LEGISLAO E AVALIAO DE TERRAS

Prof. Marco Antnio

CONCEITOS GERAIS
O VALOR

O objetivo principal da avaliao a determinao tcnica do valor de um bem, dos seus custos, frutos e direitos sobre ele.
TIPOS DE VALOR Valor Venal, Valor Potencial, Valor Comercial, Valor de Mercado, Valor Contbil.

O MERCADO
O mercado depende de trs componentes: os bens levados a mercado, as partes desejosas em vend-los e as partes interessadas em adquir-los. Mercado Imobilirio Bens imveis

CONCORRNCIA PERFEITA
Situao ideal: aquela onde existem muitos vendedores, muitos compradores e uma quantidade de bens equilibrada com o potencial do mercado, sem que compradores e vendedores, individualmente ou em conjunto, possam interferir nos preos.

CONCORRNCIA PERFEITA
Neste caso, o preo que se paga por um bem, naquele instante, o preo justo, o preo de equilbrio do mercado, que pode ser entendido como o valor justo que se pagaria por um bem no mercado.

CONCORRNCIA PERFEITA
Um mercado deste tipo chamado de perfeitamente competitivo ou de concorrncia perfeita. Como o prprio nome j sugere, trata-se de uma condio ideal, perfeita, mas inatingvel, principalmente no mercado imobilirio.

MONOPLIO E OLIGOPLIO
Monoplio: mercado comandado por um nico vendedor, monopolizando os preos. Neste caso estariam os preos praticados, em geral, viesados para cima. Isto , as pessoas estariam comprando por preos superiores ao preo justo que seria praticado se o mercado fosse de concorrncia perfeita.

MONOPLIO E OLIGOPLIO
Oligoplio: mercado controlado por alguns vendedores, que podem concorrer entre si ou se unirem para dominar em conjunto o mercado. No primeiro caso: Oligoplio. No segundo caso: Cartel.

A LEI DA OFERTA E DA PROCURA

Apenas em um mercado de concorrncia perfeita, a formao do valor segue a lei da oferta e da procura, com curvas bem definidas. Isto , existem curvas bem definidas de oferta e demanda.

DEMANDA (PROCURA)
Quantidade de produtos que compradores desejam e podem adquirir a diversos nveis de preo. Existe uma relao inversa/negativa entre preo e quantidade (Lei Geral da Demanda). Quando se tratar de demanda, pense como um consumidor, ou seja, se o preo estiver subindo, compra-se menos.

DEMANDA POR REFRIGERANTE

CURVA DA DEMANDA
Mostra a quantidade mxima de um determinado bem que consumidores esto desejando adquirir a diversos nveis de preo (ceteris paribus).

Frase em latim que significa tudo o mais constante, isto , quando realizamos uma anlise, supomos que as demais variveis no se alteram.

DETERMINANTES DA DEMANDA
Preo: Existe uma relao inversa entre preo e quantidade demandada (Lei Geral da Demanda).

DETERMINANTES DA DEMANDA
Renda: O aumento de renda aumenta a demanda. Melhoria de qualidade e/ou de localizao aumenta a demanda.

OFERTA
a quantidade de produtos que vendedores desejam e podem produzir para vender a diversos nveis de preo. Existe uma relao direta/positiva entre preo e quantidade (Lei Geral da Oferta). Quando se tratar de oferta, pense como um empresrio, ou seja, se o preo estiver subindo eu vou vender mais produtos.

OFERTA

DETERMINANTES DA OFERTA
Preo: Existe uma relao direta entre preo e quantidade ofertada (Lei Geral da Oferta).

DETERMINANTES DA OFERTA
Impostos: Diminuio dos impostos, melhoria da tecnologia, aumento dos subsdios aumentam a oferta.

OFERTA E DEMANDA
Preo de Equilbrio: preo onde as duas curvas se cruzam. A quantidade demandada e ofertada so iguais. Quantidade de equilbrio: quantidade determinada pela interseco das curvas de oferta e demanda.

