Documentos de Académico
Documentos de Profesional
Documentos de Cultura
uk
Provided by Research Papers in Economics
Departamento de Economía
Análisis Espectral
Alvaro Montenegro
Esta investigación fue financiada por la Pontificia Universidad Javeriana y corresponde a desarrollos del
proyecto “Macroeconomía Cuantitativa”
Las opiniones planteadas en este documento reflejan el pensamiento de sus autores y no necesariamente el de
la Pontificia Universidad Javeriana.
1
ANÁLISIS ESPECTRAL
Alvaro Montenegro
Departamento de Economía
Universidad Javeriana
Noviembre 2008
Deseo agradecer a Alfredo Contreras Eitner por su valiosa ayuda en este trabajo. Las opiniones expresadas
son del autor y no comprometen a la institución.
2
Funciones Senoidales
CSen( t ) (1)
Sen( t / 2) Cos t , etc. La última propiedad nos dice que las ondas
Representación Senoidal
en la suma. Esto es cierto tanto para ondas discretas como continuas. Para
ilustrar, la Figura 2 muestra la suma de las tres ondas cosenidales
K
xt ( Ai Cos i t Bi Sen i t ) t (5)
i 1
2 n
Aˆ i xt Cosi t (6a)
n t 1
2 n
Bˆ i xt Seni t (6b)
n t 1
7
El Periodograma
Esta escogencia asegura que todos los senos y cosenos considerados tengan un
número completo de ciclos en la muestra de tamaño n , y que las ordenadas
del periodograma sean independientes una de otras, propiedad que resulta muy
conveniente para pruebas de hipótesis.
10
n 2
n
2
n n 2
2
n
2 4 6
xt e i t
para 0, , , , , (9)
t 1 n n n
11
donde la utilización del signo negativo (en lugar del positivo) en la parte
imaginaria se hace por convención [ver, por ejemplo, Schwartz y Shaw
(1975), capítulo2]. Una buena explicación de los números imaginarios y
complejos en el contexto del análisis espectral se puede encontrar en Loy
(2007).
La Autocovarianza
n n n n
xt e i t xv e i v xt xv Cos(t v) (10)
t 1 v 1 t 1 v 1
n 1 1 n n 1
t 1
( n 1) n
x x
t t
Cos Rˆ ( )Cos
( n 1)
(11)
12
El Espectro
1
1
x2 1
s ( )
2
R( )e i
2
R( )Cos
R( )Cos
2 1
(12)
donde, a su vez,
R( ) E ( xt xt ) e i s( )d (13)
Propiedades de Muestreo
Ejemplos
REFERENCIAS
Figura 1. Sen t / 10
1.2
0.8
0.4
0.0
-0.4
-0.8
-1.2
10 20 30 40 50 60 70 80 90 100
-1
-2
-3
10 20 30 40 50 60 70 80 90 100
19
Figura 3. t
-1
-2
10 20 30 40 50 60 70 80 90 100
5
4
3
2
1
0
-1
-2
-3
-4
10 20 30 40 50 60 70 80 90 100
20
Figura 5. Aliasing
1.2
o o o o o
0.8
0.4
0.0 o o o o o o o o o o
-0.4
-0.8
o o o o o
-1.2
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
1
6
observado original
-1
-2
-3
50 100 150 200 250 300 350 400 450 500
21
8000
7000
6000
5000
4000
3000
2000
1000
0
1825 1850 1875 1900 1925
160
140
120
100
80
60
40
1980 1985 1990 1995 2000 2005
.1
.0
-.1
-.2
1980 1985 1990 1995 2000 2005
24