Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
a) Yt = 0.7Yt-1 + 15 + t ; 2 = 16
b) Yt = 0.6 Yt-1 + 5 + t + 0.7 t-1 + 0.4 t-2; 2 = 4
c) (1+0.5 L - 0.24 L2 ) Yt = t – 0.7t-1; 2 = 9
d) Yt = = -0.2 Yt-1 + 0.88 Yt-2 + 0.32 Yt-3 + t + 0.8 t-1 ; 2 = 4
i) Analice en cada caso si se cumple con la condición de estacionariedad e
invertibilidad.
ii) Según corresponda escriba el modelo en su forma MA(∞) y/o AR(∞)
iii) Para las series estacionarias e invertibles obtenga E(Yt), V(Yt), FAC y
FAP, esboce la gráfica de las funciones de autocorrelación.
iv) Para las series en iii) simule la data generada con números aleatorios de
la normal estándar y obtenga la media varianza y los gráficos de los
correlogramas y luego compare los resultados teóricos y empíricos
(simulados)
SOLUCIÓN:
CONDICION DE ESTACIONARIEDAD
(𝟏 − 𝟎. 𝟔𝑳) = 𝟎
𝑳 = 𝟏. 𝟔𝟔
La raiz esta fuera del circulo unitario, por lo tanto, cumple la
condicion de estacionariedad
CONDICION DE INVERTIBILIDAD
𝟏 + 𝟎. 𝟕𝑳 + 𝟎. 𝟒𝑳𝟐 = 𝟎
𝑳𝟏 = −𝟎. 𝟖𝟕𝟓 − 𝟏. 𝟑𝟐𝒊
𝑳𝟐 = −𝟎. 𝟖𝟕𝟓 + 𝟏. 𝟑𝟐𝒊
Calculando su norma
√(−𝟎. 𝟖𝟕𝟓)𝟐 + (−𝟏. 𝟑𝟐)𝟐 = 𝟏. 𝟓𝟖
CONDICION DE ESTACIONARIEDAD
𝟏 + 𝟎. 𝟓𝑳 − 𝟎. 𝟐𝟒𝑳𝟐 = 𝟎
𝑳𝟏 = −𝟏. 𝟐𝟓
𝑳𝟐 = 𝟑. 𝟑𝟑
La raiz esta fuera del circulo unitario, por lo tanto, cumple la
condicion de estacionariedad
CONDICION DE INVERTIBILIDAD
(𝟏 − 𝟎. 𝟕𝑳) = 𝟎
𝑳 = 𝟏. 𝟒𝟑
La raiz esta fuera del circulo unitario, por lo tanto, cumple la
condicion de invertibilidad
CONDICION DE ESTACIONARIEDAD
𝟏 + 𝟎. 𝟐𝑳 − 𝟎. 𝟖𝟖𝑳𝟐 − 𝟎. 𝟑𝟐𝑳𝟑 = 𝟎
𝑳𝟏 = −𝟏. 𝟐𝟓
𝑳𝟐 = −𝟐. 𝟓
𝑳𝟑 = 𝟏
La raiz esta dentro del circulo unitario, por lo tanto, NO
cumple la condicion de estacionariedad
CONDICION DE INVERTIBILIDAD
(𝟏 + 𝟎. 𝟖𝑳) = 𝟎
𝑳 = −𝟏. 𝟐𝟓
La raiz esta fuera del circulo unitario, por lo tanto, cumple la
condicion de invertibilidad
Yt = 0.7Yt-1 + 15 + t ; 2 = 16
(𝟏 − 𝟎. 𝟕𝑳)𝒀𝒕 = 𝟏𝟓 + 𝜺𝒕
𝟏𝟓 𝜺𝒕
𝒀𝒕 = +
(𝟏 − 𝟎. 𝟕𝑳) (𝟏 − 𝟎. 𝟕𝑳)
