Define-se como série temporal qualquer conjunto de observações ordenadas no tempo, podendo apresentar até quatro componentes. O modelo de decomposição aditivo (Xt = Ct + Tt + St + It) considera que uma série temporal é resultante da soma das componentes

A respeito de séries temporais, julgue os itens seguintes. A série temporal {xt; t = 0, 1, 2, ...} expressa por xt = xt - 1 + et, em que et é um termo de variação com média zero e variância constante, é denominada ruído branco.

A respeito de séries temporais, julgue os itens seguintes. A série temporal modelada por yt = 0,6yt - 1 + 1,2t + et é uma série autorregressiva AR(1) com tendência.

Considere o seguinte modelo de regressão linear simples:

Considere o modelo de regressão linear simples a seguir.

Suponha um modelo de regressão que busca explicar o consumo em função da renda, em determinada economia, em que o coeficiente de regressão da variável independente é positivo. Com base apenas nessas informações, assinale a alternativa correta.

Analisando um gráfico de dispersão referente a 10 pares de observações (t, Yt) com t = 1, 2, 3, ... , 10, optou-se por utilizar o modelo linear Yt = α + βt + εt com o objetivo de se prever a variável Y, que representa o faturamento anual de uma empresa em milhões de reais, no ano (2007 + t). Os parâmetros α e β são desconhecidos e εt é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. As estimativas de α e β (a e b, respectivamente) foram obtidas por meio do método dos mínimos quadrados com base nos dados dos 10 pares de observações citados. Se a = 2 e a soma dos faturamentos dos 10 dados observados foi de 64 milhões de reais, então, pela equação da reta obtida, a previsão do faturamento para 2020 é, em milhõe... Ver mais

A partir desses resultados, julgue os itens a seguir.

Se, nesse modelo, a soma dos quadrados dos resíduos for SQR = 960, então o coeficiente de determinação dessa regressão será R2 = 0,8.

Com base na equação da reta obtida por meio do método dos mínimos quadrados e no quadro de análise de variância considerado para testar a existência de uma relação linear entre L e X, é correto afirmar que

Para ilustrar a importância da análise gráfica em análises de regressão linear, F. J. Anscombe produziu quatro conjuntos de pares (x, y) a partir das mesmas estatísticas suficientes, como: coeficientes linear e angular; soma dos quadrados dos resíduos e da regressão; e número de observações. Os diagramas de dispersão para as quatro bases de dados, juntamente com a reta da regressão (y = 4 + 0,5 x), encontram-se abaixo.

 Está correto SOMENTE o que se afirma em