Considerando a série temporal mostrada acima, correspondente à evolução mensal das vendas de certo produto, julgue os itens subsecutivos, acerca de séries temporais.
Para a série mostrada, as médias móveis de ordem 3 são 2,8; 3,2; 3,8; 3,966; 4,2.
Considere que um indicador de acessos — Z(t) — a determinado portal da Internet no dia t siga um processo na forma Z(t) = 0,8 Z(t – 1) + a(t), em que t = 1, 2, 3, ...; a(t) é um ruído branco gaussiano e Z(0) ~ N(0, 1). Com base nessas informações, julgue os itens que se seguem.
Tal processo corresponde a um modelo autorregressivo de ordem 0,8.
Considere que um indicador de acessos — Z(t) — a determinado portal da Internet no dia t siga um processo na forma Z(t) = 0,8 Z(t – 1) + a(t), em que t = 1, 2, 3, ...; a(t) é um ruído branco gaussiano e Z(0) ~ N(0, 1). Com base nessas informações, julgue os itens que se seguem.
Para modelar outro indicador, considere que seja proposto um modelo na forma X(t) = m + Y(B)a(t), em que t = 1, 2, 3, ...; Y(B) = 1 + Y1 B + Y2 B2 + Y3B3+...; em que Yk é uma constante real, B é o operador de translação para o passado tal que BX(t) = X(t – 1) e m é uma constante real. Com base nessas informações, é correto afirmar que X(t) segue um processo de médias móveis, e, portanto, é estacionário em torno da média m.
Considere que um indicador de acessos — Z(t) — a determinado portal da Internet no dia t siga um processo na forma Z(t) = 0,8 Z(t – 1) + a(t), em que t = 1, 2, 3, ...; a(t) é um ruído branco gaussiano e Z(0) ~ N(0, 1). Com base nessas informações, julgue os itens que se seguem.
Tal modelo é um caso particular do modelo de filtro linear com entrada a(t), saída Z(t) e função de transferência Y(B), ou, equivalentemente, Z(t) = Y(B)a(t), em que Y(B) = 1 + 0,8 B + 0,82 B2 + 0,83B3+..., e B é o operador de translação para o passado tal que BZ(t) = Z(t – 1).
Considere que um indicador de acessos — Z(t) — a determinado portal da Internet no dia t siga um processo na forma Z(t) = 0,8 Z(t – 1) + a(t), em que t = 1, 2, 3, ...; a(t) é um ruído branco gaussiano e Z(0) ~ N(0, 1). Com base nessas informações, julgue os itens que se seguem.
O gráfico a seguir representa corretamente a função de autocorrelação do processo Z(t).
O gráfico acima mostra a evolução temporal da quantidade mensal de encomendas X entregues em determinada cidade. A partir dessa figura e dos conceitos de séries temporais, julgue os itens subsequentes.
Se os picos da série temporal X ocorrem nos meses de dezembro, então o período sazonal a ser considerado em um modelo SARIMA é igual a 12.
O gráfico acima mostra a evolução temporal da quantidade mensal de encomendas X entregues em determinada cidade. A partir dessa figura e dos conceitos de séries temporais, julgue os itens subsequentes.
A metodologia de Box e Jenkins se aplica somente a séries temporais estacionárias.
O gráfico acima mostra a evolução temporal da quantidade mensal de encomendas X entregues em determinada cidade. A partir dessa figura e dos conceitos de séries temporais, julgue os itens subsequentes.
Um modelo AR(1) é apropriado para representar a série temporal X.
O gráfico acima mostra a evolução temporal da quantidade mensal de encomendas X entregues em determinada cidade. A partir dessa figura e dos conceitos de séries temporais, julgue os itens subsequentes.
A série apresenta sazonalidade e tendência.
Relativamente à Análise de Séries Temporais, considere as afirmativas abaixo.
I. O teste de Box− Pierce é um teste baseado nas autocorrelações dos resíduos estimados e serve para diagnosticar se o modelo ajustado à série é adequado.
II. Um modelo ARIMA(1,0,1) é estacionário se o coeficiente autoregressivo for um número, em módulo, maior do que um.
III. O modelo Zt = μ t + X t onde μ t é uma função determinística periódica, satisfazendo μt − μt −12 = 0 e Xt é um processo estacionário que pode ser modelado por um ARMA (p, q), exibe um comportamento sazonal estocástico.
IV. Um modelo AR (1) tem função de autocorrelação parcial com decaimento expone...
