Escolar Documentos
Profissional Documentos
Cultura Documentos
(a) A parte AR envolve modelar o termo de erro como uma combinação linear de termos de erro que
ocorrem contemporâneamente e em vários momentos no passado;
(b) A parte MA envolve regressar a variável em seus próprios valores passados;
(c) A parte I indica que os valores de dados foram substituı́do com uma diferença entre os seus valores
e os valores anteriores, podendo ser diferenciada mais de uma vez e no máximo d ≤ 1
(d) Os modelos ARIMA não sazonais são geralmente denotados como ARIMA(P,D,Q), onde P, D, Q ∈
Z+ ;
(e) Os modelos SARIAMA são aplicados em alguns casos em que os dados mostram evidência de esta-
cionaridades.
i. ARIMA(1,0,0) v. ARIMA(3,1,3)
ii. ARIMA(0,0,1) vi. ARIMA(1,1,1)
iii. ARIMA(2,1,2) vii. ARIMA(1,1,0)
iv. ARIMA(0,1,0) viii. ARIMA(2,2,2)
1
i. Estacionário vi. Não é causal
ii. Invertı́vel
vii. Carece de informação necessária para qual-
iii. Não é invertı́vel
quer conclusão
iv. Não é estacionário
v. Causal viii. Ruı́do branco
4. Suponhamos que as receitas diárias (5 dias por semana) de uma empresa em milhões de kwanzas, segue
o modelo AR(2) Xt = 20 + 0.8Xt−1 − 0.5Xt−2 + et , et ∼ N (0, 9). Dada as últimas observações e erros
de previsão correspondente:
(a) (3 valores) A previsão, erro e IC a 95% para o primeiro dia da semana é:
i. X̂n = 24.026, M SP E = 1.9 IC 95% = 24.026 ± 5.88
ii. X̂n = 35.02, M SP E = 9.2 IC 95% = 35.19 ± 4.26
iii. X̂n = 40.71, M SP E = 10.1 IC 95% = 41.82 ± 6.59
iv. X̂n = 19.256, M SP E = 4.99 IC 95% = 18.14 ± 5.42
v. X̂n = 207.464, M SP E = 5.2 IC 95% = 26.126 ± 7.99
vi. X̂n = 25.026, M SP E = 9.0 IC 95% = 25.026 ± 5.88