Coleta dos dados

Aqui se levantará os dados dos itens que influenciam no valor dos imóveis.

library(readxl)
Base_de_dados_Easton <- read_excel("C:/Users/victo/Desktop/Material Estatistica/Base_de_dados-master/Base de dados - Easton.xlsx")
library(knitr)
kable(Base_de_dados_Easton)
Mês Preço Tamanho Quartos Idade Localização Corretora
3 172950 173.54289 3 2 1 0
3 167250 183.01900 3 2 1 0
3 158250 172.24224 3 2 1 0
3 150750 209.77507 4 2 3 0
3 139050 190.35834 3 2 2 1
3 138150 129.41394 2 2 1 0
3 129300 113.52752 2 2 1 0
3 111900 140.74811 3 2 3 0
3 175350 206.98798 4 3 1 0
3 172350 181.25384 4 3 1 0
3 162900 161.93000 3 3 1 0
3 158250 150.22422 4 3 1 0
3 150750 143.16359 3 3 1 0
3 123600 167.22548 3 3 2 0
3 116700 137.31070 2 3 2 0
3 183750 196.67574 3 4 1 0
3 180000 182.46158 3 4 1 0
3 174150 234.02277 4 4 2 0
3 165750 171.68482 2 4 1 0
3 165750 222.40989 3 4 2 0
3 158400 149.38809 2 4 1 0
3 154200 174.37901 3 4 1 0
3 151650 153.56873 3 4 1 0
3 151500 149.29519 3 4 1 0
3 151050 164.43839 3 4 1 0
3 132900 142.79198 2 4 1 0
3 126600 153.84744 3 4 2 0
3 122250 130.25007 2 4 1 0
3 121650 176.14417 4 4 3 1
3 121350 142.23456 3 4 2 0
3 119550 159.14291 3 4 3 0
3 108750 126.16233 2 4 2 0
3 185850 193.98155 3 5 1 0
3 168900 174.37901 3 5 1 0
3 168300 191.65898 3 5 1 0
3 153150 210.51830 3 5 2 0
3 148800 149.57390 3 5 1 1
3 144150 172.24224 4 5 2 0
3 135750 182.27577 3 5 2 0
3 132750 142.04875 3 5 1 0
3 131400 199.46283 3 5 3 1
3 129900 165.08871 3 5 2 0
3 129750 138.33263 2 5 1 0
3 124950 159.60743 3 5 3 0
3 115350 177.16610 3 5 3 0
3 108900 144.09262 3 5 3 0
3 190650 210.05378 4 6 1 0
3 187200 208.47443 4 6 1 0
3 184050 176.14417 3 6 1 0
3 175500 203.45767 4 6 1 0
3 174300 256.13369 4 6 2 0
3 171300 217.48603 4 6 2 0
3 166200 168.43322 3 6 1 0
3 165600 233.55825 4 6 2 0
3 165150 176.42288 3 6 1 0
3 154050 158.39969 3 6 1 0
3 152250 202.43573 3 6 2 0
3 150450 160.72227 3 6 1 0
3 145950 144.55714 3 6 1 0
3 145050 148.45906 3 6 1 0
3 138750 149.10939 3 6 1 0
3 138150 195.65381 4 6 2 0
3 136950 142.60617 3 6 1 0
3 135000 168.99064 3 6 2 1
3 132750 170.66289 3 6 2 0
3 130200 177.72352 3 6 3 1
3 127950 179.67449 3 6 3 0
3 124650 156.54163 3 6 3 0
3 120900 172.05644 3 6 2 0
3 114450 148.64487 3 6 3 0
3 110100 141.95585 3 6 3 1
3 99450 130.43587 2 6 3 1
3 184800 231.79309 4 7 2 0
3 178050 180.04610 2 7 1 0
3 169800 168.06161 4 7 1 0
3 163350 190.63705 3 7 1 0
3 159600 152.45389 3 7 1 0
3 158550 227.51955 3 7 3 0
3 152550 204.38670 3 7 2 0
3 148200 143.44230 3 7 1 0
3 148050 183.85512 3 7 2 0
3 145800 181.53255 3 7 2 0
3 141600 159.05001 3 7 1 0
3 140550 186.73512 3 7 3 0
