Questões de Concurso

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

Marque V para as afirmativas verdadeiras e F para as falsas.

( ) Para ajustar um modelo ARIMA, é necessário considerar os estágios de identificação e estimação.
( ) Um processo autorregressivo de ordem p tem a função de autocovariância decrescente, na forma de exponenciais ou senoides amortecidas, finitas em extensão.
( ) Um processo de médias móveis de ordem q tem função de autocovariância finita, apresentando um corte após o “lag” q.
( ) Um processo autorregressivo e de médias móveis de ordem (p, q) tem função de autocovariância infinita em extensão, que decai de acordo com exponenciais e/ou senoides amortecidas após o “lag” q-p.
( ) Após a identificação provisória de um modelo de séries temporais, pode-se usar os métodos de mínimos quadrados ou de máxima verossimilhança, entre outros, para estimação dos parâmetros. Os estimadores obtidos pelo método dos momentos não têm propriedades boas quando comparadas com os dois já mencionados. Entretanto, podem ser utilizados para gerar os valores iniciais nos processos iterativos.
A sequência está correta em