Questões de Concurso
Sobre análise de séries temporais em estatística
Foram encontradas 278 questões
Ano: 2026
Banca:
IDECAN
Órgão:
AL-CE
Prova:
IDECAN - 2026 - AL-CE - Analista Legislativo - Ciências Sociais |
Q4255828
Estatística
Uma analista recebe a série da taxa de pobreza e de extrema pobreza no Ceará entre 2012 e 2024, elaborada a partir de dados
oficiais, reproduzida no gráfi co a seguir. 
Gráfico — Pobreza e extrema pobreza no Ceará (2012–2024). Elaborado a partir de IPECE, Enfoque Econômico nº 294 (2025), com base na PNAD Contínua/
IBGE. Linhas de pobreza (R$ 703,62) e de extrema pobreza (R$ 220,84) per capita mensais, em valores de 2024 (base US$ 6,85 e US$ 2,15/dia, PPC
2017).
Com base na leitura técnica da série, é correto afirmar que:
Gráfico — Pobreza e extrema pobreza no Ceará (2012–2024). Elaborado a partir de IPECE, Enfoque Econômico nº 294 (2025), com base na PNAD Contínua/
IBGE. Linhas de pobreza (R$ 703,62) e de extrema pobreza (R$ 220,84) per capita mensais, em valores de 2024 (base US$ 6,85 e US$ 2,15/dia, PPC
2017). Com base na leitura técnica da série, é correto afirmar que:
Ano: 2026
Banca:
IDECAN
Órgão:
AL-CE
Prova:
IDECAN - 2026 - AL-CE - Analista Legislativo - Análise de Dados |
Q4255243
Estatística
Uma equipe de análise de dados da Assembleia Legislativa recebeu a incumbência de elaborar projeções para subsidiar
o planejamento institucional do exercício seguinte. Para isso, foram analisadas séries históricas contendo a quantidade mensal
de proposições protocoladas, o tempo médio de tramitação, a execução orçamentária de programas legislativos e a demanda
por serviços administrativos. Durante a análise exploratória, observou-se a ocorrência de padrões recorrentes em determinados
períodos do ano, associados ao calendário legislativo, além de tendências de crescimento verificadas ao longo de vários exercícios
consecutivos.
Assinale a alternativa que apresenta a interpretação tecnicamente adequada acerca da análise de séries temporais nesse contexto.
Assinale a alternativa que apresenta a interpretação tecnicamente adequada acerca da análise de séries temporais nesse contexto.
Ano: 2026
Banca:
FCC
Órgão:
SEFAZ-CE
Prova:
FCC - 2026 - SEFAZ-CE - Auditor Fiscal da Receita Estadual - Área de Conhecimento: Gestão Fazendária - Conhecimentos Específicos |
Q4221495
Estatística
Auditores de uma Secretaria da Fazenda receberam a incumbência de analisar milhões de registros de notas fiscais eletrônicas,
declarações tributárias e movimentações econômicas de contribuintes. O objetivo era identificar grupos de contribuintes com
comportamentos semelhantes, verificar a evolução da arrecadação ao longo dos últimos anos e estimar possíveis cenários futuros
para subsidiar ações de fiscalização e planejamento institucional. Nesse contexto, a afirmação tecnicamente correta é que
Q4220351
Estatística
Foi solicitado a um estatístico do Ministério Público que estabelecesse um modelo de previsão para a demanda reprimida de serviços de saúde de certo hospital.
Após realizar um estudo detalhado, o estatístico chegou à conclusão de que o melhor modelo de série temporal é um
em que et é o ruído branco de média nula e a variância constante o².
Considerando o referido modelo, se
o valor da variância de yt
Após realizar um estudo detalhado, o estatístico chegou à conclusão de que o melhor modelo de série temporal é um
em que et é o ruído branco de média nula e a variância constante o².
Considerando o referido modelo, se
o valor da variância de yt
Q4186554
Estatística
Em relação aos componentes estruturais de uma série temporal, julgue os itens a seguir:
I. Picos e vales regulares a cada 12 meses indicam a presença de um componente sazonal.
II. O aumento gradual no volume de vendas ao longo dos anos caracteriza um componente de tendência.
III. Ciclos econômicos possuem período fixo e regular, como exatamente 12 meses.
IV. O componente irregular (ruído) é o principal responsável pelos picos e vales regulares observados.
V. Uma série que apresenta tendência e sazonalidade pode ser modelada por métodos como SARIMA.
Assinale a alternativa com a sequência CORRETA (V/F):
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176564
Estatística
Acerca da modelagem estatística de dados, julgue o item a seguir.
Em séries temporais, a ordem temporal dos dados pode ser ignorada sem prejuízo para a modelagem, desde que a amostra seja grande.
