1.

erros auto-regressivos
Considere o modelo no qual os erros são auto-regressivos. Mesmo
que o método MQO gere estimativas dos parâmetros inconsistentes, podemos ainda usar
a equação para propósitos de previsão se a evolução de durante o período de previsão
for a mesma que no período de estimação.
Verdadeiro Falso
2. Modelo AR (2016)
Para o modelo autorregressivo:

onde é o ruído branco de média zero e variância , a autocorrelação de

ordem 1 é dada por:

𝜶𝟏 𝟎, 𝟓
𝝆𝟏 = => 𝝆𝟏 = = 𝟎, 𝟐𝟕𝟕𝟕𝟕
𝟏 − 𝜶𝟐 𝟏 − (−𝟎, 𝟖)

0,28
0,63
0,28
0,25
0,38
3. MQO e autocorrelação
As técnicas de mínimos quadrados, quando aplicadas a dados em séries temporais
econômicas, geralmente produzem estimativas tendenciosas porque muitas séries
econômicas são autocorrelacionadas.
Verdadeiro Falso
4. Se uma série temporal: (2016)
tem como processo gerador um modelo estacionário, qual dos modelos abaixo
serviria para gerar a série, considerando que, em todos os modelos, é o
ruído branco de média zero e variância 1?
;
, onde e são constantes positivas;
;

.
5. Sobre a covariância
Seja um processo de covariância estacionária e definida para

h>=0. [Portanto, ]. Mostre que .

6. Sobre a covariância e variância (2016)
As realizações obedecem ao modelo estatítico com
t=1,...,5, onde os representam realizações de uma variável exógena
e e são parâmetros desconhecidos. A componente de erro obedece ao
processo de média móvel sendo o ruído branco com variância
unitária. As observações são consideradas fixas. Assinale a opção que dá o

valor da variância da média amostral

0,5
2
0,37
1,25
0,625
7. Sobre a estacionariedade da série (2016)
Seja uma série estacionária , caracterizada por um processo autorregressivo
de ordem um [AR(1)]:

onde é um processo estocástico do tipo ruído branco e >0.

Sabendo-se que , sendo que um número real, tem-se que:

ou ;

.
8. Sobre a estatística Ljung-Box (2016)
Um analista deseja modelar a evolução de um índice de qualidade de vida. Ele dispõe de uma série temporal
formada por 81 observações mensais. Inicialmente ele tenta ajustar o modelo na
forma , em que |?| < 1 e |?| é o valor do indicador no mês t; representa o ruído
branco no mês t com média zero e variância ?².
Abaixo, encontram-se os valores e o gráfico da função de autocorrelação dos resíduos gerados pelo modelo
ajustado.
A estatística de teste de Ljung-Box é representada por:

(0,02)2 (0,04)2
𝑄(2) = 81 (81 + 2) [ + ] = 0,17
80 79

Considerando os dois primeiros lags, o seu valor numérioc é, aproximadamente,

0;
0,1;
0,2;
0,5
1
9. Sobre a função de autocorrelação: (2016)
Considere a função de autocorrelação parcial amostral de uma série temporal com 90 observações, com limites
de 5% de significância, 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:

FAC apresenta decaimento exponencial, decai de uma vez e segue forma

sinusóide, então, é uma AR(2)

AR(1);
AR(2);
ARMA(2,1);
ARMA(1,2);
MA(3).
10. Sobre o modelo ARIMA (2016)
O modelo ARIMA (0,0,1) é dado por , onde é o ruído branco
de média zero e variância , e é uma constante.
Pode-se afirmar corretamente que
só é estacionário se | |<1
A Variância de é dada por
A variância de é igual a 1

é sempre estacionário
11. Sobre o modelo Autorregressivo (2016)
A demanda de um certo derivado de petróleo segue um modelo
autorregressivo de ordem 2 ? AR(2).

Sendo que
0,25
 0,20
0,15
0,10
0,05
12. Sobre o teste DW
O teste DW para correlação serial não é aplicável se existirem variáveis dependentes defasadas como variáveis
explicativas.

Verdadeiro Falso
13. Sobre o teste DW
O teste Durbin-Watson para correlação serial não é aplicável se os erros são heterocedásticos.

Verdadeiro Falso
14. Sobre séries temporais, analise as proposições a seguir. (2016)
I. Se um processo MA(1) for estacionário, ele pode ser representado como um processo autorregressivo (AR) de
ordem infinita.
II. Se um processo AR(1) for estacionário, ele pode ser representado por um processo de médias móveis (MA)
de ordem infinita.
III. Uma série de tempo é um conjunto ordenado de variáveis aleatórias, isto é, um processo estocástico,
portanto uma série de tempo y(t) pode ser representada pela função de densidade conjunta
dos com ; assim, trabalhar com uma série de tempo é inferir sobre o processo estocástico
com uma única realização desse processo.
É(São) correta(s) a(s) proposição(ões):

I, apenas.
I e II, apenas.
I e III, apenas.
II e III, apenas.
I, II e III.