Passo 1 - Importando o Banco de Dados

library(readxl)
## Warning: package 'readxl' was built under R version 3.5.3
Base_Easton <- read_excel("C:/Users/labccet/Downloads/Base de dados - Easton Imobiliária.xlsx")
View(Base_Easton)

Passo 2 - Isolando a Imobiliária Easton das demais imobiliárias do Mercado

Easton <- subset(Base_Easton, subset=Corretora== 1)

Outras <- subset(Base_Easton, subset=Corretora== 0)

### Easton

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 3.5.3
ggplot(Easton) +
  aes(x = Preco, y = Tamanho) +
  geom_line(size = 1.56, colour = "#f7581e") +
  labs(x = "Preço", y = "Tamanho", title = "Easton - Preço x Tamanho") +
  theme_minimal()

### Outras

ggplot(Outras) +
  aes(x = Preco, y = Tamanho) +
  geom_line(size = 1.3, colour = "#45fa2d") +
  labs(x = "Preço", y = "Tamanho", title = "Outras - Preço x Tamanho") +
  theme_minimal()

Passo 3 - Analisando as Variáveis do Banco de Dados

###Preço
Base_Easton$Preco <- as.factor(Base_Easton$Preco)

boxplot(Easton$Preco, Outras$Preco, main = "Boxplot Preço x Corretora", col = c("#cf40cc", "#e8d92e"), ylab = "Preço", xlab = "Corretoras em Geral", names = c("Easton", "Outras"))

### Mês
Base_Easton$Mes <- as.factor(Base_Easton$Mes)

plot(Base_Easton$Mes, col = c("Red", "#ccbc02", "Blue", "#0ac6c9"), names = c("Março","Abril","Maio","Junho"), main = "Gráfico de vendas por mês", ylab = 'Casas Vendidas', xlab = 'Mês')

### Localização
Base_Easton$Localizacao <- as.factor(Base_Easton$Localizacao)

plot(Base_Easton$Localizacao, col = c("Blue", "Black", "White"), main = ("Gráfico de vendas por região"), ylab = "Vendas", xlab = "Mês", names = c("Dallas", "Fort Worth", "Demais Regiões")) 

### Tamanho das Casas

boxplot(Easton$Tamanho, Outras$Tamanho, col = c("#2f2475", "#275925"), main = "Boxplot do Tamanho (m²) por corretoras", ylab = "Tamanho (m²)", xlab = "Corretoras", names = c("Easton", "Outras") )

### Idade das Casas

boxplot(Easton$Idade, Outras$Idade, main = "Boxplot da Idade das casas por Corretora", col = c("Red", "Green"), ylab = "Idade", xlab = "Corretoras", names = c("Easton","Outras"))

library(psych)
## Warning: package 'psych' was built under R version 3.5.3
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
describeBy(Easton$Preco)
## Warning in describeBy(Easton$Preco): no grouping variable requested
##    vars  n   mean       sd median  trimmed     mad   min    max range skew
## X1    1 46 130950 19097.96 128100 129422.4 15456.1 99450 176550 77100 0.75
##    kurtosis      se
## X1     0.04 2815.84
describeBy(Outras$Preco)
## Warning in describeBy(Outras$Preco): no grouping variable requested
##    vars   n     mean       sd median  trimmed      mad   min    max range
## X1    1 415 141066.1 22239.58 139950 140549.1 26242.02 99000 190650 91650
##    skew kurtosis     se
## X1 0.15    -0.95 1091.7

Primeiras Conclusões

Os primeiros gráficos demonstram um padrão no mercado imobiliário, onde a Easton Imobiliária junto as demais imobiliárias apresentam o mesmo comportamento nas vendas das casas, onde o Preço e o Tamanho delas possuem uma correlação.

Com relação ao preço dessas casas, a Easton Imobiliária tende a vender suas casas a um preço mais abaixo do que as demais imobiliárias do mercado.

O gráfico de Vendas foi feito para demonstrar a crise imobiliária que fez mês a mês as vendas caírem.

No gráfico de vendas por Região percebemos a tendencia da Easton e demais imobiliárias a venderem mais casas em Dallas, tendo Fort Worth como segunda opção e as demais regiões das redondezas amontoadas em um terceiro grupo minoritário.

A Imobiliária Easton vende casas no tamanho “padrão” encontradas no mercado pelas demais imobiliárias e com idades bem parecidas.

A média de preço das vendas da Easton Imobiliária é de 130950 dólares, as demais imoboliárias do mercado possuem uma média de casas vendidas de 141066 dólares. Para confirmar que as casas vendidas pela Easton Imobiliária tendem a ser mais baratas que as demais do mercado, pegamos a mediana de ambas as vendas de ambas as corretoras, sendo a mediana Easton de 128100 e as das demais corretoras de 139950. As casas vendidas pela Easton tendem a ser mais baratas que as casas vendidas pelas demais corretoras.

Verificação do caso de Arlington City.

Agora para resolvermos o problema apresentado, teremos que ver se as casas apontadas na questão forma ou não subvalorizadas, começando pelo caso de Arlington City.

Venda_Redondezas<- subset(Base_Easton, subset=Localizacao== 3)

summary(Venda_Redondezas)
##  Mes        Preco       Tamanho         Quartos         Idade       
##  3:22   108900 : 2   Min.   :130.4   Min.   :2.00   Min.   : 1.000  
##  4:26   111900 : 2   1st Qu.:166.9   1st Qu.:3.00   1st Qu.: 5.000  
##  5:32   114450 : 2   Median :182.4   Median :3.00   Median : 6.000  
##  6:17   116850 : 2   Mean   :185.9   Mean   :3.32   Mean   : 6.144  
##         117900 : 2   3rd Qu.:203.1   3rd Qu.:4.00   3rd Qu.: 7.000  
##         121350 : 2   Max.   :266.8   Max.   :4.00   Max.   :13.000  
##         (Other):85                                                  
##  Localizacao   Corretora     
##  1: 0        Min.   :0.0000  
##  2: 0        1st Qu.:0.0000  
##  3:97        Median :0.0000  
##              Mean   :0.1546  
##              3rd Qu.:0.0000  
##              Max.   :1.0000  
## 
summary(Venda_Redondezas$Tamanho)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   130.4   166.9   182.4   185.9   203.1   266.8

O tamanho médio das casas vendidas nas demais regiões (O que incluí Arlington), é de 182m² aproximadamente com um preço médio de 128574 dólares. A casa vendida no problema tem mais de 200m² e foi vendida por 89 mil dólares, a pelo menos 3/4 do valor médio vendido pelas casas nas demais regiões classificadas como outras. Há uma certa subvalorização do imóvel por parte da Easton Imobiliária nesse caso.

Venda_Fort<- subset(Base_Easton, subset=Localizacao==2)
summary(Venda_Fort)
##  Mes        Preco        Tamanho         Quartos         Idade       
##  3:40   106800 :  2   Min.   :120.6   Min.   :2.00   Min.   : 1.000  
##  4:37   107400 :  2   1st Qu.:156.1   1st Qu.:3.00   1st Qu.: 5.000  
##  5:36   115200 :  2   Median :168.2   Median :3.00   Median : 6.000  
##  6:34   115950 :  2   Mean   :175.9   Mean   :3.17   Mean   : 6.374  
##         117300 :  2   3rd Qu.:196.5   3rd Qu.:4.00   3rd Qu.: 8.000  
##         117750 :  2   Max.   :256.1   Max.   :4.00   Max.   :11.000  
##         (Other):135                                                  
##  Localizacao   Corretora     
##  1:  0       Min.   :0.0000  
##  2:147       1st Qu.:0.0000  
##  3:  0       Median :0.0000  
##              Mean   :0.1633  
##              3rd Qu.:0.0000  
##              Max.   :1.0000  
## 
summary(Venda_Fort$Tamanho)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   120.6   156.1   168.2   175.9   196.5   256.1
summary(Venda_Fort$Idade)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   5.000   6.000   6.374   8.000  11.000
plot(Venda_Fort$Idade, Venda_Fort$Preco, main = "Gráfico de Idade e Preço", col= "Purple", ylab = "Preço", xlab = "Idade")

Verificação do Caso de Fort Worth.

A respeito do caso de Fort Worth podemos notar que o tamanho médio da casa vendida pela Easton se aproxima bastante da média de 175m². Porém o preço dela destoa da média das demais casas vendidas na região. A casa vendida pela Easton foi de 79500 dólares quando que as demais imobiliárias vendem uma casa nessa região na média de 115950 dólares.

A priori poderíamos considerar que a idade da casa poderia vir a “prejudicar” o preço da casa, porém o último gráfico demonstra que não há relação entre o preço e a idade da casa.

Sendo assim a discrepância mostrada no preço médio das demais imobiliárias quando comparado pelo preço da Easton quando o tamanho da casa é bem próximo as demais casas vendidas na região, e provando que a idade não influencia no preço, pelo menos nessa região, podemos considerar que nesse segundo caso também ocorreu uma subvalorização do preço da casa quando comparado com a média do mercado.