3 138600 181.16093 4 7 3 0
3 125100 141.58424 3 7 1 0
3 120600 169.45515 4 7 2 0
3 119400 139.35457 3 7 2 0
3 117150 141.77004 3 7 2 0
3 110850 158.21388 3 7 3 1
3 109200 126.53395 2 7 2 0
3 107400 153.66163 2 7 2 0
3 184650 205.22282 4 8 1 0
3 168000 169.26935 3 8 1 0
3 161700 168.80483 3 8 1 0
3 158850 212.93378 3 8 2 0
3 157650 186.64221 3 8 2 0
3 157200 137.12489 4 8 1 0
3 156150 171.12741 4 8 1 0
3 153300 210.23959 3 8 2 0
3 149550 152.17519 2 8 1 0
3 144150 167.59709 3 8 2 0
3 140400 189.33640 4 8 2 1
3 140250 206.24476 4 8 3 0
3 134100 193.23833 3 8 2 1
3 132750 151.61777 3 8 1 0
3 126600 203.45767 3 8 3 0
3 118800 160.25775 3 8 2 0
3 112500 162.48742 2 8 3 0
3 180750 178.46675 3 9 1 0
3 180150 196.58284 3 9 1 0
3 168000 164.81000 3 9 1 0
3 157650 158.02808 3 9 1 0
3 157350 149.94551 4 9 1 0
3 157200 161.09388 4 9 1 0
3 127950 165.36742 3 9 2 0
3 127050 167.22548 3 9 3 0
3 121500 167.78290 3 9 2 0
3 121050 111.57656 2 9 1 0
3 178500 199.83445 4 10 1 0
3 173550 239.13243 4 10 2 0
3 170400 196.39703 3 10 1 0
3 158100 174.75063 3 10 1 0
3 129450 184.22674 3 10 2 0
3 130050 139.26166 3 11 1 0
3 183000 213.49119 3 12 1 0
4 179700 205.59444 3 2 1 0
4 160950 168.71193 3 2 1 0
4 156450 156.91324 3 2 1 0
4 152250 163.97387 3 2 1 0
4 187200 203.08605 4 3 1 0
4 133950 178.37384 3 3 2 0
4 127050 147.53003 4 3 2 0
4 126150 164.62419 4 3 3 0
4 115050 154.03325 4 3 2 0
4 171150 199.18413 3 4 1 0
4 162450 160.16485 2 4 1 0
4 158850 218.69376 4 4 2 0
4 157200 220.64473 4 4 2 0
4 154200 154.12615 2 4 1 0
4 151950 168.89773 3 4 1 0
4 150450 158.21388 3 4 1 0
4 142800 148.27326 3 4 1 0
4 131700 155.51970 3 4 2 1
4 124650 157.65646 3 4 2 0
4 123300 169.17644 4 4 2 0
4 114750 146.78681 2 4 2 0
4 105600 137.58941 2 4 2 0
4 187500 217.57893 3 5 1 0
4 183600 216.46409 4 5 1 0
4 175800 191.65898 3 5 1 0
4 169500 186.54931 3 5 1 0
4 168750 173.07837 3 5 1 0
4 165000 181.25384 3 5 1 0
4 162450 224.73246 3 5 3 0
4 155550 190.07963 2 5 1 0
4 153900 156.72743 3 5 1 0
4 146250 149.01648 3 5 1 0
4 140400 199.92735 4 5 2 1
4 139950 135.63844 2 5 1 0
4 139050 194.35317 4 5 3 0
4 138750 152.17519 3 5 1 0
4 136500 138.51844 2 5 1 0
4 131850 142.60617 3 5 1 0
4 127650 175.12224 3 5 3 0
4 123300 162.95194 3 5 3 0
4 122550 157.19195 3 5 3 0
4 122250 140.28360 2 5 3 0
4 120750 161.27968 3 5 3 0
4 117750 162.85904 3 5 2 0
4 116850 149.66680 3 5 3 0
4 115950 161.37259 3 5 2 0
4 115800 154.96228 3 5 2 0
4 115200 191.65898 4 5 3 0
4 114600 155.98421 3 5 2 0
4 177900 188.87189 3 6 1 0
4 176550 194.26026 3 6 1 1
4 168000 240.43308 4 6 3 0
4 163800 241.73372 4 6 2 0
4 154500 168.52612 3 6 1 0
4 140700 166.11064 4 6 2 0
