Passo 1 - Importar o banco de dados

library(readxl)
Base_Easton <-  BancoEaston <- read_excel("C:/Users/Humberto.Guedes/Desktop/BancoEaston.xlsx")

Passo 2 - Isolar as imobiliarias e descrevê-las

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

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

Passo 3 - Comparar todos os parâmetros da Easton

### Easton

summary(Easton)
##       Mes            Preco           Tamanho         Quartos     
##  Min.   :3.000   Min.   : 99450   Min.   :120.6   Min.   :2.000  
##  1st Qu.:4.000   1st Qu.:118875   1st Qu.:161.7   1st Qu.:3.000  
##  Median :5.000   Median :128100   Median :179.0   Median :3.000  
##  Mean   :4.609   Mean   :130950   Mean   :177.5   Mean   :3.196  
##  3rd Qu.:6.000   3rd Qu.:140063   3rd Qu.:193.2   3rd Qu.:3.750  
##  Max.   :6.000   Max.   :176550   Max.   :238.8   Max.   :4.000  
##      Idade         Localizacao      Corretora
##  Min.   : 2.000   Min.   :1.000   Min.   :1  
##  1st Qu.: 5.000   1st Qu.:2.000   1st Qu.:1  
##  Median : 6.000   Median :2.000   Median :1  
##  Mean   : 6.152   Mean   :2.174   Mean   :1  
##  3rd Qu.: 7.000   3rd Qu.:3.000   3rd Qu.:1  
##  Max.   :11.000   Max.   :3.000   Max.   :1
summary(Outras)
##       Mes          Preco           Tamanho          Quartos     
##  Min.   :3.0   Min.   : 99000   Min.   : 99.31   Min.   :2.000  
##  1st Qu.:3.0   1st Qu.:122475   1st Qu.:153.62   1st Qu.:3.000  
##  Median :4.0   Median :139950   Median :168.71   Median :3.000  
##  Mean   :4.4   Mean   :141066   Mean   :173.04   Mean   :3.101  
##  3rd Qu.:5.0   3rd Qu.:157875   3rd Qu.:191.89   3rd Qu.:3.000  
##  Max.   :6.0   Max.   :190650   Max.   :266.82   Max.   :4.000  
##      Idade         Localizacao      Corretora
##  Min.   : 1.000   Min.   :1.000   Min.   :0  
##  1st Qu.: 5.000   1st Qu.:1.000   1st Qu.:0  
##  Median : 6.000   Median :1.000   Median :0  
##  Mean   : 6.137   Mean   :1.692   Mean   :0  
##  3rd Qu.: 8.000   3rd Qu.:2.000   3rd Qu.:0  
##  Max.   :13.000   Max.   :3.000   Max.   :0
library(ggplot2)

ggplot(Easton) +
  aes(x = Preco, y = Tamanho) +
  geom_line(size = 1.56, colour = "#0c4c8a") +
  labs(x = "Preco", y = "Tamanho", title = "Easton - Preco x Tamanho") +
  theme_minimal()

### Outras

ggplot(Outras) +
  aes(x = Preco, y = Tamanho) +
  geom_line(size = 1.3, colour = "#9c6c9a") +
  labs(x = "Preco", y = "Tamanho", title = "Outras - Preco x Tamanho") +
  theme_minimal()

Passo 4 - Análise de Variáveis

###Preço

boxplot(Easton$Preco, Outras$Preco, main = "Boxplot Preço x Corretora", col = c("Red", "Blue"), ylab = "Preço", xlab = "Corretoras", names = c("Easton", "Outras"))

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

plot(Base_Easton$Mes, col = c("Red", "Green", "Blue", "yellow"), names = c("Março","Abril","Maio","Junho"), main = "plot vendas por mês", ylab = 'Vendas', xlab = 'Mês')

### Corretora

Base_Easton$Corretora <- as.factor (Base_Easton$Corretora)

plot(Base_Easton$Corretora, col = c("Red", "Black"), main = "plot vendas por corretoras", ylab = "Vendas", xlab = "Corretora", names = c("Outras", "Easton"))

### Localização

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

plot(Base_Easton$Localizacao, col = c("Magenta", "Green", "White"), main = ("plot vendas por região"), ylab = "Vendas", xlab = "Mês", names = c("Dallas", "Fort Worth", "Redondezas")) 

### Tamanho das Casas

boxplot(Easton$Tamanho, Outras$Tamanho, col = c("Blue", "White"), main = "Boxplot tamanho pro corretoras", ylab = "Tamanho (m²)", xlab = "Corretoras", names = c("Easton", "Outras") )

### Idade das Casas

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

library(psych)
describeBy(Easton$Preco)
##    vars  n   mean       sd median  trimmed     mad   min    max range skew
## X1    1 46 130950 19097.96 128100 129422.4 15456.1 99450 176550 77100 0.75
##    kurtosis      se
## X1     0.04 2815.84
describeBy(Outras$Preco)
##    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

Conclusão Parte 1

Os gráficos demonstram uma leve alteração de preços no caso da Easton Imobiliária, onde os preços das casas vendidas pela Easton Imobiliária são menores quando comparados com as outras imobiliárias do mercado.

Passo 5 - Ver se as casas foram ou não subvalorizadas, Arlington City

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

summary(Venda_Redondezas)
##  Mes        Preco           Tamanho         Quartos         Idade       
##  3:22   Min.   : 99450   Min.   :130.4   Min.   :2.00   Min.   : 1.000  
##  4:26   1st Qu.:117450   1st Qu.:166.9   1st Qu.:3.00   1st Qu.: 5.000  
##  5:32   Median :125850   Median :182.4   Median :3.00   Median : 6.000  
##  6:17   Mean   :128547   Mean   :185.9   Mean   :3.32   Mean   : 6.144  
##         3rd Qu.:138450   3rd Qu.:203.1   3rd Qu.:4.00   3rd Qu.: 7.000  
##         Max.   :177750   Max.   :266.8   Max.   :4.00   Max.   :13.000  
##  Localizacao Corretora
##  1: 0        0:82     
##  2: 0        1:15     
##  3:97                 
##                       
##                       
## 
summary(Venda_Redondezas$Tamanho)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   130.4   166.9   182.4   185.9   203.1   266.8

Com tamanho médio das casas no mercado sendo de 182 metros quadrados, aproximadamente, e com um preço médio de US$128.547 verificamos que a casa de Arlington tem mais de 200 metros e um valor de apenas 89 mil dólares. Ou seja, está muito subvalorizada.

Venda_Forth<- subset(Base_Easton, subset=Localizacao==2)
summary(Venda_Forth)
##  Mes        Preco           Tamanho         Quartos         Idade       
##  3:40   Min.   : 99000   Min.   :120.6   Min.   :2.00   Min.   : 1.000  
##  4:37   1st Qu.:115275   1st Qu.:156.1   1st Qu.:3.00   1st Qu.: 5.000  
##  5:36   Median :124350   Median :168.2   Median :3.00   Median : 6.000  
##  6:34   Mean   :129486   Mean   :175.9   Mean   :3.17   Mean   : 6.374  
##         3rd Qu.:144150   3rd Qu.:196.5   3rd Qu.:4.00   3rd Qu.: 8.000  
##         Max.   :184800   Max.   :256.1   Max.   :4.00   Max.   :11.000  
##  Localizacao Corretora
##  1:  0       0:123    
##  2:147       1: 24    
##  3:  0                
##                       
##                       
## 
summary(Venda_Forth$Tamanho)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   120.6   156.1   168.2   175.9   196.5   256.1
summary(Venda_Forth$Idade)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   5.000   6.000   6.374   8.000  11.000
plot(Venda_Forth$Idade, Venda_Forth$Preco, main = "Gráfico de Idade x Preço", col= "Blue", ylab = "Preço", xlab = "Idade")

Conclusão do caso Weast Forth

Com os dados apresentados, houve SIM uma desvalorização notável no preço da casa de Fort Worth, por parte da Easton, com o objetivo de acelerar suas vendas em detrimento das demais imobiliárias, uma vez que a média dos preços é de 129 mil dólares, com tamanho médio de 175 metros quadrados e a casa em questão tem 172 metros quadrados, tendo sido vendida por apenas 79 mil dólares. Com os gráficos gerados vemos que, majoritariamente, idade, tamanho e mês não influenciaram no preço das casas.