questionei.comQuestões
Explore as questões disponíveis e prepare-se para seus estudos!
Ano: 2025Banca: UnescOrganização: Prefeitura de Içara - SCDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Análise de Séries Temporais
A previsão de demanda elétrica orienta o planejamento
de sistemas de potência. Avaliando uma região com
consumo anual de 500 gigawatt-hora (GWh) e
crescimento esperado de 4%, a análise técnica
concentra-se nos métodos estatísticos para estimar o
consumo futuro. Sobre o tema, relacione corretamente
os termos da Coluna A com as descrições da Coluna B.
Coluna A (termos)
1.Regressão Linear.
2.Séries Temporais.
3.Modelos Econométricos.
Coluna B (descrições)
(__)Método que analisa padrões históricos de consumo
ao longo do tempo, como sazonalidade e tendências.
(__)Método que combina variáveis econômicas, como
PIB e população, para prever o consumo.
(__)Método que assume uma relação linear entre
consumo e variáveis independentes, como temperatura.
Assinale a alternativa que apresenta a sequência da
associação correta dos itens acima, de cima para baixo:
Ano: 2023Banca: Instituto ConsulplanOrganização: IF-PADisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais
Considere uma série temporal {Yt }tn=1 adequadamente modelada por um processo ARIMA(1, 1, 0). Sendo c uma constante e at um erro aleatório (ruído branco gaussiano), a
equação apropriada ao modelo especificado para esta série
temporal é:
Ano: 2013Banca: CESPE / CEBRASPEOrganização: ANTTDisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais
No que se refere aos aspectos econométricos relacionados à cointegração, julgue o item subsecutivo.
Os valores críticos do teste ADF (Augmented Dickey-Fuller)
utilizados para verificar cointegração são os mesmos utilizados
no teste de estacionariedade das séries temporais.
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:
Ano: 2025Banca: CESPE / CEBRASPEOrganização: EMBRAPADisciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais
Acerca de testes estatísticos paramétricos e não paramétricos e de modelagem e simulação com previsão de cenários para suporte à tomada de decisão, julgue o próximo item.
Na análise de séries temporais com dados de alta frequência e com padrões complexos de sazonalidade, o método de Monte Carlo via cadeia de Markov é a técnica com a maior eficiência computacional.
Ano: 2023Banca: Instituto ConsulplanOrganização: SEGER-ESDisciplina: 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. Uma grande quantidade de fenômenos de
natureza física, biológica, econômica etc. pode ser enquadrada
nesta categoria. A maneira tradicional de analisar uma série
temporal é através da sua decomposição em componentes. O
componente caracterizado pelas oscilações de subida e de
queda nas séries, de forma suave e repetida, com difícil previsibilidade denomina-se:
Ano: 2025Banca: CESPE / CEBRASPEOrganização: TRT - 10ª REGIÃO (DF e TO)Disciplina: Estatística e ProbabilidadeTemas: Análise de Séries Temporais
Julgue o item seguinte, a respeito de séries temporais.
A suavização exponencial simples é equivalente a um modelo AR(p).
Ano: 2013Banca: CONSULPLANOrganização: TRE-MGDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades | Análise de Séries Temporais
Marque V para as afirmativas verdadeiras e F para as falsas.
( ) Para ajustar um modelo ARIMA, é necessário considerar os estágios de identificação e estimação.
( ) Um processo autorregressivo de ordem p tem a função de autocovariância decrescente, na forma de exponenciais ou senoides amortecidas, finitas em extensão.
( ) Um processo de médias móveis de ordem q tem função de autocovariância finita, apresentando um corte após o “lag” q.
( ) Um processo autorregressivo e de médias móveis de ordem (p, q) tem função de autocovariância infinita em extensão, que decai de acordo com exponenciais e/ou senoides amortecidas após o “lag” q-p.
( ) Após a identificação provisória de um modelo de séries temporais, pode-se usar os métodos de mínimos quadrados ou de máxima verossimilhança, entre outros, para estimação dos parâmetros. Os estimadores obtidos pelo método dos momentos não têm propriedades boas quando comparadas com os dois já mencionados. Entretanto, podem ser utilizados para gerar os valores iniciais nos processos iterativos.
A sequência está correta em
( ) Para ajustar um modelo ARIMA, é necessário considerar os estágios de identificação e estimação.
( ) Um processo autorregressivo de ordem p tem a função de autocovariância decrescente, na forma de exponenciais ou senoides amortecidas, finitas em extensão.
( ) Um processo de médias móveis de ordem q tem função de autocovariância finita, apresentando um corte após o “lag” q.
( ) Um processo autorregressivo e de médias móveis de ordem (p, q) tem função de autocovariância infinita em extensão, que decai de acordo com exponenciais e/ou senoides amortecidas após o “lag” q-p.
( ) Após a identificação provisória de um modelo de séries temporais, pode-se usar os métodos de mínimos quadrados ou de máxima verossimilhança, entre outros, para estimação dos parâmetros. Os estimadores obtidos pelo método dos momentos não têm propriedades boas quando comparadas com os dois já mencionados. Entretanto, podem ser utilizados para gerar os valores iniciais nos processos iterativos.
A sequência está correta em
Ano: 2015Banca: INSTITUTO AOCPOrganização: EBSERHDisciplina: Estatística e ProbabilidadeTemas: Testes de Hipóteses | Análise de Séries Temporais | Inferência Estatística
Quando se ajusta a uma série temporal um modelo da estrutura médias móveis, a condição fundamental é que a série seja
Ano: 2019Banca: IF-PAOrganização: IF-PADisciplina: Estatística e ProbabilidadeTemas: Fundamentos de Estatística | Análise de Séries Temporais
Na identificação de modelos, a análise da Função de Autocorrelação (FAC) e A Função de
Autocorrelação Parcial (FACP) são extremamente importante para identificar processos ARIMA (p,d,q).
Neste sentido, para um modelo ARMA (p,q) pode-se afirmar que FAC paresenta a seguinte característica
específica:
..