4 137400 176.98030 3 6 3 0
4 132450 181.99706 3 6 2 1
4 117750 130.25007 2 6 2 0
4 112350 140.65521 2 6 2 0
4 110850 102.00754 2 6 1 0
4 110700 119.28751 2 6 1 0
4 108600 154.59066 3 6 3 0
4 100050 120.58815 2 6 2 1
4 181800 210.33249 4 7 1 0
4 161700 163.32355 3 7 1 0
4 160500 205.78024 3 7 2 0
4 159600 227.89117 4 7 3 0
4 158100 165.83193 3 7 1 0
4 157200 170.56999 3 7 1 0
4 156450 219.43699 4 7 3 1
4 151200 232.25761 3 7 3 0
4 150450 165.73903 3 7 1 0
4 150150 166.20354 3 7 1 0
4 149100 165.92484 3 7 1 0
4 148050 152.54680 3 7 1 0
4 147750 215.16345 3 7 3 0
4 146400 130.62168 2 7 1 0
4 145800 214.32732 4 7 2 1
4 145050 175.95836 4 7 1 0
4 141150 157.00614 3 7 1 0
4 129900 159.70033 3 7 2 1
4 124350 167.31838 4 7 2 0
4 121200 187.47834 4 7 3 0
4 181050 189.15060 3 8 1 0
4 177000 187.57125 4 8 1 0
4 173100 202.62154 3 8 1 0
4 166500 181.34674 4 8 1 0
4 160800 209.68217 4 8 2 0
4 160500 173.91450 3 8 1 0
4 159000 208.10282 4 8 2 0
4 153750 160.72227 3 8 1 0
4 153750 167.22548 3 8 1 0
4 150300 168.34032 3 8 1 0
4 146250 162.48742 3 8 1 0
4 144300 210.14668 3 8 2 0
4 143700 155.24099 3 8 1 0
4 132300 181.62545 3 8 3 0
4 128700 133.68748 3 8 1 0
4 123900 174.37901 4 8 3 0
4 123600 161.55839 3 8 2 0
4 121350 192.49511 3 8 3 0
4 117300 151.33906 3 8 2 0
4 103800 178.28094 3 8 3 0
4 169350 205.31573 3 9 1 0
4 145800 142.69907 3 9 1 0
4 136350 196.11832 3 9 2 0
4 126150 158.39969 3 9 2 0
4 124950 182.36867 4 9 3 1
4 123300 187.38544 3 9 3 0
4 122700 170.66289 3 9 2 0
4 178050 197.41897 3 10 1 0
4 154800 198.25510 4 10 2 0
4 139950 196.95445 3 10 2 0
4 134250 168.52612 4 10 2 0
4 128400 188.12866 3 11 3 0
4 119850 119.19460 2 11 1 0
4 118800 159.60743 4 11 2 1
4 149850 210.61120 4 13 3 0
5 178500 208.84604 4 3 1 0
5 176250 191.10156 3 3 1 0
5 166950 202.15702 3 3 1 0
5 166500 191.38027 3 3 1 0
5 159600 191.19446 3 3 1 0
5 133350 189.52221 3 3 3 0
5 117600 167.13258 3 3 2 0
5 102300 166.85387 3 3 3 0
5 174150 189.70801 3 4 1 0
5 173850 238.76082 3 4 2 1
5 173100 193.79575 3 4 1 1
5 146400 210.42539 4 4 2 0
5 146250 206.15185 4 4 2 0
5 143850 221.48086 4 4 3 0
5 135600 164.06678 3 4 3 0
5 135000 151.89648 3 4 1 0
5 132000 170.75579 3 4 2 0
5 131700 212.46926 4 4 3 0
5 131400 184.22674 3 4 2 0
5 127800 148.45906 3 4 1 0
5 123900 154.03325 3 4 2 1
5 122400 183.76222 4 4 3 0
5 121200 130.90039 2 4 1 0
5 179550 194.07446 4 5 1 0
5 160950 168.24741 3 5 1 1
5 156900 161.46549 3 5 1 0
5 148950 164.90290 3 5 1 0
5 145200 205.12992 4 5 2 0
5 132900 198.71961 3 5 2 0
5 129450 179.48868 3 5 3 0
5 127500 164.43839 3 5 2 1
5 126900 166.57516 3 5 1 0
5 126300 127.37007 2 5 1 0
5 122100 183.48351 3 5 3 1
5 117900 176.32998 3 5 3 0
5 117300 165.36742 2 5 2 0
5 112650 128.67072 2 5 1 0
5 110700 151.80357 2 5 2 0
5 104400 137.58941 2 5 2 0
5 175950 201.87831 3 6 1 0
5 166650 170.75579 3 6 1 0
5 162150 213.95571 3 6 2 0
5 151950 202.52864 4 6 2 0
5 150300 226.40472 4 6 3 0
5 146700 234.95180 4 6 3 1
5 145200 209.31056 3 6 2 0
5 144750 156.82034 3 6 1 0
5 142800 151.24615 3 6 1 0
5 141150 149.94551 3 6 1 0
5 138450 186.92092 4 6 3 0
5 138000 195.09639 4 6 2 0
5 133650 183.29771 4 6 3 0
5 131400 195.09639 4 6 3 0
5 129450 190.45124 3 6 3 0
5 128100 142.14166 3 6 1 0
5 125550 196.11832 3 6 3 0
5 117600 175.02933 4 6 3 0
5 117450 181.06803 3 6 3 0
5 112200 163.69516 2 6 2 0
5 109350 99.31335 2 6 1 0
5 108900 151.06035 3 6 3 0
5 108600 138.42553 2 6 2 0
5 108150 138.61134 2 6 2 0
5 107400 156.35582 3 6 3 0
5 104250 110.83333 2 6 1 0
5 103350 156.91324 3 6 2 0
5 102450 134.61651 2 6 3 0
5 165450 189.61511 3 7 1 0
5 155550 161.09388 3 7 1 0
5 154050 236.80986 4 7 3 0
5 146850 168.15451 3 7 1 0
5 145950 171.49902 3 7 1 0
5 141900 193.79575 3 7 3 0
5 137250 146.78681 2 7 1 0
5 133650 121.23847 4 7 1 0
5 131850 148.83068 3 7 1 0
5 127200 166.11064 4 7 3 0
5 121350 177.90933 3 7 3 0
5 119850 139.44747 3 7 2 0
5 117900 168.43322 4 7 3 0
5 115200 159.14291 3 7 2 0
5 111900 180.32481 3 7 3 1
5 108300 153.47583 3 7 2 0
5 108000 172.52095 3 7 3 0
5 107400 132.29393 2 7 2 0
5 178050 188.03576 3 8 1 0
5 177750 253.81112 4 8 3 0
5 173400 192.86672 3 8 1 0
5 172200 266.81754 4 8 3 0
5 164700 187.57125 3 8 1 0
5 157500 222.78150 4 8 2 0
5 152550 217.02151 3 8 2 0
5 137250 152.82551 3 8 1 0
5 134400 154.40486 2 8 1 0
5 133500 192.40220 3 8 3 0
5 124200 165.64613 4 8 2 0
5 108000 154.86937 3 8 2 0
5 178350 212.74797 4 9 1 0
5 171150 198.44090 4 9 1 1
5 171000 191.00866 4 9 1 0
5 158100 186.27060 3 9 1 0
5 148650 168.52612 3 9 1 0
5 145500 207.26669 4 9 3 0
5 144900 180.69642 4 9 1 0
5 139350 160.16485 3 9 1 0
5 124200 186.82802 3 9 2 0
5 121950 180.32481 3 9 2 0
5 121500 154.12615 3 9 2 0
5 117000 138.42553 3 9 1 0
5 106800 141.02682 2 9 2 0
5 154050 158.58550 4 10 1 0
5 120150 184.87706 4 10 2 1
5 114300 168.15451 3 10 2 1
5 102000 156.26292 3 10 2 0
6 137550 221.57376 4 1 3 0
6 105750 162.39452 3 1 2 0
6 158100 185.80609 3 2 1 0
6 125850 175.67966 3 2 2 1
6 119850 129.87845 2 2 1 0
6 111000 152.17519 4 2 2 0
6 109950 128.11330 2 2 1 0
6 159600 189.05769 3 3 1 0
6 141900 132.29393 2 3 1 0
6 140550 155.79840 3 3 1 0
6 131100 151.80357 3 3 1 0
6 125400 142.04875 3 3 1 0
6 181500 209.40346 4 4 1 0
6 172800 206.05895 4 4 1 0
6 170250 220.55183 3 4 1 0
6 159300 183.01900 3 4 1 0
