Questões de Concursos - Questões Comentadas

10 por página

457941200297531

Ano: 2016Banca: ESAFOrganização: ANACDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Um modelo de regressão muito usado para realizar previsões é o modelo ARMA (Autoregressive Moving Average). Em particular, o modelo AR(2) foi desenvolvido para fazer previsões a respeito do movimento de passageiros em uma rota de uma determinada linha aérea, obtendo-se:

y_t = 1,2 y_t-1 – 0,19 y_t-2+ ε_t

Sabendo que os valores reais das demandas nos tempos t–1 e t–2 foram de 11300 e 12250 passageiros, respectivamente, calcule os valores dos resíduos para os tempos t e t+1, assumindo uma previsão estática.

ε_t = -639,1 e, ε_t+1 = 117,6

ε_t = -639,1 e, ε_t+1 = -335,9

ε_t = -639,1 e, ε_t+1 = 70,8

ε_t = -639,1 e, ε_t+1 = -156

ε_t = 639,1 e, ε_t+1 = 156

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941201873986

Ano: 2021Banca: Instituto ConsulplanOrganização: HEMOBRÁSDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Uma série temporal é um conjunto de observações ordenadas no tempo, não necessariamente igualmente espaçadas, que apresentam dependência serial, isto é, dependência entre instantes de tempo. Sobre a análise de séries temporais, marque V para as afirmativas verdadeiras e F para as falsas.

( ) A tendência temporal de uma série indica o seu comportamento ao longo do tempo, isto é, se ela cresce, decresce ou permanece estável, e qual a velocidade destas mudanças.

( ) A diferença essencial entre as componentes cíclica e sazonal é que a cíclica possui movimentos facilmente previsíveis, ocorrendo em intervalos regulares de tempo; enquanto os movimentos da sazonaltendem a ser irregulares.

( ) A estacionariedade em uma série temporal significa que os dados oscilam sobre uma média constante, independente do tempo, com a variância das flutuações permanecendo essencialmente a mesma.

A sequência está correta em

F, V, F.

V, F, F.

V, F, V.

F, F, V.

V, V, V.

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941200461926

Ano: 2010Banca: CESGRANRIOOrganização: PetrobrasDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

A Análise de Séries Temporais consiste no estudo de sequências numéricas, que são realizações de Processos Estocásticos. Um processo estocástico é considerado

ergótico quando suas propriedades estatísticas são invariantes no tempo.

ergótico quando todas as séries temporais dele derivadas têm as mesmas estatísticas

estacionário quando a série temporal dele resultante é constante.

estacionário quando as séries temporais dele derivadas são ergóticas

estacionário quando suas propriedades estatísticas são invariantes no tempo.

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941201584545

Ano: 2022Banca: CESPE / CEBRASPEOrganização: MJSPDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Julgue o próximo item, considerando um modelo de séries temporais do tipo Zt = 2 + 0,3 Zt-1 + at , no qual at ~ N (0,1) forma uma sequência de ruídos aleatórios independentes e identicamente distribuídos.

A série temporal Wt = (1 − 0,3B)Zt, em que B denota o operador backshift, segue um processo white noise (ruído branco) que possui média zero e variância 1.

CERTO

ERRADO

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941201079274

Ano: 2010Banca: CESPE / CEBRASPEOrganização: INMETRODisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Assinale a opção correspondente a processo estacionário, com base nos modelos de Box e Jenkins e no princípio da parcimônia.

AR, MA ou ARMA

AR ou IMA

MA, ARIMA ou ARMA

SARIMA ou ARIMA

AR, ARIMA ou ARMA

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941200375523

Ano: 2023Banca: IV - UFGOrganização: MPE-ACDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

O modelo autorregressivo de ordem 2 - AR(2) - que pode ser escrito como ∅(B)Zt = at , com ∅(B) = 1 − ∅1B −∅2B2, é estacionário se

∅1 + ∅2 > 1; ∅2 − ∅1 > 1; e −1 < ∅1 < 1

∅1 + ∅2 < 1; ∅2 − ∅1 < 1; e −1 < ∅1 < 1

∅1 + ∅2 > 1; ∅2 − ∅1 > 1; e −1 < ∅2 < 1

∅1 + ∅2 < 1; ∅2 − ∅1 < 1; e −1 < ∅2 < 1

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941201827143

Ano: 2022Banca: FCCOrganização: TRT - 5ª Região (BA) Disciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Considere os seguintes modelos de análise de séries temporais

Modelo 1: média móvel de ordem 1, MA(1), Zt = at - θat-1, t ∈ Z

Modelo 2: autorregressivo de ordem 1, AR(1), Zt = φZt-1 + at , t ∈ Z

Onde at possui uma distribuição normal com média 0 e variância σ2.

Então é correto afirmar que

o modelo 2 será estacionário para quaisquer valores de φ e invertível para valores −1 < φ < 1

o modelo 1 será estacionário para quaisquer valores de θ e invertível para valores −1 < θ <1

o modelo 2 será invertível somente para valores −1 < φ < 1 e estacionário somente para valores φ > 1

o modelo 1 será invertível para quaisquer valores de θ e estacionário para valores −1 < θ <1

tanto o modelo 1 quanto o modelo 2 são estacionários para quaisquer valores de θ e φ

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941200130490

Ano: 2024Banca: CESGRANRIOOrganização: IPEADisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Um analista de planejamento está estudando a evolução dos preços de vendas de imóveis. Dessa forma, ajustou aos dados um modelo de séries temporais de modo a prever os preços de venda para os próximos anos. Nesse modelo, observou-se que sua Função de Autocorrelação tinha valores significativos até a segunda defasagem e que a Função de Autocorrelação Parcial tinha um decaimento exponencial.

Com base nessas informações, identifica-se que o modelo ajustado pelo analista foi o de

AR(1)

MA(1)

AR(2)

MA(2)

ARMA(1,1)

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941200083690

Ano: 2020Banca: IBADEOrganização: Prefeitura de Vila Velha - ESDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Os modelos de previsão em séries temporais conhecido como modelos de Box-Jenkins, são construídos segundo metodologia estruturada em um processo de três fases que são a identificação, a estimação e a verificação. Abaixo são apresentadas afirmações relativas à essa metodologia, assinale a única das afirmações que está correta.

Na fase de verificação, utiliza-se recursos de inspeção visual de gráficos produzidos para avaliar se o modelo estimado na fase anterior, é adequado ao comportamento da série

Na fase de identificação, uma inspeção dos dados permite obter o modelo correspondente, seja ele auto regressivo, média móvel ou outras combinações destes métodos

Os coeficientes de autocorrelação permitem mensurar o quanto o dado atual está correlacionado com as médias entre os dados passados

A estimação: consiste em estimar os parâmetros do componente auto-regressivo, os parâmetros do componente de médias móveis e a variância dos erros em cada valor de t

O modelo Box-Jenkins é utilizado para fins de cálculo de previsões, apenas para o dado seguinte não sendo válido para previsões para k itens de dados à frente, k > 1

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

457941201137459

Ano: 2020Banca: IBADEOrganização: Prefeitura de Vila Velha - ESDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais

Considere a série temporal de seis itens de números de sinistros a pagar no mês a seguir: { 200, 210, 205, 217, 207, 203, 209 }. Usando o método de previsão de médias móveis de dois pontos de dados, o valor para a projeção do oitavo item de dado é igual a:

206.

242.

200.

203.

207.

Gabarito comentado

Anotações

Marcar para revisão

Reportar erro

Questões

Filtros

Questões

Filtros