# Caso Easton Imobiliária

Contextualização:

Diante da situação de crise, em que o mercado imobiliário se encontra, a agência Easton Imobiliária foi acusada por dois clientes de ter vendido suas casas por um preço abaixo do de mercado, para agilizar a venda, tendo como base um anúncio publicado sobre o preço médio de casas de acordo com o metro quadrado. A corretora tem sempre que por os interesses dos clientes como prioridade, sendo a venda subvalorizada uma coisa antiética, assim, a corretora Easton quer provar que tais acusações não possuem fundamento, não sendo, diante do cenário da crise, as vendas por preços mais baixos dos que os clientes imaginaram, propositais.

Importando o Banco de Dados:

library(readxl)
CasoEaston <- read_excel("C:/Users/Marcial/Downloads/CasoEaston.xlsx")

As Variáveis Inclusas no Banco de Dados:

summary(CasoEaston)
##       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         Localização     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

Subvalorização em Relação com a Média do Preço:

Valorização <-ifelse(CasoEaston$Preço<=mean(CasoEaston$Preço), "Normal", "Subvalorizado")
Corretora <-factor(CasoEaston$Corretora)
table<-table(Corretora, Valorização)
table2<- prop.table(table)*100
table2
##          Valorização
## Corretora    Normal Subvalorizado
##         0 45.119306     44.902386
##         1  7.375271      2.603037

Gráficos:

library(ggplot2)
library(ggridges)
## 
## Attaching package: 'ggridges'
## The following object is masked from 'package:ggplot2':
## 
##     scale_discrete_manual
ggplot(CasoEaston) + aes(x = Preço, y = Tamanho) + geom_line(size =1L, colour = "pink") + labs(x = "Preço", y = "Tamanho", title = "Gráfico Preço por Tamanho") + theme_minimal()

boxplot(Preço~Idade, data= CasoEaston, id=list(method="y"), main = "Preço por Anos", col="pink")

boxplot(Preço~Mês, data= CasoEaston, id=list(method="y"), main = "Preço por Mês", col="pink")

.

Com esse gráfico vemos que o preço teve uma queda conforme os meses foram passando e a crise se agravando.

boxplot(Preço~Localização, data= CasoEaston, id=list(method="y"), main = "Preço por Local", col="pink")

.

Nesse gráfico vemos que os preços de imóveis em Dallas, localização 1, são os mais caros, com a localização 3, arredores, contendo Arlington tendo os imóveis mais baratos.

library(ggplot2)
ggplot(CasoEaston) +
 aes(x = Preço, y = Tamanho, colour = Localização, size = Corretora) +
 geom_point() +
 geom_smooth(span = 0.75) +
 scale_color_gradient() +
 labs(title = "Gráfico", subtitle = "Relacionando Preço, Tamanho, Localização e Corretora.") +
 theme_minimal()
## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

As Casas dos Clientes:

summary(CasoEaston$Preço)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   99000  121800  138600  140057  157200  190650

Ambas as casas foram vendidas por um preço abaixo do preço mínimo e da média, porém muitos fatores explicam esse fato, como vimos nos gráficos acima, como a localização, como na Casa 1, que fica em Arlington, a região com os preços mais baixos. Assim, vamos à conclusão.

Conclusão:

Como dito acima, existem vários fatores a serem analisados. -Vemos por exemplo, no gráfico PreçoXTamanho(1), que geralmente quanto maior a área por metro quadrado, maior será o preço da casa. -Vimos tambem em PreçoXLocalização(4) que a região de Dallas, é a com os maiores preços, sendo os arredores (Arlington), o com os menores. E as casas dos clientes não se encontram em Dallas. -Também temos o gráfico PreçoXMês(3), que mostra nitidamente, que houve uma queda em todos os preços, conforme a crise se agravava. -Por último, vimos o sumário da subvalorização vs média, em que é possível ver que a corretora Easton(1), está até mesmo melhor, se analisarmos comparando com as outras, por sua quantidade de não subvalorizados e subvalorizados, terem uma maior diferença em que as outras corretoras, com as subvalorizadas em um número menor.

Assim, há também o fato de os proprietários que fizeram a queixa, terem comparado o preço de seus imóveis com o preço médio de imóveis em um período de 12 meses, não levando em consideração a crise, logo, não possuindo fundamento. É nítido em todos os gráficos que a Imobiliária Easton não vendeu os imóveis com um preço absurdamente diferente das outras imobiliárias, levando em conta a crise, localização e o preço médio. Pois assim como a Easton, todas as outras abaixaram os preços para se adequarem à crise. Ademais, fatores não colocados aqui podem ter contribuído para a redução do preço, como preservação dos imóveis, índice de violência, facilidade da localização, etc, porém mesmo com isso, ainda não é colocado como uma subvalorização. Concluindo, a reclamação dos proprietários não possui fundamento.