No que se refere a modelagem estatística de dados, julgue o item subsecutivo.

O método ARIMA refere-se aos modelos de séries temporais, que fazem a previsão de valores futuros com base na autocorreção e na sazonalidade. 

Acerca de análise quantitativa, julgue o item que se segue. 

A utilização de técnicas de análise quantitativa, como análise de séries temporais, pode revelar informações relevantes e tendências futuras acerca de determinado conjunto de dados. 

Julgue o item seguinte, a respeito de séries temporais.

Em uma série temporal que tem tendência de crescimento exponencial e na qual os valores iniciais são próximos de zero, a métrica mais adequada para avaliar o ajuste do modelo é a MAPE (mean absolute percentage error).

Julgue o item seguinte, a respeito de séries temporais.

Uma função de autocorrelação que apresenta um decaimento exponencial indica a existência de um componente autoregressivo.

Julgue o item seguinte, a respeito de séries temporais.

O modelo ARIMA com parâmetro d = 1 apresenta um componente de tendência linear.

Julgue o item seguinte, a respeito de séries temporais.

Um periodograma é um gráfico utilizado para identificar tendências em uma série temporal.

Julgue o item seguinte, a respeito de séries temporais.

SARIMA é um modelo para aplicação em dados com tendência e sazonalidade.  

Julgue o item seguinte, a respeito de séries temporais.

A suavização exponencial simples é equivalente a um modelo AR(p).

Julgue o item seguinte, a respeito de séries temporais.

Considerando-se que a presença de intercepto no modelo ARIMA não influencie a log-verossimilhança, então, mantendo-se a ordem (p, q) fixada, para o AIC (Akaike Information Criterion), o modelo com intercepto difere do modelo sem intercepto por 2 unidades.