o prprio padro de comparao, F
1
(a)=F
2
(a)=F
3
(a)=.....=
F
k
(a) = 1, e ento:
P(a)
=P
hom
.
Um dos atributos que podem apresentar diferena entre os diversos registros
da amostra a rea do imvel (A(i)). Caso se entenda que a influncia da
mesma no preo seja de forma directamente proporcional, pode-se trabalhar
com preos unitrios, ou seja:
PU (i)
PU (i)
F (i). F (i). F (i).............. F (i)
hom
ini
1 2 3 k
= , i=1,n (eq.3)
sendo:
PU (i)
P (i)
A(i)
hom
hom
= = preo unitrio homogeneizado do imvel correspondente ao
registro i da amostra;
PU (i)
P (i)
A(i)
ini
ini
= = preo unitrio inicial do imvel correspondente ao registro i da
amostra;
Caso se tenha trabalhado com preos unitrios, ento:
P(a)
= PU(a)
. A(a)
sendo:
PU(a)
=PU
hom
. .F
1
(a).F
2
(a).F
3
(a)........F
k
(a) (eq.4)
comPU
hom
=
1
n
PU (i)
hom
i 1
n
=

Caso o paradigma para a homogeneizao no tenha sido o imvel avaliando,
pode-se, aps a definio dos factores de homogeneizao, efectuar uma
transposio de paradigma impondo que o produto dos factores de
homogeneizao do imvel em apreo seja igual unidade e recalculando o
produto dos factores de homogeneizao de cada registro da amostra, ou seja:
F (i)
F (i)
F (a)
hr
ha
ha
=

sendo
F
ha
(i) = F
1
(i).F
2
(i).F
3
(i).....F
k
(i)


F
ha
(a) = F
1
(a).F
2
(a).F
3
(a)........F
k
(a)

A homogeneizao ser ento manuseada com o factor de homogeneizao
relativo F
hr
, sendo agora o paradigma o imvel avaliando, ou seja:
P (i)
P (i)
F (a)
hom
ini
hr
=
, i=1,n (eq.5)
Daqui decorre que a mdia destes preos homogeneizados ser o indicativo do
valor do imvel avaliandoP(a)
, ou seja, a equao 2 resulta P(a)
= P
hom
ou,
caso se tenha trabalhado com preos unitrios, a equao 4 resulta PU(a)

=PU
hom
.

NOTA:
De referir que se a referncia tiver, em relao a determinada caracterstica de
comparao, um atributo superior do objecto de avaliao, o seu atributo dever ser
reduzido, para reflectir o atributo do imvel em apreo, relativamente a essa
caracterstica.
Por exemplo, se a referencia qualidade de construo luxo (por exemplo, se atribuir
numa escala de 1 a 5 - peso 5) e o objecto de avaliao qualidade de construo
corrente (por exemplo, peso 3), obviamente que em relao caracterstica de
comparao qualidade de construo a referncia tem um atributo superior do
imvel em apreo e consequentemente, o seu atributo dever ser comprimido para
traduzir o atributo do objecto de avaliao.

Tratamento Estatstico da Amostra Homogeneizada
No sendo nossa inteno expor um curso de estatstica, o que tambm foge
nossa competncia, no queremos deixar de transmitir os conhecimentos
mnimos nesse campo, indispensveis ao perfeito desempenho profissional.
A partir desta altura, entramos no tratamento estatstico, dos Valores Unitrios
Homogeneizados. Mas este tratamento iterativo, pois serve para aferir se as
amostras recolhidas podem ser utilizadas ou se devem ser saneadas atravs
do Critrio de Chauvenet.


Mdia =
n
x
x
i
,
Desvio Padro =
( )
( )
2 / 1
2
1
(
(
=

n
x Mdia
i

x
mx
=
( )
2 / 1
1
+
n
o DesvioPadr
tp Mdia
x
mn
=
( )
2 / 1
1

n
o DesvioPadr
tp Mdia

em que:
xi Valor unitrio homogeneizado;
n n. de amostras;
tp valor da distribuio t-student (n <
30), para um intervalo de
confiana de 80% e n. de graus
de liberdade = n-1; ou valor da
binomial (n >= 30).
x
mx
, x
mn
Limite mximo e mnimo
para um intervalo de confiana de 80%.
Aps a determinao dos Limites mximos e mnimos, h que sanear a
amostra atravs do mtodo de disperso indicado por Dante Guerrero ou
atravs do Critrio de Chauvenet. Trata-se de efectuar o saneamento dos
valores observados atravs da eliminao dos elementos suspeitos,
tambm chamados outliers.

O mtodo de disperso consiste em determinar os desvios ou a disperso de
cada um dos elementos da amostra, x, em relao mdia x :
i
x x d = , e consequentemente, a disperso mdia:
n
x x
d
i
m
=

Esta ltima, tomada em valor absoluto, determina os limites dentro dos quais
se deve calcular cada elemento para ser includo no clculo de uma segunda
mdia, a qual provm de um conjunto homogneo de valores.
Assim, eliminando-se os elementos que estejam acima de
m
d x + e abaixo de
m
d x , calculamos nova mdia, novo desvio-padro e novo coeficiente de
variao.

Pelo Critrio de Chauvenet, calcula-se o desvio de cada um dos elementos
suspeitos, os quais so sempre os elementos extremos (mximo e mnimo).


Em seguida, esse desvio comparado com o desvio-padro da amostra, pela
relao d / .
Usualmente, o critrio adoptado o Critrio de Chauvenet, que nos leva a
excluir os elementos cuja razo entre o desvio da amostra e o desvio padro
seja maior aos valores crticos tabelados por Chauvenet.

Primeiro comea-se por analisar os
elementos extremos da amostra. Se
estes elementos respeitarem aquele
valor crtico de Chauvenet todos os
demais o respeitaro e no sero
excludos. Caso contrrio, os elementos
em causa, cuja razo d/s seja maior que
o valor da Tabela de Chauvenet, devem
ser excludos, obtendo-se assim uma
nova amostra saneada.

Critrio Chauvenet
d d/s
5 1,65
6 1,73
7 1,8
8 1,86
9 1,92
10 1,96
12 2,03
14 2,1
16 2,16
18 2,2
20 2,24
Com base nesta nova amostra voltar-se-ia ao primeiro passo do tratamento
estatstico da amostra e assim sucessivamente at obter uma amostra
saneada. um processo iterativo.

Se os valores extremos x
i
cumprirem esta condio, no so excludos:
( )
o DesvioPadr
Mdia x
i
<d/ (ou tambm usualmente anotado como d/s)

Determinao da Amplitude do Intervalo de Confiana:
Amplitude = x
mx
x
mn

Semiamplitude = Amplitude / 2
Definio das classes:
1 classe: de x
mn
a x
mn
+ amplitude/2
2 classe: Limite superior da 1classe a Limite superior da 1 classe +
amplitude/2



Caso Pratico
Da prospeco efectuada feita uma triagem das habitaes em propriedade
horizontal, semelhantes que se pretende avaliar, obtendo-se a seguinte
informao:
Orientao rea Idade Qualidade Valor () Tipo de Parque.
Solar Bruta Acabamento Valor Arrecad
Razovel Boa 150 Novo Razovel 396.000,00 VO 1A+1P
Razovel Razovel 131 Novo Razovel 351.000,00 VO 1A+2P
Boa Boa 143 Novo Muito Boa 360.000,00 VT 1A+1P
Medocre Medocre 225 Novo Boa 576.000,00 VT 1A+2P
Muito Boa Boa 200 Novo Boa 450.000,00 VO 1A+2P
Muito Boa Razovel 260 Novo Razovel 639.000,00 VO 1A+3P
Medocre Boa 155 Novo Boa 387.000,00 VO 1A+2P
Razovel Razovel 200 Novo Boa ? VO 1A+2P
Fraco a Avaliar
Localizao
Cada parqueamento vale 20.000 . Vamos corrigir a amostra tendo em base os parqueamentos por forma a podermos
comparar valores unitrios comparveis

