Questões de Concurso Sobre análise de séries temporais em estatística

Foram encontradas 277 questões

Q3675040 Estatística
Um professor do IFPE e sua equipe estão desenvolvendo um modelo de previsão da cota da barragem Tapacurá em Pernambuco. O modelo utilizará as variáveis IP(Índice Pluviométrico), medida em mm, e cota_da_barragem, medida em cm (da base da barragem ao topo). Após tratarem os valores ausentes e normalizarem os dados, avançam para a fase de Feature Engineering. O objetivo principal do modelo é prever a cota da barragem com um dia de antecedência, utilizando o histórico das variáveis. Considerando que a cota de uma barragem é um fenômeno com forte dependência temporal, dado que a chuva de hoje influencia a cota da barragem de amanhã, marque a opção que contém a estratégia mais adequada para o objetivo principal do modelo apresentado. 
Alternativas
Q3622177 Estatística
Dentro do escopo dos estudos de séries temporais é correto afirmar que o termo cross-section data refere-se:
Alternativas
Q3615112 Estatística
Nos métodos de previsão de demanda, um dos fatores de demanda variável que exibe o comportamento das mudanças do consumo, repetindo dentro de um período curto de tempo, normalmente em um ano, é conhecido como:
Alternativas
Q3552211 Estatística
A empresa Alfa consumiu as seguintes quantidades de resmas de papel entre março e junho: 

Q45.png (346×134)

Caso seja adotado o método da média móvel exponencialmente ponderada, com o coeficiente β igual a 0,25, o valor da previsão de consumo para o mês de julho é de  
Alternativas
Ano: 2025 Banca: FUVEST Órgão: USP Prova: FUVEST - 2025 - USP - Analista de Sistemas |
Q3509647 Estatística
Uma empresa do setor financeiro deseja prever a cotação diária de uma ação com base nos preços históricos. Para isso, a equipe de ciência de dados decide utilizar técnicas de modelagem de séries temporais.
A equipe analisou diferentes abordagens e encontraram os seguintes padrões nos dados:
• Os preços seguem uma tendência crescente ao longo do tempo; • Há um padrão sazonal, com aumentos e quedas recorrentes em períodos específicos; • Os valores atuais são fortemente influenciados pelos valores anteriores.

Com base nas características descritas, assinale a alternativa que apresenta a técnica de modelagem de séries temporais mais adequada para capturar esses padrões e gerar previsões precisas. 
Alternativas
Q3496511 Estatística
O método AutoRegressive Integrated Moving Average (ARIMA) é um modelo estatístico utilizado em problemas de previsibilidade em séries temporais. Ao estudar sobre esse método, um analista de dados de uma rede varejista examina o comportamento das vendas mensais de um determinado produto ao longo dos últimos cinco anos. Durante a análise da série temporal, ele observa que os dados apresentam um padrão cíclico e uma tendência crescente. Após realizar a decomposição clássica da série temporal, o analista decide aplicar um modelo ARIMA para fins de previsão. Nesse contexto, o ajuste prévio ao método é dado por:
Alternativas
Q3358623 Estatística
A previsão de demanda elétrica orienta o planejamento de sistemas de potência. Avaliando uma região com consumo anual de 500 gigawatt-hora (GWh) e crescimento esperado de 4%, a análise técnica concentra-se nos métodos estatísticos para estimar o consumo futuro. Sobre o tema, relacione corretamente os termos da Coluna A com as descrições da Coluna B.

Coluna A (termos)

1.Regressão Linear. 2.Séries Temporais. 3.Modelos Econométricos.

Coluna B (descrições)

(__)Método que analisa padrões históricos de consumo ao longo do tempo, como sazonalidade e tendências.
(__)Método que combina variáveis econômicas, como PIB e população, para prever o consumo.
(__)Método que assume uma relação linear entre consumo e variáveis independentes, como temperatura.

Assinale a alternativa que apresenta a sequência da associação correta dos itens acima, de cima para baixo: 
Alternativas
Q3349765 Estatística
Em relação à característica de estacionariedade de uma série temporal, avalie as afirmativas a seguir.

