Finalidade do trabalho

Comprovar por dados, fatos e argumentos que a imobiliária Easton não tem subvalorizado suas casas.

Base de dados

Carregar a base de dados referente ao estudo de caso.

library(readxl)
Base_de_dados_Easton_Imobiliaria <- read_excel("C:/Users/Angeli/Desktop/Pastas/segundo_periodo/estatistica/dados/Base_de_dados-master/Base_de_dados_Easton_Imobiliaria.xlsx")
View(Base_de_dados_Easton_Imobiliaria)

Mudança de nome

Para evitar problemas futuros, resolvi retirar os espaços do nome do documento e seus respectivos acentos.

names(Base_de_dados_Easton_Imobiliaria)
## [1] "Mês"         "Preço"       "Tamanho"     "Quartos"     "Idade"      
## [6] "Localização" "Corretora"
nomes<-c( "Mês", "Preço", "Tamanho", "Quartos", "Idade", "Localizaçao", "Corretora")
colnames(Base_de_dados_Easton_Imobiliaria)<-nomes

Relação dos preços

mediapreco<- c(Base_de_dados_Easton_Imobiliaria$Preço)

Resultado: mean(mediapreco) = 140056,7

Analisando o preço medio dito no PDF, é claro que os valores lá mostrados estão diferentes, visto que os dados mostrados já são os afetados pela crise, que fez diminuir os valores das casas. (lembrando que os cálculos feitos aqui não são de informações do período do tempo que os vendedores reclamaram)

Relação dos tamanhos

mediatamanho<- c(Base_de_dados_Easton_Imobiliaria$Tamanho)

Resultado: mean(mediatamanho) = 173,4822

Gráficos

Gráficos comparando os preços com as variáveis disponíveis.

hist(Base_de_dados_Easton_Imobiliaria$Preço, col= "red", main= "Quantidade de casas por preço", xlab= "Preço", ylab= "Quantidade")

boxplot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Corretora, col= "pink", xlab= "Corretora", ylab= "Preço", main= "Preço por corretora")

Análise: levando todas as variáveis em consideração, a corretora Easton possui os menores preços.

boxplot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Localizaçao, col= "purple", xlab= "Localizações", ylab= "Preço", main= "Preço por localização")

Análise: As casa localizadas em Fort Worth são as mais baratas, seguidas pelas localizadas nos arredores das áreas metropolitanas, e finalmente, as lozalizadas em Dallas, que são as mais valoriozadas.

plot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Tamanho, col= "yellow", xlab= "Tamanho", ylab= "Preço", main= "Preço por tamanho")
abline(lm(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Tamanho))

Análise: Quanto maior a casa, mais cara ela será.

boxplot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Mês, col= "green", xlab= "Mês", ylab= "Preço", main= "Preço por mês")

Análise: Conforme os meses vão passando, os preços vão caindo, isso é explicado devido a crise apresentada no PDF.

boxplot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Idade, col= "#c59dcc", xlab= "Idade", ylab= "Preço", main= "Preço por idade")

Análise: Os preços por idade aparentam não levar os anos das casas em consideração, pois no gráfico, os valores parecem não estar relacionados com a respectiva idade.

boxplot(Base_de_dados_Easton_Imobiliaria$Preço~Base_de_dados_Easton_Imobiliaria$Quartos, col= "gray", xlab= "Quartos", ylab= "Preço", main= "Preço por Quantidade de quartos")

Análise: Quanto maior for a quantidade de quantos por casa, maior será seu valor de venda.

Problema dos dois vendedores (levando em conta os dados específicos de cada casa)

Casa 1

Tem 4 anos, 203 m², foi vendida por 88.500 em Arlington.

Percebe-se que os preços da corretora easton são maiores que a da outra corretora. Nesse gráfico foi levado em conta a idade da casa, quantidade de quartos, e sua localização (Arlington). O grafico obtido é referente apenas às casas com as mesmas especificações que a casa número 1 (a primeira referida). Essa localização nao é muito valorizada, como já mostrada em um grafico anterior (so perdendo pra Fort Worth).

Casa 2

Tem 9 anos, 172 m², foi vendida por 79.500 em Fort Worth.

Novamente os preços das casas vendidas pela corretora Easton são superiores, levando em consideração apenas os dados específicos dessa segunda casa.

Conclusão

As casas localizadas em Fort Worth não são tão valorizadas quanto nas outras localidades. Nas informações do artigo do PDF só informam os valores levando em consideração o tamanho da casa, sendo que o valor é dependente também da quantidade de quartos, idade e entre outros. As casas do artigo do PDF podem ser super novas e possuir varios quartos,fazendo com que seu preço fique mais elevado que as das duas pessoas que não estão satisfeitas. Outro ponto importante que deve ser levado em conta é a gentrificação, que é a valorização do imóvel pela localidade, uma casa próxima a centros urbados e shoppings por exemplo será mais cara que uma no interior da cidade. Outro fato que não foi levantado é que não informam se a casa foi bem planejada e projetada, porque mesmo a casa sendo nova e grande, se ela não for de boa qualidade seu preço consequentemente irá cair. A crise afetou diretamente os valores das casas, e os dados do artigo apresentado no PDF so mostram os valores de 12 meses, mas ao longo da crise, os valores só vão caindo, como demonstrado nos gráficos acima.

Sendo assim, a imobiliaria Easton NÃO tem subvalorizado suas casas devido aos fatos apresentados neste veículo.

Pontos pra defender Easton (em tópicos):

-O artigo só levou em consideração os tamanhos das casas com o preço;

-Casas localizadas em Fort Worth e nos arredores(Arlington) são mais desvalorizadas(mais baratas);

-Como dito no pdf, os donos das casas normalmente tendem a achar que valem mais;

-Levando o caso pro mundo real, casas longe de centros urbanos ou mal lozalizadas, mesmo sendo uma casa grande, com muitos quartos e novas, tendem a ser subvalorizadas, pois sua gentrificação dificulta a venda;

-Com o passar dos meses e com a crise os valores das casas tem caído.