Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 1 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 2 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 AULA 05 EstatEstatíística stica InferencialInferencial aplicada a aplicada a AvaliaAvaliaççõesões 2 3 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 NBR 14653 – Avaliação de bens Parte 1: Procedimentos gerais; Parte 2: Imóveis urbanos; Parte 3: Imóveis rurais; Parte 4: Empreendimentos; Parte 5: Máquinas, equipamentos, instalações e bens industriais em geral; Parte 6: Recursos naturais e ambientais; Parte 7: Patrimônios históricos. 4 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Avaliação de bens: Análise técnica, realizada por 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. bem tangível: Bem identificado materialmente (por exemplo: imóveis, equipamentos, matérias-primas). bem intangível: Bem não identificado materialmente (por exemplo: fundo de comércio, marcas e patentes). 3 5 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 imóvel: Bem constituído de terreno e eventuais benfeitorias a ele incorporadas. Pode ser classificado como urbano ou rural, em função da sua localização, uso ou vocação. inferência estatística: Parte da ciência estatística que permite extrair conclusões sobre a população a partir de amostra. modelo de regressão: Modelo utilizado para representar determinado fenômeno, com base numa amostra, considerando-se as diversas características influenciantes. 6 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Métodos para identificar o valor de um bem, de seus frutos e direitos Método comparativo direto de dados de mercado Método involutivo Método da renda Método evolutivo Métodos para identificar o custo de um imóvel Método da quantificação do custo Método comparativo direto de custo 4 7 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Planejamento da pesquisa -amostra de dados de mercado de imóveis com características semelhantes às do avaliando. - caracterização e delimitação do mercado variáveis do modelo dependente preço total ou unitário independentes características físicas ( área, frente) localização (bairro, logradouro, distância a pólo de influência, etc) econômicas (oferta ou transação, época e condição do negócio – à vista ou a prazo). 8 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 5 9 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 10 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 dimensão, frente, profundidade, topografia, localização, coeficiente de aproveitamento uso do solo, relação REGRESSÃO ESTATÍSTICA INFERENCIAL valor de mercado com base no conhecimento de variáveis que o influenciam. VALOR DE UM TERRENO 6 11 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 180 150 área 1402 1001 R$/m2imóvel Y X Y = a + b X 150 100 180 140 a i b = tg i Se não houvessem erros na amostragem, ou em um mercado perfeito 12 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Tem-se o seguinte sistema de equações: 140 = a + b x 180 100 = a + b x 150 Resolvendo obtém-se: a = -100 (intercepto) b = 1,333 (declividade) i = arc tg 1,33 i = 53,06º MODELO MATEMÁTICO ADOTADO VALOR = -100 + 1,333 X ÁREA DO IMÓVEL Ex.: Um imóvel cuja área seja 200 m2 será avaliado por Valor = R$ 166,60/m2 7 13 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 500,00 550,00 600,00 650,00 700,00 750,00 800,00 850,00 900,00 950,00 1000,00 130 132 134 136 138 140 área dos imóveis al ug ue l Regressão linear (qual a reta que deve ser usada? ) 14 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Uma primeira forma é ajustar uma reta horizontal de valor igual à média dos valores da variável dependente y, que é uma reta de regressão com b=0. >Esse critério não necessita de regressão, entretanto, será uma referência útil para medir o grau de explicação da reta de regressão. Outra forma é ajustar uma reta que divida os pontos observados de forma que a soma dos desvios seja nula. >Entretanto, como há muitas retas que cumprem com essa condição, esse critério não poderá ser utilizado. Outra forma é ajustar uma reta de forma que minimize a soma dos quadrados dos desvios, lembrando a definição de variância. 8 15 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 xxi y yi ŷi ŷi = a + bx di =yi - ŷi Para cada valor de xi há uma diferença entre o valor Amostrado yi e o valor projetado ŷi RESÍDUO OU DESVIO di 16 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Verdadeiro valor de Y só é possível no caso de população conhecida assim a equação é escrita para uma amostra: onde: ε = resíduo da regressão MÉTODO DOS MÍNIMOS QUADRADOS: (GAUSS) (SOMATÓRIO DOS QUADRADOS DOS RESÍDUOS É MÍNIMO) ∑ v ² = min Y = a + b X + v 9 17 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Y X observações Y = a + b X ε1 ε2 ε3 ε4 ε5 ε6 X1 Y1 X6 Y6 MODELO AJUSTADO Y^ = a + b X + v 18 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 ∑ (Y - Y^) ² = ∑ v ² = min Para determinar-se a condição de mínimo tem-se: F = ∑ v2 = ∑(Y^ - a - b X )2 ∂F = 0 e ∂ F = 0 ∂a ∂ b F = (y1 – a – b x1) 2 +(y2 – a – b x2) 2+ .... + (yn – a – b xn) 2 Tem-se como resultado o sistema de equações (duas equações a duas incógnitas): ∑ Y = a n + b ∑X ∑ XY = a ∑X + b ∑X ² 10 19 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 ∑ Y = a n + b ∑X ∑ XY = a ∑X + b ∑X ² Resolvendo o sistema: a = [( ∑X ²)( ∑Y) - ( ∑X)( ∑XY)] n( ∑X ²) -( ∑X) ² b = n( ∑X Y) - ( ∑X)( ∑Y) n( ∑X ²) -( ∑X) ² Sistemas de equações normais: 20 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Simplificações: x = X - X y = Y - Y a = Y + b X b = ∑XY ∑X ² Covariância de X em Y Variância de X b = SXY SXX SXY = ∑XY - (∑X ∑.Y) n SXX = ∑X ² - (∑X) ² n SYY = ∑Y ² - (∑Y) ² n X = média de X Y = média de Y 11 21 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 VANTAGENS DO AJUSTE PELO MÉTODO MÍNIMOS DOS QUADRADOS > Obtém as melhores estimativas. > Onera os desvios maiores, fato desejável que evita grandes desvios. >Permite realizar testes de significância na equação de regressão. >A reta de regressão passa pelo ponto formado pelos valores das médias das duas amostras. 22 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 REGRESSÕES NÃO LINEARES a) Função logarítmica Transformada linear b) Função exponencial c) Função potencial eY = ea + Xb Y = a bX Y = a Xb Y = a + b ln X ln Y = ln a + X ln b ln Y = ln a + b ln X 12 23 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Regressão linear Y = a + bx ∑XY - ∑X ∑Y/n b = ——————— ∑X2 - (∑X)2/n ∑Y ∑X a = —— - b ——— n n [∑XY - ∑X ∑Y/n] 2 r2 = —————————————— [∑X2 - (∑X)2/n] [∑Y2 - (∑Y)2/n] UFPR – Curso de Engenharia Cartográfica 24 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Regressão logarítmica Y = a + b ln x ∑Y ln X - (∑ ln X ∑Y )/n b = ——————————— ∑(ln X)2 - (∑ ln X)2/n ∑Y ∑ ln X a = —— - b ———— n n [∑ ln X Y - (∑ ln X ∑Y)/n] 2 r2 = ————————————————— [∑ ln X2 - (∑ ln X)2/n] [∑Y2 - (∑Y)2/n] UFPR – Curso de Engenharia Cartográfica 13 25 Carlos Aurélio Nadal | Curso de Avaliações– aula 05 Regressão exponencial Y = a + ebX ∑X ln Y - (∑X ∑ lnY )/n b = ——————————— ∑X2 - (∑X)2/n ∑ ln Y ∑ X a = exp[ ——— - b —— ] n n [∑X ln Y - (∑X ∑ ln Y)/n] 2 r2 = ————————————————— [∑X2 - (∑X)2/n] [∑(ln Y)2 - (∑ ln Y)2/n] 26 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Curva de Potência Y = a X b ∑ lnX ln Y - (∑ lnX ∑ lnY )/n b = ————————————— ∑( ln X)2 - (∑ ln X)2/n ∑ ln Y ∑ ln X a = exp[ ——— - b ——— ] n n [∑ ln X ln Y - (∑ ln X ∑ ln Y)/n] 2 r2 = ———————————————————— [∑ ln X2 - (∑ ln X)2/n] [∑(ln Y)2 - (∑ ln Y)2/n] 14 27 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 COEFICIENTE DE CORRELAÇÃO Traduz numericamente quanto as variáveis estão relacionadas -1 ≤ r ≤ 1 Se r > 0 as variáveis variam no mesmo sentido r = 0.............nula 0 < r ≤ 0,30.....fraca 0,30 ≤ r ≤0,60.... Média 0,60 ≤ r ≤ 0,90...forte 0,90 ≤ r ≤ 0,99 ...fortíssima r = 1 ... perfeita r = SXY (SXX SYY)0,5 28 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 COEFICIENTE DE DETERMINAÇÃO 0 ≤ r2 ≤ 1 r 2 = ∑(Y^ - Y) ∑.