Questões de Concurso sobre Séries Temporais

 
 
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
 
201 questões encontradas
Questões por página
20
Mais recentes
 

Acerca da análise de séries temporais, assinale a alternativa incorreta.


A

A técnica da média móvel simples utiliza a média de todas as observações antigas, pois, quanto mais dados, mais precisa é a estimação.


B

A técnica da média móvel simples utiliza a média de observações recentes para estimar uma futura observação.


C

Uma desvantagem da técnica da média móvel simples é a de somente servir para séries estacionárias.


D

Uma vantagem da técnica da média móvel simples é a simplicidade de sua aplicação.


E

Uma desvantagem da técnica da média móvel simples é a necessidade de armazenarem-se as observações anteriores.

Considere que seja estimado um modelo de regressão linear entre duas séries temporais econômicas: inflação e taxa de juros. Sabe-se que estas séries são não estacionárias de ordem um e cointegradas. A respeito desta situação, considere as afirmativas a seguir.

I - O teste t de Student é aplicável, na forma usual.

II - Há risco de os resultados obtidos serem espúrios.

III - Os resíduos desta regressão serão estacionários.

É correto o que se afirma em

A
II, apenas.

B
I e II, apenas.

C
I e III, apenas.

D
II e III, apenas.

E
I, II e III.
Imagem associada para resolução da questão

A
gerada por um processo estocástico não estacionário.

B
tal que sua função de autocorrelação obedeça a uma equação não homogênea cuja solução seja instável.

C
denominada processo autorregressivo (AR - autoregressive).

D
denominada processo integrado autorregressivo de médias móveis (ARIMA – autoregressive integrated moving average).

E
denominada processo de médias móveis (MA – moving average).
Imagem associada para resolução da questão

A
tal que sua função de autocorrelação obedeça a uma equação não homogênea, cuja solução seja instável.

B
tal que o modelo seja inversível, isto é, a sequência de entrada possa ser completamente determinada a partir da sequência de saída.

C
denominada processo de médias móveis (MA – moving average)

D
denominada processo autorregressivo (AR - autoregressive).

E
denominada processo integrado autorregressivo de médias móveis (ARIMA – autoregressive integrated moving average).
A Análise de Séries Temporais consiste no estudo de sequências numéricas, que são realizações de Processos Estocásticos. Um processo estocástico é considerado

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

B
ergótico quando suas propriedades estatísticas são invariantes no tempo.

C
estacionário quando a série temporal dele resultante é constante.

D
estacionário quando suas propriedades estatísticas são invariantes no tempo.

E
estacionário quando as séries temporais dele derivadas são ergóticas.

A presença de um padrão ondulatório no gráfico da função de auto-correlação parcial amostral significa que a série temporal é sazonal.


C

Certo


E

Errado

O seguinte modelo foi ajustado a uma série temporal de produção de certo produto:

Imagem associada para resolução da questão

O modelo ajustado


A

é um modelo de médias móveis de ordem dois.


B
é um modelo estacionário, mas com tendência linear.

C

tem média 5.


D

é um modelo autorregressivo de ordem dois.


E

não é invertível.

Considerando o par de variáveis (X , Y), em que X representa o custo médio por metro quadrado (em R$) e Y representa os atributos Sudeste, Norte, Sul, Centro-Oeste ou Nordeste, assinale a opção correta.


A

A correlação linear de Pearson entre X e Y é positiva.


B

As variáveis X e Y são qualitativas.


C

As variáveis X e Y formam uma série geográfica.


D

O gráfico de X versus Y é um histograma.

Séries Temporais são métodos utilizados para fazer a projeção de valores futuros de uma variável a partir, unicamente, de observações do passado e presente dessa variável. Inicialmente, busca-se observar graficamente a presença do componente Tendência para a seleção do método, sabe-se que:

I. Se na série houver a presença de Tendência então podem ser utilizados os modelos de tendência linear, quadrático e exponencial, por exemplo.

II. Caso contrário, pode-se aplicar o método de médias móveis e o ajuste exponencial.

Em relação às assertivas acima, pode-se afirmar que:


A

Somente a II é verdadeira.


B

Ambas são verdadeiras.


C

Somente a I é verdadeira.


D

Ambas são falsas.

Considere as afirmativas abaixo relativamente a séries temporais.

Imagem associada para resolução da questão

É correto o que se afirma APENAS em


A

I.


B

I e II.


C

II, III e IV.


D

II e IV.


E

I e IV.

As séries estatísticas apresentadas na tabela não são séries temporais, porque há lacunas referentes a vários anos, como, por exemplo, os anos de 2001 a 2005.


C
Certo

E
Errado

Assinale a afirmativa correta em relação às séries temporais:


A

Zt = μt + T1 + at, t = 1, ..., N é uma série temporal com tendência, se μt é o nível da série, T1 é a tendência não linear em t, e at é um ruído branco.


B

Na existência de sazonalidade, multiplicativa ou aditiva, é possível aplicar o alisamento exponencial sazonal de HoltWinters, o qual considera o alisamento para a sazonalidade, tendência e outro para a série, ou seja, os alisamentos são considerados separadamente, mas que se associam no modelo de predição.


C

Na filtragem adaptativa, realiza-se uma média ponderada dos k+1 períodos, assim evita-se a adaptação ao componente aleatório.


D

Uma série temporal é um processo estocástico, logo, aquela será estritamente estacionária quando a covariância não depender da defasagem de tempo, ou seja, ser constante independentemente do período de tempo considerado.


E

A autocorrelação é o coeficiente de correlação (rk) entre as observações defasadas no tempo, assim pode ou não se apresentar próximo à Distribuição Normal, porém sempre terá E(rk) = 1/n = Var(rk), onde n é o número de observações.

A série temporal definida pela soma Xt + Yt + Wt + Zt + Vt é estacionária e a variância dessa soma é superior a 0,10.


C
Certo

E
Errado
   
Gerar simulado