Poderamos ter considerado muitos outros parmetros como, por exemplo,
qualidade do edifcio (idade, conservao, arquitectura, equipamentos
especiais, etc.), localizao (categoria socio-econmica do local,
acessibilidades, transportes pblicos, facilities nas proximidades, actividades
comerciais nas proximidades, vistas, zonas verdes, etc.), distncias ( praia,
zonas desportivas, lazer, escolas, etc.), etc.
Assim, tomando como referncia a fraco em apreo vamos introduzir
coeficientes de ponderao / homogeneizao, que sero aplicados ao valor de
cada um dos elementos da amostra:
Coeficiente de Homogeneizao da Localizao CHlo
Coeficiente de Homogeneizao da Orientao CHor
Coeficiente de Homogeneizao da rea CHar
Coeficiente de Homogeneizao da Qualidade Acabamentos CHqa
Coeficiente de Homogeneizao do Valor de Oferta CHvo


(Estes coeficientes devem ser sempre fixados tendo por referncia o apartamento em
apreo).

Na Homogeneizao da varivel rea, parte-se do pressuposto de que quanto
maior a rea menor o valor unitrio. usual homogeneizar a varivel rea
da seguinte forma:
;
4 / 1
|
|
\
|
=
bem
amostra
A
A
CHar se a diferenas entre as reas for inferior ou igual a 30%;
;
8 / 1
|
|
\
|
=
bem
amostra
A
A
CHar se a diferenas entre as reas for superior a 30%.
Orientao rea Qualidade Valor () Tipo de Valor Valor Unit
Solar Bruta Acabamento Valor corrigido corrigido
Razovel Boa 150 Razovel 396.000,00 VO 416.000,00 2.773,33
Razovel Razovel 131 Razovel 351.000,00 VO 351.000,00 2.679,39
Boa Boa 143 Muito Boa 360.000,00 VT 380.000,00 2.657,34
Medocre Medocre 225 Boa 576.000,00 VT 576.000,00 2.560,00
Muito Boa Boa 200 Boa 450.000,00 VO 450.000,00 2.250,00
Muito Boa Razovel 260 Razovel 639.000,00 VO 619.000,00 2.380,77
Medocre Boa 155 Boa 387.000,00 VO 387.000,00 2.496,77
Mdia da amostra original (7 dados) = 2.542,52 Desvio padro = 182,26
Mdia da amostra homogeneizada = 2.233,33 Desvio padro = 360,76
Localizao

rea Valor Unit V.Unit.
Bruta corrigido Homog.
Razovel 150 2.773,33 1 0,95 0,93 1,05 0,9 2.316,98
Razovel 131 2.679,39 1 1 0,95 1,05 0,9 2.401,58
Boa 143 2.657,34 0,95 0,95 0,92 0,95 1 2.095,05
Medocre 225 2.560,00 1,05 1,05 1,03 1 1 2.906,74
Muito Boa 200 2.250,00 0,9 0,95 1 1 0,9 1.731,38
Muito Boa 260 2.380,77 0,9 1 1,07 1,05 0,9 2.162,11
Medocre 155 2.496,77 1,05 0,95 0,94 1 0,9 2.103,10
CHvo CHlo CHor CHar CHqa Localizao

a) Primeira verificao pela excluso do Critrio de Chauvenet
Valor de Chauvenet para n=7 d/s = 1,8
Valor Unit corrig . min. (amostra 5) 1,391 < 1,80
Valor Unit corrig . max (amostra 4) 1,867 > 1,80
do resultado de excluso pelo critrio de Chauvenet, vm que deve sair o valor respeitante 4 amostra.
So analisados os extremos dos valores unitrios obtidos pelo Crit. Chauvenet, devendo sair todos os valores superiores
ao valor de Chauvenet estipulado (d/s = ABS((Vunit corrig - Media da amostra homog)/desvio padro))
1.731,38 /m
2.906,74 /m


Tira-se nova leitura da mdia e do desvio padro sem incluir o valor da amostra 4
b) Segunda verificao pela excluso do Critrio de Chauvenet
Mdia da amostra homogeneizada = 2.135,03 Desvio padro = 232,57
Valor de Chauvenet para n=6 d/s = 1,73
Valor Unit corrig . min. (amostra 5) 1,736 > 1,73
Valor Unit corrig . max (amostra 2) 1,146 < 1,73
do resultado de excluso pelo critrio de Chauvenet, vm que deve sair o valor respeitante 5 amostra.
No entanto, dado que a amostra apenas contempla 6 dados e a diferena reduzida, inclumos o valor na anlise
Determinao dos Limites de Confiana
tc = valor percentil para distribuio "t-Student"
n = n. de valores da amostra = 6
s = desvio padro da amostra com 6 dados = 232,57
= 2.135,03
Para n = 6, nivel de confiana 80% e t
0,90
, tc = 1,44
X max = 2.284,81
X min. = 1.985,26
1.985,26 /m2 a 2.284,81 /m2 Intervalo de Confiana
Determinam-se novamente os seguintes valores: mdia e desvio padro e analisam-se novamente os dados de acordo
com o valor de Chauvenet, para uma amostra constituda por 6 dados (menos a 4 amostra)
1.731,38 /m
2.401,58 /m
1
max
min
n
s
t X
c X
X

9. ANLISE POR REGRESSO LINEAR (Abordagem terica)
Tal como j foi referido, pretende-se, com o modelo de regresso, explicar a
variao de uma varivel dependente (por exemplo o Valor Unitrio) a partir de
um conjunto de variveis independentes.
A utilizao da regresso linear permite ao avaliador predizer o valor
desconhecido de uma varivel, partindo do valor conhecido de outra.
Frequentemente, com base em dados amostrais, deseja-se estimar o valor de
uma varivel Y, correspondente ao conhecido de uma varivel X; isso pode ser
conseguido mediante a avaliao do valor de Y a partir de uma curva de
mnimos quadrados que se ajuste aos dados amostrais.
A curva obtida denominada por regresso de Y para X, visto que Y avaliado
a partir de X.


Se desejarmos estimar o valor de X a partir de um atribudo a Y, usar-se- uma
curva de regresso de X para Y, o que resulta em uma permutao das
variveis no diagrama de disperso, de modo que X passa a ser varivel
dependente e Y a independente.
Basicamente a regresso linear consiste em achar a linha recta que melhor se
ajusta ao nmero de observaes feitas e isso conseguido por meio do
chamado mtodo dos mnimos quadrados.
Y = a + b.X
+ =
+ =

2
.
X b X a XY
X b N a Y
, sendo N = n. de elementos pesquisados.

As constantes a e b das equaes podem ser determinadas pelas frmulas:
( )( ) ( )( )
( )
2
2
2
. . .

=
X X N
Y X X X Y
a
( ) ( )( )
( )
2
2
. . .

=
X X N
Y X Y X N
b
O erro-padro da estimativa pode ser usado como medida de disperso para
avaliar a diferena mdia entre o valor real e o estimado de Y; se o erro-padro
da estimativa for igual a 0, diz-se que h uma relao exacta entre Y e X; e ao
contrrio, quando esse erro for grande, isso indicar que tanto a relao como
a equao de regresso no so adequadas.
Esse erro expresso por:
2
. . .
2
.

=

n
Y X b Y a Y
s
x y

no caso de se tratarem de grandes amostras (N30), o denominador (n-2)
passar a ser N.
O grau de correlao entre as variveis, que expressa quo bem essas
variveis esto relacionadas entre s, definido numericamente pelo
coeficiente de correlao (r), que varia entre os limites -1 a +1.


Coeficiente de correlao nulo indica que no h nenhum relacionamento entre
as variveis, enquanto que um coeficiente -1 ou +1 indica haver um
relacionamento perfeito entre elas.
O sinal positivo para r estabelece que as variveis variam no mesmo sentido,
ou seja, o acrscimo de varivel independente vai produzir aumento de varivel
dependente, ou no caso oposto, a reduo da varivel X, vai provocar menor
valor da varivel dependente Y.
O sinal negativo para r indica que as variveis se relacionam, mas caminham
em sentidos opostos, existindo uma relao indirecta, ou seja, quando X
aumenta, Y reduzido, e no caso contrrio, quando X diminui, o valor de Y
aumentado.
=
<
<
<
<
=
perfeita relao r
fortssima relao r
forte relao r
mdia relao r
fraca relao r
nula relao r
K
K
K
K
K
K
1
99 , 0 90 , 0
90 , 0 60 , 0
60 , 0 30 , 0
; 30 , 0 0
; 0

(o mesmo acontece quando o sinal de r for negativo).

O valor r
2
denominado por Coeficiente de Determinao e serve para medir
a proporo de variao de Y que pode ser aplicada pela variao de X.
Nota:
O coeficiente de correlao d uma excelente ideia de como as variveis
guardam relao entre s, sendo um elemento de grande importncia numa
avaliao atravs de regresses. No entanto, ele no o nico parmetro a ser
considerado e, por s s, no fornece concluses definitivas sobre a equao
utilizada. Muitas vezes na prtica, uma equao de regresso preterida em
relao a outra com menor coeficiente em funo de outras grandezas de
maior importncia e significado.
Nem sempre uma elevada correlao entre duas variveis representa a
existncia de relao de causa e efeito entre as mesmas. Esses casos do


origem s chamadas relaes sem sentido, e acontecem por no terem sido
consideradas outras variveis de influencia no caso.

O desenvolvimento de uma avaliao atravs de regresso no se esgota com
o clculo de Y (estimativa da varivel dependente) e dos coeficientes r
(coeficiente de correlao) e r
2
(coeficiente de determinao).
exigido teoria das regresses e da inferncia estatstica que sejam
efectuados diversos testes e anlises especficos, bem como, que sejam
calculados intervalos de confiana adequados, a fim de que seja assegurada a
validade e confiabilidade dos valores determinados, e, como consequncia da
regresso.
Entendemos assim que o grau de ajustamento pode ser medido pelo
coeficiente de determinao, coeficiente de determinao ajustado para os
graus de liberdade e pelo nvel de significncia das estatsticas t e F.
Para recorrer regresso linear atravs do Excel (software mais generalizado)
podemos recorrer ao menu Ferramentas (Tools) Anlise de Dados (Data
Analysis) Regresso (Regression). Aparece em seguida um quadro no qual
necessrio preencher alguns campos (auto-explicativo), como o caso do valor
da varivel dependente (que se pretende explicar) e o das variveis
independentes (explicativas). O output que da decorre so os seguintes
quadros (exemplo):



Outra forma de interpretar a amostra atravs do Diagrama de Disperso:
Diagrama de Disperso
y = 8739,9x
-0,2967
R
2
= 0,4609
0,00
500,00
1.000,00
1.500,00
2.000,00
2.500,00
3.000,00
3.500,00
4.000,00
0 50 100 150 200 250 300 350
rea Bruta de Construo (m)
V
a
l
o
r

U
n
i
t
r
i
o

(
/
m
)

(grfico obtido atravs do programa Excel. A curva de ajuste bem como o coeficiente de
determinao so obtidos atravs do Excel)

O Diagrama de Disperso permite analisar a coerncia do crescimento de cada
varivel independente (explicativa) isoladamente com a varivel dependente
(explicada). Veja-se o grfico acima exposto que relacionou a varivel dependente
(valor unitrio) com a varivel independente (rea bruta de construo). Outros


diagramas de disperso poderiam ser feitos em relao a outros conjuntos de
variveis, como por exemplo, valor unitrio VS tipologia.
Existem outros programas para o tratamento estatstico das amostras, tais como o
SPSS, NCSS, Statgraph, Avalien, Infer, etc., igualmente utilizados na Engenharia de
Avaliaes, os quais carecem por parte do utilizador, de estudos bem mais
aprofundados na rea da estatstica. Relembramos que para uma correcta utilizao
destas ferramentas informticas, necessrio dispor de conhecimentos avanados ao
nvel da estatstica, por forma a interpretarmos correctamente os resultados. O uso
indevido de uma aplicao informtica pode originar erros significativos, que falsearo
completamente o resultado final da avaliao. Nesse sentido, sugerimos a ferramenta
que se encontra acessvel a todos os utilizadores informticos EXCEL capaz de
realizar praticamente todos os testes, obtendo-se com muita fiabilidade os referidos
intervalos de confiana das amostras (aps tratamentos especficos).

Apenas a ttulo exemplificativo apresentamos a frmula matemtica de uma curva de
ajuste de uma amostra:
Modelo da Regresso

Ln([Valor Unitrio]) = 8,2257 + 12,535 /[rea de Construo] - 0,3914 x [Estado do Imvel]

Modelo para a Varivel Dependente

[Valor Unitrio] = Exp( 8,2257 + 12,535 /[rea de Construo] - 0,3914 x [Estado do Imvel])


Regressores do Modelo

Intervalo de confiana de 80,00%.

Variveis Coeficiente D. Padro Mnimo Mximo
rea de Construo b1 = 12,5352 3,0521 8,5723 16,4980
Estado do Imvel b2 = -0,3914 0,0361 -0,4383 -0,3445

Correlao do Modelo

Coeficiente de correlao (r) .......... : 0,8351
Valor t calculado ................................ : 10,84
Valor t tabelado (t crtico) ................. : 1,675 (para o nvel de significncia de 10,0 %)
Coeficiente de determinao (r) ... : 0,6975
Coeficiente r ajustado .................... : 0,6856

Classificao : Correlao Forte

Anlise da Varincia

Fonte de erro Soma dos quadrados Graus de liberdade Quadrados mdios F calculado
Regresso 2,4621 2 1,2310 58,79
Residual 1,0680 51 0,0209
Total 3,5302 53 0,0666

F Calculado : 58,79
F Tabelado : 5,047 (para o nvel de significncia de 1,000 %)

Significncia do modelo igual a 5,8x10
-12
%
Aceita-se a hiptese de existncia da regresso.

O teste de Kolmogorov-Smirnov (K-S) usado para decidir se a distribuio
da varivel sob estudo (f(x)) numa determinada amostra provm de uma
populao com uma distribuio especfica (f
0
(x)). Neste caso porm estamos
apenas interessados em testar se a distribuio da varivel ou no normal
com parmetros e quaisquer que estes sejam, isto , pretendemos testar:
H
0
: X ~ N ( ; ) vs. H
1
: X ~~ N ( ; )
1

Para calcular a estatstica de teste
comeamos por ordenar as observaes
da varivel X por ordem crescente,
calculando em seguida a frequncia
acumulada de cada observao. Assim,
preciso calcular a diferena entre
frequncia acumulada de cada uma
das observaes e a frequncia
acumulada que essa observao
teria se a sua distribuio de


probabilidade fosse normal bem como a
mesma diferena relativamente
observao anterior. A estatstica de
teste ento dada pela maior diferena
destas duas diferenas, isto ,

D = ( ) { ( )} ) ( ) ( max ; ) ( ) ( max
0 1 0 i i i i
x F x F x F x F
, em que
F
0
(x) ~ N ( ; )

Observao:
O teste de Kolmogorov-Smirnov tem valor aproximado quando realizado sobre uma populao cuja
distribuio desconhecida, como o caso das avaliaes pelo mtodo comparativo.
O modelo utilizado foi :
[Valor Unitrio] = Exp( 8,2257 + 12,535 /[rea de Construo] - 0,3914 x [Estado do Imvel])

Intervalo de confiana de 80,0 % para o valor estimado :

Mnimo : 1.727,51 /m
2
- Mximo : 1.899,88 /m
2


Concluso:
Assim, e tendo presente que o mtodo aqui em estudo consiste no Mtodo
Comparativo ou Mtodo de Mercado, resta para finalizar, expor que aps uma
correcta prospeco de mercado, um correcto tratamento estatstico da
amostra e aps obteno do intervalo de confiana, podemos determinar o
Valor do bem, multiplicando os ndices unitrios obtidos pelas respectivas
reas em causa (veja-se o seguinte exemplo).
Exemplo:
Descrio rea Valor unitrio Valor ()
rea de Construo:
Fraco habitacional 115,00 m 1.785 /m 205.275,00
Varandas 5,70 m 545 /m 3.100,00
Arrecadao na sub-cave 2,0 0m 750 /m 1.500,00
Lugar de Parqueamento 15,00 m 900 /m 13.500,00

VM = 205.000 + 3.100 + 1.500 + 13.500 = 223.000,00 Euros


ANEXOS



ESTATSTICA NOES BSICAS

A palavra estatstica tem sido definida como os factos numricos ou os dados
recolhidos sobre um assunto especfico; se algum estiver a recolher dados
sobre rendas unitrias, valores unitrios de venda, valores de taxas de juros,
etc., esses itens so estatsticas.
A anlise estatstica faz uso de tabelas, representaes grficas, smbolos,
equaes algbricas e formulas como forma de descrever certas
caractersticas dos dados medi-los em termos quantitativos e analisar as
relaes entre as variveis contidas nos dados.
A regresso um processo desenvolvido na anlise estatstica para
conhecermos o valor de uma varivel desconhecida a partir dos valores
conhecidos de outras variveis. Quando o valor da varivel desconhecida
obtido a partir do valor de apenas uma varivel conhecida e entre elas h uma
relao linear, chama-se regresso linear. Quando essa relao no linear,
chama-se regresso no linear (parablica, hiperblica, etc.). Quando o valor
da varivel desconhecida depende dos valores de mais de uma varivel
conhecida, chama-se regresso mltipla.
Medidas de tendncia central:
As medidas de tendncia central caracterizam um dado tpico numa populao.
Mdia aritmtica: calcula-se somando os valores de todos os dados da
populao e dividindo essa soma pelo nmero de dados.
Mdia = =
n
x
i
,
Mdia aritmtica ponderada: quando o avaliador obtm dados na sua
pesquisa que ele sente que cada um tem um valor probabilistico diferente
dos restantes e, por isso, no podem ser simplesmente somados, sendo
necessrio atribuir pesos diferentes a cada um desses dados.


Associando-se aos dados da populao x
1
, x
2
, x
k
certos factores de
ponderao ou pesos w
1
, w
2
, w
k
, que dependem da importncia atribuda
a cada um dos dados, obtm-se a frmula:
=
+ + +
+ + +
=
i
i i
k
k k
w
x w
w w w
x w x w x w
X
...
...
2 1
2 2 1 1

Mediana: organizados os nmeros em ordem de grandeza, isto , em rol,
o valor mdio quando o nmero de dados mpar, ou a mdia aritmtica
dos dois valores centrais quando o nmero de dados par.
Moda: o valor que ocorre com maior frequncia, isto , o valor mais
comum. A moda pode no existir e mesmo que exista pode no ser nica.

As medidas de disperso salientam as diferenas dentro de uma
populao e so necessrias para avaliar a representatividade da mdia.
Enquanto algumas populaes tem uma pequena dose de disperso, como
em casas semelhantes de um conjunto habitacional, outras populaes,
como as muitas casas diferentes de um bairro antigo, tm uma alta dose de
disperso.
A dose de disperso dentro de uma populao pode ser medida pela
amplitude total ou pelo desvio-padro.
A amplitude total indica a disperso dentro de uma populao pela
diferena entre o valor mais alto e o valor mais baixo de um conjunto de
dados. Embora a amplitude total seja fcil de calcular, ela sofre de duas
limitaes: 1) afectada por dados de valores extremamente altos e baixos;
2) no proporciona tratamento estatstico posterior.
O desvio-padro () pode ser calculado como:
N
x
i
=
2
) (
(formula usada para populao)
1
) (
2
=

n
x x
s
i
(formula usada para amostra)


