Questão FC463830
Considere as propriedades de processos estocásticos estacionários e não estacionários em análise de séries temporais. Assinale a opção que melhor descreve uma diferença chave entre
Econometria
FGV · 2024
Considere as propriedades de processos estocásticos estacionários e não estacionários em análise de séries temporais.
Assinale a opção que melhor descreve uma diferença chave entre um processo estocástico estacionário e um não estacionário.
- Um processo estocástico estacionário possui média e variância constantes ao longo do tempo, enquanto um processo não estacionário exibe mudanças na média, na variância ou em ambas ao longo do tempo.
- Devido à sua natureza variável, apenas processos estocásticos não estacionários podem ser modelados e previstos usando técnicas de análise de séries temporais.
- Processos estocásticos estacionários são caracterizados por uma dependência de longo prazo significativa entre suas observações, o que é inexistente em processos não estacionários.
- Um processo estocástico não estacionário sempre retorna ao seu valor médio original após um choque, característica que não é observada em processos estacionários.
- Processos estocásticos não estacionários podem ser tornados estacionários simplesmente aumentando o tamanho da amostra coletada, sem necessidade de transformações ou diferenciações.
Mostrar resposta e comentário
Gabarito
A
Comentário do professor
A resposta indica a diferença central: um processo estocástico estacionário tem média, variância e autocovariância que não dependem do tempo; essas medidas são constantes ao longo do tempo, portanto as propriedades estatísticas não mudam conforme se observa a série.
Por outro lado, um processo não estacionário apresenta alterações na média, na variância ou em ambas ao longo do tempo, ou tem autocovariância que depende do tempo absoluto. Isso implica que padrões observados ontem podem não se repetir amanhã.
Na prática, essa distinção é crucial: muitos modelos exigem estacionariedade, e séries não estacionárias costumam ser transformadas por diferenciação ou remoção de tendência antes da modelagem. Um exemplo clássico de não estacionariedade é o random walk, cuja variância cresce com o tempo.
Conteúdo do catálogo FC Concursos · Atualizado em