Detalhes do curso

Extensão

Fundamentos da Inferência Estatística

Em breve

CONTEXTUALIZAÇÃO DO CENÁRIO ATUAL:

O presente curso tem o objetivo de ensinar os profissionais que tenham interesse em iniciar suas atividades na área de Avaliação de Imóveis, aplicando metodologia científica através de modelos de regressão linear múltipla (Inferência Estatística).

Não se faz necessário nenhum conhecimento prévio em inferência estatística ou da plataforma CastleR para a realização do curso.

OBJETIVOS:

1. INFORMAR conceitos de avaliação imobiliaria;

2. UTILIZAR métodos comarativos Direto de dados de mercado;

3. UTILZARmodelos de regressão linear;

4. CALCULAR através do Método dos mínimos Quadrados Ordinários;

5 . CONHECER e APRENDER a utilizar software Castle R.

PÚBLICO-ALVO:

Para os profissionais avaliadores que pretendem iniciar a atuação na área de avaliação de imóveis, também conhecerá e aprenderá a utilizar o melhor programa de software profissional, disponível no mercado nacional, o CastleR, o melhor programa de software profissional, disponível no mercado.

HISTÓRICO

1ª TURMA - OnLine ao vivo 2022

Carga Horária: 24 h.a.

Horário das Aulas:
Sexta das 19:00h às 22:40h.
Sábados das 08:00h às 11:40h e das 13:30h às 17:10h.
Sexta das 19:00h às 22:40h.
Sábados das 08:00h às 11:40h e das 13:30h às 17:10h.

Instituição Credenciada pelo MEC.

Tenho interesse neste curso!

Investimento

R$ 698,00

FAÇA JÁ SUA INSCRIÇÃO

O que você irá aprender

- Introdução.
- Análise de correlação: Objetivo;
- Descrição gráfica;
- Formas de correlação;
- Análise de correlação linear;
- Modelo de regressão linear - Modelo matemáticos;
- História da análise de regressão;
- Modelo de regressão simples: O que precisamos saber sobre retas;
- Método dos mínimos quadrados: Cálculo dos parâmetros e coeficientes;
- Obtenção das estimativas dos mínimos quadrados;
- Soma dos quadrados dos resíduos;
- Coeficiente de determinação;
- Coeficiente de determinação ajustado;
- Coeficiente de correlação múltipla;
- Tabela anova - Análise de variância;
- Erros padrão das estigmáticas dos parâmetros e coeficientes do modelo;
- Teste de hipóteses na regressão linear simples;
- Intervalo de confiança na regressão simples;
- Intervalo de predição na regressão simples;
- O campo de arbítrio do avaliador;
- Transformações de variáveis;
- Pressupostos básicos do modelo de regressão;
- Variabilidade dos dados;
- Micronumerosidade geral, dicotômicas e códigos alocados;
- Homocedasticidade;
- Normalidades dos resíduos do modelo;
- Não autoregressão;
- Multicolinearidade.

REGRESSÃO LINEAR MÚLTIPLA.
- Introdução;
- O modelo linear geral;
- A estimação dos parâmetros;
- O método dos mínimos quadrados;
- Hipóteses básicas do modelo;
- Pontos atípicos;
- Outliers;
- Distância de cook;

- Distância de cook;
- Variação residual;
- Resíduos relativos;
- Distanicia de mahalanobis;
- Teste de significância do modelo;
- Teste T-Student;
- Teste F de snedecor;
- O intervalo de confiança: Grau de precisão;
- O campo de arbitro do avaliador;
- Roteiro de análise dos modelos de regressão;
- O coeficiente de determinação;
- Teste da equação;
- Significância dos regressores;
- Valor do T de student;
- Análise dos resíduos do modelo;
- Autoregressão;
- Heterocedasticidade;
- Multicolinearidade;
- Intervalo de confiança;
- Normalidade dos resíduos: Gráfico QQPLOT;
- Gráficos: Univariado e bivariado;
- Teste de sensibilidade do modelo;
- Variáveis;
- Tipos de variáveis;
- Variáveis qualitativas;
- Variáveis quantitativas;
- Variáveis dicotômicas;
- Variáveis proxy;
- Códigos alocados;
- Códigos ajustados;
- Construção das variáveis;
- Genéricas;
- Áreas;
- Origem da informação;
- Data;
- Localização;
- Vista panorâmica;
- Topografia.

Corpo Docente

Você em contato direto com alguns dos principais professores do mercado

Marcelo Medvid, Esp.

Coordenador