I. Uma série temporal é estacionária quando suas características estatísticas (média, variância, autocorrelação) são constantes ao longo do tempo.
II. Uma série é estacionária quando se desenvolve aleatoriamente no tempo em torno de uma média constante, refletindo algum equilíbrio estatístico, de modo que as leis de probabilidade que atuam no processo não mudam com o tempo.
III. Métodos de previsão usam transformações matemáticas para estacionarizar uma série; a seguir, são feitas previsões nessa série estável para, posteriormente, se inverter as transformações e obter as previsões para a série original.

Estão corretas as afirmativas 
Alternativas
Q3337112 Estatística
Considere o modelo de séries temporais: Yt = 1 + 0,5Yt-1εt, em que εt é um ruído branco com média zero e variância igual a 3. A variância de Yt, de acordo com o modelo proposto, vale:
Alternativas
Q3280881 Estatística

Acerca de testes estatísticos paramétricos e não paramétricos e de modelagem e simulação com previsão de cenários para suporte à tomada de decisão, julgue o próximo item.


Na análise de séries temporais com dados de alta frequência e com padrões complexos de sazonalidade, o método de Monte Carlo via cadeia de Markov é a técnica com a maior eficiência computacional. 

Alternativas
Q3280875 Estatística

Julgue o item seguinte, a respeito de séries temporais.


No modelo GARCH(p, q), a série temporal é modelada como uma regressão, cujo resíduo segue uma distribuição com variância modelada, como um processo ARMA(p, q). 

Alternativas
Q3280874 Estatística

Julgue o item seguinte, a respeito de séries temporais.


Uma série temporal estacionária apresenta média, variância e autocovariância constantes ao longo do tempo.

Alternativas
Q3280873 Estatística

Julgue o item seguinte, a respeito de séries temporais.


Considerando-se que a presença de intercepto no modelo ARIMA não influencie a log-verossimilhança, então, mantendo-se a ordem (p, q) fixada, para o AIC (Akaike Information Criterion), o modelo com intercepto difere do modelo sem intercepto por 2 unidades. 

Alternativas
Q3257806 Estatística

Julgue o item seguinte, a respeito de séries temporais.


A suavização exponencial simples é equivalente a um modelo AR(p).

Alternativas
Q3257805 Estatística

Julgue o item seguinte, a respeito de séries temporais.


SARIMA é um modelo para aplicação em dados com tendência e sazonalidade.  

Alternativas
Q3257804 Estatística

Julgue o item seguinte, a respeito de séries temporais.


Um periodograma é um gráfico utilizado para identificar tendências em uma série temporal.

Alternativas
Q3257803 Estatística

Julgue o item seguinte, a respeito de séries temporais.


O modelo ARIMA com parâmetro d = 1 apresenta um componente de tendência linear.

Alternativas
Q3257802 Estatística

Julgue o item seguinte, a respeito de séries temporais.


Uma função de autocorrelação que apresenta um decaimento exponencial indica a existência de um componente autoregressivo.

Alternativas
Q3257801 Estatística

Julgue o item seguinte, a respeito de séries temporais.


Em uma série temporal que tem tendência de crescimento exponencial e na qual os valores iniciais são próximos de zero, a métrica mais adequada para avaliar o ajuste do modelo é a MAPE (mean absolute percentage error).

Alternativas
Q3213623 Estatística
O seguinte gráfico diz respeito a uma série temporal simulada.

Internet:<kaggle.com> .


        As configurações mostradas nos seguintes gráficos referem-se, respectivamente, às funções de autocorrelação (ACF) e de autocorrelação parcial (PACF) calculadas a partir daquela série temporal. 

A partir dessas informações, considerando que nenhuma cointegração nos dados tenha sido detectada e que esses dados sejam estacionários do modo que se apresentam, julgue o item seguinte.
A série pode ser modelada como um AR(2). 
Alternativas
Respostas
21: B
22: E
23: B
24: B
25: E
26: C
27: A
28: E
29: B
30: E
31: C
32: C
33: C
34: E
35: C
36: E
37: C
38: C
39: E
40: C