EASTON COMPANHIA IMOBILIARIA
ENOCH SHELTA AWOTWE
10/10/2019
INTRO:
Sam Easton, proprietário da Easton Companhia Imobiliária, começou como agente imobiliário em Atlanta há 10 anos. Depois disso, ele também trabalhou por 2 anos na empresa imobiliária nacional e depois foi transferido para Dallas, Texas e outros. Com ele, ganhou muitas experiências que mais tarde fundou sua própria empresa (Easton Companhia Imobiliária).
#IMPORTAÇÃO DE DATAS
library(readxl)
Base_de_dados_Easton_Imobiliaria <- read_excel("C:/Users/SHELTA/Downloads/Base_de_dados-master/Base_de_dados-master/Base de dados - Easton Imobiliária.xlsx")
View(Base_de_dados_Easton_Imobiliaria)
head(Base_de_dados_Easton_Imobiliaria)## # A tibble: 6 x 7
## Mês Preço Tamanho Quartos Idade Localização Corretora
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 3 172950 174. 3 2 1 0
## 2 3 167250 183. 3 2 1 0
## 3 3 158250 172. 3 2 1 0
## 4 3 150750 210. 4 2 3 0
## 5 3 139050 190. 3 2 2 1
## 6 3 138150 129. 2 2 1 0library(knitr)
kable(head(Base_de_dados_Easton_Imobiliaria))| Mês | Preço | Tamanho | Quartos | Idade | Localização | Corretora |
|---|---|---|---|---|---|---|
| 3 | 172950 | 173.5429 | 3 | 2 | 1 | 0 |
| 3 | 167250 | 183.0190 | 3 | 2 | 1 | 0 |
| 3 | 158250 | 172.2422 | 3 | 2 | 1 | 0 |
| 3 | 150750 | 209.7751 | 4 | 2 | 3 | 0 |
| 3 | 139050 | 190.3583 | 3 | 2 | 2 | 1 |
| 3 | 138150 | 129.4139 | 2 | 2 | 1 | 0 |
Base_de_dados_Easton_Imobiliaria$Mês <- as.factor(Base_de_dados_Easton_Imobiliaria$Mês)
levels(Base_de_dados_Easton_Imobiliaria$Mês)<- c("Março","Abril","Maio","Junho")
Base_de_dados_Easton_Imobiliaria$Corretora <- as.factor(Base_de_dados_Easton_Imobiliaria$Corretora)
levels(Base_de_dados_Easton_Imobiliaria$Corretora)<- c("Easton","Outra imobiliária")
Base_de_dados_Easton_Imobiliaria$Localização <- as.factor(Base_de_dados_Easton_Imobiliaria$Localização)
levels(Base_de_dados_Easton_Imobiliaria$Localização)<- c("Dallas","Fort Worth", "Ao arredor" )names(Base_de_dados_Easton_Imobiliaria)## [1] "Mês" "Preço" "Tamanho" "Quartos" "Idade"
## [6] "Localização" "Corretora"names<- c( "Mês","Preço","Tamanho","Quartos",
"Idade","Localização","Corretora")
colnames(Base_de_dados_Easton_Imobiliaria)## [1] "Mês" "Preço" "Tamanho" "Quartos" "Idade"
## [6] "Localização" "Corretora"MEAN OF PRECO
mean(Base_de_dados_Easton_Imobiliaria$Preco)## Warning: Unknown or uninitialised column: 'Preco'.## Warning in mean.default(Base_de_dados_Easton_Imobiliaria$Preco): argument
## is not numeric or logical: returning NA## [1] NASUMMARY
summary(Base_de_dados_Easton_Imobiliaria)## Mês Preço Tamanho Quartos
## Março:126 Min. : 99000 Min. : 99.31 Min. :2.000
## Abril:118 1st Qu.:121800 1st Qu.:154.13 1st Qu.:3.000
## Maio :114 Median :138600 Median :169.27 Median :3.000
## Junho:103 Mean :140057 Mean :173.48 Mean :3.111
## 3rd Qu.:157200 3rd Qu.:192.40 3rd Qu.:3.000
## Max. :190650 Max. :266.82 Max. :4.000
## Idade Localização Corretora
## Min. : 1.000 Dallas :217 Easton :415
## 1st Qu.: 5.000 Fort Worth:147 Outra imobiliária: 46
## Median : 6.000 Ao arredor: 97
## Mean : 6.139
## 3rd Qu.: 8.000
## Max. :13.000par(bg ="white")
plot(Base_de_dados_Easton_Imobiliaria$Preço,
Base_de_dados_Easton_Imobiliaria$Tamanho,
col= "gold",pch=20,
main= "TAMANHO POR PRECO",col.main="green4",
xlab= "Preco", ylab= "Tamanho")
ANALISANDO O PREÇO DAS VARIÁVEIS POR TAMANHO
A partir do diagrama acima, podemos ver que, à medida que o tamanho das casas aumenta, os preços também aumentam, respectivamente. O tamanho das casas às vezes pode afetar o preço das casas. Novamente, a partir do diagrama, existe uma correlação forte ou positiva entre as duas variáveis, tamanho e preço.
par(bg ="orange")
boxplot(Base_de_dados_Easton_Imobiliaria$Preço~
Base_de_dados_Easton_Imobiliaria$Mês,
col= c("blue","purple","green4","grey"), main= "PRECO POR MES", col.axis="red",
col.main="white",
xlab= "Mês", ylab= "Preço")
par(bg ="grey")
boxplot(Base_de_dados_Easton_Imobiliaria$Preço~
Base_de_dados_Easton_Imobiliaria$Localização,
col= c("pink4","brown4","red4"), main= "PRECO POR LOCALIZACAO", col.axis="blue",
col.main="orange",
xlab= "Localização", ylab= "Preço")
par(bg ="white")
plot(Base_de_dados_Easton_Imobiliaria$Preço,
Base_de_dados_Easton_Imobiliaria$Tamanho,
col= "gold",pch=20,
main= "TAMANHO POR PRECO",col.main="green4",
xlab= "Preco", ylab= "Tamanho")
library(ggplot2)
ggplot(Base_de_dados_Easton_Imobiliaria) +
aes(x = Preço, y = Tamanho, colour = Localização) +
geom_point(size = 3L) +
scale_color_brewer(palette = "Dark2") +
labs(title = "EASTON COMPANHIA IMOBILIARIA", subtitle = "RELACAO ENTRE PRECO, TAMANHO E LOCALIZACAO") +
theme_minimal()
O PROBLEMA
O problema começou quando duas pessoas reclamaram a insatisfação após as vendas de sua casa através da Easton Companhia Imobiliária. As casas foram vendidas abaixo do preço médio de venda no mercado, que é de 104.250 dólares, com 172m do tamanho publicado no jornal.
A primeira casa Arlington 4 anos 203m $ 88.500 3 quartos A segunda casa Forth Worth 9 anos 172m $ 79.500 3 quartos
As duas pessoas pensaram que poderiam ter vendido suas casas a um preço superior ao preço médio de venda no mercado
CONCLUSÃO E COMPANHIA
A partir do estudo de caso, podemos dizer que uma das razões pelas quais a Easton Companhia Imobiliária vendeu as casas a esse preço foi devido ao estado econômico ou à fraqueza do país naquele período e também às ações do governo que adicionaram mais pressão ao imóvel. Mercado.
Sam também sabia que seus agentes não venderiam intencionalmente abriga por um preço baixo para acelerar a venda. Mas, no entanto, nos tempos difíceis, muitas empresas imobiliárias, incluindo a Easton Real Estate, estavam acumulando grandes estoques de casas à venda e precisavam vender.