Questões da Prova CESPE - 2013 - STF - Analista Judiciário - Estatística
Foram encontradas 48 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
STF
Prova:
CESPE - 2013 - STF - Analista Judiciário - Estatística |
Q398124
Estatística
Julgue o item, relativo à análise de séries temporais.
Um modelo ARMA(2, 2) não pode ser reduzido à um modelo AR(2) com o operador
= 1 - B.
Um modelo ARMA(2, 2) não pode ser reduzido à um modelo AR(2) com o operador
= 1 - B.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
STF
Prova:
CESPE - 2013 - STF - Analista Judiciário - Estatística |
Q398123
Estatística
Julgue o item, relativo à análise de séries temporais
Se Zt* for o valor de um filtro linear (médias móveis) no instante t e se µt = E(Zt ) for o valor esperado da série no mesmo instante, então E(Zt*) > µt .
Se Zt* for o valor de um filtro linear (médias móveis) no instante t e se µt = E(Zt ) for o valor esperado da série no mesmo instante, então E(Zt*) > µt .
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
STF
Prova:
CESPE - 2013 - STF - Analista Judiciário - Estatística |
Q398122
Estatística
Julgue o item, relativo à análise de séries temporais.
O critério de Akaike para o modelo AR(p) com uma ordem fixa decresce à medida que a quantidade de observações da série aumenta.
O critério de Akaike para o modelo AR(p) com uma ordem fixa decresce à medida que a quantidade de observações da série aumenta.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
STF
Prova:
CESPE - 2013 - STF - Analista Judiciário - Estatística |
Q398121
Estatística
Julgue o item, relativo à análise de séries temporais
O teste de Durbin-Watson em modelos ARMA é um teste de raízes unitárias.
O teste de Durbin-Watson em modelos ARMA é um teste de raízes unitárias.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
STF
Prova:
CESPE - 2013 - STF - Analista Judiciário - Estatística |
Q398120
Estatística
Julgue o item , relativo à análise de séries temporais
Considere que o critério de informação bayesiana (BIC) para um modelo ARMA(p, q) seja definido por , BIC( p,q ) = In
+ ( p + q ) In N/ N, em que N é o número de observações da série, e 
é a estimativa da variância do modelo. Nesse caso, se 
e se BIC ( 1,1 ) = 1/2BIC( K,0 ) = 2/3BIC( 0, w ) então os modelos considerados são, respectivamente, ARMA(1, 1), AR(4) e MA(3).
Considere que o critério de informação bayesiana (BIC) para um modelo ARMA(p, q) seja definido por , BIC( p,q ) = In
+ ( p + q ) In N/ N, em que N é o número de observações da série, e é a estimativa da variância do modelo. Nesse caso, se e se BIC ( 1,1 ) = 1/2BIC( K,0 ) = 2/3BIC( 0, w ) então os modelos considerados são, respectivamente, ARMA(1, 1), AR(4) e MA(3). 
Conheça nossos planos