(𝟏 + 𝟎. 𝟓𝑳)𝒀𝒕 = (𝟏 − 𝟎. 𝟕𝑳)𝜺𝒕
(𝟏 + 𝟎. 𝟓𝑳) 𝟓
𝒀𝒕 =
(𝟏 − 𝟎. 𝟕𝑳) (𝟏 − 𝟎. 𝟕𝑳)
(𝟏 + 𝟎. 𝟓𝑳)
𝝅(𝑳) = = 𝟏 + (𝟎. 𝟕 + 𝟎. 𝟓)𝑳 + 𝟎. 𝟕(𝟎. 𝟕 + 𝟎. 𝟓)𝑳𝟐 + ⋯
(𝟏 − 𝟎. 𝟕𝑳)
𝟓
𝒀𝒕 = + t − (𝟎. 𝟕 + 𝟎. 𝟓)𝒀𝒕−𝟏 − 𝟎. 𝟕(𝟎. 𝟕 + 𝟎. 𝟓)𝒀𝒕−𝟐 + ⋯
(𝟏 − 𝟎. 𝟕)
(𝟏 + 𝟎. 𝟓𝑳)𝒀𝒕 = (𝟏 − 𝟎. 𝟕𝑳)𝜺𝒕
(𝟏 + 𝟎. 𝟓𝑳) 𝟓 (𝟏 − 𝟎. 𝟕𝑳)
𝒀𝒕 = +
(𝟏 − 𝟎. 𝟕𝑳) (𝟏 + 𝟎. 𝟓𝑳) (𝟏 + 𝟎. 𝟓𝑳)
(𝟏 − 𝟎. 𝟕𝑳)
𝝋(𝑳) = = 𝟏 + (−𝟎. 𝟕 + 𝟎. 𝟓)𝑳 + 𝟎. 𝟓(−𝟎. 𝟕 + 𝟎. 𝟓)𝑳𝟐 + ⋯
(𝟏 + 𝟎. 𝟓𝑳)
𝟓
𝒀𝒕 = + t + (−𝟎. 𝟕 + 𝟎. 𝟓)𝜺𝒕−𝟏 − 𝟎. 𝟓(−𝟎. 𝟕 + 𝟎. 𝟓)𝜺𝒕−𝟐 + ⋯
(𝟏 − 𝟎. 𝟓)
Proceso AR (1):
𝒀𝒕 = 𝟏𝟓 + 𝜺𝒕 + 𝟎. 𝟕𝒀𝒕−𝟏
𝑌𝑡 = 𝛿 + 𝜀𝑡 + 𝜙1 𝑌𝑡−1
𝛿 15
𝐸(𝑌𝑡 ) = = = 50
1 − 𝜙1 1 − 0.7
𝜎𝜀2 16
𝑉(𝑌𝑡 ) = 𝛾0 = 2 = 1 − (0.7)2 = 31.37
1 − 𝜙1
̌ ̃
𝛾1 = 𝐸[(𝜀𝑡 + 𝜙1 𝑌𝑡−1 )𝑌𝑡−1 ] = 𝜙1 𝛾0 = 0.7 ∗ 31.37 = 21.959
Función de autocorrelación:
6 0.117649 0
7 0.0823543 1 2 3 4 5 6 7 8 9 10 11 12 13 14
8 0.05764801 FAS
9 0.04035361
10 0.02824752
11 0.01977327 FAP
12 0.01384129 0.8
13 0.0096889 0.6
14 0.00678223
0.4
… …
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
FAP
iv) Para las series en iii) simule la data generada con números aleatorios
de la normal estándar y obtenga la media varianza y los gráficos de
los correlogramas y luego compare los resultados teóricos y
empíricos (simulados)
Simulamos una data con 500 observaciones y obtenemos:
Se observa que, al simular una data aleatoria de 500 observaciones, nos resulta:
FALTA i y ii (b)
iii) Para las series estacionarias e invertibles obtenga E(Yt), V(Yt), FAC y
FAP, esboce la gráfica de las funciones de autocorrelación.
Proceso ARMA(1,2) :
Función de autocorrelación:
FAC:
𝛾1 12.138 FAC
𝜌1 = = = 0.7799
𝛾0 15.563 0.8
𝛾2 8.883
𝜌2 = = = 0.5708 0.6
𝛾0 15.563
0.4
𝛾3 5.33
𝜌3 = = = 0.3425 0.2
𝛾0 15.563
𝛾4 3.198 0
𝜌4 = = = 0.2055 1 2 3 4 5 6 7 8 9 10
𝛾0 15.563
…… FAS
FAP:
Ecuaciones de Yule Walker
𝜌𝑗 = 𝜙1 𝜌𝑗−1 + 𝜙2 𝜌𝑗−2 + ⋯ + 𝜙𝑝 𝜌𝑗−𝑝 FAP
𝜙11 = 0.7799 0.9
𝜙22 = −0.0956
𝜙33 = −0.1821
0.4
𝜙44 = 0.0668
…..
