Questões de Concurso sobre Modelos de Médias Móveis (MA)

 
 
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
 
29 questões encontradas
Questões por página
20
Mais recentes
 

A formulação do modelo de séries temporais 𝐴𝑅𝐼𝑀𝐴(1,1,1) é dada por


A

(1 − 𝜙𝐵)𝑍𝑡 = 𝑎𝑡


B

𝑍𝑡 = (1 − 𝜃𝐵)𝑎𝑡


C

(1 − 𝜙𝐵)𝑍𝑡 = (1 − 𝜃𝐵)𝑎𝑡


D

(1 − 𝜙𝐵)(1 − 𝐵)𝑍𝑡 = (1 − 𝜃𝐵)𝑎𝑡

Considere as informações da tabela a seguir.


TABELA 5


Produção anual do bem A


Ano

Produção (toneladas)

Médias móveis de 3 anos

2016

20


2017

22

W

2018

18

X

2019

23

Y

2020

17

Z

2021

20



Os valores de W e Y da 3a coluna (médias móveis de ordem 1 e 3) são, respectivamente:


A

20,0 e 19,3.


B

20,2 e 20,0.


C

19,3 e 21,0.


D

20,0 e 20,2.


E

18,3 e 21,0.

Considere um modelo de médias móveis puro, SMA (1), da seguinte forma:


Zt=at−θat−12


Onde at, é um ruido branco com média 0 e variância σ2. Com base nessas informações, assinale a opção que apresenta a autocorrelação no "lag"12(ρ12).


A


B


C


D


E

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

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.

O gráfico abaixo apresenta o valor de fechamento diário das ações preferenciais da empresa Braskem SA (linha cinza) negociadas na Bovespa, em um período recente. Sobre o gráfico são adicionadas três médias móveis aritméticas representadas por linhas escuras (L1, L2 e L3).


Imagem associada para resolução da questão


As médias móveis têm três períodos diferentes de 10, 20 e 50. Identifique a alternativa que corretamente identifica as médias móveis L1, L2 e L3 em termos dos seus períodos.


A

L1: 10 / L2: 20 / L3: 50


B

L1: 20 / L2: 10 / L3: 50


C

L1: 20 / L2: 50 / L3: 10


D

L1: 50 / L2: 20 / L3: 10

Uma maneira bastante difundida de acompanhar a evolução da covid-19 em uma localidade é a média móvel de casos dos últimos 7 dias no n-ésimo dia (MVn). Por definição, no n-ésimo dia, para n = 7, 8, 9, 10 e 11, tem-se MVn=( Ci)/7 , em que Ci é o número de novos casos de determinada região no n-ésimo dia.


A tabela seguinte apresenta dados sobre o número de novos casos de covid-19 em dois bairros (A e B) de uma mesma cidade, no transcorrer de 11 dias.


dia

A

B

1

21

15

2

0

6

3

20

8

4

0

6

5

15

8

6

20

13

7

0

8

8

15

13

9

7

1

10

9

16

11

8

12


A média móvel de casos dos últimos 7 dias no dia 8 do bairro A é a média aritmética entre os casos ocorridos nesse bairro nos dias 2, 3, 4, 5, 6, 7 e 8, e assim por diante.


Com base nessas informações, e considerando-se n = 7, 8, 9, 10 e 11, é correto afirmar que a menor diferença entre as médias móveis dos bairros A e B ocorreu no dia


A

7.


B

8.


C

9.


D

11.


E

10.

Os métodos estatísticos mais comuns para previsão de demandas, de acordo com o tamanho, a complexidade e o tipo de demanda são: (1) média aritmética; (2) média móvel; (3) média ponderada exponencialmente; (4) regressão; e (5) modelos econométricos. Entre essas variedades, o conceito mais preciso para a média móvel é:

A
forma de média aritmética empregada para prever demandas sazonais;

B
média que aplica dados empíricos, incorporando termos residuais diversos, não disponíveis na série histórica;

C
média aritmética, calculada período a período, empregada, principalmente, para a projeção de demandas;

D
medida de tendência central, obtida a partir de uma massa dispersa de dados;

E
média aritmética, de uma série de dados, com a substituição, a cada período, do dado mais antigo pelo mais recente.

Os valores de consumo observados para um determinado material nos meses de junho, julho, agosto e setembro deste ano foram 320, 310, 350 e 330 unidades, respectivamente. Devido a pequenas flutuações na média do consumo, adota-se como modelo de previsão o método da média móvel ponderada, com pesos (0,3), (0,2) e (0,5). Nesse contexto, qual será a demanda calculada desse material no mês de outubro?


A
323 unidades.

B
326 unidades.

C
328 unidades.

D
332 unidades.

E
333 unidades

Seja o modelo MA(q) que pode ser escrito na forma Zt = θ(B)at em que Zt corresponde a série temporal modelada, θ(B) é o polinômio característico e at é o ruído branco aleatório, é correto afirmar que as funções de autocorrelação, Pk (FAC) e autocorrelação parcial, Φkk, (FACP) são, respectivamente:


A

ρk é infinita exponencial e/ou senoide amortecida e Φkk é infinita, exponencial e/ou senoide amortecida.


B

ρk é finita exponencial e/ou senoide amortecida e Φkk é finita exponencial e/ou senoide amortecida.


C

ρk é infinita exponencial e/ou senoide amortecida e Φkk é finita com corte brusco zerando após o lag q (defasagem).


D

ρk é finita com corte brusco zerando após o lag q (defasagem) e Φkk é infinita exponencial e ou senoide amortecida.


E

ρk é finita exponencial e/ou senoide amortecida e Φkk é infinita, exponencial e/ou senoide amortecida.

Imagem associada para resolução da questão

A
ao número n empregado para o cálculo da média móvel;

B
ao número de dados da série histórica empregada;

C
à média calculada no período de previsão anterior;

D
à correlação dos dados;

E
à 50% do número de dados da série histórica empregada.

A condição de inversibilidade dos modelos da estrutura médias móveis de ordem q, Zt = Θ (B) at, é que


A

as raízes do polinômio característico Θ (B) situem-se dentro do círculo unitário, ou seja, |B| < 1


B

as raízes do polinômio característico Θ (B) situem-se fora do círculo unitário, ou seja, |B| > 1.


C

as raízes do polinômio característico Θ (B) situem-se em cima da circunferência do círculo unitário, ou seja, |B| = 1.


D

a FAC seja infinita, exponencial e/ou senoide amortecida.


E

a FACP seja infinita, exponencial e/ou senoide amortecida.

Quando se ajusta a uma série temporal um modelo da estrutura médias móveis, a condição fundamental é que a série seja


A

inversível.


B

estacionária na média.


C

estacionária na variância.


D

não inversível.


E

estacionária na média e na variância.

Por meio de técnicas específicas, podem-se suavizar os valores extremos de uma série temporal de forma a identificar seu padrão básico. Dentre essas técnicas, têm-se os Modelos de Suavização Exponencial. Com relação a essas técnicas, assinale a opção correta.


A

o modelo de Médias Móveis Simples (MMS) possui como desvantagem a dificuldade de determinar os valores mais apropriados das constantes de suavização e a impossibilidade e/ou dificuldade de estudar as propriedades estatísticas.


B

A Suavização Exponencial de Holt (SER) possui a desvantagem de ser utilizado somente para prever séries estacionárias.


C

A Suavização Exponencial Simples (SES) possui como vantagem a dificuldade em determinar o valor mais apropriado da constante de suavização.


D

A Suavização Exponencial Sazonal de Holt-Winters (HW) possui como vantagem o fácil entendimento.


E

O modelo de Médias Móveis Simples (MMS) possui como vantagem a aplicabilidade quando há um número pequeno de observações.

Com relação aos processos utilizados na modelagem de Box-Jenkins afirma-se:

I - Os modelos de média móvel MA(1) e MA(2) são sempre estacionários.

II - Os modelos autoregressivos AR(1) são sempre estacionários.

III - Um processo autoregressivo de ordem P pode ser representado por um processo de média móvel de ordem infinita.

É correto apenas o que se afirma em


A

I.


B

II.


C

III.


D

I e II.


E

I e III.

Considerando a sequência 2; 4; 3; 2; 7; 6, uma média móvel de ordem 2 pode ser dada pela sequência

A
6,3; 5,0

B
3; 2,5; 6,5

C
3; 3,5; 2,5; 4,5; 6,5

D
12,12,12,12

E
1; 2; 1; 4; 1; 3; 1; 2; 1; 7; 1; 6

Com relação aos modelos de processos utilizados na modelagem Box e Jenkins são apresentadas as seguintes afirmativas:


I – Os processos AR podem ser representados por processos MA com ordem infinita.

II - Os processos AR, ARMA e MA são utilizados para modelar séries temporais não estacionárias.

III - A classe de modelos ARIMA pode descrever séries estacionarias e não estacionárias.


É correto apenas o que se afirma em


A

I.


B

II.


C

III.


D

I e III.


E

II e III.

 
 
Gerar simulado