Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Arm A
Arm A
=
=
=
=
=
=
=
=
=
0 0
0 1
0 0
0 1
0 0
0
acion autocorrel anza y Autocovari
2
k
k
k
k
k
k
kk
k
a
k
|
. . . .
1 2 3 4 k
k
La Descomposicion de Wold
Sea {Z
t
} una serie temporal estacionaria y no deterministica.
Entonces
tico. determinis componente un es } { 5.
y , , de lineales nes combinacio de limite el es . 4
, y para todo 0 ) V , ( . 3
, 0 con ), , 0 ( es } { . 2
, y 1 . 1
donde
, ) (
2 2
0 j
2
j 0
0
t
s t
t s
t
t t t j t
j
j t
V
t s Z a
t s a Cov
WN a
V a L V a Z
s
=
>
< =
+ + = + =
=
o o
n a Z E
Z Z Z P Z a
j t
n
j
j t
j
t t t t t
cuando 0 ] [
??? significa Que ) (
??? es coeficient los calculan se Como ) (
,...] , | [ ) (
2
0
0 j
2 1
u + +
u + =
|
u + + u + = | |
O = u
u
O
~ + =
AR(p) MA(q)
Procesos MA(1)
Sea { }
t
a
un ruido blanco de media cero
)
2
a
, 0 (
t
a o
) 1 ( MA
1 t
a
t
a
t
Z
u + + =
Esperanza
Varianza
Autocovarianza
u = + + =
) ( ) ( ) (
1 t t t
a E a E Z E
) 1 ( ) 2 (
) ( ) ( ) (
2 2
1
2
1
2 2
2
1
2
u o u u
u
+ = + + =
= + = =
a t t t t
t t t t
a a a a E
a a E Z E Z Var
2
2 1
2
2
2
1 1
2 1 1 1
) (
) )( ( ) )(
orden 1
a t t t t t t t
t t t t t t
a a a a a a a E
a a a a E Z E(Z
uo u u u
u u
= + + + =
= + + =
Proceso MA(1) (cont)
1 0 ) (
1 1
2
1 1
> = + + + =
j a a a a a a a a E
j t t j t t j t t j t t
u u u
Autocovarianzas de ordenes mayores
Autocorrelacion
1 0
1 ) 1 (
2 2 2
2
0
1
1
> =
+
=
+
= =
j
j
u
u
o u
uo
= + + =
) )( ( ) )( (
1 1 j t j t t t j t t
a a a a E Z Z E u u
Proceso MA(1) (cont)
MA(1) es un proceso estacionario en covarianzas porque
2 2
) 1 ( ) ( ) ( o u + = =
t t
Z Var Z E
MA(1) es ergodico porque
< + + =
=0
2 2 2
) 1 (
j
j
uo u o
Si fuera Gaussiano, entonces seria ergodico para todos los momentos t
a
t
Z
Grafico de la funcion
2
1
1 u
u
+
=
1 -1
0.5
-0.5
u
1
2 para 4 . 0
5 . 0 para 4 . 0
1 para 5 . 0 ) max(
1
1
1
= =
= =
= =
u
u
u
2 2
1
2
1
1 ) / 1 ( 1
/ 1
,
1
os substituim
1
en Si
u
u
u
u
u u
u
+
=
+
=
+
=
+ =
+ =
1
1
)
1
(
t t t
t t t
a a Z
a a Z
u
u
Ambos procesos comparten
la misma funcion de autocorrelacion
MA(1) no es identificable, excepto para
1 = u
Invertibilidad
Definicin: Un proceso MA(q) definido por la ecuacin
se dice que es invertible si existe una secuencia de constantes
y
t
a ) L (
q t
Z u =
<
=
| | que tales } {
0 j
j
t t
j ,... 1 , 0 t , j t
Z
0 j
j t
a
=
=
t =
Teorema: Sea {Z
t
} un MA(q). Entonces {Z
t
} es invertible si y solo si
Los coeficientes {t
j
} estn determinados
por la relacin
1. | x | such that C x all for 0 ) x ( s e = u
1. | x | ,
) x (
1
j
x
0 j
j
) x ( s
u
=
=
t = t
Identificacin de un MA(1)
Si identificamos el MA(1) a travs de la estructura de
autocorrelaciones, necesitamos decidir que valor de u elegir, el
mayor que uno o el menor que uno. Si requerimos que se
cumpla condicion de invertibilidad (pensad por que???)
elegiramos el valor u<1.
