Professional Documents
Culture Documents
.2014 MODELE AUTOREGRESIVE i de MEDIE MOBIL Modelul AR(p) MA(q) ARMA(p,q) ACF Se amortizeaz tinznd la zero Se anuleaz dup lag-ul q Se amortizeaz tinznd la zero PACF Se anuleaz dup lag-ul p Se amortizeaz tinznd la zero Se amortizeaz tinznd la zero
Simularea unui proces MA(1) : y t = t + t 1 y t = t + 0,9 * t 1 Am creat un fiier pentru 100 observaii
genr wn=nrnd smpl 1 1 genr maunu1=wn smpl 2 100 genr maunu1=wn+0.9*wn(-1) smpl 1 100
( y t = t + 0,9 * t 1 )
Determinarea corelogramei seriei de date maunu: - Din meniul workfile selectm seria de date maunu. - Din meniul seriei maunu selectm View/Correlogram. Se deschide o fereastr n care selectm tipul seriei(level) i numrul de lag-uri (10) ce vor fi incluse n calcule. Am artat c ACF pentru modelul de medie mobil y t = t + t 1 este:
Observaie. S observm semnul coeficientului 1 , n cele 4 modele MA(1). 0,9 0 = 1 ; 1 = = 0,497 ; k = 0 pentru k > 1 . Reprezentai grafic! 1 + (0,9) 2
genr maunu2=wn-0.9*wn(-1)
( y t = t 0,9 * t 1 )
0 = 1 ; 1 =
genr maunu3=wn+0.5*wn(-1)
0 = 1 ; 1 =
genr maunu4=wn-0.5*wn(-1)
( y t = t 0,5 * t 1 )
0 = 1 ; 1 =
y t = t + 1 t 1 + 2 t 2 , unde t ~ WN (0, 2 ) .
Am determinat, la curs, funcia de autocorelaie (ACF), a lui y t . Am obinut:
0 = 1 , 1 =
1 + 1 2 2 , 2 = i k = 0 pentru k > 2 . 2 2 1 + 1 + 2 1 + 12 + 22
genr wn=nrnd smpl 1 1 genr madoi=wn smpl 2 2 genr madoi=wn-0.5*wn(-1) smpl 3 100 genr madoi=wn-0.5*wn(-1)+0.25*wn(-2) smpl 1 100
( y t = t 0,5 t 1 + 0,25 t 2 )
Simularea unui proces AR(1): y t = 0,8 * y t 1 + t i y t = 0,8 * y t 1 + t Am creat un fiier pentru 100 observaii
genr wn=nrnd smpl 1 1 genr arunu=wn smpl 2 100 genr arunu= 0.8*arunu(-1)+wn smpl 1 100
S se determine ACF i PACF pentru modelul y t = 0,8 * y t 1 + t . ACF este: 0 = 1 ; 1 = = 0,8 ; 2 = 2 = (0,8) 2 = 0,64 ; 3 = 3 = (0,8) 3 = 0,512 ;...
PACF este: 11 = 1 = = 0,8 i kk = 0 pentru k > 1 .
Simularea unui proces AR(2): y t = 1 y t 1 + 2 y t 2 + t y t = 1,1 * y t 1 0,6 * y t 2 + t Am creat un fiier pentru 100 observaii
genr wn=nrnd smpl 1 1 genr ardoi=wn smpl 2 2 genr ardoi=1.1*ardoi(-1)+wn smpl 3 100 genr ardoi=1.1*ardoi(-1)-0.6*ardoi(-2)+wn smpl 1 100
(1 1 L 2 L2 ) y t = t
( L) y t = t , unde ( L ) = (1 1 L 2 L2 ) este polinomul autoregresiv al procesului AR(2).
Procesul este staionar iar polinomul ( L ) = (1 1 L 2 L2 ) este inversabil dac rdcinile ecuaiei ( z ) = (1 1 z 2 z 2 ) = (1 1 z )(1 1 z ) = 0 se afl n afara cercului unitate, adic z1 > 1 i z 2 > 1 sau echivalent, rdcinile ecuaiei P ( ) = 2 1 2 = 0 se afl n interiorul
cercului unitate, adic 1 < 1 i 2 < 1 . Pentru ca ultimele dou condiii s fie ndeplinite trebuie ca cei doi parametri ai modelului s satisfac urmtoarele condiii: 1 + 2 < 1 , 2 1 < 1 i | 2 |< 1 .
1, 2 =
1 12 + 4 2
2
Ecuaiile Yule-Walker:
1 1 2 2 k = 2 2 1 1 2 0 = 0 2 = 1 1 + 2 2 = 1 + 2 1 2 k > 2 k = 1 k 1 + 2 k 2 1 = 1 + 12 2 = 11 + 2
22 =
1
1
1 2 2 12 = 0 1 1 12
1
kk = 0 pentru k > 2 .
Ex1. y t = 0,6 y t 1 0,08 y t 2 + t Verificai dac este ndeplinit condiia de staionaritate. Avem 1 = 0,6 i 2 = 0,08 ( L ) = (1 1 L 2 L2 ) ( z ) = (1 1 z 2 z 2 ) = (1 1 z )(1 2 z ) = 0 P ( ) = 2 1 2 = 0 P ( ) = 2 0,6 + 0,08 = 0
Ex2. y t = 1,1 y t 1 0,6 y t 2 + t a) Calculai ACF i reprezentai corelograma asociat. b) Calculai PACF i reprezentai corelograma corespunztoare. Avem 1 = 1,1 i 2 = 0,6 ACF: 1,1 1 = 1 = = 0,6875 1 2 1 (0,6) 2 = 0,15625 ; 3 = 0,24062 ; 4 = 0,35843 PACF: 11 = 1 = 0,6875 ,
22 =