6 158550 172.98547 4 4 1 0
6 152550 169.82676 3 4 1 0
6 152400 194.44607 3 4 1 0
6 142500 169.36225 3 4 1 0
6 139200 169.54805 2 4 1 0
6 138150 152.73260 3 4 1 0
6 136350 171.87063 3 4 1 0
6 132750 203.45767 3 4 3 1
6 125850 180.78932 3 4 3 1
6 125550 197.23316 4 4 2 0
6 115200 158.86420 4 4 2 0
6 113700 141.86295 3 4 1 0
6 113400 122.72492 2 4 1 0
6 102450 164.43839 3 4 2 0
6 101400 143.53520 3 4 2 1
6 177450 206.05895 3 5 1 0
6 154950 249.81628 4 5 3 0
6 151200 162.20871 3 5 1 0
6 150750 192.95962 3 5 1 0
6 141900 174.28611 4 5 1 0
6 133350 143.99972 3 5 1 0
6 132750 201.87831 4 5 2 0
6 129450 195.09639 4 5 2 1
6 128700 193.14543 3 5 3 1
6 115350 165.64613 3 5 2 0
6 114750 176.23707 3 5 3 1
6 107700 164.90290 4 5 2 0
6 102150 137.31070 2 5 3 0
6 167700 196.11832 4 6 1 0
6 166650 192.12349 3 6 1 0
6 150450 223.33892 3 6 2 0
6 149850 168.06161 3 6 1 1
6 138600 170.19838 3 6 1 0
6 134550 157.37776 3 6 1 0
6 132000 143.99972 2 6 1 0
6 131850 147.53003 3 6 1 0
6 130650 203.08605 4 6 3 0
6 118350 159.79324 3 6 2 0
6 116850 186.82802 4 6 3 0
6 114450 182.55448 3 6 3 0
6 108450 147.62294 3 6 2 0
6 106800 139.63327 3 6 2 0
6 106500 129.22813 2 6 1 0
6 103200 159.60743 3 6 2 0
6 158400 200.85638 3 7 1 0
6 153000 200.11316 3 7 1 0
6 138750 146.78681 3 7 1 0
6 138150 158.86420 3 7 1 0
6 136800 141.77004 3 7 1 0
6 128400 167.96870 3 7 2 0
6 124800 195.74671 3 7 3 0
6 123150 136.19586 2 7 1 0
6 122700 187.38544 4 7 3 0
6 118500 189.05769 3 7 2 0
6 118200 137.96102 2 7 1 1
6 116850 161.46549 3 7 2 1
6 115950 168.34032 3 7 2 0
6 113700 162.30162 3 7 2 1
6 111600 157.00614 3 7 3 0
6 110850 160.44356 3 7 2 0
6 101550 112.78429 2 7 1 0
6 99000 149.75971 3 7 2 0
6 179850 210.98281 4 8 1 0
6 156900 164.15968 3 8 1 0
6 151650 160.07194 3 8 1 0
6 150750 179.30287 3 8 1 0
6 149400 170.56999 3 8 1 0
6 146250 226.49762 4 8 3 0
6 144750 168.24741 3 8 1 0
6 139350 212.00475 4 8 3 0
6 137250 133.40877 2 8 1 0
6 121800 117.42945 2 8 1 0
6 120450 162.02291 3 8 2 0
6 118800 178.46675 3 8 3 0
6 110250 149.38809 3 8 2 0
6 153750 216.09248 4 9 2 0
6 145350 195.18929 3 9 2 0
6 140400 163.32355 3 9 1 0
6 127800 182.74029 3 9 2 0
6 124350 180.97513 3 9 2 1
6 119250 171.68482 3 9 2 1
6 119100 180.41771 4 9 2 1
6 107250 169.26935 3 9 3 0
6 106350 142.04875 3 9 2 0
6 135450 187.75705 4 10 2 0
6 110400 162.48742 3 10 2 0
6 132450 161.55839 3 11 1 0
names(Base_de_dados_Easton)
## [1] "Mês"         "Preço"       "Tamanho"     "Quartos"     "Idade"      
## [6] "Localização" "Corretora"
nomes<-c( "Mês", "Preço", "Tamanho", "Quartos", "Idade", "Localizaçao", "Corretora")
colnames(Base_de_dados_Easton)<-nomes

