Acerca de inteligência artificial, técnicas de prompts, transformação e análise de dados, julgue o item seguinte.Em se tratando de análises de tendências e projeções, desconsideram-se atributos como sazonalidade, autocorrelação e granularidade temporal quando utilizados modelos estatísticos consolidados.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Análise de tendências e projeções em séries temporais
Gabarito: Errado (E). A afirmação está incorreta porque modelos estatísticos consolidados para previsão de séries temporais, como ARIMA, suavização exponencial e modelos de regressão, consideram explicitamente atributos como sazonalidade, autocorrelação e granularidade temporal — são justamente esses componentes que fundamentam a modelagem e a acurácia das projeções.
A banca testa o conhecimento básico sobre análise de séries temporais. Em qualquer modelo estatístico robusto (ARIMA, Holt-Winters, Prophet, etc.), a sazonalidade é modelada para capturar padrões periódicos; a autocorrelação é a base para identificar a dependência temporal entre observações; e a granularidade temporal (horária, diária, mensal) define a escala de agregação dos dados e influencia a escolha do modelo. Desconsiderar esses atributos comprometeria a qualidade da previsão.
1Sazonalidade
2Autocorrelação
3Granularidade temporal
4Modelo (ARIMA, Holt-Winters...)
LEVEL · soulevel.com.br
PEGA ESSA DICA!
Em questões sobre séries temporais, lembre-se: sazonalidade, autocorrelação e granularidade são essenciais para a modelagem. A banca frequentemente inverte o verbo ("desconsideram-se" por "consideram-se") para testar se o candidato domina o conceito básico.