Come si e gia stabilito nei capitoli precedenti, nella classe dei processi stocast

ici Gaussiani, stazionari, invertibili e a media nulla, esiste una corrispondenz

a biunivoca tra la funzione di autocovarianza e la famiglia delle distribuzioni
finite che caratterizzano ogni processo. Inoltre, la limitazione dell'analisi ai p
rocessi lineari, stazionari e invertibili stabilisce una corrispondenza biunivoc
a tra la funzione di autocovarianza ed il modello statistico che costituisce la
rappresentazione parametrica del processo. A tale proposito, si ricorda che la p
roprieta dell'invertibilita gioca un ruolo fondamentale nello stabilire la corrispon
denza biunivoca di cui sopra, nel caso della rappresentazione MA dei processi li
neari stazionari. Per motivi di semplicita, la fase di identificazione del modell
o e condotta sulla funzione di autocorrelazione, che non e altro che una normalizz
azione della funzione di autocovarianza ed e anch'essa densa di significato, in qua
nto costituisce la rappresentazione della struttura interna della serie, sotto i
l profilo temporale, ossia rappresenta la memoria del processo che ha generato i
dati. La prima fase consiste nell'identificare le eventuali trasformazioni da app
licare alla serie rilevata, al fine di stabilizzarne la varianza, e nello stabil
ire se la serie deve essere preliminarmente differenziata, in ordine alla necess
ita di renderla stazionaria in media. Dopo che la serie e stata resa stazionaria,
si tratta di identificare l'appropriato ordine per gli operatori AR ed MA, stagion
ali e non stagionali. I passi necessari per compiere l'identificazione di un mode
llo possono essere sintetizzati come segue. 1. Per prima cosa e sempre opportuno
rappresentare graficamente la serie, per verificare l'eventuale presenza di trend,
stagionalita, dati anomali e non-stazionarieta in media ed in varianza. 2. La ver
ifica della non stazionarieta in varianza e l'eventuale applicazione dell'appropriata
trasformazione di Box e Cox, deve essere sempre eseguita prima dell'eventuale dif
ferenziazione, in quanto quest'ultima puo indurre autocorrelazioni negative spurie
nel correlogramma della serie. La decisione di effettuare una differenziazione d
eve essere presa con molta cautela. Si calcola e si esamina molto attentamente i
l correlogramma della serie (eventualmente differenziata), per confermare la nec
essita di applicare una differenza prima o stagionale ai dati trasformati, per el
iminare l'eventuale trend stocastico o la stagionalita evolutiva. Le regole general
i per decidere in tal senso sono le seguenti: Se la funzione di autocorrelazione
campionaria decade molto lentamente verso lo zero e la funzione di autocorrelaz
ione parziale campionaria si annulla rapidamente dopo il ritardo 1, puo essere ne
cessaria l'applicazione di una differenza prima, ossia di un operatore (1-B). Se n
on si e perfettamente sicuri della necessita di tale trasformazione, e opportuno te
ntare prima con l'inserimento di un operatore AR(1). La necessita di una differenza
stagionale emerge da una funzione di autocorrelazione totale che si mantiene mo
lto alta e che evidenzia picchi ai ritardi stagionali e da una funzione di autoc
orrelazione parziale tutta non significativamente diversa da zero, salvo che ai
ritardi stagionali. Si calcolano e si esaminano le funzioni di autocorrelazione
e di autocorrelazione parziale della serie opportunamente trasformata e differen
ziata, al fine di identificare l'ordine degli operatori AR e MA stagionali e non s
tagionali.