Questões sobre Séries Temporais

Considere um banco no qual o tempo de atendimento é de 2 minutos, com 4 caixas de atendimento ao cliente e onde os clientes chegam a uma taxa de 2 clientes a cada minuto. Assinale a alternativa que apresenta a taxa de utilização (t_u) desse sistema e a interpretação correta dessa taxa.

• A.

  t_u = 1,33, ou seja, os caixas estão sendo superutilizados

• B.

  t_u = 1,33, ou seja, os caixas estão sendo subutilizados

• C.

  t_u = 0,66, ou seja, os caixas estão sendo superutilizados

• D.

  t_u = 1, ou seja, os caixas não estão sendo subutilizados, nem superutilizados

• E.

  t_u = 0,66, ou seja, os caixas estão sendo subutilizados

Considere a função de autocorrelação parcial amostral de uma série temporal com 90 observações, com limites de 5% de siginificância, conforme o resultado abaixo.

Supondo-se que a função de autocorrelação amostral apresente comportamento infinito e decrescente e comparando com comportamento teórico das funções de autocorrelação e autocorrelação parcial dos processos ARMA(p,q), a estrutura que melhor se ajusta aos dados é

• A.

  AR(1)

• B.

  AR(2)

• C.

  ARMA(2,1)

• D.

  ARMA(1,2)

• E.

  MA(3)

• A. tal que sua função de autocorrelação obedeça a uma equação não homogênea, cuja solução seja instável.
• B. tal que o modelo seja inversível, isto é, a sequência de entrada possa ser completamente determinada a partir da sequência de saída.
• C. denominada processo de médias móveis (MA – moving average)
• D. denominada processo autorregressivo (AR - autoregressive).
• E. denominada processo integrado autorregressivo de médias móveis (ARIMA – autoregressive integrated moving average).

• A. gerada por um processo estocástico não estacionário.
• B. tal que sua função de autocorrelação obedeça a uma equação não homogênea cuja solução seja instável.
• C. denominada processo autorregressivo (AR - autoregressive).
• D. denominada processo integrado autorregressivo de médias móveis (ARIMA – autoregressive integrated moving average).
• E. denominada processo de médias móveis (MA – moving average).

• A. misto autorregressivo de médias móveis (ARMA – mixed autoregressive moving average) de primeira ordem.
• B. misto autorregressivo de médias móveis (ARMA – mixed autoregressive moving average) de segunda ordem.
• C. médias móveis (MA – moving average) de primeira ordem.
• D. autorregressivos (AR – autoregressive).
• E. integrado autorregressivo de médias móveis (ARIMA – autoregressive integrated moving average).

Séries Temporais são métodos utilizados para fazer a projeção de valores futuros de uma variável a partir, unicamente, de observações do passado e presente dessa variável. Inicialmente, busca-se observar graficamente a presença do componente Tendência para a seleção do método, sabe-se que:

I. Se na série houver a presença de Tendência então podem ser utilizados os modelos de tendência linear, quadrático e exponencial, por exemplo.

II. Caso contrário, pode-se aplicar o método de médias móveis e o ajuste exponencial.

Em relação às assertivas acima, pode-se afirmar que:

• A.

  Somente a II é verdadeira.

• B.

  Ambas são verdadeiras.

• C.

  Somente a I é verdadeira.

• D.

  Ambas são falsas.

A análise de resíduos em Séries Temporais permite que o modelo seja avaliado por meio do componente aleatório ou irregular.

Nas Figuras 1 a 3 são ilustrados os resíduos para três modelos, pode-se afirmar que:

• A.

  Todos os modelos são inválidos.

• B.

  A tendência está adequadamente modelada (Figura 2).

• C.

  A sazonalidade está adequadamente modelada (Figura 3).

• D.

  Erros distribuídos aleatoriamente (Figura 1).

Considerando a tabela acima, que apresenta a movimentação anual de cargas no porto de Santos de 2003 a 2007, em milhões de toneladas/ano e associa as quantidades de carga movimentadas para exportação e importação às variáveis X e Y, respectivamente, julgue os itens subsequentes.

As séries estatísticas apresentadas na tabela formam três séries temporais.

• C. Certo
• E. Errado

As auto-correlações parciais fora dos limites de confiança de 95% indicam que a série temporal não é estacionária.

• C. Certo
• E. Errado

A presença de um padrão ondulatório no gráfico da função de auto-correlação parcial amostral significa que a série temporal é sazonal.

• C. Certo
• E. Errado