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.