Ano: 2026
Banca:
Marinha
Órgão:
MARINHA
Prova:
Marinha - 2026 - MARINHA - Professor EBTT - Oceanografia Física |
Q4162724
Estatística
Com relação ao intervalo e à duração de uma amostragem
de dados oceanográficos, assinale a opção correta.
Ano: 2026
Banca:
Marinha
Órgão:
MARINHA
Prova:
Marinha - 2026 - MARINHA - Professor EBTT - Oceanografia Física |
Q4162710
Estatística
Filtros digitais são, frequentemente, um importante passo
no processamento de dados oceanográficos. Nesse
sentido, assinale a opção correta quanto às características
dessa etapa.
Ano: 2026
Banca:
Marinha
Órgão:
MARINHA
Prova:
Marinha - 2026 - MARINHA - Professor EBTT - Oceanografia Física |
Q4162701
Estatística
Uma técnica usual para compreender a variabilidade de
dados de séries temporais espaçados irregularmente em
um mapa é conhecida como Empirical Orthogonal
Function (EOF). Sobre a referida análise, assinale a opção
correta.
Ano: 2026
Banca:
FGV
Órgão:
TCE-SC
Prova:
FGV - 2026 - TCE-SC - Auditor Fiscal de Controle Externo - Engenharia Elétrica |
Q4090750
Estatística
No planejamento da expansão de sistemas elétricos, a previsão
de carga é essencial para garantir a confiabilidade e a
economicidade do suprimento futuro.
Sobre as metodologias e horizontes de previsão de carga, assinale a afirmativa correta.
Sobre as metodologias e horizontes de previsão de carga, assinale a afirmativa correta.
Ano: 2026
Banca:
Marinha
Órgão:
Quadro Técnico
Prova:
Marinha - 2026 - Quadro Técnico - Primeiro-Tenente - Meteorologia |
Q4088629
Estatística
Analise o gráfico abaixo.
Considerando que se trata de um meteograma de ensemble da temperatura a 850 hPa do European Centre for Medium-Range Weather Forecasts (ECMWF), assinale a opção INCORRETA.
Ano: 2026
Banca:
FCC
Órgão:
SEFAZ-GO
Prova:
FCC - 2026 - SEFAZ-GO - Auditor Fiscal da Receita Estadual - Conhecimentos Específicos |
Q4067468
Estatística
Face a validação de modelos que preveem arrecadação mensal de ICMS para planejamento orçamentário, com risco de uso
indevido de informação futura e necessidade de estimar desempenho sob condições operacionais reais, o critério de avaliação
que atende ao requisito apresentado é a
Ano: 2026
Banca:
FEPESE
Órgão:
Prefeitura de Florianópolis - SC
Prova:
FEPESE - 2026 - Prefeitura de Florianópolis - SC - Economista - Edital nº 25 |
Q4062030
Estatística
No âmbito da estatística, diferentes técnicas e ferramentas são utilizadas para resumir dados, identificar
padrões e modelar relações entre variáveis.
Relacione abaixo os Conceitos (Coluna 1) com suas respectivas Definições (Coluna 2).
Coluna 1 Conceitos
1. Regressão simples 2. Série temporal 3. Estatística descritiva
Coluna 2 Definições
( ) Resumo de medidas de centralidade e dispersão. ( ) Modelagem da relação entre duas variáveis. ( ) Análise de padrões ao longo do tempo.
Assinale a alternativa que indica a sequência correta, de cima para baixo.
Relacione abaixo os Conceitos (Coluna 1) com suas respectivas Definições (Coluna 2).
Coluna 1 Conceitos
1. Regressão simples 2. Série temporal 3. Estatística descritiva
Coluna 2 Definições
( ) Resumo de medidas de centralidade e dispersão. ( ) Modelagem da relação entre duas variáveis. ( ) Análise de padrões ao longo do tempo.
Assinale a alternativa que indica a sequência correta, de cima para baixo.
Ano: 2026
Banca:
CPCON
Órgão:
Prefeitura de Nova Floresta - PB
Provas:
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Artes)
|
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Ensino Religioso) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Geografia) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério Polivalente - Classe A |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Ciências) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe A (Educação Especial) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Educação Física) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (História) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Língua Inglesa) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Língua Portuguesa) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Magistério - Classe B (Matemática) |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Professor Psicopedagogo |
CPCON - 2026 - Prefeitura de Nova Floresta - PB - Suporte Pedagógico - Classe C |
Q3988485
Estatística
O gráfico a seguir representa a série histórica de inscrições no Exame Nacional do Ensino Médio (ENEM). A partir do ano de 2015, o Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) passou a considerar a diferença entre número total de inscritos e número de inscrições confirmadas, isto é, as inscrições cuja isenção ou pagamento foi confirmado e o candidato estaria apto a participar do exame, conforme indica a curva tracejada. No gráfico, a cada um dos anos do período 2009 – 2025 corresponde o número de inscritos indicado nas curvas.
Gráfico 1 – Série histórica do número de inscrições no ENEM (2010-2025).
Fonte: BRASIL. Ministério da Educação. Painel de Monitoramento: Estudantes Concluintes e Confirmados – Enem 2025. [Brasília, DF]: MEC, 2025. Disponível em: https://app.powerbi.com/view?r=eyJrIjoiYjM0N2JkYzMtZTg4Mi00NjJjLTg2MTItNWY4MmI1MmE4MWUzIiwidCI6IjI2ZjczODk3LWM4YWMtNGIxZS05NzhmLWVhNGMwNzc0MzRiZiJ9. Acesso em: 23 mar. 2026. Adaptado.
A respeito do gráfico apresentado, analise as afirmações a seguir.
I- O maior número de inscritos no ENEM foi atingido no ano de 2016.
II- Após uma redução a menos da metade do maior número de inscrições atingido, o número de inscritos no ENEM volta a subir anualmente a partir de 2022.
III- Em 2025, foi registrada a menor diferença entre o número de inscrições e o número de inscrições comprovadas.
IV- A menor diferença entre inscritos e inscrições comprovadas foi no ano de 2020, apesar da pandemia da Covid-19 naquele ano.
É CORRETO o que se afirma apenas em:
Gráfico 1 – Série histórica do número de inscrições no ENEM (2010-2025).
Fonte: BRASIL. Ministério da Educação. Painel de Monitoramento: Estudantes Concluintes e Confirmados – Enem 2025. [Brasília, DF]: MEC, 2025. Disponível em: https://app.powerbi.com/view?r=eyJrIjoiYjM0N2JkYzMtZTg4Mi00NjJjLTg2MTItNWY4MmI1MmE4MWUzIiwidCI6IjI2ZjczODk3LWM4YWMtNGIxZS05NzhmLWVhNGMwNzc0MzRiZiJ9. Acesso em: 23 mar. 2026. Adaptado.
A respeito do gráfico apresentado, analise as afirmações a seguir.
I- O maior número de inscritos no ENEM foi atingido no ano de 2016.
II- Após uma redução a menos da metade do maior número de inscrições atingido, o número de inscritos no ENEM volta a subir anualmente a partir de 2022.
III- Em 2025, foi registrada a menor diferença entre o número de inscrições e o número de inscrições comprovadas.
IV- A menor diferença entre inscritos e inscrições comprovadas foi no ano de 2020, apesar da pandemia da Covid-19 naquele ano.
É CORRETO o que se afirma apenas em:
Ano: 2026
Banca:
COPEVE-UFAL
Órgão:
IFAL
Prova:
COPEVE-UFAL - 2026 - IFAL - Professor EBTT - Logística |
Q3962061
Estatística
Uma empresa de logística deseja prever a demanda diária de
ordens de transporte com base no histórico dos últimos quatro
anos. Foram testados três modelos de previsão: a média móvel
de 7 dias, a média móvel integrada Autorregressiva (ARIMA) e a
Regressão de Poisson. Os modelos foram avaliados com dados
fora da amostra. A demanda média diária no período avaliado foi
de 160 ordens de transporte. Métricas como a Raiz do Erro
Quadrático Médio (RMSE) e o Erro Médio Absoluto (MAE) foram
calculadas com os seguintes resultados obtidos:
Com base nos resultados apresentados e nos conceitos de avaliação de modelos de previsão de demanda, qual modelo deve ser escolhido?
Com base nos resultados apresentados e nos conceitos de avaliação de modelos de previsão de demanda, qual modelo deve ser escolhido?
Ano: 2026
Banca:
FCPC
Órgão:
UFC
Prova:
FCPC - 2026 - UFC - Técnico de Laboratório / Área: Gestão da Produção |
Q3900160
Estatística
Qual método de previsão de demanda adequado para dados com presença de tendência e
sazonalidade e requer uso de três constantes de suavização?
Q3883561
Estatística
Em relação à autocorrelação, avalie as afirmativas a seguir.
I. A autocorrelação analisa dados de séries temporais para identificar correlações em valores em diferentes pontos da série, avaliando como um valor se relaciona consigo mesmo.
II. Na elaboração de um modelo de séries temporais, encontramos erros que aparecem devido a um componente temporal, de modo que há termos de erro que se correlacionam ao longo do tempo (erros autocorrelacionados) e, nesses casos, a solução é regredir a variável dependente em função dela mesma, utilizando atrasos temporais identificados por meio de um teste de autocorrelação.
