Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) 𝑌𝑡 = 𝛼 𝑐𝑜𝑠(𝜆𝑡) + 𝛽 𝑠𝑒𝑛(𝜆𝑡)
= cov[α cos(λt), α cos(λ(t − j))] + cov[α cos(λt), β sen(λ(t − j)] + cov[β sen(λt), α cos(λ(t
− j))] + cov[β sen(λt), β sen(λ(t − j))]
= cov[α cos(λt), α cos(λ(t − j))] + cov[β sen(λt), β sen(λ(t − j))]
= 𝜎 2 cos(λt − λ(t − j)) = 𝜎 2 cos(λt − λt + λj) = 𝜎 2 cos(λj) que no depende de t por tanto la
serie es estacionaria
2) 𝑌𝑡 ~𝑁(1,1) ∀𝑡 𝑖𝑚𝑝𝑎𝑟
𝑌𝑡 ~𝑒𝑥𝑝(1) ∀𝑡 𝑝𝑎𝑟
Ambas son independientes entre sí. Entre normales, entre sí y entre t.
Esperanzas
−𝑦
⁄𝜆
𝑒
Si t es par 𝑌𝑡 ~𝑒𝑥𝑝(1) con 𝑓𝑦 (𝑦) = con 𝜆, 𝑦 > 0
𝜆
𝐸[𝑌𝑡 ] = 𝜆 = 1
𝑉[𝑌𝑡 ] = 𝜆2 = 1
Si t es impar
𝐸[𝑌𝑡 ] = 1
𝑉[𝑌𝑡 ] = 1
Por otro lado, al ser independientes implica covarianza cero, no al revés.
cov[Yt , Yt−j ] = 0
1
¿Es un AR(p) estacionario?
Depende
Polinomio característico.
𝑚 𝑝 − 𝜌1 𝑚𝑝−1 − 𝜌2 𝑚 𝑝−2 − ⋯ − 𝜌𝑝 = 0
𝑚 𝑝 − 𝜌1 𝑚𝑝−1 − 𝜌2 𝑚 𝑝−2 − ⋯ − 𝜌𝑝 = 0
𝑚1 − 𝜌1 𝑚1−1 = 𝑚 − 𝜌1 = 0
𝑚 = 𝜌1
Es estacionario si |𝜌1 | < 1 => −1 < 𝜌1 < 1
𝑚 𝑝 − 𝜌1 𝑚𝑝−1 − 𝜌2 𝑚 𝑝−2 − ⋯ − 𝜌𝑝 = 0
𝑚 2 − 𝜌1 𝑚 2−1 − 𝜌2 𝑚 2−2 = 𝑚 2 − 𝜌1 𝑚 − 𝜌2 = 0
𝑚 2 − 𝜌1 𝑚 − 𝜌2 = 0
2
𝜌1 ± √𝜌12 − 4𝜌2
𝑚1,2 = =0
2
|𝑚1,2 | < 1, para raíces reales 𝜌12 − 4𝜌2 ≥ 0
2
Modelos AR(1)
𝜎2
• 𝜀
𝑉(𝑌𝑡 ) = 1−𝜌 2
𝜇𝑦 = 𝜇 + 𝜌𝜇𝑦
𝜇
𝜇𝑦 =
1−𝜌
Si 𝜌 = 1?
Se indetermina. Por eso |𝜌| < 1. Po tanto, los momentos existen, por eso la importancia de la
condición sobre |𝜌| < 1.
𝜎𝜀2
𝜎𝑦2 =
1 − 𝜌2