1. Previsões

Question 1

A previsão da procura visa produzir exatamente o que os clientes irão comprar

Answer 1

V - A previsão da procura visa produzir exatamente o que os clientes irão comprar.

Question 2

Fatores internos, como esforços de vendas e publicidade, não afetam a previsão da procura

Answer 2

F - Fatores internos, como esforços de vendas e publicidade, afetam a previsão da procura.

Question 3

Modelos subjetivos incluem estudos de mercado e opinião de especialistas

Answer 3

V - Modelos subjetivos incluem estudos de mercado e opinião de especialistas.

Question 4

Modelos quantitativos não utilizam dados históricos para análise de previsão

Answer 4

F - Modelos quantitativos utilizam dados históricos para análise de previsão.

Question 5

A componente tendência reflete o movimento médio da procura ao longo do tempo.

Answer 5

Verdadeiro
A componente tendência é uma das principais componentes de séries temporais e reflete o movimento médio da procura ao longo do tempo, indicando a direção geral (ascendente, descendente ou estável) de uma variável ao longo de um período prolongado.

Question 5

A componente cíclica de uma série temporal tem um período de repetição consistente

Answer 5

F
A componente cíclica de uma série temporal não tem um período de repetição consistente. As flutuações cíclicas variam em duração e intensidade, dependendo de fatores externos e imprevisíveis, como mudanças económicas ou políticas, diferindo da componente sazonal, que é regular e previsível.

Question 6

O método ingénuo usa o valor do último período como previsão para o próximo.

Answer 6

V - O método ingénuo usa o valor do último período como previsão para o próximo.

Question 7

A média móvel simples usa apenas os valores mais antigos para calcular previsões.

Answer 7

F - A média móvel simples usa os valores mais recentes, não os mais antigos, para calcular previsões.

Question 8

O método de amortecimento exponencial simples utiliza um fator de amortecimento para atribuir pesos aos dados passados.

Answer 8

V - O método de amortecimento exponencial simples utiliza um fator de amortecimento para atribuir pesos aos dados passados.

Question 9

Valores de α altos no método de amortecimento exponencial resultam em previsões mais sensíveis aos dados recentes.

Answer 9

V - Valores de α altos no método de amortecimento exponencial resultam em previsões mais sensíveis aos dados recentes.

Question 10

O método de Holt é usado para séries temporais que possuem uma componente de tendência.

Answer 10

V - O método de Holt é usado para séries temporais que possuem uma componente de tendência.

Question 11

Os métodos de Holt-Winters são indicados para séries temporais com sazonalidade.

Answer 11

V - Os métodos de Holt-Winters são indicados para séries temporais com sazonalidade.

Question 12

O método de Holt-Winters multiplicativo é adequado para séries temporais com um padrão sazonal constante.

Answer 12

F
Esse método é projetado para séries onde a sazonalidade varia proporcionalmente ao nível da série, ou seja, quando a amplitude do padrão sazonal aumenta ou diminui em relação ao crescimento ou à queda da tendência.

Question 13

O tracking signal ajuda a identificar se as previsões estão consistentemente erradas.

Answer 13

V - O tracking signal ajuda a identificar se as previsões estão consistentemente erradas.

Question 14

Um TS (tracking signal) maior que 4 indica que as previsões estão dentro do controle.

Answer 14

F - Um TS (tracking signal) maior que 4 indica que as previsões estão fora do controle

Question 15

A regressão linear simples utiliza mais de uma variável independente.

Answer 15

F - A regressão linear simples utiliza apenas uma variável independente.

Question 16

Modelos de previsão mais reativos são preferidos em séries temporais com tendências estáveis.

Answer 16

F - Isso porque em séries estáveis, modelos menos reativos (mais estáveis) são geralmente mais adequados. Eles captam melhor a tendência geral e evitam responder a ruídos ou flutuações de curto prazo, que podem prejudicar a precisão da previsão. Modelos reativos são mais úteis em séries com mudanças frequentes ou instáveis, o que não é o caso de séries com tendências estáveis.

Question 17

O EQM (Erro Quadrático Médio) é usado para avaliar a precisão de modelos de previsão.

Answer 17

V - O EQM (Erro Quadrático Médio) é usado para avaliar a precisão de modelos de previsão.

Question 18

A sazonalidade em séries temporais pode ser representada por modelos aditivos ou multiplicativos.

Answer 18

V - A sazonalidade em séries temporais pode ser representada por modelos aditivos ou multiplicativos.

Question 19

O método de amortecimento exponencial simples não considera tendências nos dados

Answer 19

V - O método de amortecimento exponencial simples não considera tendências nos dados.

Question 20

Fatores externos, como época do ano e alterações climáticas, não influenciam a previsão da procura

Answer 20

F - Fatores externos, como época do ano e alterações climáticas, influenciam a previsão da procura.

