Questões de Concurso Sobre análise de séries temporais em estatística

A identificação do modelo mais adequado na modelagem de uma série temporal é feita com base nos

Um modelo autorregressivo de ordem p = 2 tem a forma Z_t = Φ₁Z_t-1 + Φ₂Z_t-2 + a_t. Então, o polinômio característico do modelo, considerando B o operador de retardo, é

Quando se ajusta a uma série temporal um modelo da estrutura autorregressiva, a condição fundamental é que a série seja

Quando se ajusta a uma série temporal um modelo da estrutura médias móveis, a condição fundamental é que a série seja

A condição de estacionariedade dos modelos da estrutura autorregressiva de ordem p, Φ (B)Z_t = a_t, é que

A condição de inversibilidade dos modelos da estrutura médias móveis de ordem q, Z_t = Θ (B) a_t, é que

Sobre teoria de séries de tempo, assinale a alternativa CORRETA:

Determinada pesquisa tem como objetivo verificar se existe desigualdade salarial entre homens e mulheres com base em uma amostra de 1000 trabalhadores. Seja y_i o salário mensal do trabalhador i, educ_i o número de anos de estudo do indivíduo i, agei a idade do indivíduo i e D_i uma variável que assume valor 1 se o individuo i é homem e 0 se é mulher. A reta de regressão estimada é apresentada a seguir, e os respectivos desvios padrões de cada um dos parâmetros estimados estão entre parêntese:

Considerando que, se Z tem distribuição normal padrão, então Pr(|Z|>1,645)=0,10 e Pr(|Z|>1,96)=0,05.
Com base no modelo apresentado acima é CORRETO o que se afirma em:

Relativamente à Análise de Séries Temporais, considere:

I. A classe de modelos ARIMA é capaz de descrever de maneira satisfatória séries não estacionárias que não apresentem comportamento explosivo.

II. A variância de um AR(1) onde o valor do parâmetro autoregressivo é 0,8 e o valor da variância do ruído branco é 1,8, é igual a 5.

III. Se f(k), k = 1,2, é a função de autocorrelação parcial de um ARMA(1,1), então f(k) = 0, para k = 2,3,4,...

IV. Se g(k), k = 1,2,... é a função de autocorrelação do modelo sazonal dado por: Z_t = a_t − θa_{t − 12}, onde a_t é o ruído branco de média zero e variância 1, então g(k) decai exponencialmente para k ≥ 12.

Está correto o que se afirma APENAS em

Os principais métodos modernos aplicados na previsão de séries temporais e que foram facilitados pela computação veloz e barata são:

Quando pode-se denominar temporal uma série estatística?

Como podem ser classificados os modelos de séries temporais, segundo o número de parâmentros envolvidos?

Considere as seguintes afirmações abaixo relativas a Séries Temporais.

I. Para o modelo Z_t = 1 + a_t − 0,73a_{t − 1}, onde a_t é o ruído branco de média zero e variância 2, a previsão de origem t e horizonte 1 é 1 − 0,73a_t .

II. Se a uma série temporal for ajustado um modelo ARIMA(1,0,0) com parâmetro φ = 0,5 , a previsão dessa série de origem t e horizonte 2 é igual ao produto do valor da série no instante t por 0,25.

III. Se f(k) é função de autocorrelação de um MA(1) que tem parâmetro θ = −0,4, então 0 < f(1) < 0,35.

IV. Uma técnica de diagnóstico para verificar se um modelo de série temporal representa adequadamente aos dados é o teste do periodograma alisado.

Está correto o que se afirma APENAS em

A variância incondicional de ∈_t é:

Qual alternativa representa o modelo ajustado?

Analise os gráficos a seguir referentes às funções de autocorrelação e autocorrelação parcial de uma determinada série temporal.

Qual processo é o mais adequado para modelar esta série?

Em séries temporais, para se conseguir estabilizar uma série, frequentemente recorremos à transformação Box-Cox para estudar a variância.

Essa transformação é dada por

Em séries temporais, um modelo utilizado para ajustar funções com base nos seus valores passados e nas médias móveis da série é o denominado

O movimento geral, ascendente ou descendente, de longo prazo, em determinada série temporal é uma

Supondo uma série de valores que segue um modelo ARMA(1,1) dado por Z_t = 0,8 Z_t–1 – 0,4 a_t–1 + a_t em que a_t é o erro aleatório no instante t e Z_t é o valor no instante t. Sabendo-se que os 3 primeiros valores da série são Z₁ = 1,1, Z₂ = 1,2 e Z₃ = 1,3 e considerando o erro aleatório no instante 1 igual a zero (a₁ = 0), então a previsão para o valor Z₄ utilizando-se este modelo é aproximadamente: