Com relação aos modelos de séries temporais, julgue o próximo item.

A suposição de estacionariedade não coloca restrição sobre a forma como x_t e x_t-1 são relacionados entre si.

Com relação aos modelos de séries temporais, julgue o próximo item.

Um processo autorregressivo de ordem p, AR(p), é estacionário somente se as p raízes da equação polinomial forem menores que um.

Com relação aos modelos de séries temporais, julgue o próximo item.

No modelo ARMA (p,q), o teste de estacionariedade relaciona-se apenas à especificação AR(p), sendo necessário verificar-se se o processo MA(q) atende às propriedades de inversibilidade.

Julgue o item seguinte, relativo à violação das suposições básicas dos modelos clássicos de regressão.

A violação da suposição de homocedasticidade dos resíduos afeta a distribuição de probabilidade dos estimadores sem afetar, contudo, o seu valor esperado.

Julgue o item seguinte, relativo à violação das suposições básicas dos modelos clássicos de regressão.

Na presença de multicolinearidade, a variância e a covariância dos estimadores serão afetadas, sendo possível que sejam alterados tanto os sinais quanto a magnitude dos estimadores.

A respeito do método de estimação por MQO, julgue o item que se segue.

Na análise de séries temporais, a suposição de ausência de autocorrelação serial dos resíduos deve sempre ser verificada para garantir que os estimadores de mínimos quadrados ordinários sejam não viesados e consistentes.

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

A suposição de homocedasticidade é fundamental para mostrar que os estimadores de MQO são não viesados.

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

Se o estimador de MQO for não viesado e consistente, então ele será, necessariamente, eficiente.

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

De acordo com a hipótese de consistência do estimador de MQO, à medida que o número de observações aumenta, o valor esperado do estimador converge para o valor do parâmetro a ser estimado e a variância do estimador converge para zero.

Acerca da série temporal {X_t }, julgue o item subsecutivo.

A função de densidade espectral da série temporal {X_t } é dada por em que |ω| < π.

Acerca da série temporal {X_t }, julgue o item subsecutivo.

Se θ = 5, o processo {X_t } não é estacionário.

Acerca da série temporal {X_t }, julgue o item subsecutivo.

A média e a variância do processo {X_t } são, respectivamente, iguais a 0 e 1.

Para avaliar o desempenho do transporte público por ônibus em determinada cidade, realizou-se um estudo estatístico mediante o uso de técnicas de análise multivariada de dados. Por meio desse estudo, foram identificados os grupos (homogêneos) de usuários, considerando-se a satisfação global dos serviços de transporte público, assim como os principais fatores que influenciam na opinião sobre esses serviços. O estudo identificou, por exemplo, aspectos como confiabilidade, segurança, tarifa e locais de parada como os mais importantes para se discriminar os usuários insatisfeitos daqueles que se consideram satisfeitos.

No que se refere aos métodos estatísticos de análise multivariada empregados na situação descrita acima, julgue o seguinte item.


Por meio da análise de correspondência, é possível representar as relações existentes em um conjunto de dados quantitativos com base em uma árvore de decisão. Essa técnica permite associar os aspectos confiabilidade, segurança, tarifa e locais de parada com o grau de satisfação dos usuários do serviço público de transporte.

Para avaliar o desempenho do transporte público por ônibus em determinada cidade, realizou-se um estudo estatístico mediante o uso de técnicas de análise multivariada de dados. Por meio desse estudo, foram identificados os grupos (homogêneos) de usuários, considerando-se a satisfação global dos serviços de transporte público, assim como os principais fatores que influenciam na opinião sobre esses serviços. O estudo identificou, por exemplo, aspectos como confiabilidade, segurança, tarifa e locais de parada como os mais importantes para se discriminar os usuários insatisfeitos daqueles que se consideram satisfeitos.

No que se refere aos métodos estatísticos de análise multivariada empregados na situação descrita acima, julgue o seguinte item.


A análise de conglomerados é a técnica que permite agrupar os usuários segundo o grau de satisfação com os serviços de transporte público. 

   Para avaliar o desempenho do transporte público por ônibus em determinada cidade, realizou-se um estudo estatístico mediante o uso de técnicas de análise multivariada de dados. Por meio desse estudo, foram identificados os grupos (homogêneos) de usuários, considerando-se a satisfação global dos serviços de transporte público, assim como os principais fatores que influenciam na opinião sobre esses serviços. O estudo identificou, por exemplo, aspectos como confiabilidade, segurança, tarifa e locais de parada como os mais importantes para se discriminar os usuários insatisfeitos daqueles que se consideram satisfeitos.


No que se refere aos métodos estatísticos de análise multivariada empregados na situação descrita acima, julgue o seguinte item.


Empregando-se a análise discriminante, é possível separar estatisticamente os usuários insatisfeitos daqueles que se consideram satisfeitos, com base nas características do usuário. Essa técnica é uma forma especializada de regressão em que se ajusta a probabilidade de um indivíduo pertencer a um grupo ou a outro grupo com base no seu perfil (como, por exemplo, idade, gênero, renda e escolaridade).

Considerando que W(t) represente um processo gaussiano com E[W(t)] = 0 e Var[W(t)] = t, em que t > 0, julgue o próximo item.

Dada uma malha temporal 0 < t₁ < t₂ < ..., < t_n, é correto afirmar que as variáveis aleatórias W(t₁), W(t₂),..., W(t_n) seguem, conjuntamente, uma distribuição normal multivariada.

Considerando que W(t) represente um processo gaussiano com E[W(t)] = 0 e Var[W(t)] = t, em que t > 0, julgue o próximo item.

O processo W(t) não é estacionário.

Considerando que W(t) represente um processo gaussiano com E[W(t)] = 0 e Var[W(t)] = t, em que t > 0, julgue o próximo item.

Se s < t, então a função de covariância desse processo será Cov[W(s), W(t)] = t -s.

X_t é uma variável aleatória dicotômica que sinaliza a ocorrência (X_t = 1) ou a não ocorrência (X_t = 0) de incidentes em certo terminal rodoviário de cargas no dia t, t ∈ {0,1,2, ...}. Essa variável segue uma cadeia de Markov em tempo discreto, cuja probabilidade de transição é,

P(X_{t +1} = a|X_t = b) = a^b +1/ b+2

em que a e b podem assumir valores 0 ou 1.

Com base nessas informações e assumindo que 0º = 1, julgue o item a seguir.

A esperança condicional E(X_t+1 | X_t = b) = 1 /b+2 representa a reta de regressão de X_t+1 em b.

X_t é uma variável aleatória dicotômica que sinaliza a ocorrência (X_t = 1) ou a não ocorrência (X_t = 0) de incidentes em certo terminal rodoviário de cargas no dia t, t ∈ {0,1,2, ...}. Essa variável segue uma cadeia de Markov em tempo discreto, cuja probabilidade de transição é,

P(X_{t +1} = a|X_t = b) = a^b +1/ b+2

em que a e b podem assumir valores 0 ou 1.

Com base nessas informações e assumindo que 0º = 1, julgue o item a seguir.

No regime estacionário, o valor esperado da variável aleatória X_t é igual ou inferior a 0,5.