OFERTA E DEMANDA

EQUILBRIO NO MERCADO

CHEGANDO AO EQUILBRIO
Excesso de Oferta: preo acima do equilbrio, a quantidade ofertada maior que a quantidade demandada. Excesso de Demanda: preo abaixo do equilbrio, a quantidade ofertada menor que a quantidade demandada.

EXCESSO DE OFERTA
Vendedores tero que baixar o preo para aumentar as vendas, voltando ento ao equilbrio.

EXCESSO DE OFERTA
Vendedores aumentaro os preos, voltando ento ao equilbrio.

CLASSIFICAO DOS BENS

Considera-se como bem tudo que ao se relacionar com o homem gera uma relao de no indiferena para ele. Isto , passa a ter valor para ele. Os bens podem ser tangveis quando podem ser tocados ou intangveis quando no podem, isto , so imateriais.

CLASSIFICAO DOS BENS

BENS TANGVEIS
- Imveis em Geral -Mquinas - Mveis e utenslios - Edificaes

- Instalaes em geral
-Jias

-Veculos
- Recursos Naturais

CLASSIFICAO DOS BENS

BENS INTANGVEIS
- Frutos e Direitos -Softwares - Marcas e Patentes - Empresas

- Empreendimentos de base imobiliria, tais como Shopping Centers, parques temticos, cinemas, casa de shows.

METODOLOGIA BSICA APLICVEL

ESCOLA CLSSICA:

Uso da estatstica DESCRITIVA como ferramenta preponderante para a tomada de decises. Utilizao da sensibilidade como meio de seleo dos elementos da amosta. Os efeitos do achismo e do bom senso influenciavam significativamente nos resultados da pesquisa.

METODOLOGIA BSICA APLICVEL

ESCOLA CIENTFICA:

Uso da estatstica INFERENCIAL e Engenharia Econmica como ferramentas de deciso. Sai de cena o profissional tcnico opinativo. Utilizao de tcnicas modernas computacionais como ferramentas de clculo.

EXEMPLO DE SOFTWARES UTILIZADOS

METODOLOGIA CIENTFICA
A base das avaliaes a informao, ou seja, a aplicao adequada de quaisquer mtodo de avaliao depende fundamentalmente das informaes obtidas no mercado.

METODOLOGIA CIENTFICA
A metodologia cientfica no trabalho avaliatrio segue as seguintes fases: Conhecimento do objeto da pesquisa (o bem Avaliando); Preparao da Pesquisa (planejamento); Trabalho de campo (coleta de dados); Processamento e anlise dos dados (anlise exploratria);

METODOLOGIA CIENTFICA
Interpretao e explicao dos resultados (o modelo); Redao do relatrio da pesquisa (o laudo de avaliao).

PLANEJAMENTO DA AVALIAO
Nesta fase se faz a escolha, definio e delimitao do problema em anlise;
Cada caracterstica considerada importante na formao dos preos constitui uma hiptese a ser verificada;

PLANEJAMENTO DA AVALIAO
Por Exemplo: A afirmao de que o valor unitrio de um lote urbano cresce com o aumento da testada, mantendo-se as demais caractersticas semelhantes, uma teoria. Mas esta teoria precisa ser comprovada com os dados de mercado. Em determinadas situaes esta influncia pode ser to pequena, a ponto de ser considerada estatisticamente nula.

PLANEJAMENTO DA AVALIAO
Para um bom planejamento fundamental o conhecimento do objeto da avaliao. Isto ocorre na ocasio da vistoria do bem, quando se estabelecem as possveis variveis explicativas sobre a formao do seu preo. O planejamento da avaliao envolve dois aspectos: a estrutura de pesquisa; a estratgia de pesquisa.

PLANEJAMENTO DA AVALIAO
A estrutura de pesquisa: Representa o esquema que estabelece as supostas relaes entre as variveis a considerar. Por exemplo, na avaliao de um lote urbano, pode-se considerar a formao do preo de venda, em funo dos fatores abaixo.

