Questão de Estatística · FCC TRT5 2022 (nº 49)

Métodos de simulação usam números aleatórios para modelar sistemas ou estimar propriedades de distribuições. Eles podem ser dinâmicos (onde a próxima amostra depende da anterior, formando uma sequência) ou estáticos (onde as amostras são independentes umas das outras).

• (A) Incorreta: A reamostragem ponderada é uma técnica de amostragem com pesos, frequentemente usada em métodos como Filtros de Partículas (que são dinâmicos), mas não é, por si só, um método de simulação dinâmica no sentido de gerar uma cadeia de estados dependentes.
• (B) Incorreta: O algoritmo Metropolis é um método MCMC (Markov Chain Monte Carlo), que é uma simulação dinâmica, pois gera uma sequência de amostras onde cada uma depende da anterior para explorar o espaço de estados.
• (C) Correta: O algoritmo EM (Expectation-Maximization) é um método iterativo para estimar parâmetros em modelos com dados ausentes ou variáveis latentes. Na sua etapa de Expectation (E), ele calcula a expectativa das variáveis latentes ou ausentes, o que pode ser visto como uma forma de imputação (preenchimento de dados ausentes). Em variantes como o MCEM (Monte Carlo EM), essa imputação é feita explicitamente por simulação.
• (D) Incorreta: O amostrador de Gibbs é um método MCMC, e, portanto, é uma simulação dinâmica, pois gera amostras sequenciais onde cada uma depende da anterior.
• (E) Incorreta: O método de aceitação/rejeição é uma simulação estática. Embora o processo de aceitação/rejeição possa envolver várias tentativas, cada amostra final aceita é gerada independentemente das outras, sem formar uma cadeia de Markov. A armadilha aqui é confundir o processo interno de tentativas com a dependência sequencial das amostras resultantes.