Otra razn por la cual elegimos el valor menor que uno se
encuentra en la varianza de los errores de las dos
representaciones alternativas:
) ( ) (
invertible - no ,
) 1 (
) ( , ) 1 (
invertible ,
) 1 (
) ( , ) 1 (
2
1
0 1
1
2
1
0
1
2
1
-
- -
>
+
= + =
+
= + =
t t
t
t
t
t t t
a V a V
a V a L Z
a V a L Z
u
u
u
u
u
MA(q)
q t q t t t t
a a a a Z
+ + + + + = u u u
2 2 1 1
Momentos
0
1 1
MA(2) Example
for 0
para ) (
) )( (
) 1 ( ) var(
) (
4 3
2
2
2
1
2
2
2
2
2
1
2 1 1
1
1
2
2 2 1 1
0
2
2 2 1 1
1 1 1 1
2 2 2
2
2
1 0
= = = =
+ +
=
+ +
+
=
+ + + +
= =
>
s + + + +
=
+ + + + + + =
+ + + + = =
=
=
+ +
+ +
k
q
i
i
j q q j j j j
j
j q q j j j
j
q j t q j t j t q t q t t j
a q t
t
q j
q j
a a a a a a E
Z
Z E
u u
u
u u
u u u
u
u u u u u u u
o u u u u u u u
u u u u
o u u u
MA(q) es
Estacionario en
covarianzas y
ergodico, por las
mismas
por las que lo es un
MA(1)
MA(infinito)
=
= + =
0
0 t
1 Z
j
j t j
a
Es estacionario en covarianzas?
| |
=
+
=
+
=
=
= =
= =
0
2
0
0
2
0
2 2
) )( (
) ( , ) (
i
i
i
j i i
j
i
j i i j t t j
i
i a t t
Z Z E
Z Var Z E
o
o
El proceso es
estacionario en
covarianzas, si se
cumple que
<
=0
2
i
i
=
| | que tales } {
0 j
j
j ,... 1 , 0 t , j t
a
0 j
j t
Z
=
=
=
= =
= + + +
<
=
=
|
|
|
|
| |
|
j
j
j
j
Recordad:
<
=0 j
j
| |
|
= =
+ + + +
=
1
) (
1
2
2
1
c
Z E
a a a
c
Z
t
t t t t
Varianza
( )
2
2
2 4 2
0
1
1
1
a
o
|
o | |
= + + + =
Autocovarianza de un AR(1) causal
Re-escribiendo el proceso como
t t t
a Z Z + =
) ( ) (
1
|
( )( ) | | ( ) ( )( ) | |
( )( ) ( ) | |
1 1
1
= + =
= + = =
j j t t j t t
j t t t j t t j
Z a Z Z E
Z a Z E Z Z E
| |
|
1
1
> =
j
j j
|
Autocorrelacion de un AR(1) causal
j j
j j j
j
j
o
j
j
j
| | | |
|
= = = = =
> = = =
0 3
3
2
2
1
0
1
1
ACF
PACF: De las ecuaciones de
Yule-Walker
2 0
0
1 1
1
1
1
2
1
2 2
2
1
2
1 2
1
1
2 1
1
22
1 ` 11
> =
=
= =
= =
k
kk
|
| |
|
| |
AR(p)
t p t p t t t
a Z Z Z c Z + + + + =
| | | .......
2 2 1 1
Causal
Todas las p raices de la ecuacion caracteristica
fuera del circulo unidad
ACF
+ + =
+ + =
+ + =
+ + =
0 2 2 1 1
2 0 2 11 1 2
1 1 2 0 1 1
2 2 1 1
......
......
......
......
| | |
| | |
| | |
| | |
p p p p
p p
p p
p k p k k k
.
Sistema para resolver las
primeras p autocorrelations:
p unknowns and p equations
ACF decae como una mixtura de exponenciales y/o sinusoidales,
dependiendo de si las raices son reales o complejas
PACF
p k
kk
> = para 0 |
Relacion entre un AR(p) y un MA(q)
AR(p) Causal
+ =
u
+ + + = + + =
u
=
= u = u
) (
) (
1
....) 1 ( ) ( ) (
) (
1
) .... 1 ( ) ( ) (
2
2 1
2
2 1
L
L
L L L a L a
L
Z
L L L L a Z L
p
t t
p
t
p
p p t t p
| | |
1 ) ( ) ( = + u L L
p
? de obtener Como u +
Ejemplo
+ + =
+ =
=
=
=
=
=
+ + + + +
= + + +
1 2 2
2
1 1 3
2
2
1 2
1 1
1 2 2 1 3
2 1 1 2
1 1
3
1 2
2
2
3
2 1
2
1 1 1
3
3
2
2 1
2
2 1
2
2 1
) (
0
0
0
: polinomios ambos de es coeficient igualando
1 ... ..........
......
...... 1
1 .....) 1 )( 1 ( ) 2 (
| | | | |
| |
|
| |
| |
|
| |
| | |
| |
L L
L L L
L L L
L L L L AR
2
2 2 1 1
> + =
j
j j j
| |
MA(q) Invertible
H =
O
+ + + = H =
O
= H
= O O =
) (
) (
1
....) 1 ( ) (
) (
1
) (
) .... 1 ( ) ( ) (
2
2 1
2
2 1
L
L
L L L a Z
L
Z L
L L L L a L Z
q
t t
q
t
q
q q t q t
t t
u u u
1 ) ( ) ( = H O L L
q
? de obtener Como O H
Transforme un MA(2) en un AR(infinito)
ARMA (p,q)
t t
p
q
t t
q
p
t
q
t q t p
a L a
L
L
a Z
L
L
Z L
x x
x x
a L Z L
) (
) (
) (
Z pura MA cion Representa
) (
) (
) ( pura AR cion Representa
1 0 ) ( of roots Causal
1 0 ) ( de raices Invertible
) ( ) (
t
p
+ =
u
O
=
=
O
u
= H
> = u
> = O
O = u
ARMA(1,1)
1 ) ( (L) puro MA
1 ) ( (L)Z puro AR
1 invertible
1 causal
) 1 ( ) 1 (
1
1
t
> = + =
> = = H
<
<
=
j a Z
j a
a L Z L
j
j t t
j
j t
t t
| u |
u u | t
u
|
u |
ACF de un ARMA(1,1)
k t t k t t k t t k t t
Z a Z a Z Z Z Z
+ =
1 1
u |
Tomando esperanzas
) ( ) (
1 1 k t t k t t k k
Z a E Z a E
+ = u |
1
2
0 1
2 2
1 0
2
1
2
2
1
) (
) ( ) ( ) ( 0
= >
= =
+ =
= = =
k k
a
a a
a t t
a
t t
k
k
Z a E Z a E k
|
uo |
o u | u o |
o u | o
1 0
y para resolver
incognitas 2 y ecuaciones 2 de sistema
( )
>
=
+
=
=
2
1
2 1
1 ) (
0 1
1
2
k
k
k
k
k
|
|u u
|u u |
PACF
l exponencia o decaimient
) 1 , 1 ( ) 1 ( ARMA MA c
ACF
ACF and PACF of an ARMA(1,1)
ACF and PACF of an MA(2)
ACF and PACF of an AR(2)
Apendice: Operador de Retardos L
Definicion
1
=
t t
Z LZ
Propiedades
1 1
1
) ( . 3
) ( . 2
. 1
+ = + = +
= =
=
t t t t t t
t t t
k t t
k
Y Z LY LZ Y Z L
Z LZ Z L
Z Z L
| | |
Ejemplos
t t t t t t
a Z L L a Z Z Z = + + =
) 1 ( . 1
2
2 1 2 2 1 1
| | | |
t t
t t t t
t t
a Z L
a L a a Z
Z L L L Z L L
=
+ + = + + =
+ =
) 1 ( . 4
) 1 ( . 3
) 1 ( ) 1 )( 1 ( . 2
1
2
2 1 2 1 2 1
|
u u
| | | | | |
Apendice: Operador Inverso
Definicion
identidad) (operador ) 1 ( ) 1 ( que tal
) ....... 1 ( lim ) 1 (
0 1
3 3 2 2 1
L L L
L L L L L
j j
j
=
+ + + + =
| |
| | | | |
Observad que :
1 si > | esta definicion no se mantiene porque el limite no existe
Ejemplo:
......