-0.1
1 2 3 4 5 6 7 8 9 10
FAP
iv)Para las series en iii) simule la data generada con números aleatorios de
la normal estándar y obtenga la media varianza y los gráficos de los
correlogramas y luego compare los resultados teóricos y empíricos
(simulados)
Simulamos una data con 500 observaciones y obtenemos:
FALTA i y ii (c)
𝛿 0
𝐸(𝑌𝑡 ) = = =0
1 − 𝜙1 1 − (−0.5) − 0.24
𝜎𝜀2 (1 + 𝜃12 − 2𝜃1 𝜙1 ) 9[1 + (0.7)2 − 2(0.7)(−0.5)]
𝑉(𝑌𝑡 ) = 𝛾0 = = = 28.466
1 − 𝜙12 − 𝜙22 1 − (−0.5)2 − (0.24)2
𝜙1 𝛾0 −𝜃1 𝜎𝜀2
𝛾1 = 𝐸[(𝜙1 𝑌̃𝑡−1 + 𝜙2 𝑌̃𝑡−2 + 𝜀𝑡 − 𝜃1 𝜀𝑡−1 )𝑌̃𝑡−1 ] = 𝜙1 𝛾0 + 𝜙2 𝛾1 − 𝜃1 𝜎𝜀2 =
1 − 𝜙2
(−0.5) ∗ 28.466 − 0.7 ∗ 9
= = −27.017
1 − 0.24
Función de autocorrelación:
FAC:
𝛾1 −27.017 FAC
𝜌1 = = = −0.9491
𝛾0 28.466 1
𝛾2 20.34 0.8
𝜌2 = = = 0.7145 0.6
𝛾0 28.466 0.4
𝛾3 −16.654 0.2
𝜌3 = = = −0.585 0
𝛾0 28.466
𝛾4 13.209 -0.2 1 2 3 4 5 6 7 8 9 10
𝜌4 = = = 0.464 -0.4
𝛾0 28.466 -0.6
…… -0.8
-1
FAS
FAP:
Ecuaciones de Yule Walker FAP
𝜌𝑗 = 𝜙1 𝜌𝑗−1 + 𝜙2 𝜌𝑗−2 + ⋯ + 𝜙𝑝 𝜌𝑗−𝑝
1
∅11 =-0.658
∅22 = 0.159 0.5
∅33 = −0.051 0
∅44 = 0.082 1 2 3 4 5 6 7 8 9 10
-0.5
-1
FAP
iv) Para las series en iii) simule la data generada con números
aleatorios de la normal estándar y obtenga la media varianza y los
gráficos de los correlogramas y luego compare los resultados
teóricos y empíricos (simulados)
Simulamos una data con 500 observaciones y obtenemos:
Se observa que, al
simular una data aleatoria de 500
observaciones, nos resulta:
Una media igual a -0.074 que es cercana a la media obtenida en resultados teóricos
(0). Lo que nos dice que la serie se encuentra alrededor de estos valores.
Una varianza igual a 12.437 frente a una varianza de 28.466 obtenida en los
resultados teóricos. La serie tiene una variabilidad mayor con los resultados
teóricos.
Los correlogramas obtenidos para ambas funciones de autocorrelación tienen
apariencias distintas, pero ambas tienden a 0.
2. Se tiene la siguiente información para una variable que tiene un patrón AR(2)
Yt 10 t 1Yt 1 2Yt 2 ; 2 = 4
1
j j 0.8
0.6
1 0.500 0.4
2 -0.200 0.2
0
3 -0.460 -0.2
-0.4
4 -0.248 -0.6
5 0.0776 -0.8
-1
SOLUCIÓN:
𝜌1 = ∅1 + ∅2 𝜌1
𝜌2 = ∅1 𝜌1 + ∅2
0.5 = ∅1 + 0.5∅2
−0.2 = 0.5∅1 + ∅2
∅1 = 0.8 ∅2 = −0.6
En el modelo:
𝛿 10
𝐸(𝑌𝑡 ) = = = 12.5
1 − ∅1 − ∅2 1 − 0.8 + 0.6