Resumo das variantes

Quando expomos o resumo das variantes, identificamos o valor médio dos imóveis, considerando Dalla, Fort Worth e os arredores, que é 104.250 dólares. Além do valor mínimo, que é 99.000 dólares. Também podemos localizar o tamanho médio de 173.48 m² e o mínimo de 99.31m²

summary(Base_de_dados_Easton)
##       Mês            Preço           Tamanho          Quartos     
##  Min.   :3.000   Min.   : 99000   Min.   : 99.31   Min.   :2.000  
##  1st Qu.:3.000   1st Qu.:121800   1st Qu.:154.13   1st Qu.:3.000  
##  Median :4.000   Median :138600   Median :169.27   Median :3.000  
##  Mean   :4.421   Mean   :140057   Mean   :173.48   Mean   :3.111  
##  3rd Qu.:5.000   3rd Qu.:157200   3rd Qu.:192.40   3rd Qu.:3.000  
##  Max.   :6.000   Max.   :190650   Max.   :266.82   Max.   :4.000  
##      Idade         Localizaçao     Corretora      
##  Min.   : 1.000   Min.   :1.00   Min.   :0.00000  
##  1st Qu.: 5.000   1st Qu.:1.00   1st Qu.:0.00000  
##  Median : 6.000   Median :2.00   Median :0.00000  
##  Mean   : 6.139   Mean   :1.74   Mean   :0.09978  
##  3rd Qu.: 8.000   3rd Qu.:2.00   3rd Qu.:0.00000  
##  Max.   :13.000   Max.   :3.00   Max.   :1.00000

Representação gráfica dos cruzamentos entre as variantes

Por meio do gráfico de dispersão, constata-se que o valor do imóvel aumenta de acordo com seu tamanho, porém os preços são bem variados.

library(ggplot2)
ggplot(Base_de_dados_Easton) + aes(x = Tamanho, y = Preço) + geom_point(size = 1.2, colour = "#e31a1c") + labs(x = "Tamanho", y = "Preço", title = "Preço por Tamanho", subtitle = "Gráf de Dispersão") + theme_gray()

No gráfico que trata do mês, percebe-se a tendência de redução do valor, à medida que se aproxima do final do ano.

boxplot(Base_de_dados_Easton$Preço~Base_de_dados_Easton$Mês,xlab="Mês", names=c("Mar","Abr","Mai", "Jun"), ylim = c(70000,180000), ylab="Preço", col= c("yellow","red","green","white"), main="Preço por Mês")

Quando comparada a imobiliária Easton com as concorrentes, seu valor de venda tende a ser mais baixo.

boxplot(Base_de_dados_Easton$Preço~Base_de_dados_Easton$Corretora,xlab="Corretora", ylim = c(70000,180000), ylab="Preço", names=c("Concorrentes","Easton"), col= c("green","maroon"), main="Preço x Corretora")

O número de quartos também influencia no valor do imóvel, tendo em vista que quanto mais quartos, maior é seu valor.

boxplot(Base_de_dados_Easton$Preço~Base_de_dados_Easton$Quartos,ylim = c(70000,180000), xlab="Quartos", ylab="Preço", col= c("yellow","red","green","white","maroon"), main="Preço x Quartos")

Já a idade do imóvel, embora também interfira no valor, a priori, ela não aparenta ser um fator tão determinante.

boxplot(Base_de_dados_Easton$Preço~Base_de_dados_Easton$Idade, , ylim = c(70000,180000), xlab="Idade dos Imóveis", ylab="Preço", col= c("yellow","red","pink","blue","orange","green","purple","grey","brown","white","maroon","black","violet","skyblue"), main="Preço x Idade")

Na comparação de preço por localização, percebe-se o elevado valor dos imóveis em Dallas, enquanto em Fort Worth e nos arredores, os valores são mais baixos e mais próximos.

boxplot(Base_de_dados_Easton$Preço~Base_de_dados_Easton$Localizaçao, ylim = c(70000,180000),xlab="Localização", ylab="Preço", names=c("Dallas","Fort Worth","Arredores"), col= c("red","blue","green"), main="Preço x Localização")

O problema e sua análise

Segundo duas denúncias de dois clientes que venderam separadamente seu imóvel pela imobiliária Easton, seus imíveis teriam sido subvalorizados. Tendo em vista a acusação e os dados obtidos sobre as duas casas: a primeira é Alington, tem 4 anos, tem 203 m² e foi vendida por 85.500 dólares, a segunda é em Fort Worth, tem 9 anos, em 172 m² e foi vendida por 88.500 dólares, ambas têm três quartos, fez-se necessário uma análise desses dados para confrontar com a acusação. Dentro desse cenário, é preciso levar em conta também a situação econômica e financeira do local, ainda que não estejam expressas diretamente entre os dados. Como se pode observar, pelas informações obtidas e analisadas, os valores das demais casas são maiores que os das duas casas em questão. Desse modo, seria plausível afirmar a culpa da Easton, diante da acusação de subvalorização dos dois imóveis. De acordo com o gráfico de Preço por Corretora a Easton tende a ter preços menores que seus concorrentes. No gráfico de Preço por Localização, tirando os imóveis em Dallas, que são mais caros, os preços de Fort Worth e das redondezas são mais próximos entre si. Além disso, os imóveis se situam nessas duas últimas regiões. No gráfico de Preço por Tamanho, nota-se a diferença de preço entre imóveis da mesma média de tamanho e isso pode se dar pela valorização do imóvel em cada região. Na representação de Preço por Mês, também ocorre queda nas vendas, quando as vendas se aproximam do final do ano. Com a crise do petróleo, a economia enfraqueceu, havendo dificuldades de bancos recupararem seus investimentos e demissão de trabalhadores locais. Além disso, o governo fechou algumas bases militares na região em consequência da atenuação da Guerra Fria. Esses fatores podem ter tornado a região menos atraente e provocado receio nas pessoas em contrair dívidas grandes e duradouras, como uma dívida de uma casa. Devido à situação da região, é possível que as quedas nas vendas por mês tenham se dado em razão disso. Sobre o Preço por Idade, há pouca variedade de preço, o que também deve ser em consequência da crise. Assim mesmo, a idade e o estado de conservação podem reduzir o preço de venda, se questionado pelo comprador. Logo, a denúncia parece ter sido pautada somente em fatores numéricos, deixando de lado o enfraquecimento da economia e o estado de conservação dos imóveis vendidos, por exemplo. Embora não haja menção a essas variáveis pode-se supor suas interferências implícitas nos respectivos gráficos de Preço por Mês e Preço por Idade. Isso justificaria os valores abaixo das informações numéricas analisadas.