Questões de Processos estocásticos
Estatística e Econometria, 15 questões com gabarito comentado
Em uma cadeia de Markov, a distribuição do próximo estado, dado todo o passado, depende apenas do estado atual.
Revelar gabarito
Gabarito: Certo
Certo. É a propriedade de Markov: dado o estado atual, a distribuição do próximo estado não depende do restante do passado, de modo que o futuro se liga à história apenas pelo presente.
Em um processo de Poisson com taxa λ, os tempos entre eventos consecutivos têm distribuição normal.
Revelar gabarito
Gabarito: Errado
Errado. No processo de Poisson com taxa λ, os tempos entre eventos consecutivos seguem distribuição exponencial de média 1/λ, e não distribuição normal, como afirma o item.
Em um movimento browniano padrão, Wₜ − Wₛ, com t > s, tem distribuição normal com média zero e variância t − s.
Revelar gabarito
Gabarito: Certo
Certo. É propriedade definidora do movimento browniano padrão: com t > s, o incremento Wₜ − Wₛ tem distribuição normal de média zero e variância igual à duração t − s.
As trajetórias do movimento browniano são contínuas e diferenciáveis em todos os pontos, com probabilidade 1.
Revelar gabarito
Gabarito: Errado
Errado. As trajetórias do movimento browniano são contínuas, mas, com probabilidade 1, não são diferenciáveis em ponto algum; o item erra ao afirmar a diferenciabilidade.
Se X é martingale em relação à informação disponível, a esperança condicional do valor seguinte, dada essa informação, é igual ao valor atual.
Revelar gabarito
Gabarito: Certo
Certo. Por definição, em um martingale E[Xₜ₊₁ | informação até t] = Xₜ; o melhor previsor do próximo valor é o valor atual, o que descreve a ideia de jogo justo.
Em matriz de transição de cadeia de Markov, cada linha soma 1.
Revelar gabarito
Gabarito: Certo
Certo. Cada linha da matriz de transição P contém as probabilidades de sair de um estado para todos os demais; como é uma distribuição de probabilidade, a linha soma 1.
Uma distribuição estacionária π de cadeia de Markov satisfaz πP = π.
Revelar gabarito
Gabarito: Certo
Certo. Por definição, a distribuição estacionária π não muda ao aplicar a matriz de transição, o que se escreve como πP = π, equação usada para encontrar a distribuição de equilíbrio da cadeia.
Toda cadeia de Markov finita converge para distribuição estacionária única, ainda que seja redutível e periódica.
Revelar gabarito
Gabarito: Errado
Errado. A convergência para uma distribuição estacionária única exige cadeia finita irredutível e aperiódica; cadeia redutível ou periódica não atende às condições desse resultado.
O passeio aleatório simétrico é um martingale.
Revelar gabarito
Gabarito: Certo
Certo. No passeio aleatório simétrico, o incremento esperado é zero; assim, a esperança do valor seguinte, dada a informação, é o valor atual, o que caracteriza um martingale.
Todo processo de Markov é, necessariamente, um martingale.
Revelar gabarito
Gabarito: Errado
Errado. Martingale e processo de Markov são propriedades distintas, e cada uma pode existir sem a outra; ser markoviano não implica, portanto, ser martingale.
Em processo de Poisson com taxa de 2 eventos por hora, o número esperado de eventos em 3 horas é 6.
Revelar gabarito
Gabarito: Certo
Certo. No processo de Poisson, o número de eventos em intervalo de duração t segue Poisson(λt), com média λt; assim, com λ = 2 e t = 3, o número esperado é 6.
Em processo de Poisson com taxa de 2 eventos por hora, o tempo médio entre eventos é de 2 horas.
Revelar gabarito
Gabarito: Errado
Errado. Com taxa de 2 eventos por hora, o tempo médio entre eventos é 1/λ, ou 0,5 hora; o valor de 2 horas confunde a taxa com sua recíproca.
No movimento browniano padrão, a variância de W₅ − W₂ é igual a 3.
Revelar gabarito
Gabarito: Certo
Certo. A variância do incremento browniano é igual à duração do intervalo; para W₅ − W₂, a duração é 5 − 2 = 3, que é a variância apontada no item.
O lema de Itô inclui termo de segunda ordem que não aparece no cálculo ordinário.
Revelar gabarito
Gabarito: Certo
Certo. O lema de Itô inclui o termo de segunda ordem ½σ²S²f″ dt, que decorre da variação quadrática do browniano e não aparece no cálculo ordinário.
O movimento browniano geométrico pode assumir valores negativos, por ter incrementos normais em nível.
Revelar gabarito
Gabarito: Errado
Errado. O browniano geométrico, dS = μS dt + σS dW, mantém S positivo e gera retornos logarítmicos normais; o processo não assume valores negativos, ao contrário do que afirma o item.