Pular para o conteúdo principal

Questão de Estatística — Análise de séries temporais — FCC 2023

EstatísticaAnálise de séries temporais
Código
fc069866
Banca
FCC
Órgão
TRT - 18ª Região (GO)
Ano
2023
Nível
Superior
Cargo
Analista Judiciário - Estatística
Considere o modelo de série temporal dado por:Yt = Yt-₁ - 0,25Yt-₂ + et - 0,1et-₁, sendo et ~ N(0, σ²)Trata-se do modelo
  1. AARMA(1,1) e o processo resultante é estacionário e não invertível.
  2. BMA(2) e o processo resultante é não estacionário e invertível.
  3. CARIMA cujo processo resultante é não estacionário e não invertível.
  4. DARMA(2,1) e o processo resultante é estacionário e invertível.
  5. EAR(1) e o processo resultante é estacionário e não invertível.
Revelar gabarito e comentário

GabaritoD — ARMA(2,1) e o processo resultante é estacionário e invertível.

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”.

Modelo ARMA: identificação, estacionariedade e invertibilidade

Gabarito: letra D. O modelo dado é um ARMA(2,1), pois apresenta dois termos autorregressivos (Yt−1Y_{t-1} e Yt−2Y_{t-2}) e um termo de média móvel (et−1e_{t-1}). O processo é estacionário porque as raízes do polinômio autorregressivo estão fora do círculo unitário, e é invertível porque a raiz do polinômio de médias móveis também está fora do círculo unitário. A identificação vem da forma geral Yt=ϕ1Yt−1+ϕ2Yt−2+et−θ1et−1Y_t = \phi_1 Y_{t-1} + \phi_2 Y_{t-2} + e_t - \theta_1 e_{t-1}, com ϕ1=1\phi_1 = 1, ϕ2=−0,25\phi_2 = -0,25 e θ1=0,1\theta_1 = 0,1.

Um modelo ARMA(p,q) combina a parte autorregressiva (AR) e a parte de médias móveis (MA). A ordem p é o maior lag da variável dependente que aparece no modelo; a ordem q é o maior lag do erro. Aqui, temos Yt−1Y_{t-1} e Yt−2Y_{t-2} (logo, p = 2) e et−1e_{t-1} (logo, q = 1). Portanto, ARMA(2,1).

Para verificar a estacionariedade, analisamos o polinômio autorregressivo ϕ(B)=1−ϕ1B−ϕ2B2\phi(B) = 1 - \phi_1 B - \phi_2 B^2. Substituindo os coeficientes: 1−B+0,25B2=01 - B + 0,25 B^2 = 0. As raízes dessa equação são B=2B = 2 (raiz dupla). Como ∣B∣=2>1|B| = 2 > 1, as raízes estão fora do círculo unitário, e o processo é estacionário.

Para a invertibilidade, analisamos o polinômio de médias móveis θ(B)=1+θ1B\theta(B) = 1 + \theta_1 B. Com θ1=0,1\theta_1 = 0,1, temos 1+0,1B=01 + 0,1 B = 0, cuja raiz é B=−10B = -10. Como ∣B∣=10>1|B| = 10 > 1, a raiz está fora do círculo unitário, e o processo é invertível.

A pegadinha da banca está em confundir a ordem do modelo ou inverter as condições de estacionariedade e invertibilidade. Muitos candidatos identificam apenas o termo Yt−1Y_{t-1} e esquecem o Yt−2Y_{t-2}, marcando ARMA(1,1) ou AR(1). Outros trocam as condições: dizem que o processo é não estacionário quando as raízes estão dentro do círculo unitário, ou que é não invertível quando estão fora.

Alternativa A — ❌ Incorreta

Afirma que o modelo é ARMA(1,1). Erro: há dois termos autorregressivos (Yt−1Y_{t-1} e Yt−2Y_{t-2}), portanto p = 2, não 1. Além disso, o processo é invertível, não não invertível.

Alternativa B — ❌ Incorreta

Afirma que o modelo é MA(2). Erro: não há termos autorregressivos? Há, sim: Yt−1Y_{t-1} e Yt−2Y_{t-2}. O modelo tem componente AR, então não pode ser puramente MA. Além disso, o processo é estacionário, não não estacionário.

Alternativa C — ❌ Incorreta

Afirma que é um ARIMA. Erro: ARIMA é usado quando a série precisa de diferenciação para se tornar estacionária (d > 0). Aqui, o processo já é estacionário sem diferenciação (d = 0), então é ARMA, não ARIMA. Também erra ao dizer que é não estacionário e não invertível.

Alternativa D — ✅ Correta ⟵ GABARITO

Correta: o modelo é ARMA(2,1), pois tem dois lags autorregressivos e um lag de média móvel. É estacionário porque as raízes do polinômio AR estão fora do círculo unitário (raiz dupla em 2), e é invertível porque a raiz do polinômio MA está fora do círculo unitário (raiz em -10).

Alternativa E — ❌ Incorreta

Afirma que o modelo é AR(1). Erro: há dois termos autorregressivos, então p = 2, não 1. Além disso, o processo é invertível, não não invertível.

NÃO CAIA NESSA!

A banca explora a confusão entre a ordem do modelo e as condições de estacionariedade/invertibilidade. Muitos candidatos contam apenas o primeiro lag autorregressivo e esquecem o segundo, marcando ARMA(1,1) ou AR(1). Outros invertem as condições: dizem que é não estacionário quando as raízes estão fora do círculo unitário, ou que é não invertível quando estão fora. Lembre-se: estacionariedade exige raízes do polinômio AR fora do círculo unitário; invertibilidade exige raízes do polinômio MA fora do círculo unitário. Com treino, você identifica essas trocas de longe 💪.

PEGA ESSA DICA!

Para identificar a ordem de um ARMA, conte os lags da variável dependente (p) e os lags do erro (q). Depois, para estacionariedade, resolva a equação característica do polinômio AR e verifique se todas as raízes têm módulo maior que 1. Para invertibilidade, faça o mesmo com o polinômio MA. Monte uma tabela mental:

Critério

Polinômio

Condição

Estacionariedade

AR: 1−ϕ1B−⋯−ϕpBp=01 - \phi_1 B - \dots - \phi_p B^p = 0

Todas as raízes com $

B

> 1$

Invertibilidade

MA: 1+θ1B+⋯+θqBq=01 + \theta_1 B + \dots + \theta_q B^q = 0

Todas as raízes com $

B

> 1$

Gabarito: letra D.

Link permanente: /questoes/fc069866