III. Assim como a correlação avalia o vínculo linear entre variáveis distintas, a autocorrelação avalia a relação entre valores atrasados de uma série temporal por meio de um modelo linear. Quando os dados apresentam uma tendência, as autocorrelações para curtos intervalos de tempo geralmente são altas e positivas, já que observações próximas temporalmente costumam ter valores semelhantes. Portanto, a função de autocorrelação de uma série temporal tendenciosa tende a ter valores positivos que decrescem gradualmente com o aumento dos atrasos.
IV. Quando os dados apresentam flutuações ou padrões sazonais, as autocorrelações serão menores nos atrasos sazonais (múltiplos do período sazonal) do que nos outros atrasos.
Estão corretas as afirmativas
I. A autocorrelação analisa dados de séries temporais para identificar correlações em valores em diferentes pontos da série, avaliando como um valor se relaciona consigo mesmo.
II. Na elaboração de um modelo de séries temporais, encontramos erros que aparecem devido a um componente temporal, de modo que há termos de erro que se correlacionam ao longo do tempo (erros autocorrelacionados) e, nesses casos, a solução é regredir a variável dependente em função dela mesma, utilizando atrasos temporais identificados por meio de um teste de autocorrelação.
III. Assim como a correlação avalia o vínculo linear entre variáveis distintas, a autocorrelação avalia a relação entre valores atrasados de uma série temporal por meio de um modelo linear. Quando os dados apresentam uma tendência, as autocorrelações para curtos intervalos de tempo geralmente são altas e positivas, já que observações próximas temporalmente costumam ter valores semelhantes. Portanto, a função de autocorrelação de uma série temporal tendenciosa tende a ter valores positivos que decrescem gradualmente com o aumento dos atrasos.
IV. Quando os dados apresentam flutuações ou padrões sazonais, as autocorrelações serão menores nos atrasos sazonais (múltiplos do período sazonal) do que nos outros atrasos.
Estão corretas as afirmativas
Q3883557
Estatística
A respeito do ciclo iterativo da metodologia de Box e Jenkins,
avalie as afirmativas a seguir.
I. Na etapa de Identificação busca-se determinar qual versão dos modelos de Box-Jenkins, sazonais ou não, melhor descreve o comportamento da série. A identificação do modelo a ser estimado ocorre pelo comportamento das funções de autocorrelações (ACF) e das funções de autocorrelações parciais (PACF).
II. A etapa de Estimação consiste em estimar os parâmetros do componente autorregressivo, os parâmetros do componente de médias móveis e a variância de εt.
III. A etapa de Verificação é dedicada a avaliar se o modelo estimado é adequado para descrever o comportamento dos dados.
Está correto o que se afirma em
I. Na etapa de Identificação busca-se determinar qual versão dos modelos de Box-Jenkins, sazonais ou não, melhor descreve o comportamento da série. A identificação do modelo a ser estimado ocorre pelo comportamento das funções de autocorrelações (ACF) e das funções de autocorrelações parciais (PACF).
II. A etapa de Estimação consiste em estimar os parâmetros do componente autorregressivo, os parâmetros do componente de médias móveis e a variância de εt.
III. A etapa de Verificação é dedicada a avaliar se o modelo estimado é adequado para descrever o comportamento dos dados.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Cientista de Dados |
Q3869750
Estatística
Um cientista de dados treinou três modelos para prever evasão
escolar usando dados de 12.000 alunos de 2019-2023: Random
Forest, XGBoost e Regressão Logística. Para avaliar os modelos,
dividiu o dataset em 70% treino e 30% teste, treinou cada
modelo no conjunto de treino e reportou as seguintes acurácias
no teste: RF=89%, XGBoost=91%, Logística=82%.
Com base nesses resultados, foi recomendado o XGBoost para
produção.
A avaliação dessa metodologia de validação é:
A avaliação dessa metodologia de validação é:
Q3903021
Estatística
A presidência do TJPI solicitou à equipe de análise de
dados uma previsão do número de novos processos que
serão distribuídos no primeiro grau para os próximos
12 meses, a fim de planejar o orçamento e a alocação
de pessoal. A equipe dispõe de uma série histórica
mensal dos últimos 10 anos. Ao plotar os dados, eles
observam um claro crescimento ao longo do tempo,
picos recorrentes de distribuição em certos meses do
ano (como março e agosto) e quedas em outros (como
janeiro e julho, devido aos recessos). Qual abordagem de
modelagem estatística é a mais adequada para analisar esses dados e gerar a previsão?
Conheça nossos planos