Documente Academic
Documente Profesional
Documente Cultură
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.
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.
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.
- Instalaes em geral
-Jias
-Veculos
- Recursos Naturais
- Empreendimentos de base imobiliria, tais como Shopping Centers, parques temticos, cinemas, casa de shows.
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.
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.
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.
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.
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,
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
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
EXEMPLO:
Empresa paga $400,00 aos estagirios de Administrao Quer saber muito ou pouco? Coletou amostra de dados: {300; 350; 6000; 340; 310; 380}
CONTINUAO - EXEMPLO:
Dados: {300; 350; 6000; 340; 310; 380} Rol: {300; 310; 340; 350; 380; 6000}
$400,00
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
NOES DE ESTATSTICA
Desvio Padro
Mdia = 4
Srie Desvio2 2 4 3 1 7 9
x x
i 1 i
Um problema DIMENSIONAL
NOES DE ESTATSTICA
Resolve o problema dimensional da varincia Raiz da varincia
x x
i 1 i
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
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:
NOES DE ESTATSTICA
Determinao do Modelo Linear:
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:
NOES DE ESTATSTICA
NOES DE ESTATSTICA
NOES DE ESTATSTICA
NOES DE ESTATSTICA
Coeficiente de Correlao:
Correlao fortssima.
Onde:
Onde:
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 :