(Y - Y)2 Y^= variável estimada - explicada Y = média da variável explicada Y = variável explicada Traduz numericamente o percentual da variável que está sendo explicitada pela equação ajustada de regressão 15 29 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Erro Padrão da Estimativa Ao ajustar uma reta, espera-se que ela explique o grupo de valores amostrados. Embora a reta de regressão tenha sido obtida minimizando a soma dos quadrados dos desvios, sempre haverá uma variabilidade dos dados ao redor da reta, exceto se os dados fizerem parte da própria reta de regressão. O desvio padrão dos dados ao redor da reta de regressão é denominado erro padrão da estimativa Se cuja medida é obtida da variância com (n-2) graus de liberdade definida com a fórmula, onde SSE mede a parte não explicada pela regressão: > O conceito do erro padrão da estimativa é equivalente ao do desvio padrão que mede a variabilidade dos valores da amostra ao redor da média aritmética desses valores. 22 )ˆ( 1 2 −=− − = ∑ = n SSE n yy S n i ii e 30 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 ANÁLISE DE VARIÂNCIA a) TESTE DA SIGNIFICÂNCIA DO MODELO DE MELHOR AJUSTE. ‘HIPÓTESE BÁSICA b=0 não existe regressão de Y em X Nível rigoroso 5% Nível rigoroso especial 1% Distribuição F de Fischer-Snedecor Fcalc = ∑(Y^ - Y) 2 : K ∑.(Y - Y)2 (n-K-1) K = número de variáveis independentes n = número de dados da amostra 16 31 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Fcalc > Ftab aceita-se a hipótese de que há regressão Fcal < Ftab rejeita-se a hipótese básica CONFIABILIDADE DO MODELO C = 100% - d d = significância (incerteza) correspondente a Ftab 32 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 b) TESTE DE HIPÓTESE PARA O REGRESSOR b Se b = 0 o valor de Y está sendo determinado por a a variável X não é importante na formação de Y HIPÓTESE BÁSICA: b≠ 0 X tem um nível de significância de importância na formação de Y 10% de incerteza nos testes unicaudais e 5% nos bicaudais T = b/SB Sb = S SXX S = { ∑(Y-Y^) ²/ n- 2} 0,5 Tcalc > Ttab b ≠ 0 a um nível de incerteza correspondente ao Tcalc Tcalc < Ttab b não é diferente de zero 17 33 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 c) INTERVALO DE CONFIANÇA PARA Y Campo de arbítrio do Engenheiro de Avaliações 80% NB502/89 Limite inferior = Y^ - Tδ/2(n-k-1) S [1/n + x a 2 /SXX] 0,5 Limite superior = Y^ + Tδ/2(n-k-1) S [1/n + x a 2 /SXX] 0,5 T = coeficiente de Student δ = significância exigida pela norma NB 502/89 S = erro padrão da regressão 34 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 18 35 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 36 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 19 37 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 38 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 0≤r≤0,30 correlação fraca Fcal > Ftab há correlação 20 39 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 K n-K-1 K=1 para regressão linear 40 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Teste do regressor b≠0 S Sb= SXX S² = ∑ (Y-Y^)² /√(n-2) S = 116,1614753 Sb = 0,646876432 tcal= b/Sb tcal=6,904 Na distribuição t de Student Para 95% de confiança α=0,05 gl =10-1-1=8 ttab=3,30 Como tcal > ttab aceita-se b≠0 21 41 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 42 Carlos Aurélio Nadal | Curso de Avaliações – aula 05 Intervalo de confiança Limite inferior li= b – tα,n-k-1 Sb Limite superior ls= b + tα,n-k-1 Sb li = 4,466 – 2,306 x 0,6468 = 2,974 ls = 4,466 + 2,203 x 0,6468 = 5,958 b encontra-se dentro do intervalo com 95% de confiança
Compartilhar