Pular para o conteúdo principal

Questão de Estatística — Análise de séries temporais — CESPE / CEBRASPE 2024

EstatísticaAnálise de séries temporais
Código
ce185144
Banca
CESPE / CEBRASPE
Órgão
SEBRAE-NACIONAL
Ano
2024
Nível
Superior
Cargo
Analista Técnico II – Cientista de Dados

Se {yt} for uma série temporal fracamente estacionária descrita pelo modelo na forma yt = 3 + 0,7yt−1 + εt , no qual εt é um ruído branco com média nula e t ∈ ℤ, então o valor esperado da variável yt será igual a



  1. A2,1.
  2. B3.
  3. C3,7.
  4. D10.
Revelar gabarito e comentário

GabaritoD — 10.

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”.

Valor esperado em processo AR(1)

Gabarito: letra D. Para uma série temporal fracamente estacionária descrita por um modelo autorregressivo de ordem 1, yt=δ+ϕyt−1+εty_t = \delta + \phi y_{t-1} + \varepsilon_t, o valor esperado é constante e dado por E(yt)=δ1−ϕE(y_t) = \dfrac{\delta}{1 - \phi}, desde que ∣ϕ∣<1|\phi| < 1. Aplicando os valores do enunciado (δ=3\delta = 3 e ϕ=0,7\phi = 0{,}7), obtemos E(yt)=31−0,7=30,3=10E(y_t) = \dfrac{3}{1 - 0{,}7} = \dfrac{3}{0{,}3} = 10.

O modelo apresentado é um processo autorregressivo de ordem 1, AR(1), com constante. A estacionariedade fraca garante que a média e a variância são constantes ao longo do tempo, ou seja, E(yt)=E(yt−1)=μE(y_t) = E(y_{t-1}) = \mu para todo tt. O ruído branco εt\varepsilon_t tem média nula, E(εt)=0E(\varepsilon_t) = 0. Tomando a esperança em ambos os lados da equação do modelo, temos:

E(yt)=E(3+0,7yt−1+εt)=3+0,7E(yt−1)+E(εt)E(y_t) = E(3 + 0{,}7y_{t-1} + \varepsilon_t) = 3 + 0{,}7E(y_{t-1}) + E(\varepsilon_t)

Como E(yt)=E(yt−1)=μE(y_t) = E(y_{t-1}) = \mu e E(εt)=0E(\varepsilon_t) = 0, a equação se torna:

μ=3+0,7μ⇒μ−0,7μ=3⇒0,3μ=3⇒μ=10\mu = 3 + 0{,}7\mu \Rightarrow \mu - 0{,}7\mu = 3 \Rightarrow 0{,}3\mu = 3 \Rightarrow \mu = 10

A condição de estacionariedade para um AR(1) é que o parâmetro autorregressivo satisfaça ∣ϕ∣<1|\phi| < 1, o que é verificado aqui (0,7<10{,}7 < 1). Caso contrário, a média não seria definida e a série não seria estacionária.

  1. 1Tomar esperança da equação
  2. 2Usar E(yₜ) = E(yₜ₋₁) = μ
  3. 3Isolar μ = δ/(1−φ)
  4. 4Aplicar: 3/(1−0,7) = 10
LEVEL · soulevel.com.br

Alternativa A — ❌ Incorreta

O valor 2,1 corresponde ao produto 3×0,73 \times 0{,}7, ou seja, o candidato multiplica a constante pelo coeficiente autorregressivo em vez de aplicar a fórmula da média. Esse número não tem significado estatístico no contexto do modelo.

Alternativa B — ❌ Incorreta

O valor 3 é apenas a constante δ\delta do modelo. O candidato pode pensar que a média é igual ao intercepto, mas a média de um AR(1) estacionário é maior que a constante, pois o processo acumula o efeito das defasagens.

Alternativa C — ❌ Incorreta

O valor 3,7 é a soma 3+0,73 + 0{,}7, confundindo a constante com o coeficiente autorregressivo. Novamente, não corresponde à média do processo, que exige a divisão por 1−ϕ1 - \phi.

Alternativa D — ✅ Correta ⟵ GABARITO

Aplicando corretamente a fórmula da média de um AR(1) estacionário, μ=δ1−ϕ=31−0,7=10\mu = \dfrac{\delta}{1 - \phi} = \dfrac{3}{1 - 0{,}7} = 10. Este é o valor esperado da série temporal.

NÃO CAIA NESSA!

A banca explora a confusão entre a constante do modelo e a média do processo. O candidato pode ser tentado a marcar 3 (a constante) ou 3,7 (a soma), mas a média de um AR(1) estacionário é sempre δ1−ϕ\dfrac{\delta}{1 - \phi}. Lembre-se: a média é o ponto fixo da equação, onde yt=yt−1y_t = y_{t-1}.

PEGA ESSA DICA!

Para processos AR(1) estacionários, memorize a fórmula da média μ=δ1−ϕ\mu = \dfrac{\delta}{1 - \phi} e a condição ∣ϕ∣<1|\phi| < 1. Na prova, identifique rapidamente os parâmetros δ\delta e ϕ\phi e aplique a fórmula — isso resolve a questão em segundos.

Gabarito: letra D

Link permanente: /questoes/ce185144