Lembrando algumas propriedades. "x" e "y" são variáveis, "a" e "b" são constantes.
- E(a) = a
- E(a*x) = a*E(x)
- E(x + y) = E(x) + E(y)
- Var(a) = 0
- Var(x + a) = Var(x)
- Var(a*x) = a² * Var(x)
- Se x e y forem independentes, Var(x + y) = Var(x) + Var(y)
- Cov(x + a, y + b) = Cov(x, y)
Para a notação ficar menos confusa, vou usar "w", "x", "y" e "z" para representarem ε[t], ε[t-1], ε[t-2], ε[t-3].
===
Calculando a Variância do erro
- Uma das fórmulas da variância é Var(x) = E(x²) - E(x)² = 0
- O enunciado nos dá que E(εt) = 0 e E(εt²) = σ²
- Logo, Var(ε) = E(ε²t) - E(εt)² -> σ² - 0² ->
Var(ε) = σ²
===
Calculando a Esperança do modelo
Usando as propriedades 1, 2 e 3:
- E(yt) = E(k + 0,4y + 0,2x + w) ->
- E(yt) = E(k) + E(0,4*y) + E(0,2*x) + E(w)
- E(yt) = k + 0,4E(y) + 0,2E(x) + E(w)
Como sabemos que a esperança dos erros é igual a zero, podemos substituir "w", "x" e "y" por 0.
- E(yt) = k + 0,4*0 + 0,2*0 + 0 ->
- E(yt) = k
====
Calculando a Variância do modelo
O erro é ruído branco, e pelos a prioris no modelo, não se espera que os erros tenham autocorrelação. Ou seja, se parte do pressuposto que w, x, y, z são independentes entre si. Logo, podemos usar a propriedade 7.
Usando a propriedade 5, 6 e 7:
- Var(yt) = Var(k + 0,4w + 0,2x + y) ->
- = Var(0,4w + 0,2x + y) ->
- = Var(0,4w) + Var(0,2x) + Var(y) ->
- = 0,4² * Var(w) + 0,2²*Var(x) + Var(y) ->
- = 0,16*Var(w) + 0,04*Var(x) + Var(y)
Sabemos que a variância do erro é igual a σ², logo podemos substituir w, x, y por σ²
- Var(yt) = 0,16*σ² + 0,04*σ² + σ²
Var(yt) = 1,2σ²
=====
Já eliminamos a e b, agora precisamos entrar na especificidade dos modelos temporais. O modelo de média móvel sempre será estacionário. "Estacionário" só quer dizer que o valor processo é finito e constante.
====
Calculando a correlação de y[t] e y[t-1]
- Desvio padrão: DP(x)² = Var(x).
- Covariância: Cov(x,y) = E(xy) - E(x)E(y).
- Correlação entre dois termos é dada por r = Cov(x,y) / DP(x)*DP(y).
Representando x, y como y[t], y[t-1]
Calculando o denominador:
A variância e o Desvio padrão não mudam de um momento para outro, então:
DP(x)*DP(y) = DP(x)*DP(x) = Var(x) = 1,2σ², como calculado anteriormente.
Calculando E(xy) - E(x)E(y):
Pela propriedade 8, podemos retirar "k" da fórmula, mantendo somente os termos dos erros.
Como E(εt) = 0, E(x)E(y) = 0 * 0 = 0. Logo, a covariância será igual a E(xy):
E(0,4y + 0,2x + w)(0,4z + 0,2y + x).
Como E(εt) = 0, e como se supõe que os erros não sejam autocorrelacionados, os elementos cruzados de momentos diferentes serão iguais a 0 (E(w) = E(x) = E(y) = E(z) = 0), e os elementos cruzados de momentos iguais serão iguais a σ² (E(w²) = E(x²) = E(y²) = E(z²) = σ²).
- E(0,4y + 0,2x + w)(0,4z + 0,2y + x) ->
- 0,16yz + 0,08y² + 0,4yx + 0,08xz + 0,04xy + 0,2x² + 0,4wz + 0,2wy + wx ->
- 0,08y² + 0,2x²
- 0,08σ² + 0,2σ² = 0,28σ²
E(xy) = 0,28σ²
- Logo Cov(x,y) = 0,28σ²
- DP(x)*DP(y) = 1,2σ²
- r = 0,28σ²/1,2σ²
- r(yt,yt-1) = 7/30.