Se um avaliador estiver na dvida sobre quando poder ou no utilizar a
mdia como valor mais provvel, ele calcula o desvio-padro e se este for
aproximadamente menor que 10% da mdia, poder usar a mdia como
indicao do valor mais provvel.
O desvio-padro a raiz quadrada da varincia. A comparao entre
amostras exige, pois a relativizao das medidas de disperso. Uma dessas
medidas o coeficiente de variao (CV): uma medida de disperso
relativa ao valor da mdia.
% 100
1
) (
2
x
n
x x
CV
i
ou
x
CV
=
O clculo deste coeficiente permite ao avaliador (analista) um conhecimento
das condies que apresenta a amostra, pois quanto menor este valor,
melhores as condies da amostra.
Depois de constitudas as amostras, o procedimento seguinte e final, em
analise estatstica, consiste em inferir acerca dos valores dos parmetros da
populao terica de onde foram obtidas as amostras e/ou de validar
hipteses acerca desses parmetros.

Como vimos, quando existem dados suficientes que permitam relacionar o
valor do patrimnio com outras variveis ou caractersticas desse imvel, deve-
se utilizar o mtodo baseado na regresso. No entanto, existem situaes em
que o nmero de observaes disponvel reduzido, no permitindo obter
estimativas fidedignas, ou mesmo no havendo graus de liberdade suficiente
para obter o grau de ajustamento (pelo mtodo dos mnimos quadrados)
relacionar a varivel Y (valor unitrio) com caractersticas X. Nestes casos,
pode-se recorrer as distribuies de probabilidade (normal, beta, triangular,
etc.).
O procedimento usualmente seguido :


Com base nas observaes sobre o valor de mercado do bem em anlise
(valor unitrio) estimam-se os parmetros necessrios para caracterizar a
distribuio (para a distribuio normal seria a mdia e o desvio-padro;
para a distribuio beta seria o valor mais baixo, o mais alto e a moda);
Procede-se de modo idntico em relao varivel X (varivel
independente), isto , estimam-se tambm os parmetros necessrios para
caracterizar a distribuio desta varivel;
Conhecido o valor de X para o patrimnio em apreo, recorrendo tabela
apropriada para a distribuio escolhida e caracterizada pelas estimativas
dos respectivos parmetros, possvel obter o valor de Y do imvel.

Distribuio Normal:
O mais importante exemplo de distribuio de populaes nos dado pela
Curva de Gauss, tambm chamada de curva das probabilidades ou curva
normal, que definida pela equao:

2
2
2
1
) .(
2 .
1
x e Y
na qual: = desvio-padro
= mdia populacional
= 3,14159
e = 2,71828
A integral desde X= - at X = + dessa equao, ou seja, a rea total
compreendida entre essa curva e o eixo das abcissas feita igual a 1 e quando
a varivel X expressa em termos de unidade reduzida faz-se
) (
=
X
z

Distribuio t de Student:


Quando se examina uma amostra com um nmero de dados (n) inferior a 30,
verifica-se que a distribuio normal no se aplica bem, porque a curva normal
achata-se medida que n decresce.
Por isso, o matemtico Gosset, que publicava os seus trabalhos em princpios
do sculo XX, sob o pseudnimo de Student, props um novo tipo de
distribuio, aplicvel s pequenas amostras, que ficou conhecido por t-
student.
Aqui o t representa o mesmo papel que o z na distribuio normal, isto , as
medidas lanadas no eixo das abcissas.
A iseno da subjectividade na aplicao de variveis que expressam
qualidades (qualitativas) pode constatar-se atravs do valor de t-Student,
calculado de cada varivel. Quanto maior o valor de t-Student, maior o nvel
de importncia dessa varivel.

Manual Metodo Do Mercado Ou Comparativo

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Manual Metodo Do Mercado Ou Comparativo

Hochgeladen von

Copyright:

Verfügbare Formate

15 Curso de Especializao em Avaliao e Anlise do Investimento Imobilirio - 1

Copyright 2010 Jlio Alexandre e Paulo Gonalves

) pode ser obtido a partir da

, ou seja, a equao 2 resulta P(a)

<d/ (ou tambm usualmente anotado como d/s)

Das könnte Ihnen auch gefallen