) 1 ( ) 1 ( ) 1 (
) 1 ( ) 1 (
2
2
1
1 1
+ + + =
=
=
t t t t
t t
t t
a a a Z
a L Z L L
a Z L AR
| |
| | |
|
Apendice: Operador Inverso (cont)
Supongamos que tenemos el modelo ARMA
y queremos encontrar la representacion MA .
Se puede intentar hacerlo directamente
pero no es nada divertido. Alternativamente se puede encontrar
e igualar coeficientes en los terminos en L
j
.
t
a ) L (
t
Z ) L ( O = u
t
a ) L (
t
Z + =
) L ( ) L (
1
O
u
) ( ) ( ) ( que tal , ) ( ) ( ) ( ) ( L L L a L L Z L a L
t t t
+ u = O + u = u = O
Example: Suppose .
)
2
L
2
L
1 0
( ) L ( and ) L
1 0
( ) L ( u + u + u = O | + | = u
3. j ;
j 0 1 j 1
0
..... ..........
2
1 0 0 1 1
0 0 0
> | +
+
| =
= u
| + | = u
|
=
u
que se puede resolver recursivamente INTENTALO!!!
j
= =
= + + + =
=
=
Check the last expression!!!!
Apendice: Algunos trucos
La ultima expresion se puede espresar via la factorizacion parcial.
Encuenta las constantes a y b tal que
) L
2
1 )( L
1
1 (
) L
2
1 ( b ) L
1
1 ( a
) L
2
1 (
b
) L
1
1 (
a
) L
2
1 )( L
1
1 (
1
+
=
+
=
El numerador del lado derecho debe ser 1, asi que
)
) ( ) (
(
) 1 (
1
) ( ) 1 (
1
) ( ) 1 )( 1 (
1
que lo por
, a ,
o, Resolviend
0
1
2
2 1
2
0
1
2 1
1
2 2 1
2
1 2 1
1
2 1
2 1
1
1 2
2
1 2
j
j
j
L L L L
b
b a
b a
=
+
=
=
= +
= +
=
Apendice: Mas sobre Invertibilidad
Considere un MA(1)
( )
t
AR
t
t t t
t
a Z L L L
a a L L Z
L
a L
= + +
= + + = +
+ <
+ + =
_
) (
3 3 2 2
1 1 -
1
t
) .......)( 1 (
) 1 ( ) 1 ( ) ( L) (1
definido esta ) 1 ( , 1 Si
1 Z
u u u
u u u
u u
u
Definicion
Un proceso MA es invertible si se puede re-escribir como un AR( )
Un MA(1) es invertible si ] 1
1
0 1 [ 1 > = = + <
u
u u x x
Un MA(q) es invertible si todas las raices de la ecuacion caracteristica
estan fuera del circulo unidad.
Procesos MA tienen representaciones invertibles y no-invertibles
Representaciones invertibles: prediciones optimas dependen de
informacion pasada.
Representaciones no-invertibles: prediciones dependen del futuro!!!