Escuela Politécnica Nacional

Facultad de Ciencias
Ingeniería en Ciencias Económicas y Financieras

Samanta M. Armas Econometría II

Considere verdadera la siguiente expresión: sea {Zt} una secuencia de variables aleatorias i.i.d
N(0,1), entonces {Zt} es estrictamente estacionaria.

a) ¿Cuál es la hipótesis básica del resultado anterior? ¿Por qué?

Ya que {Zt} es i.i.d quiere decir que cada variable aleatoria tiene la misma distribución de
probabilidad N(0,1) y todas son mutuamente independientes

La hipótesis básica es la independencia, implícitamente se habla de la normalidad y que las

v.a. están idénticamente distribuidas, además una serie de tiempo es estrictamente
estacionaria si todos los momentos de su distribución de probabilidad, y no sólo los dos
primeros (es decir, la media y la varianza), son invariantes respecto del tiempo

b) ¿Se puede afirmar que la estacionariedad es un refuerzo a la hipótesis de

distribución idéntica?

No, porque la estacionariedad implica la hipótesis básica.

¿Por qué se imponen restricciones sobre la heterogeneidad temporal y sobre la memoria de

un proceso estocástico?

Porque el problema principal es que, en el caso de series económicas, sólo se cuenta con una
realización del proceso. De tal manera que el objetivo es especificar un modelo que reduzca
el espacio de parámetros y se pueda caracterizar por completo el proceso estocástico.
Lo anterior implica considerar un modelo que sea homogéneo en el tiempo, mediante la
imposición de ciertas restricciones que reduzcan el espacio de parámetros y permitan
obtener los valores de los parámetros a partir de la realización.

 Restricciones en la heterogeneidad-tiempo del proceso (estacionariedad).

 Restricciones en la memoria del proceso. (Asintóticamente independiente).

¿Cuál es la diferencia entre estacionariedad fuerte y estacionariedad? Construya ejemplos

mostrando cuando una implica la otra, y cuando una no implica la otra.

Un proceso estocástico es estacionario en sentido estricto o fuerte cuando la distribución de

probabilidad conjunta de cualquier parte de la secuencia de variables aleatorias es
invariante del tiempo. Y en sentido débil si los momentos del primero y segundo orden de
la distribución son constantes a largo del tiempo.

La estacionariedad fuerte no implica estacionariedad débil. Por ejemplo, un proceso de

Cauchy independiente e idénticamente distribuido es estacionario en sentido estricto, sin
embargo, no lo es en covarianzas (sentido débil).

Estacionariedad débil más normalidad implica estacionariedad estricta ya que si el proceso

estacionario es normal, el proceso estocástico débilmente estacionario también es
estrictamente estacionario, pues el proceso estocástico normal está del todo especificado
por sus dos momentos, la media y la varianza