PLANEJAMENTO DA AVALIAO
A estratgia de pesquisa: Refere-se s tcnicas a serem utilizadas na coleta e anlise dos dados. Nela especifica-se o uso de fichas, entrevistas ou outros instrumentos de coleta, como tambm o tipo de anlise, quantitativa ou qualitativa, dos dados.

PLANEJAMENTO DA AVALIAO
O objetivo do planejamento da avaliao: a composio de uma amostragem representativa de dados de mercado de imveis com caractersticas, tanto quanto possvel, semelhantes s do avaliando, usando-se toda a evidncia disponvel.

PLANEJAMENTO DA AVALIAO
No devem fazer parte da amostragem preos de negociaes provenientes de: Desapropriaes amigveis ou judiciais; Transmisses intervivos resultantes de doao entre parentes; Vendas na hasta pblica; Transaes entre parentes ou scios de uma mesma firma; Outros equivalentes.

ESCOLHA DAS VARIVEIS

Entende-se como varivel uma medida que assume valores diferentes em diferentes pontos de observao. Existem variveis fceis de identificar, como a frente de um lote e a sua rea. Outras so mais complexas, como a localizao.

CARACTERSTICAS FUNDAMENTAIS DAS VARIVEIS

a) So aspectos observveis de um fenmeno;

b) Devem apresentar variaes ou diferenas em relao ao mesmo ou a outros fenmenos.

PRINCPIOS BSICOS PARA A DEFINIO DE VARIVEIS

a) Os valores devem ser mutuamente excludentes; b) As categorias devem estar adequadas realidade local ou regional; c) O conjunto dos valores possveis deve ser exaustivo, o que significa que todas as possibilidades devem ser includas no conjunto.

PRINCPIOS BSICOS PARA A DEFINIO DE VARIVEIS

d) Todos os elementos da amosta devem ser classificados em alguma das categorias estabelecidas;
e) Devem ser representativas para explicar o fenmeno.

TIPOS DE VARIVEIS
a) Variveis QUANTITATIVAS: So variveis que podem ser medidas. Ex.: rea do terreno, rea construda, frente (do terreno ou loja), nmero do andar, distncia a um plo valorizante, nmero de quartos, vagas de garagem, etc.

TIPOS DE VARIVEIS
b) Variveis QUALITATIVAS: expressam caractersticas do bem, que no apresentam medida exata e sim uma qualidade, trazendo consigo uma dose de subjetividade.

Ex.: Localizao, padro construtivo, projeto arquitetnico, acesso, infra-estrutura, etc.

TIPOS DE VARIVEIS
c) Variveis DICOTMICAS: somente assumem dois valores distintos, indicando a existncia de uma caracterstica ou no. Ex.: garagem (1 = possui; 0 = no possui). Tambm denominadas de variveis indicativas, tipo dummy.

NOES DE ESTATSTICA
Conceitos Fundamentais:
Populao Estatstica: A estatstica parte da observao de grupos, geralmente numerosos, aos quais damos o nome de populao estatstica ou universo estatstico.

NOES DE ESTATSTICA
Conceitos Fundamentais:
Amostra: Representa um nmero finito de elementos retirados da populao estatstica. Dados Brutos: So aqueles que ainda no foram processados.

NOES DE ESTATSTICA
Conceitos Fundamentais:
Dados Estatsticos: So os dados processados. O processamento transforma os dados em informao, organizando-os e condensando-os em grficos ou em poucos nmeros, os quais, ento, nos transmitem a essncia dos dados.

NOES DE ESTATSTICA
Conceitos Fundamentais:
Rol: um arranjo de dados numricos brutos em ordem crescente ou decrescente de grandeza.
Amplitude Total dos Dados: a diferena entre o maior e o menor nmero do rol.

NOES DE ESTATSTICA
Distribuio de Frequncia
a) Frequncia Absoluta ( ):

o nmero de vezes que cada valor se repete, ou o nmero de vezes que a varivel estatstica assume o valor de .

NOES DE ESTATSTICA
b) Frequncia Absoluta Acumulada ( ): So valores obtidos adicionando a cada frequncia absoluta os valores das frequncias anteriores.

NOES DE ESTATSTICA
c) Frequncia Relativa ( ): Chama-se frequncia relativa do valor da varivel o quociente entre a frequncia absoluta e o nmero de elementos da populao estatstica, ou seja,

Onde N a quantidade de dados.

NOES DE ESTATSTICA
d) Frequncia Relativa Acumulada ( ): Chama-se frequncia relativa acumulada do valor da varivel o quociente entre a frequncia absoluta acumulada e o nmero de elementos da populao estatstica.

NOES DE ESTATSTICA
EXEMPLO: Com base nos dados abaixo, construa a distribuio de frequncia.
680 720 730 680 720 730 690 720 710 725 720 730

NOES DE ESTATSTICA
Resoluo:
Dados Freq. Absoluta 2 Freq. Acumulada 2 Freq. Relativa Freq. Relativa Acumulada 18,2%

680

2 /11 = 18,2 %

690
710 720 725 730

1
1 3 1 3

1+2 = 3
1+3 = 4 3+4 = 7 1+7 = 8 3+8 = 11

1 /11 = 9,1 %
1 /11 = 9,1 % 3 /11 = 27,3 % 1 /11 = 9,1 % 3 /11 = 27,3 %

9,1%+18,2% = 27,3% 9,1%+27,3% = 36,4% 27,3%+36,4% = 63,7% 9,1%+63,7% = 72,8% 27,3%+72,8% = 100%

NOES DE ESTATSTICA
Amplitude Total da Amostra (AT):
A amplitude total da amostra (AT) a diferena entre o valor mximo e o valor mnimo da amostra. Em nosso exemplo, temos: AT = 730 680 = 50

NOES DE ESTATSTICA
Elementos de uma Distribuio de Frequncias a) Classe Classe de frequncia ou, simplesmente, classes so intervalos de variao da varivel. Exemplo: O intervalo 680 720 uma classe. b) Limites de Classe Limites de classe so os extremos de cada classe. Limite inferior: 680 Limite superior: 720

NOES DE ESTATSTICA
Medidas de Posio Central

Mdia ou Valor Esperado Moda Mediana

NOES DE ESTATSTICA
Mais usual das medidas estatsticas Relao entre soma e contagem Centro geomtrico de um conjunto de dados
soma mdia contagem

ou x

x
i 1

 Populao x Amostra

NOES DE ESTATSTICA

NOES DE ESTATSTICA
Fundo de investimento, com retornos: {7, 3 e 2} Mdia ou soma por contagem Mdia = (7 + 3 + 2) / 3 = 4

NOES DE ESTATSTICA Maior problema da mdia ...

Maldio dos extremos ou OUTLIERS

Extremos distorcem algumas medidas

NOES DE ESTATSTICA Soluo para o problema...

Remover os OUTLIERS (mais usual) Encontrar uma justificativa para a sua existncia.

EXEMPLO:
Empresa paga $400,00 aos estagirios de Administrao Quer saber muito ou pouco? Coletou amostra de dados: {300; 350; 6000; 340; 310; 380}

soma 7680 mdia $1.280,00 contagem 6

CONTINUAO - EXEMPLO:
Dados: {300; 350; 6000; 340; 310; 380} Rol: {300; 310; 340; 350; 380; 6000}

$400,00

Extremo distorce a mdia!

Rol sem extremo: {300; 310; 340; 350; 380}

Alto! Mdia = 1680/5 = $336,00

NOES DE ESTATSTICA
Mediana ou centro da srie ordenada Mediana = {2, 3, 7} Moda ou valor que mais se repete: Amodal ou sem moda

NOES DE ESTATSTICA
Medidas de Disperso

Amplitude Total (j mencionado) Desvio Padro Coeficiente de Variao

NOES DE ESTATSTICA
Desvio Padro

Mdia = 4

Srie Desvio2 2 4 3 1 7 9

x x
i 1 i

Um problema DIMENSIONAL

Soma = 14 Desvio Padro = 4,67

NOES DE ESTATSTICA
Resolve o problema dimensional da varincia Raiz da varincia

x x
i 1 i

Desvio = Raiz (4,67) = 2,16

Ops Populao ou amostra?

NOES DE ESTATSTICA

Populacional

Amostral

Varincia

2 ( Xi X )

n
2 ( Xi X )

s2

2 ( Xi X )

n 1

Desvio Padro

2 ( Xi X )

n 1

NOES DE ESTATSTICA
Coeficiente de Variao:
Alm disso, o fato de o desvio padro ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos Comparar duas ou mais sries de valores, relativamente Sua disperso ou variabilidade, quando expressas em unidades diferentes. Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou variabilidade dos dados em termos relativos a seu valor mdio, medida essa denominada coeficiente de variao:

CV 100 x

NOES DE ESTATSTICA
Regresso Linear Simples
a) Correlao:

Quando precisamos estudar a relao existente entre duas variveis podemos represent-las graficamente e verificar a disperso existente entre elas. Para medir esta disperso temos o Coeficiente de Correlao.

NOES DE ESTATSTICA
Regresso Linear Simples
a) Correlao:

Quando precisamos estudar a relao existente entre duas variveis podemos represent-las graficamente e verificar a disperso existente entre elas. Para medir esta disperso temos o Coeficiente de Correlao.

NOES DE ESTATSTICA
Correlao: Dada as variveis X e Y, construa um grfico de disperso para represent-las.

NOES DE ESTATSTICA
Correlao: Dada as variveis X e Y, construa um grfico de disperso para represent-las.

NOES DE ESTATSTICA
Correlao: O grfico de disperso mostra o comportamento entre as duas variveis, isto , se esto relacionadas. Como se comportam? Se X cresce, Y tambm cresce? Para respondermos estas perguntas, precisamos calcular o Coeficiente de Correlao de Pearson - r.

NOES DE ESTATSTICA
Correlao:

NOES DE ESTATSTICA
Nveis de Correlao:
r=0 0 < r 0,4 0,4 < r 0,8 0,8 < r 0,9 nula fraca mdia forte

0,9 < r 0,99 fortssima

r=1 perfeita

NOES DE ESTATSTICA
Correlao: Para o exemplo, qual valor de r?

NOES DE ESTATSTICA
Correlao: O que significa r = 0,90? Significa que existe uma forte relao positiva entre as variveis X e Y, ou seja, quando X cresce Y tambm cresce.

NOES DE ESTATSTICA
Determinao do Modelo Linear:

Voltando ao modelo linear proposto como representativo do fenmeno a explicar, temos:

Os clculos dos coeficientes "A", e "B" sero fornecidos por:

NOES DE ESTATSTICA
Determinao do Modelo Linear:

Os clculos dos coeficientes "A", e "B" sero fornecidos por:

_ _ X e Y so as mdias aritmticas simples de cada varivel.

NOES DE ESTATSTICA
Correlao: Dado os valores abaixo, identifique o coeficiente de correlao e o modelo linear. Suponha que um aluno leve x=3,5 anos para concluir seu curso de engenharia. Qual seria o valor estimado do seu coeficiente de rendimento?

NOES DE ESTATSTICA

NOES DE ESTATSTICA
Tabela:
Alunos Anos de estudo X 3 4 Coef. de rendimento (CR) Y 57 78 72 58 89 63 73 84 76 48 698 X2 XY Y2

1
2

9 16 16 9 25 9 16 25 16 9 150

171 312 288 174 445 189 292 420 304 144 2739

3249 6084 5184 3364 7921 3969 5329 7056 5776 2304 50236

3
4

4
3

5
6 7 8 9 10 TOTAL

5
3 4 5 4 3 38

NOES DE ESTATSTICA
Determinao do Modelo Linear:

Clculo dos coeficientes "A e "B:

NOES DE ESTATSTICA

NOES DE ESTATSTICA

O valor estimado de Y dado por:

NOES DE ESTATSTICA

Para X = 3,5 anos, temos:

NOES DE ESTATSTICA
Coeficiente de Correlao:

Correlao fortssima.

TIPOS DE MODELOS DE REGRESSO

1 POTENCIAL

TIPOS DE MODELOS DE REGRESSO

1 POTENCIAL

TIPOS DE MODELOS DE REGRESSO

1 POTENCIAL

Onde:

TIPOS DE MODELOS DE REGRESSO

2 EXPONENCIAL

TIPOS DE MODELOS DE REGRESSO

2 EXPONENCIAL

TIPOS DE MODELOS DE REGRESSO

2 EXPONENCIAL

Onde:

TIPOS DE MODELOS DE REGRESSO

3 LOGARTMICA

TIPOS DE MODELOS DE REGRESSO

3 LOGARTMICA

TIPOS DE MODELOS DE REGRESSO

3 LOGARTMICA

Onde:

EXERCCIO
Avaliar um terreno de 300 m2, situado em loteamento residencial, cujos lotes tem frente e rea superficial semelhantes (portanto, pouco variveis). A coleta de dados apresentou 8 (oito) referncias, com preos unitrios heterogneos, indicando a possibilidade de haver alguma varivel influenciante na formao de preos. Pesquisados eventuais atributos, verificou-se que havia um indicativo importante nos nveis de preos, a distncia a ponto de nibus (D). Para tanto mediram-se tais distncias, formando o elenco de dados a seguir:

