Questões de Concurso sobre Séries Temporais

A variável X forma uma série estatística denominada série temporal.

Considerando-se que a seqüência das observações da variável Z formam uma série temporal, é correto afirmar que a correlação linear entre as variáveis Z1 = {26, 39, 45} e Z2 = {20, 26, 39} é a autocorrelação na primeira defasagem (ou lag 1).

A tendência linear apresentada na figura pode ser obtida pelo método do alisamento exponencial simples aplicado à série temporal Y.

Considerando a série temporal da massa salarial e utilizando-se um modelo de alisamento exponencial simples, a previsão para o ano de 2009 será um valor superior a 12,8%.

A forma invertida do filtro linear é  , em que

A variância da série temporal {X_t} é igual a

A estatística de Durbin-Watson é uma medida que permite avaliar a presença de uma estrutura de correlação temporal residual.

Quanto à utilização das técnicas de análise de séries temporais nos dados apresentados no texto,

A função de transferência do filtro linear é igual a

A série histórica da temperatura Y apresenta um ciclo sazonal.

A função de densidade espectral dos ruídos {a_t} é igual a , em que

O gráfico abaixo apresenta a evolução de vendas em milhões de reais de uma determinada companhia nos últimos 36 meses.

Pode-se afirmar que:

Se a reta apresentada na figura tem a forma , em que t é o tempo em anos, então o intercepto a será igual a 24 ºC.

Com base nas informações apresentadas no texto, se A = 0 e B = 0,5, então a correlação entre Yt e Y_t+2 será igual a

A série temporal {X t } é um processo de médias móveis.

A taxa de crescimento geométrico anual de 1970 a 2000 foi igual a .

Considerando as informações do texto, se B = 0, então a correlação entre Y_t e Y_t+2 será igual a

A partir das informações apresentadas no texto, o r-ésimo momento central de X, E[(X - p) ], em que r é um valor inteiro não nulo, é igual a

Seja B o operador translação para o passado (isto é B Z_t = Z_t−1).

Sejam θ, Θ, e φ números reais maiores do que zero e menores do que um e a_t um processo de ruído branco.

Então um modelo do tipo SARIMA (0, 1, 1) × (0, 0, 1)₁₂ é dado por: