Questões de Concurso sobre Modelos Autorregressivos (AR)

 
 
Disciplina
Assunto 1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
 
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
 
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
 
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
 
Questões:
Todas as questões
 
Filtro simplificado
 
Questões
Todas as questões
 
51 questões encontradas
Questões por página
20
Mais recentes
 

Considere um modelo autorregressivo de ordem 2, AR(2), dado por: Zt = 0,5Zt – 1 + 0,3Zt – 2 + at.


A função densidade espectral desse modelo é dada por:


A


B


C


D


E

Sobre séries temporais, assinale a opção correta.


A

Os modelos AR são sempre estacionários, enquanto os modelos MA são sempre inversíveis.


B

O processo AR não possui função de autocorrelação, enquanto o processo MA possui função de autocorrelação infinita.


C

O modelo ARMA é adequado apenas para séries temporais não estacionárias, já que ele inclui um termo de diferenciação (1) em sua estrutura. Sua função de autocorrelação parcial se comporta como a de um AR.


D

O processo MA possui função de autocorrelação parcial finita e função de autocorrelação de acordo com uma senoide amortecida.


E

Um processo AR tem função de autocorrelação que decai de acordo com exponenciais e/ou senoides amortecidas, infinita em extensão.

Um instituto de pesquisa resolveu utilizar um modelo de vetores autorregressivos (VAR) no monitoramento do preço do gás natural.


Sobre o referido modelo, analise as afirmativas a seguir.


I. O modelo VAR é um modelo de séries temporais usado para prever valores de duas ou mais variáveis, sendo uma extensão do caso univariado autorregressivo (AR), que considera apenas uma variável de cada vez.

II. Um vetor autorregressivo é um sistema de equações lineares dinâmicas, em que cada variável exógena é escrita como uma combinação linear de suas defasagens e, também, defasagens das variáveis endógenas de outras equações.

III. O sistema multivariado de Vetores Autorregressivo deve apresentar um processo ruído branco, de forma que os erros sejam independentes, porém não são identicamente distribuídos.


Está correto o que se afirma em


A

I, apenas.


B

I e II, apenas.


C

I e III, apenas.


D

II e III, apenas.


E

I, II e III.

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


A

MA(1)


B

MA(2)


C

AR(1)


D

AR(2)


E

ARMA(1,1)

Um assessor de investimentos tenta prever a rentabilidade mensal futura y de um ativo. Ele considera que y (em %) siga um modelo AR(1): yt = 0 + 1yt-1 + t, em que E(t) = 0 e corr(t, t-s) = 0, para s = 1, 2, ... . A estimativa obtida para 0 foi 8.


A rentabilidade prevista pelo modelo, no longuíssimo prazo, é:


A

4%, se a estimativa de 1 foi igual a -1;


B

5%, se a estimativa de 1 foi igual a 0,6;


C

10%, se a estimativa de 1 foi igual a 0,8;


D

16%, se a estimativa de 1 foi igual a -0,5;


E

20%, se a estimativa de 1 foi igual a 0,6.

Seja o modelo autorregressivo de médias móveis:


yt = 2 + 0,7yt-1 – 0,3εt-1 + 0,5εt-2 + εt


em que y é a variável observada no tempo t e ε é o ruído branco.


Nesse contexto, a notação correta que define o modelo matemático anterior é:


A

AR(1)


B

ARMA(2,1)


C

ARIMA(1,1,2)


D

ARMA(1,2)


E

MA(2)

A expressão matemática do modelo autorregressivo e de médias móveis de ordem p e q - ARMA(p,q) - é dada por


A

𝑍𝑡 − 𝜙1𝑍𝑡−1 − ⋯ − 𝜙𝑝𝑍𝑡−𝑝 = 𝑎𝑡


B

𝑍𝑡 = 𝑎𝑡 − 𝜃1𝑎𝑡−1 − ⋯ − 𝜃𝑞𝑎𝑡−𝑞


C

𝑍𝑡 − 𝜙1𝑍𝑡−1 − ⋯ − 𝜙𝑝𝑍𝑡−𝑝 = 𝑎𝑡 − 𝜃1𝑎𝑡−1 − ⋯ − 𝜃𝑞𝑎𝑡−𝑞


D

𝑍𝑡 − 𝜙1𝑍𝑡−1 − ⋯ − 𝜙𝑞𝑍𝑡−𝑞 = 𝑎𝑡 − 𝜃1𝑎𝑡−1 − ⋯ − 𝜃𝑝𝑎𝑡−𝑝

Considere um processo autorregressivo estacionário Zt = 20 + 0,5 Zt-1 + at, onde at é ruído branco com variância σ2 = 3. Assinale a alternativa que apresenta quais são, respectivamente, a média e a variância de Zt.