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

1.200

80

1.100

100

1.000

130

980

150

980

210

800

280

700

320

660

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

80

4,38

1.100

100

4,61

1.000

130

4,87

980

150

5,01

980

210

5,35

800

280

5,63

700

320

5,77

660

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

80

4,38

1.100

7,003

100

4,61

1.000

6,908

130

4,87

980

6,888

150

5,01

980

6,888

210

5,35

800

6,685

280

5,63

700

6,551

320

5,77

660

6,492

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

80

4,38

1.100

7,003

6400

100

4,61

1.000

6,908

10.000

130

4,87

980

6,888

16.900

150

5,01

980

6,888

22.500

210

5,35

800

6,685

44.100

280

5,63

700

6,551

78.400

320

5,77

660

6,492

102.400

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

80

4,38

1.100

7,003

6400

1.210.000

100

4,61

1.000

6,908

10.000

1.000.000

130

4,87

980

6,888

16.900

960.400

150

5,01

980

6,888

22.500

960.400

210

5,35

800

6,685

44.100

640.000

280

5,63

700

6,551

78.400

490.000

320

5,77

660

6,492

102.400

435.600

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

80

4,38

1.100

7,003

6400

1.210.000

19,202

100

4,61

1.000

6,908

10.000

1.000.000

21,208

130

4,87

980

6,888

16.900

960.400

23,693

150

5,01

980

6,888

22.500

960.400

25,106

210

5,35

800

6,685

44.100

640.000

28,592

280

5,63

700

6,551

78.400

490.000

31,751

320

5,77

660

6,492

102.400

435.600

33,274

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

50,269

80

4,38

1.100

7,003

6400

1.210.000

19,202

49,043

100

4,61

1.000

6,908

10.000

1.000.000

21,208

47,717

130

4,87

980

6,888

16.900

960.400

23,693

47,438

150

5,01

980

6,888

22.500

960.400

25,106

47,438

210

5,35

800

6,685

44.100

640.000

28,592

44,684

280

5,63

700

6,551

78.400

490.000

31,751

42,917

320

5,77

660

6,492

102.40 0

435.600

33,274

42,149

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

50,269

36.000

80

4,38

1.100

7,003

6400

1.210.000

19,202

49,043

88.000

100

4,61

1.000

6,908

10.000

1.000.000

21,208

47,717

100.000

130

4,87

980

6,888

16.900

960.400

23,693

47,438

127.400

150

5,01

980

6,888

22.500

960.400

25,106

47,438

147.000

210

5,35

800

6,685

44.100

640.000

28,592

44,684

168.000

280

5,63

700

6,551

78.400

490.000

31,751

42,917

196.000

320

5,77

660

6,492

102.400

435.600

33,274

42,149

211.200

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

50,269

36.000

212,702

80

4,38

1.100

7,003

6400

1.210.000

19,202

49,043

88.000

560,245

100

4,61

1.000

6,908

10.000

1.000.000

21,208

47,717

100.000

690,776

130

4,87

980

6,888

16.900

960.400

23,693

47,438

127.400

895,382

150

5,01

980

6,888

22.500

960.400

25,106

47,438

147.000

1.033,133

210

5,35

800

6,685

44.100

640.000

28,592

44,684

168.000

1.403,768

280

5,63

700

6,551

78.400

490.000

31,751

42,917

196.000

1.834,302

320

5,77

660

6,492

102.400

435.600

33,274

42,149

211.200

2.077,517

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

50,269

36.000

212,702

4.081,437

80

4,38

1.100

7,003

6400

1.210.000

19,202

49,043

88.000

560,245

4.820,229

100

4,61

1.000

6,908

10.000

1.000.000

21,208

47,717

100.000

690,776

4.605,170

130

4,87

980

6,888

16.900

960.400

23,693

47,438

127.400

895,382

4.770,184

150

5,01

980

6,888

22.500

960.400

25,106

47,438

147.000

1.033,133

4.910,423

210

5,35

800

6,685

44.100

640.000

28,592

44,684

168.000

1.403,768

4.277,686

280

5,63

700

6,551

78.400

490.000

31,751

42,917

196.000

1.834,302

3.944,353

320

5,77

660

6,492

102.400

435.600

33,274

42,149

211.200

2.077,517

3.807,092

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Xi

lnXi

Yi

lnYi

Xi^2

Yi^2

(lnXi)^2

(lnYi)^2

Xi.Yi

Xi.lnYi

Yi.lnXi

lnXi.lnYi

30

3,4012

1.200

7,090

900

1.440.000

11,568

50,269

36.000

212,702

4.081,437

24,115

80

4,38

1.100

7,003

6400

1.210.000

19,202

49,043

88.000

560,245

4.820,229

30,688

100

4,61

1.000

6,908

10.000

1.000.000

21,208

47,717

100.000

690,776

4.605,170

31,811

130

4,87

980

6,888

16.900

960.400

23,693

47,438

127.400

895,382

4.770,184

33,525

150

5,01

980

6,888

22.500

960.400

25,106

47,438

147.000

1.033,133

4.910,423

34,511

210

5,35

800

6,685

44.100

640.000

28,592

44,684

168.000

1.403,768

4.277,686

35,743

280

5,63

700

6,551

78.400

490.000

31,751

42,917

196.000

1.834,302

3.944,353

36,914

320

5,77

660

6,492

102.400

435.600

33,274

42,149

211.200

2.077,517

3.807,092

37,449

TOTAL

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

RESULTADOS

RESULTADOS
SOMAS:
[1] = 1.300,00 [2] = 39,01678 [3] = 7.420,00 [4] = 54,50393 [5] = 281.600,00 [6] = 7.136.400,00 [7] = 194,393191 [8] = 371,655826 [9] = 1.073.600,00 [10] = 8.707,82549 [11] = 35.216,5733 [12] = 264,756792

SOMATRIOS:
Para a Reta R: Sxx = 70.350,00 Syy = 254.350,00 Sxy = -132.150,00 Coef. Correlao: R = -0,987914 Potencial (P): Sxx = 4,1045 Syy = 0,320973 Sxy = -1,06422 Coef. Correlao: R = -0,927188 Exponencial (E): Sxx = 70.350,00 Syy = 0,320973 Logartmica (L): Sxx = 4,1045 Syy = 254.350,00

Sxy = -149,063781 Sxy = -971.4920 Coef. Correlao: R = -0,991987 Coef. Correlao: R = -0,950809

RESULTADOS
Pelo coeficiente de correlao, percebe-se que o modelo que melhor representa os dados o EXPONENCIAL.

R = -0,991987
Clculo dos Coeficientes:

RESULTADOS
A equao do modelo EXPONENCIAL :

Onde:

Clculo de a e b:

RESULTADOS
A equao do modelo EXPONENCIAL :

Para o AVALIANDO igual a X = 275, temos: