Importar o banco de dados

library(readxl)
Base_Easton <- read_excel("C:/Users/10977080633/Downloads/BaseEaston.xlsx")

##Isolar as Imobiliárias

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

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

###Variáveis da Easton ### Easton

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()

###Análise de Variáveis ###Preço

boxplot(Easton$Preco, Outras$Preco, main = " 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", "Red", "Red", "Red"), 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("yellow", "yellow"), main = "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("Green", "Green", "Green"), main = (" vendas por região"), ylab = "Vendas", xlab = "Mês", names = c("Dallas", "Fort Worth", "Vizinhança")) 

### Tamanho das Casas

boxplot(Easton$Tamanho, Outras$Tamanho, col = c("Blue", "skyblue"), main = " Tamanho por 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)
## 
## 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

Arlington City e West Forth

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$Tamanho)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   130.4   166.9   182.4   185.9   203.1   266.8
Venda_Forth<- subset(Base_Easton, subset=Localizacao==2)
summary(Venda_Forth)
##  Mes        Preco           Tamanho         Quartos         Idade       
##  3:40   Min.   : 99000   Min.   :120.6   Min.   :2.00   Min.   : 1.000  
##  4:37   1st Qu.:115275   1st Qu.:156.1   1st Qu.:3.00   1st Qu.: 5.000  
##  5:36   Median :124350   Median :168.2   Median :3.00   Median : 6.000  
##  6:34   Mean   :129486   Mean   :175.9   Mean   :3.17   Mean   : 6.374  
##         3rd Qu.:144150   3rd Qu.:196.5   3rd Qu.:4.00   3rd Qu.: 8.000  
##         Max.   :184800   Max.   :256.1   Max.   :4.00   Max.   :11.000  
##  Localizacao Corretora
##  1:  0       0:123    
##  2:147       1: 24    
##  3:  0                
##                       
##                       
## 
summary(Venda_Forth$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= "skyblue1", ylab = "Preço", xlab = "Idade")

CONCLUSÃO

A partir da análise dos gráficos torna-se evidente a subvalorização da Easton Imobiliária no caso dos dois locais citados. O mesmo ocorre por exemplo, quando comparamos idade do imóvel e o preço, que não altera em nada. Ou seja, a subvalorização ocorre em outras variáveis que aqui analisei e que poderiam influenciar dentro da imobiliária na hora de sua venda.