Question 21

Modelos de séries temporais incluem decomposição e amortecimento exponencial.

Answer 21

V - Modelos de séries temporais incluem decomposição e amortecimento exponencial.

Question 22

A procura sazonal apresenta variações periódicas nítidas, como picos durante o verão

Answer 22

V - A procura sazonal apresenta variações periódicas nítidas, como picos durante o verão.

Question 23

A componente irregular de uma série temporal segue padrões bem definidos.

Answer 23

F - A componente irregular de uma série temporal não segue padrões definidos.

Question 24

A média móvel simples considera apenas os valores observados no instante mais recente.

Answer 24

F - A média móvel simples considera vários períodos passados, não apenas o mais recente.

Question 25

Os modelos de amortecimento exponencial simples exigem armazenamento de mais dados do que a média móvel simples.

Answer 25

F - Os modelos de amortecimento exponencial simples exigem menos armazenamento de dados do que a média móvel simples.

Question 26

A média móvel com maior número de períodos suaviza mais os dados observados.

Answer 26

V Na média móvel, quanto maior o número de períodos (𝑛), maior será o grau de suavização dos dados observados. Isso acontece porque a média é calculada usando um intervalo maior de dados, o que reduz a influência de variações ou flutuações individuais.

Question 27

O método Holt-Winters aditivo é mais indicado para séries com sazonalidade multiplicativa.

Answer 27

F - O método Holt-Winters aditivo é indicado para séries com sazonalidade aditiva, não multiplicativa.

Question 28

O método Holt-Winters permite prever séries temporais com tendência e sazonalidade.

Answer 28

V - O método Holt-Winters permite prever séries temporais com tendência e sazonalidade.

Question 29

Um α pequeno no amortecimento exponencial simples torna o modelo mais sensível às variações recentes.

Answer 29

F No método de amortecimento exponencial simples, um valor pequeno para α (fator de suavização) torna o modelo menos sensível às variações recentes. Isso ocorre porque α controla o peso atribuído às observações mais recentes: α pequeno: Dá menos peso às observações mais recentes e mais peso às observações passadas, resultando em previsões mais estáveis e menos reativas a flutuações de curto prazo. α grande: Dá mais peso às observações mais recentes, tornando o modelo mais sensível às variações recentes e reativo a mudanças nos dados.

Question 30

O EQM avalia o desempenho de modelos de previsão, sendo menor quando as previsões são mais precisas.

Answer 30

V - O EQM avalia o desempenho de modelos de previsão, sendo menor quando as previsões são mais precisas.

Question 31

No método Holt, o valor de tendência é atualizado utilizando ponderação entre valores passados e atuais.

Answer 31

V - No método Holt, o valor de tendência é atualizado utilizando ponderação entre valores passados e atuais.

Question 32

A sazonalidade em um modelo multiplicativo afeta o nível da série de forma constante ao longo do tempo.

Answer 32

F - A sazonalidade em um modelo multiplicativo afeta o nível da série de forma proporcional, não constante.

Question 33

Os índices sazonais são calculados como a razão entre os valores observados e os valores de tendência.

Answer 33

V - Os índices sazonais são calculados como a razão entre os valores observados e os valores de tendência.

Question 34

O tracking signal utiliza o erro médio absoluto (EAM) para calcular se as previsões estão controladas.

Answer 34

V - O tracking signal utiliza o erro médio absoluto (EAM) para calcular se as previsões estão controladas.

Question 35

Se o tracking signal estiver dentro do intervalo [-4, 4], o modelo de previsão é considerado aceitável.

Answer 35

V O intervalo padrão de [-4, 4] é amplamente usado porque: Oferece um equilíbrio razoável para muitos cenários. Representa aproximadamente dois desvios padrão, cobrindo cerca de 95% dos erros (assumindo uma distribuição normal).

Question 36

O método de regressão linear simples pode prever a demanda com base em uma única variável explicativa.

Answer 36

V - O método de regressão linear simples pode prever a demanda com base em uma única variável explicativa.

Question 37

Modelos de previsão baseados em regressão múltipla utilizam mais de uma variável independente.

Answer 37

V - Modelos de previsão baseados em regressão múltipla utilizam mais de uma variável independente.

Question 38

O método Holt-Winters aditivo é preferido para séries temporais com sazonalidade que não varia em amplitude.

Answer 38

V O método de Holt-Winters aditivo é preferido para séries temporais com sazonalidade cuja amplitude não varia (ou seja, a sazonalidade é constante ao longo do tempo). Nesse modelo, a sazonalidade é somada à tendência e ao nível da série, sem ser influenciada pelo nível geral dos dados.

Question 39

Previsões mais reativas são adequadas para séries temporais com variações rápidas e instáveis.

Answer 39

V - Previsões mais reativas são adequadas para séries temporais com variações rápidas e instáveis.