A

20 e 5


B

30 e 4,5


C

40 e 4


D

40 e 3

Seja um modelo auto-regressivo de ordem 1, em que εt caracteriza o processo conhecido como ruído branco:


𝑦𝑡 = 𝜑𝑦𝑡−1 + 𝜀𝑡 , 𝑐𝑜𝑚 𝜑 > 0


Sabendo-se que 𝜑 = , sendo k um número real, e que a série 𝑦𝑡 é estacionária, tem-se que


A

1/2 < k < 2/3.


B

2/3 < k < 1.


C

k < 1/2 ou k > 1.


D

k < 2/3 ou k > 1.


E

1/2 < k < 1.

Considere o modelo autorregressivo de primeira ordem AR(1), Zt = 2 + 0,6Zt −1 + at , com at ∼ N(0, σ2). A previsão n passos à frente para a variável Z convergirá para


A

0


B

5


C

0,60


D


E

2

As condições de estacionariedade e invertibilidade para os modelos autoregressivos de ordem p, AR(p), considerando o polinômio

Φ(B) = 1 – Φ1B – Φ2B2 - ..... - ΦpBp], são, respectivamente:


A

raízes de Φ(B) fora do círculo unitário, ou seja, |B| > 1 e sempre invertíveis.


B

raízes de Φ(B) dentro do círculo unitário, ou seja, |B| < 1 e sempre invertíveis.


C

raízes de Φ(B) em cima da circunferência do círculo unitário, ou seja, |B| =1 e nunca são invertíveis.


D

os modelos AR(p) são sempre estacionários e sempre invertíveis.


E

raízes de Φ(B) dentro ou em cima da circunferência do círculo unitário, ou seja, |B| < 1 e nunca são invertíveis.

Seja o modelo auto-regressivo e estacionário Zt = 2 + φZt− 1 + at em que φ > 0 e at é o ruído branco de média 0 e variância igual a 0,64. Se a variância de Zt é igual a 1, então o valor de φ é igual a


A

0,8


B

0,6


C

0,2


D

0,4


E

0,3

Assinale a alternativa INCORRETA sobre a técnica de Séries Temporais.


A

Os modelos Auto-Regressivos (AR) têm como objetivo definir que uma observação possa ser explicada como uma função das observações passadas.


B

Os modelos de Média Móveis (MA) são definidos por combinações lineares de ruído branco ocorridos no período corrente e nos períodos passados.


C

O modelo ARMA é formado por uma combinação do modelo Auto-Regressivo (AR) com o modelo de Média Móvel (MA).


D

São exemplos de modelos usados para estudar séries temporais: ARMA, ARIMA, SARIMA e ARIMAX.


E

Um processo AR(1) também pode ser representado por um processo Auto-Regressivo (AR) de ordem infinita.

Seja o modelo autorregressivo AR(p), com ordem p= 1 dado por t = Φt-1 + de maneira que t depende apenas de t-1 e do ruído no instante t, é correto afirmar


A

O processo é estacionar se Ψ (B) convergir para ≤ 1 dado Ψ (B) =


B

processo é estacionário se Ψ (B) convergir para > 1 dado Ψ (B) =


C

O processo é sempre estacionário, pois


D

O processo é nunca invertível, pois B


E

O processo é estacionário se a raiz B = (-1) da equação B, cair dentro do círculo unitario.

Dado um modelo de regressão linear, a estatística de DurbinWatson pode ser usada para testar a presença de autocorrelação. Avalie se as condições a seguir devam estar presentes para que o teste correspondente seja válido


I. O processo gerador dos erros é autorregressivo de primeira ordem.

II. Os coeficientes estimados do modelo a ser testado são consistentes.

III. O modelo de regressão contém intercepto.

IV. A matriz X de variáveis explicativas é composta de colunas não estocásticas, ou fixas em amostragem repetida.


Está correto o que se afirma em


A

I e II, apenas.


B

III e IV, apenas.


C

I, II e III, apenas.


D

II, III e IV, apenas.


E

I, II, III e IV.

Um modelo autorregressivo de ordem p tem a forma


Zt = Φ1Zt-1 + Φ1Zt-2 + .ΦpZtp. + at .


Considere as vendas anuais das fábricas (em milhões de unidades), em todo o mundo, de carros, caminhões e ônibus fabricados pela Marca XX. Suponha que o modelo que representa essas vendas seja dado pela série Zt = 18Zt-1 − 0,8Zt-2 + at. A respeito desse modelo, é correto concluir que



A

Φ(L) = 1 + 1,8L + 0,8L2 é o seu polinômio autorregressivo.


B

Φ(L) = 1 + 1,8L + 0,8L2 é o seu polinômio autorregressivo.


C

a série temporal Zt foi gerada por um processo AR(2) estacionário.


D

essa série não tem raiz unitária.


E

Φ(L) = 1,8L + 0,8L2 é o seu polinômio autorregressivo.

Como regra geral, a presença de autocorrelação dos erros é um problema que não pode ser corrigido, de modo que a modelagem por regressão deve ser abandonada quando detectado esse problema.

C
Certo

E
Errado
 
 
Gerar simulado