Annales Correction PDF

Mathématiques et Informatique de la Décision et des Organisations
Introduction aux séries temporelles

Master 1 Mathématiques Appliquées
Correction succincte des sujets d’examens
Université Paris-Dauphine – Master 1 MIDO 2017/2018 – Introduction aux séries temporelles – Page i/30.
Année 2017/2018
Quartier d’affaires de la Défense et bois de Boulogne

Vus du bureau B518-bis de l’Université Paris-Dauphine
MIDO
MATHEMATIQUES ET INFORMATIQUE
DE LA DECISION ET DES ORGANISATIONS
Version électronique composée avec LATEX le 30 août 2017

Université Paris-Dauphine – Master 1 MIDO 2017/2018 – Introduction aux séries temporelles – Page ii/30.
— Auteurs des sujets et corrigés :

— Djalil Chafaï (enseignant Paris-Dauphine, 2013–)
— Marc Hoffmann (enseignant Paris-Dauphine, 2012–2013)
— Chasseurs de coquilles :
— Pagnard, Camille (enseignant, Paris-Dauphine, 2014–)
— Possamaï, Dylan (enseignant, Paris-Dauphine, 2013–)
— Tan, Xiaolu (enseignant, Paris-Dauphine, 2016–)
ii
Université Paris-Dauphine — M1 MA 2012/2013 — Séries Temporelles
Examen partiel
Durée : 2 heures
Conditions : sans calculatrice ni documents
Solution succincte de l’exercice 1.

1. On a, par indépendance
γε (h) = E[U 2 ξt ξt+h ] = E[U 2 ]E[ξt ξt+h ] = ρ2 σ 2 1h=0 .
2. Si U est p.s. égale à une constante, alors les εt sont i.i.d. et ε est un BB fort. Sinon,
Université Paris-Dauphine – Master 1 MIDO 2017/2018 – Introduction aux séries temporelles – Page 1/30.
E[ε20 ε21 ] = E[U 4 ]E[ε20 ]2 et E[ε20 ]E[ε21 ] = E[U 2 ]2 E[ε20 ]2 6= E[U 4 ]E[ε20 ]2
sauf si U est p.s. égale à une constante (Schwarz). Donc ε n’est pas un BB fort.
3. On a ψ ∈ `1 (Z). On applique le théorème de filtrage.
4. On applique le théorème de filtrage.
5. Le processus X est stationnaire par le théorème de filtrage. Il est centré car ε est
centré. De plus (formule du cours)
X
γX (h) = σ 2 γ 2 ψk ψk+h .
k∈Z
Pour h ≥ 0, cette dernière quantité est égale à

X 1 1
σ2γ 2 k 2k+h
= 13 σ 2 γ 2 2−h .
k≥1
2

1. C’est une conséquence immédiate du théorème de filtrage.
2. On a
 2
 σ (1 + θ2 ) si h = 0
γZ (h) = Cov(Ut + θUt−1 , Ut+h + θUt+h−1 ) = θσ 2 si |h| = 1
0 sinon.

3. Le processus W est stationnaire comme somme de processus stationnaires décor-

rélés ( qui est un bruit blanc faible d’une part et η − 2Bη qui est un MA(1), où l’on
a noté B l’opérateur de retard). De plus
10
γW (0) = 9
, γW (1) = γW (−1) = − 31 et γW (h) = 0 pour |h| ≥ 2.
Donc W est un processus stationnaire, ayant même fonction d’autocovariance
qu’un MA(1). C’est un MA(1) d’après la question 1, et il peut s’écrire Wt = Ut +
θUt−1 avec θ ∈ R et U un bruit blanc de variance σ 2 , à condition d’avoir
10
9
= (1 + θ2 )σ 2 et θσ 2 = 31 .
4. On a
Xt = Yt + ηt = 2Yt−1 + εt + ηt

= 2Yt−1 + 2ηt−1 + εt + ηt − 2ηt−1
= 2Yt−1 + 2ηt−1 + Wt
= 2Xt−1 + Wt .
Donc Xt − 2Xt−1 = Ut + θUt−1 et on a bien la décomposition recherchée.
1/2

1. X est borné donc de carré intégrable. De plus
E[Xt ] = E[ZeitU ] = E[Z]E[eitU ] = 0
puisque Z et U sont indépendantes et Z est centré. Pour la stationnarité, puisque

X est centré, il suffit de montrer que E[Xt+h Xt ] ne dépend pas de t. On a
E[Xt+h Xt ] = E Z 2 ei(t+h)U e−itU = E[Z 2 eihU ].

2. On a, d’après la question précédente

Z
2 ihU 2
γX (h) = E[Xt+h Xt ] = E[Z ]E[e ] = E[Z ] eihω PU (dω).
T
3. On a
Z Z Z
γ(h) = E[Z 2 ] eihω PU (dω) = e−ihω PU (dω) = eihω PU (dω) = γ(h),
T T T
donc γ est réelle. On a de même γ(h) = γ(−h).

4. Soit Z une v.a.r. centrée telle que E[Z 2 ] = 1, indépendantes de ξ . D’après ce qui
précède, le processus Xt = Zeiξt a pour fonction de covariance h Φξ (h).
2/2
Examen final
Durée : 2 heures
Il sera tenu grand compte de la présentation et de la rédaction

1. Le processus X est un AR(1) bien défini et stationnaire car |φ| =
6 1;
2. Pour tous t, h ∈ Z on a
E(Wt ) = E(Xt ) + E(t ) = 0
et
E(Wt Wt+h ) = E(Xt Xt+h ) + E(t t+h ) + E(Xt t+h ) + E(t Xt+h )
= γX (h) + γ (h) + 0 + 0,
qui ne dépendent pas de t, et donc W est bien stationnaire. Notons que les iden-
tités E(Xt Xt+h ) = γX (h) et E(t t+h ) = γ (h) proviennent du fait que X et sont
centrés et stationnaires, tandis que les identités
X X
E(Xt t+h ) = αk E(ηt−k t+h ) = 0 et E(t Xt+h ) = αk E(t ηt+h−k ) = 0
k∈Z k∈Z
proviennent du fait que et η sont centrés et décorellés et X = Fα η avec α ∈ `1 (Z) ;

3. Le processus Y est solution de l’équation AR(1) Φ(B)Y = W où Φ(z) = 1 − φz
mais W n’est pas un BB. L’équation s’écrit aussi Fα Y = W où α = 10 − φ11 . Le
polynôme Φ a une unique racine, 1/φ, qui est de module 6= 1, ce qui fait qu’il existe
β = α−1 ∈ `1 (Z), et on obtient une solution stationnaire Y = Fβ W . Pour tout z ∈ C
P∞ k k
avec |z| = 1, on a |φz| < 1 car |φ| < 1, et donc 1/Φ(z) = k=0 φ z et cette série
converge absolument, ce qui fait que βk = φk 1k≥0 pour tout t ∈ Z, et la solution
P∞
trouvée s’écrit donc Yt = k=0 φk Wt−k pour tout t ∈ Z. Si Y 0 est une autre solution
stationnaire, alors Fα Y = W = Fα Y 0 et donc Y 0 = Fβ Fα Y 0 = Fβ Fα Y = Y (cette
injectivité du filtage ne repose pas sur le fait que W est un BB ou pas) ;
4. Le processus Z est stationnaire car filtre du processus stationnaire Y . En fait
Z = (1 − ψB)(1 − φB)Y = (1 − ψB)W = (1 − ψB)X + (1 − ψB) = η + (1 − ψB)
d’où (notons que (1 − ψB) est un MA(1))
γZ (h) = γη (h) + γ(1−ψB) = 10 + (1 − ψ 2 )10 − ψ1±1 ;
5. D’après la question précédente, le processus Z a pour autocovariance
(2 − ψ 2 )10 − ψ1±1 = σ 2 (1 − ϑ2 ) + σϑ1±1
où σ 2 = 2 et σϑ = −ψ , et c’est l’autocovariance d’un MA(1) d’équation Zt = ζt +

ϑζt−1 où (ζt )t∈Z est un bruit blanc de moyenne 0 et de variance σ 2 ;
6. On a Z = (1−φB)(1−ψB)Y et Z est un processus MA(1) donc Y est un ARMA(2, 1) ;
7. Le polynôme de la partie AR de l’équation ARMA de Y est (1 − φz)(1 − ψz). Ses
racines 1/φ et 1/ψ sont de module > 1, par conséquent l’équation ARMA de Y
admet une solution stationnaire causale ;
1/3
8. Il suffit de développer ;
9. Si z ∈ C avec |z| = 1 alors |φz| < 1 et |ψz| < 1 et donc le développement en série
de puissances suivant est absolument convergent :
∞ ∞
1 1 X k+1 X
= (φ − ψ k+1 )z k =: ρk z k .
(1 − φz)(1 − ψz) φ − ψ k=0 k=0
D’où, en observant que ρ0 = 1,

∞
1 + ϑz
X
f (z) := =1+ (ρk − ϑρk−1 )z k ,
(1 − φz)(1 − ψz) k=1
et ainsi on tire de (1 + ϑB)ζ = Z = (1 − ψB)(1 − ψB)Y la représentation
Y = f (B)ζ = Fa ζ avec a` = 1`=0 + (ρ` − ϑρ`−1 )1`≥1 .

1. Il s’agit d’une équation AR(1) de polynôme Φ(z) = 1 − φz dont l’unique racine
1/φ est de module 6= 1. L’équation admet donc une unique solution stationnaire.
Exprimons explicitement la solution. On Y = f (B)Z où f (z) = 1/(1 − φz). Pour tout
z ∈ C avec |z| = 1 on a |φz| < 1 car |φ| < 1 et donc f (z) = ∞ k k
P
P∞ k k=0 φ z et la série est
absolument convergente. Il en découle que Y = k=0 φ t−k ;
2. Pour tout t ∈ Z on a
µX (t) = E(Xt ) = µ.
En posant αk = φk 1k≥0 pour tout k ∈ Z, il vient, pour tout t ∈ Z et tout h ∈ N,
∞
X X σ 2 φh
γX (t, t+h) = Cov(Xt , Xt+h ) = E(Yt Yt+h ) = αj αk γ (h+k−j) = σ 2 φ2k+h = .
j,k∈Z k=0
1 − φ2
Comme µX (t) et γX (t, t + h) ne dépendent pas de t, il en découle que X est station-

naire. On a enfin γX (h) = σ 2 φ|h| /(1 − φ2 ) pour tout h ∈ Z ;
3. Comme d’après la question précédente γX ∈ `1 (Z), on en déduit d’après un théo-
rème du cours que X admet une densité spectrale fX donnée pour tout u ∈ [−π, π]
par
1 X −ihu
fX (u) = e γX (h)
2π h∈Z
σ2 X
= e−ihu φ|h|
2π(1 − φ2 ) h∈Z
∞
!
σ2 X
−iu h iu h
= 1+ ((e φ) + (e φ) )
2π(1 − φ2 ) h=1
−iu
σ2 eiu φ

e φ
= 1 + +
2π(1 − φ2 ) 1 − e−iu φ 1 − eiu φ
σ 2
(1 − e φ)(1 − eiu φ) + e−iu φ(1 − eiu φ) + eiu φ(1 − e−iu φ)
−iu
=
2π(1 − φ2 ) |1 − e−iu φ|2
2
σ
= .
2π|1 − e−iu φ|2
2/3
Alternativement, un autre théorème du cours affirme que le processus linéaire

(filtre d’un bruit blanc) X = Fα admet une densité spectrale donnée par
σ2
u ∈ [−π, π] 7→ |Pα (e−iu )|2
2π
αh z h = 1/(1 − φz) si z ∈ {z ∈ C : |z| = 1}. Ici αk = φk 1k≥0 d’où
P
où Pα (z) := h∈Z
σ2 1 σ2
fX (u) = −iu 2
= 2
.
2π |1 − φe | 2π(1 + φ − 2φ cos(u))
Alternativement, un autre théorème du cours affirme qu’un processus ARMA(p, q)
stationnaire de fraction rationnelle z ∈ {z ∈ C : |z| = 1} 7→ Θ(z)/Φ(z) et de bruit
blanc de variance σ 2 admet toujours une densité spectrale, donnée par la formule
2
σ 2 |Θ(e−iu )|
u ∈ [−π, π] 7→ .
2π |Φ(e−iu )|2
Dans le cas de notre processus AR(1) X on a Θ = 1 et Φ(z) = 1 − φz de sorte que
σ2 1 σ2
fX (u) = = ;
2π |1 − φe−iu |2 2π(1 + φ2 − 2φ cos(u))
µn ) = µ) et
4. L’estimateur est sans biais (c’est-à-dire que E(b
n n−1 X
1 X X n − |h| |h|
nVar(b
µn ) = γX (j − k) = γX (h) = 1− 1|h|<n γX (h)
n j,k=1 h=−n+1
n h∈Z
n
d’où par convergence dominée
X σ2
lim nVar(b
µn ) = γX (h) = 2πfX (0) = .
n→∞
h∈Z
1 − φ2
En particulier par l’inégalité de Markov, pour tout ε > 0 fixé,
Var(b
µn )
µn − µ| > ε) ≤
P(|b −→ 0;
ε2 n→∞
5. D’après un théorème du cours, comme est un bruit blanc fort, la variable aléa-
√
toire n(bµn − µ) converge en loi quand n → ∞ vers la loi gaussienne N (0, v 2 ) où
2
v = limn→∞ nVar(bµn ) = 2πfX (0) = σ 2 /(1 − φ2 ) ;
bn + n−1/2 vqα [−1, 1] où qα est le quantile 1 − α/2 de N (0, 1) ;
6. L’invervalle est µ
7. Le rayon de l’intervalle vaut n−1/2 vqα avec v = σ 2 /(1 − φ2 ), et ce rayon atteint donc
son minimum n−1/2 σqα quand φ = 0 (dans ce cas Y = ) ;
8. On utilise le lemme de Slutsky pour remplacer σ 2 et φ par un estimateur (cela est
fait dans un exercice de TD en utilisant les équations de Yule-Walker par exemple).
3/3
Examen partiel
Durée : 2 heures
Date : mercredi 20 novembre 2013
Note : il sera tenu compte de la qualité de la rédaction

1. Par définition, X est un processus causal de Z ssi Xt est une combinaison linéaire
de (Zs )s≤t , pour tout t ∈ Z. Donc ici X est causal de Z ssi a = 0 ;

2. L’opérateur (1 − B)n+1 = ∆n+1 élimine toute tendance polynômiale de degré au
plus n, et donc par la formule du binôme,
n+1 n+1
n+1 n n+1
X n+1 k
X n+1
(1−B) (t −1+Zt ) = (1−B) Zt = (−B) Zt = (−1)k Zt−k ;
k=0
k k=0
k
3. Comme Z est gaussien, Zt a tous ses moments finis, et donc X est du second ordre.
2
On a E(Xt ) = E(Zt2 ) = σ 2 et γX (t, t + h) = E(Zt2 Zt+h ) − σ 4 , qui peut dépendre de t
a priori. Dans le cas spécial où Z est un bruit blanc fort alors cette quantité vaut
= τ4 1h=0 + σ 4 1h6=0 − σ 4 = (τ4 − σ 4 )1h=0 ,, où τ4 est le moment d’ordre 4 de la loi
N (0, σ 2 ), et X est alors stationnaire.
4. Les polynômes associés sont ϕ(z) = 1 − 2z et θ(z) = 1 − z . La seule racine de ϕ est
1/2, et appartient à l’intérieur du disque unité (la solution sera non causale). La
seule racine de θ est 1, qui appartient au cercle unité (on ne peut pas dire que la
solution est inversible). La fraction rationnelle est
∞ ∞
θ(z) 1−z z−1 1 X X
= =− = (z − 1) (2z)−(k+1) = 2−1 − 2−(k+1) z −k .
ϕ(z) 1 − 2z 2z 1 − 1/(2z) k=0 k=1
La solution de notre ARMA(1, 1) est

∞
X
Xt = 2−1 Zt − 2−(k+1) Zt+k .
k=1
P
Autre méthode : rechercher la solution sous la forme Fa Zt = h∈Z ah Zt−h avec ak =
0 pour tout k > 0 (anti-causalité en quelque sorte), en identifiant les coefficients
dans l’équation en séries de puissances de z suivante : (1−2z)(a0 +a−1 z −1 +a−2 z −2 +
· · · ) = 1 − z . Cela donne a0 − 2a−1 = 1, −2a0 = −1, a−k − 2a−k−1 = 0 pour tout k ≥ 1,
d’où a0 = 1/2, a−1 = −1/22 , a−(k+1) = (1/2)a−k = −1/2k+2 pour tout k ≥ 1.
5. Soit Xt = Zt + θZt−1 un MA(1). La moyenne est nulle et l’autocovariance
γX (h) = E(Xt Xt+h ) = E((Zt + θZt−1 )(Zt+h + θZt+h−1 )) = σ 2 (1 + θ2 )1h=0 + θσ 2 1h=±1
Comme γX ∈ `1 (Z), sa densité spectrale vaut, pour tout u ∈ [−π, π],
1 X σ2 σ2
f (u) = γX (h)e−ihu = (1 + θ2 + θ(e−iu + e+iu )) = (1 + θ2 + 2θ cos(u)).
2π h∈Z 2π 2π
1/2
1. On a X = Fα Z , qui est bien défini si α ∈ `1 (Z) (théorème de filtrage du cours). On

a α ∈ `1 (Z) ssi |λ| < 1 (série géométrique) ;
2. Le processus X est stationnaire car processus linéaire (filtre d’un bruit blanc, lui
même stationnaire). Le processus est causal car Xt est fonction de Zs≤t pour tout
t ∈ Z. La moyenne de X est nulle, et l’autocovariance pour h ≥ 0 vaut
∞
X X X λ|h|
γX (h) = γZ (h + j − k)αj αk = σ2 αj αh+j = σ 2 λj λh+j = σ2 .
j,k∈Z j∈Z j=0
1 − λ2
P∞
3. Si λ = 1 alors k=0 Zt−k diverge dans L2 : E((Zt + · · · + Zt−k )2 ) = σ 2 k .

1. αk = λk 1k≥0 et βk = 1k=0 ;
P∞
2. La fonction ϕ(z) = 1+ k=1 λk z k = 1/(1−λz) (pour |λz| < 1) n’est pas un polynôme,
et on ne peut pas appliquer le théorème du cours. Cependant, par analogie, ϕ(z) =
0 n’a pas de racine, et θ(z) = 1, et donc θ(z)/ϕ(z) = 1 − λz , ce qui suggère que le
processus Xt = Zt − λZt−1 , qui est un MA(1), est solution de notre équation AR(∞).
On le vérifie directement :
∞
X ∞
X ∞
X
Zt − λk Xt−k = Zt − λk Zt−k + λk+1 Zt−1−k = Zt − λZt−1 = Xt .
k=1 k=1 k=1
2/2
Examen final
Durée : 2 heures
Date : jeudi 23 janvier 2014

1. (1 − B)Xt = Xt − Xt−1 = t + 1 + Zt − (t + Zt−1 ) = 1 + Zt − Zt−1 = 1 + (I − B)Zt ;
2. Yt est un MA(1) de paramètre θ = −1, de moyenne µY = 1, et d’autocovariance

γY (h) = σ 2 (1 + θ2 )1h=0 + σ 2 θ1|h|=1 = σ 2 (21h=0 − 1|h|=1 ) ;
3. Pas forcément. Contre-ex. : αk = (1/k)1k>0 (série harmonique). On a `1 (Z) $ `2 (Z) ;
4. Comme γZ (h) = σ 2 1h=0 , on obtient E(| k∈K αk Zt−k |2 ) = σ 2 k∈K |αk |2 pour toute
P P
partie finie K ⊂ Z (on peut alternativement invoquer l’orthogonalité et le théo-

rème de Pythagore). Donc grâce au critère de Cauchy dans l’espace complet L2 ,
on obtient que la série k∈Z αk Zt−k converge dans L2 , et on note sa somme (Fα Z)t .
P

1. Le polynôme Pϕ (z) = 1 − (1/2)z a une seule racine, 2, de module > 1. L’équation
admet donc une unique solution stationnaire, causale, de la forme X = Fα Z (pro-
cessus linéaire) avec α ∈ `1 (Z) et αk = 0 si k < 0. D’autre part, Pθ (z) = 1 + 2z admet
une unique racine, −1/2, de module < 1, mais cela ne signifie pas que la solution
n’est pas inversible. Pour calculer α, comme αk = 0 pour tout k < 0, il suffit de
résoudre le système triangulaire (1 − (1/2)z)(α0 + α1 z + · · · ) = 1 + 2z , c’est-à-dire
α0 = 1, α1 − (1/2)α0 = 2, αk − (1/2)αk−1 = 0 pour tout k ≥ 2, ce qui donne α0 = 1,
α1 = 2 + 1/2 = 5/2, αk = 5(1/2)k pour tout k ≥ 1. Alternativement, on peut dévelop-
per la fraction rationnelle de l’équation : comme |(1/2)z| = 1/2 < 1 pour |z| = 1, on
obtient
∞ ∞ ∞
Pθ (z) 1 + 2z X X X
= = (1+2z) (1/2)k z k = 1+ ((1/2)k +2(1/2)k−1 )z k = 1+ 5(1/2)k z k ;
Pϕ (z) 1 − (1/2)z k=0 k=1 k=1
Il est agréable de vérifier qu’on a bien α ∈ `1 (Z) (série géométrique convergente).

Il est aussi judicieux de vérifier la formule pour z = 1, ce qui donne 6 = 6 ;
2. Avec des filtres, l’équation s’écrit sous la forme Fϕ Z = Fθ Z où ϕk = 1k=0 −(1/2)1k=1
et θk = 1k=0 + 21k=1 , et la solution s’écrit X = Fϕ−1 ∗θ Z , tandis qu’avec l’opérateur
retard B , l’équation s’écrit Pϕ (B)X = Pθ (B)Z , où Pϕ et Pθ sont comme dans la
réponse à la question précédente, et la solution s’écrit X = (Pθ /Pϕ )(B)Z ;
3. D’après le théorème de filtrage des processus stationnaires, pour h ≥ 0,
X ∞
X
γX (h) = αj αk γZ (h + j − k) = σ 2 αj αh+j ;
j,k∈Z j=0
P∞
4. D’après la question précédente, pour tout h ≥ 0, γX (h) = σ 2 (αh + 25(1/2)2j+h )
j=1
|h|
2
d’où, pour tout h ∈ Z, γX (h) = σ (1h=0 + 5(1/2) 1|h|6=0 + (25/3)(1/2)|h| ). Ainsi,
γX (h) → 0 exponentiellement vite quand |h| = |t − s| → ∞ ;
1/3
5. On a Ht−1,p = Vect(Xt−1 , . . . , Xt−p ) et donc H1,1 = Vect(X1 ). Par conséquent, on a
hX2 , X1 i γX (1)
proj(X2 , H1,1 ) = 2 X1 = X1 .
kXk2 γX (0)
On pouvait aussi utiliser le théorème de Yule-Walker avec p = 1. Reste à calculer

γX (0) et γX (1), soit via une formule ci-dessus pour γX (h), soit directement
∞ ∞
!
2
X X 25 28
γX (0) = σ αj2 =σ 2
1+ 2
5 (1/2) 2j
= σ2 1 + = σ2.
3 3
j=0 j=1
et
∞ ∞
!
2
X
2 5 X 5 25 20 2
γX (1) = σ αj αj+1 = σ + 25(1/2)2j+1 = σ2 + = σ
j=0
2 j=1 2 6 3
et donc proj(X2 , H1 ) = 57 X1 . Par stationnarité, proj(Xt , Ht−1,1 ) = 75 Xt−1 , ∀t ∈ Z.
Solution succincte de l’exercice 3. On a Pϕ (z) = 1/(1 − αz) et Pθ (z) = 1/(1 − βz). Si

|z| = 1 alors |βz| < 1 et
∞ ∞
Pθ (z) 1 − αz X X
= = (1 − αz) βk zk = 1 + β k−1 (β − α)z k .
Pϕ (z) 1 − βz k=0 k=1
Si ηk = 1k=0 + (β − α)β k−1 1k>0 alors η ∈ `1 (Z). Cela fournit le candidat X = Fη Z , dont on
vérifie sans difficulté qu’il est bien solution. Cette solution est causale. Lorsque α = β ,
on a ηk = 1h=0 et donc X = Fη = Z est solution, ce qui est bien naturel.

1. Le processus est centré car E(Xt ) = cos(θt)E(A) + sin(θt)E(B) = 0. D’autre part
E(Xt Xt+h ) = cos(θt) cos(θ(t + h))E(A2 ) + sin(θt) sin(θ(t + h))E(B 2 ) + (· · · ) E(AB)

| {z }
=0
= σ 2 Re(eiθt e−iθ(t+h) ) = σ 2 Re(e−iθh ) = σ 2 cos(θh),
qui ne dépend pas de t. Donc le processus est stationnaire et γX (h) = σ 2 cos(θh) ;

2. Γn (j, k) = γX (j − k) = σ 2 cos(π(j − k)) = σ 2 (−1)j−k pour tous 1 ≤ j, k ≤ n. La matrice
Γn est réelle n × n symétrique à diagonales constantes (matrice de Toeplitz). La
valeur diagonale principale est σ 2 , et les valeurs suivantes sont −σ 2 , +σ 2 , −σ 2 , . . . ;
2 2
3. γX (h) = σ 2 cos(θh) = σ2 (e−iθh + eiθh ) = [−π,π] eiuh dµ(u) pour µ = σ2 (δ−θ + δθ ) (Ber-
R
noulli !). La densité spectrale n’existe pas (présence de masses de Dirac) ;

|γX (h)| diverge car | cos(θh)| 6→ 0 (facile à voir quand θ ∈ Qπ ) donc γX 6∈ `1 (Z).
P
4. h∈Z
On peut aussi utiliser le fait que la densité spectrale n’existe pas (question précé-
dente) et donc γX 6∈ `1 (Z) car sinon cela contredirait le théorème de Herglotz ;
5. Courbe représentative de t 7→ A(ω) cos(θt). Amplitude A(ω) et fréquence θ .

1
1. X n = n
(X1 + · · · + Xn ) ;
2. E(X n ) = n1 (E(X1 ) + · · · + E(Xn )) = µ dont le biais de X n est nul ;
2/3
3. La variance et l’ÉQM sont identiques car le biais est nul.

n n n−1
1 X 1 X 1 X n − |s|
Var(X n ) = 2 E((Xj − µ)(Xk − µ)) = 2 γ(j − k) = γ(s);
n j,k=1 n j,k=1 n s=−n+1 n
1
Pn−1
4. Si γ(h) → 0 quand h → ∞ alors le critère de Cesàro donne n s=−n+1 |γ(s)| → 0
1
Pn−1
quand n → ∞, et donc Var(X n ) ≤ n s=−n+1 |γ(s)| → 0 quand n → ∞;
5. Si γ ∈ `1 (Z) alors par convergence dominée, nVar(X n ) → h∈Z γ(h) quand n → ∞.
P
3/3
Examen de rattrapage
Durée : 2 heures
Date : lundi 1er septembre 2014

1. Par définition, X est un processus causal de Z ssi Xt est une combinaison linéaire
de (Zs )s≤t , pour tout t ∈ Z. Donc ici X est causal de Z ssi a = 0 ;
2. L’opérateur (B −1)n+1 = (−1)n+1 ∆n+1 élimine toute tendance polynômiale de degré
au plus n, et donc par la formule du binôme,
n+1 n+1
X n+1 X n+1
(B−1)n+1 (tn −1+Zt ) = (B−1)n+1 Zt = (−1)n+1−k B k Zt = (−1)n+1−k Zt−k ;
k=0
k k=0
k
3. Comme Z est gaussien, Zt a tous ses moments finis, et donc X est du second
4
ordre. On a E(Xt ) = E(Zt4 ) =: m4 et E(Xt Xt+h ) = E(Zt4 Zt+h ), qui peut dépendre de
t a priori. Dans le cas spécial où Z est un bruit blanc fort alors cette quantité vaut
= m8 1h=0 + m24 1h6=0 ,, où mk est le moment d’ordre k de la loi N (0, σ 2 ), ce qui donne
γX (t, t + h) = (m8 − m24 )1h=0 , et X est stationnaire.
4. L’équation se simplifie en Xt = 2Xt−1 + Zt − Zt−1 . Les polynômes associés sont
ϕ(z) = 1 − 2z et θ(z) = 1 − z . La seule racine de ϕ est 1/2, et appartient à l’intérieur
du disque unité (la solution sera non causale). La seule racine de θ est 1, qui
appartient au cercle unité (on ne peut pas dire que la solution est inversible). La
fraction rationnelle est
∞ ∞
θ(z) 1−z z−1 1 X X
= =− = (z − 1) (2z)−(k+1) = 2−1 − 2−(k+1) z −k .
ϕ(z) 1 − 2z 2z 1 − 1/(2z) k=0 k=1
La solution de notre ARMA(1, 1) est

∞
X
Xt = 2−1 Zt − 2−(k+1) Zt+k .
k=1
P
Autre méthode : rechercher la solution sous la forme Fa Zt = h∈Z ah Zt−h avec ak =
0 pour tout k > 0 (anti-causalité en quelque sorte), en identifiant les coefficients
dans l’équation en séries de puissances de z suivante : (1−2z)(a0 +a−1 z −1 +a−2 z −2 +
· · · ) = 1 − z . Cela donne a0 − 2a−1 = 1, −2a0 = −1, a−k − 2a−k−1 = 0 pour tout k ≥ 1,
d’où a0 = 1/2, a−1 = −1/22 , a−(k+1) = (1/2)a−k = −1/2k+2 pour tout k ≥ 1.
5. Soit Xt = Zt + θZt−1 un MA(1). La moyenne est nulle et l’autocovariance
Comme γX ∈ `1 (Z), sa densité spectrale vaut, pour tout u ∈ [−π, π],
1 X σ2 σ2
fX (u) = γX (h)e−ihu = (1 + θ2 + θ(e−iu + e+iu )) = (1 + θ2 + 2θ cos(u)).
2π h∈Z 2π 2π
2 σ2 2 σ2
Autre méthode : fX (u) = fZ (u) |P (e−iu )| = 2π
|1 + θe−iu | = 2π
(1 + θe−iu )(1 + θeiu ) =
σ2 2
2π
(1 + θ + θ2 cos(u)).
1/3
Solution succincte de l’exercice 2. On note α2 la suite définie par αk2 = (αk )2 .

1. On a X = Fα2 Z , qui est bien défini si α2 ∈ `1 (Z) (théorème de filtrage du cours)
c’est-à-dire si α ∈ `2 (Z). On a α ∈ `p (Z) pour (tout) p ≥ 1 ssi |λ| < 1 (série géomé-
trique) ;
2. Le processus X est stationnaire car processus linéaire (filtre d’un bruit blanc, lui
même stationnaire). Le processus est causal car Xt est fonction de Zs≤t pour tout
t ∈ Z. La moyenne de X est nulle, et l’autocovariance pour h ≥ 0 vaut
∞
λ2|h|
X X X
γX (h) = γZ (h + j − k)αj2 αk2 = σ 2 αj2 αh+j
2
= σ2 λ2j λ2(h+j) = σ 2 .
j,k∈Z j∈Z j=0
1 − λ4
P∞
3. Si λ = 1 alors k=0 Zt−k diverge dans L2 : E((Zt + · · · + Zt−k )2 ) = σ 2 k .

1. αk = λk 1k≥0 et βk = 1k=0 ;
P∞
2. La fonction ϕ(z) = 1 + k=1 λ2k z k = 1/(1 − λ2 z) (pour |λ2 z| < 1) n’est pas un poly-
nôme, et on ne peut pas appliquer le théorème du cours. Cependant, par analogie,
ϕ(z) = 0 n’a pas de racine, et θ(z) = 1, et donc θ(z)/ϕ(z) = 1 − λ2 z , ce qui suggère
que le processus Xt = Zt − λ2 Zt−1 , qui est un MA(1), est solution de notre équation
AR(∞). On le vérifie directement :
∞
X ∞
X ∞
X
Zt − λ2k Xt−k = Zt − λ2k Zt−k + λ2(k+1) Zt−1−k = Zt − λ2 Zt−1 = Xt .
k=1 k=1 k=1

1. Le processus est centré car E(Xt ) = cos(θt)E(A) + sin(θt)E(B) = 0. D’autre part
E(Xt Xt+h ) = cos(θt) cos(θ(t + h))E(A2 ) + sin(θt) sin(θ(t + h))E(B 2 ) + (· · · ) E(AB)

| {z }
=0
qui ne dépend pas de t. Donc le processus est stationnaire et γX (h) = σ 2 cos(θh) ;

2. Γn (j, k) = γX (j − k) = σ 2 cos(π(j − k)) = σ 2 (−1)j−k pour tous 1 ≤ j, k ≤ n. La matrice
Γn est réelle n × n symétrique à diagonales constantes (matrice de Toeplitz). La
valeur diagonale principale est σ 2 , et les valeurs suivantes sont −σ 2 , +σ 2 , −σ 2 , . . . ;
2 2
3. γX (h) = σ 2 cos(θh) = σ2 (e−iθh + eiθh ) = [−π,π] eiuh dµ(u) pour µ = σ2 (δ−θ + δθ ) (Ber-
R
noulli !). La densité spectrale n’existe pas (présence de masses de Dirac) ;

|γX (h)| diverge car | cos(θh)| 6→ 0 (facile à voir quand θ ∈ Qπ ) donc γX 6∈ `1 (Z).
P
4. h∈Z
On peut aussi utiliser le fait que la densité spectrale n’existe pas (question précé-
dente) et donc γX 6∈ `1 (Z) car sinon cela contredirait le théorème de Herglotz ;
5. Courbe représentative de t 7→ A(ω) cos(θt). Amplitude A(ω) et fréquence θ .

1
1. X n = n
(X1 + · · · + Xn ) ;
2. E(X n ) = n1 (E(X1 ) + · · · + E(Xn )) = µ dont le biais de X n est nul ;
2/3
3. La variance et l’ÉQM sont identiques car le biais est nul.

n n n−1
1 X 1 X 1 X n − |s|
Var(X n ) = 2 E((Xj − µ)(Xk − µ)) = 2 γ(j − k) = γ(s);
n j,k=1 n j,k=1 n s=−n+1 n
1
Pn−1
4. Si γ(h) → 0 quand h → ∞ alors le critère de Cesàro donne n s=−n+1 |γ(s)| → 0
1
Pn−1
quand n → ∞, et donc Var(X n ) ≤ n s=−n+1 |γ(s)| → 0 quand n → ∞;
5. Si γ ∈ `1 (Z) alors par convergence dominée, nVar(X n ) → h∈Z γ(h) quand n → ∞.
P
3/3
Examen partiel
Durée : 2 heures
Date : mercredi 19 novembre 2014

1. Comme t 7→ cos((2/3)πt) est de période 3, on a ∆3 St = 0 + ∆3 Zt = Zt − Zt−3 ;
2. Comme les v.a.r. (Zt )t∈Z sont indépendantes, de carré intégrable, de même moyenne
et variance, il s’agit bien d’un bruit blanc fort. La moyenne vaut 0 car les variables
sont centrées, et la variance vaut 1 car les variables sont réduites ;
p
3. Les v.a.r. (Zt )t∈Z sont indépendantes, de carré intégrable, de même moyenne et
p
variance : il s’agit donc d’un bruit blanc fort. Pour tout h ∈ Z on a µ(h) = E(Z0 )
2p p 2
(= 0 si p impair) et γ(h) = (E(Z0 ) − E(Z0 ) )1h=0 ;
4. γX (h) = 0 si |h| > 2, et γX (0) = Var(aZ−1 + bZ1 ) = a2 + b2 , γX (−1) = γX (1) =
E((aZ0 + bZ2 )(aZ1 + bZ3 )) = 0, et γX (−2) = γX (2) = E(bZ2 aZ2 ) = ab.
5. X est causal ssi Xt ne dépend que de (Zs )s≤t , pour tout t ∈ Z, ce qui a lieu si b = 0.
Le filtre X de Z est inversible ssi Z est un filtre causal de X , ce qui a lieu si a = 0.

Pn k n+1
1. On a Xt = k=0 ϕ Zt−k + ϕ Xt−(n+1) pour tout n ∈ N. Si |ϕ| < 1 alors le pre-
mier terme du membre de droite est une série absolument convergence dans L2
Pn k
(et p.s.) ce qui suggère que Xt = k=0 ϕ Zt−k est solution, ce qui se vérifie di-
rectement. Lorsque |ϕ| > 1 on procède de même en renversant le temps à par-
tir de l’équation Xt−1 = ϕ−1 Xt − ϕ−1 Zt , ce qui conduit à la solution non-causale
Xt = − ∞ −k
P
k=1 ϕ Zt+k . Lorsque |ϕ|Pn
= 1 alors il ne peut pas exister de solution
k n+1
stationnaire car sinon l’équation k=0 ϕ Zt−k = Xt − ϕ Xt−(n+1) donnerait en
2
prenant la variance (n + 1)σ ≤ 4γX (0) ce qui est impossible lorsque n 1 ;
2. X = Fα Z avec αk = ϕk 1k∈N donc pour tout h ∈ N,
X X ϕh
γX (−h) = γX (h) = αj αk γZ (h + j − k) = σ 2 ϕ2j+h = σ 2 .
j,k∈Z j≥0
1 − ϕ2
Pour la densité spectrale, on écrit, pour tout t ∈ [−π, π],

2 2
2 σ2
2
j −itj σ 1 = σ 1
X
−itj 2

fX (t) = |Pα (e )| fZ (t) = ϕe = .

2π 2π 1 − ϕe−it 2π 1 − 2ϕ cos(t) + ϕ2
j∈N
3. L’équation s’écrit sous forme standard

1 1
Xt = Xt−1 + Zt + Zt−1
2 2
et donc Φ(z) = Pαϕ (z) = 1 − z/2 et Θ(z) = Pαθ (z) = 1 + z/2. Pour tout z ∈ C avec
1 1
= ∞ k
P
|z| = 1, on a |z/2| < 1 et donc Φ(z) = 1−z/2 k=0 (z/2) d’où
∞ ∞ ∞
Θ(z) X −k k X −k k X
= 2 z + 2 z =1+ 2−k+1 z k .
Φ(z) k=0 k=1 k=1
P∞ −k+1
Cela donne la solution causale Xt = Zt + k=1 2 Zt−k ;
1/2
4. On a X = Fψ Z où ψk = 1k=0 + 1k>0 2−k+1 . Or pour tout h ≥ 0,

X X
γX (−h) = γX (h) = ψj ψk γZ (h + j − k) = σ 2 ψj ψh+j
j,k∈Z j≥0
car γZ = σ 2 10 . Comme |ψk | ≤ 2ρk pour tout k ≥ 0, avec ρ = 1/2, on obtient

X
2
X 1
σ ψj ψh+j ≤ σ 2 2ρh ρ2j = σ 2 2ρh = Cρh .

j≥0

j≥0
1 − ρ2
5. Prenons αk = k −a 1k≥1 pour a > 1, de sorte que α ∈ `1 (Z). Pour tout h ≥ 0, on a
∞
σ2
Z
X 1 dx
γX (−h) = γX (h) = σ 2 a
≥ σ2 2a
= ,
k≥1
(k(k + h)) 1 (x + h) (2a − 1)(1 + h)2a−1
qui décroît polynomialement et non pas exponentiellement quand |h| → ∞.
2/2
Examen final
Durée : 2 heures
Date : vendredi 23 janvier 2015
Solution succincte de l’exercice 1. Soit αϕ et αθ les suites associées à Φ et Θ, de sorte

que Pαϕ = Φ et Pαθ = Θ.
1. Si Φ ne s’annule pas sur le cercle unité, alors αϕ est inversible pour le produit
−1
de convolution ∗ dans `1 (Z) et son inverse αϕ est donné par le développement en
série de puissances de z de la fraction rationnelle Θ(z)/Φ(z) (qui convergence dans
un voisinage du cercle unité). Le processus linéaire X = Fα−1 ϕ
Fαθ Z est solution car
Fαϕ X = Fαϕ ∗α−1
ϕ ∗α θ
Fα θ
Z = Fα θ
Z . Pour l’unicité, si X est une solution stationnaire,
−1
alors comme αϕ existe et Fαϕ X = Fαθ Z , on obtient X = Fα−1
ϕ
Fαθ Z = Fα−1
ϕ ∗αθ
Z;
−1
2. Si Φ ne s’annule pas sur le disque unité fermé, alors αϕ est porté par N, et comme
αθ est porté par N aussi (c’est un polynôme) il en est de même de leur produit de
convolution, ce qui signifie que X est causal ;
3. Si Φ ne s’annule pas sur le cercle unité et si Θ ne s’annule pas sur le disque unité
fermé, alors αθ est inversible pour le produit de convolution, son inverse est porté
par N, et comme αϕ est également porté par N (c’est un polynôme), il en va de
même pour αθ−1 ∗ αϕ , et donc X est inversible car Z = Fα−1 ∗αϕ X ;
θ
4. Les équations ARMA de même fraction rationnelle ont mêmes solutions. (p0 , q 0 ) =
(p − m, q − m) où m = deg(Q).
1. On a Φ(z) = (1 − z + (1/4)z 2 ) = (z − 2)2 /4 et Θ(z) = 1 − z/2 = −(z − 2)/2 dont
l’unique racine est 2 (elle est double pour Φ). Comme Φ ne s’annule pas sur le
cercle unité, l’équation ARMA possède une unique solution stationnaire notée X ,
processus linéaire de Z . Comme de plus Φ ne s’annule pas sur le disque unité, X
est causale. Comme Θ ne s’annule pas sur le disque unité fermé, X est inversible.
Le calcul de X se fait en développant en série de puissances la fraction rationnelle
de l’ARMA, dans un voisinage du cercle unité. Ici |z| = 1 implique que |z/2| < 1 ce
qui permet le développement en série géométrique suivant :
∞
Θ(z) 4(z − 2) 2 1 X
=− 2
= = = 2−k z k .
Φ(z) 2(z − 2) 2−z 1 − z/2 k=0
d’où, en posant αk = 2−k 1k≥0 ,

∞
X X
Xt = 2−k Zt−k = αk Zt−k
k=0 k∈Z
Elle est manifestement causale. On vérifie facilement directement qu’il s’agit bien
d’une solution de l’équation irréductible Xt − (1/2)Xt−1 = Zt qui est AR(1) :
∞
X ∞
X
Xt − (1/2)Xt−1 = 2−k Zt−k − 2−(k+1) Zt−1−k = Zt .
k=0 k=0
La solution est manifestement inversible car on a
Zt = (Φ/Θ)(B)Xt = (1 − B/2)Xt = Xt − (1/2)Xt−1 ;
1/2
2. Pour tout h ≥ 0 on a
∞ ∞
X X X 4 σ2
γX (h) = γFα Z (h) = σ 2 αk αk+h = σ 2 2−2k−h = σ 2 2−h 4−k = .
k∈Z k=0 k=0
3 2h
Donc γX (h) = (4/3)σ 2 2−|h| pour tout h ∈ Z. On a Ht−1,1 = vect{Xt−1 } d’où
hXs , Xt−1 i γX (s − t + 1)
proj(Xs , Ht−1,1 ) = 2 Xt−1 = Xt−1 = 2−|s−t−1| Xt−1 .
kXt−1 k γX (0)
Cette variable aléatoire tend presque sûrement vers 0 quand s → ∞.
√ 2
3. Un calcul (à faire !) montre que Var( nX n ) → σ 2 = 4σ 2 quand n →
P
α
√ k∈Z k
∞. Comme Z est un BB fort gaussien, la variable nX n est gaussienne. Comme
sa moyenne est nulle et sa variance converge vers 4σ 2 , elle converge en loi vers
N (0, 4σ 2 ). Cette propriété permet de mettre en place un test pour savoir si le bruit
blanc est fort (elle reste vraie si le bruit blanc est fort mais pas gaussien).

1. Les polynômes Φ∗ et Θ∗ ont pour racines respectives
1 1 1 1
, . . . , , ar+1 , . . . , ap et , . . . , , bs+1 , . . . , bq ,
a1 ar b1 bs
qui sont toutes à l’extérieur du disque unité : l’application z 7→ 1/z conserve l’ar-
gument et inverse le module. Donc l’équation ARMA(p, q) Φ∗ (B)X∗ = Θ∗ (B)X∗
possède une unique solution stationnaire notée X∗ . À présent, comme Φ∗ et Θ∗ ne
s’annulent pas sur le disque unité fermé, le processus ARMA(p, q) X∗ est causal et
inversible ;
2. Par définition, on a
p p q q
X Y X Y
Φ(z) = 1 − ϕj z j = −ϕp (z − aj ) et Θ(z) = 1 + θj z j = θq (z − bj ).
j=1 j=1 j=1 j=1
Comme Φ(0) = Θ(0) = 1, on a |a1 · · · ap ϕp | = |b1 · · · bq θq | = 1, et

p p q q
Y z − aj Y Y z − bj Y
1 − a−1 z 1 − b−1 z .

|Φ(z)| =
aj
=
j et |Θ(z)| =
bj
=
j
j=1 j=1 j=1 j=1
Il en découle que pour tout u ∈ [−π, π],
2
Qq −1
2 2
σ 2 |Pθ (e−iu )| σ 2 j=1 1 − bj e−iu σ∗2 |Θ∗ (e−iu )|
fX (u) = 2 = p 2 = 2 = fX∗ (u),
2π |Pϕ (e−iu )| 2π 1 − a−1 e−iu 2π |Φ∗ (e−iu )|
Q
j j=1
où on a utilisé |1 − c−1 e−iu | = |c|−1 |c − e−iu | = |c|−1 |eiu c − 1| = |c|−1 |1 − ce−iu | pour
déplacer les racines de l’intérieur vers l’extérieur du disque unité, sans perturber
la valeur du module. Il en découle que γX = γX∗ car l’autocovariance n’est rien
d’autre que la suite des coefficients de Fourier de la mesure spectrale.
2/2
Durée : 2 heures
Date : lundi 1er septembre 2015
Solution succincte de l’exercice 1 (ARMA(1, 1)).

1. Une solution stationnaire existe (elle est alors unique, et c’est un processus li-
néaire) lorsque le polynôme Φ(z) = Pαφ (z) = 1 − φz n’a pas de racine de module 1,
c’est-à-dire lorsque |φ| =
6 1 car Φ a une unique racine z1 = 1/φ de module 1/|φ| ;
2. La solution stationnaire est causale lorsque Φ n’a pas de racine de module ≤ 1,
c’est-à-dire lorsque |z1 | > 1, autrement dit lorsque |φ| < 1 ;
3. D’après un théorème du cours, la solution stationnaire X de l’équation ARMA
Φ(B)X = Θ(B)Z s’obtient en développant en série de puissances de z la fraction
rationnelle de l’équation ARMA z 7→ Θ(z)/Φ(z) = (1+θz)/(1−φz) dans un voisinage
du cercle unité {z ∈ C : |z| = 1}. On distingue les cas |φ| < 1 et |φ| > 1.
P∞
Cas |φ| < 1. Si |z| = 1 alors |φz| < 1 et 1/(1 − φz) = k=0 φk z k , d’où
∞ ∞ ∞
1 + θz X X X
= φk z k + θz φk z k = 1 + φk−1 (φ + θ)z k
1 − φz k=0 k=0 k=1
d’où
ψk = 1h=0 + φk−1 (φ + θ)1h>0 .
Cas |φ| > 1. Si |z| = 1 alors |(φz)−1 | < 1 et
∞ ∞
1 1 1 1 X −k −k X
=− = − φ z = − φ−k z −k .
1 − φz φz 1 − (φz)−1 φz k=0 k=1
et donc
∞ ∞ ∞
1 + θz X X X
=− φ−k z −k − θz φ−k z −k = −θφ−1 + φ−k−1 (φ + θ)z −k
1 − φz k=1 k=1 k=1
d’où
ψk = −θφ−1 1k=0 + φ−k−1 (φ + θ)1k<0 .
Dans les deux cas, Fφ−1 ◦ Fθ = Fψ , pour tout t ∈ Z,
X
Xt = ψk Zt−k ,
k∈Z
et la convergence a lieu p.s. et dans L2 . On retrouve bien X = Z si θ = −φ.

4. Pour tout h ∈ Z, comme γZ (h) = σ 2 1h=0 ,
X X
γX (h) = γFψ Z (h) = ψj ψk γZ (h + j − k) = σ 2 ψj ψh+j
j,k∈Z j∈Z
Cette formule permet d’établir que γX (h) décroît géométriquement (exponentielle)

quand |h| → ∞, en utilisant le fait que ψk décroît géométriquement quand |k| → ∞,
c’est-à-dire qu’il existe C > 0 et 0 < ρ < 1 tels que |γX (h)| ≤ Cρ|h| pour tout h ∈ Z.
1/3
Solution succincte de l’exercice 2 (Estimation de la moyenne et intervalle de confiance

pour un AR(1)).
1. Comme |φ| < 1, le processus stationnaire X solution de l’équation AR(1) est un
filtre causal du bruit blanc fort gaussien Z , et par conséquent, d’après un théorème
du cours, on dispose du théorème de la limite centrale suivant :
√ loi
n(θbn − θ) −→ N (0, γ)
n→∞
où γ = 2πfX (0) et où fX est la densité spectrale de X , qui est donnée ici par
σ2 1
fX (λ) = 2π pour tout λ ∈ [−π, π], d’où enfin γ = 2πfX (0) = σ 2 /(1 − ϕ)2 . On
|1−ϕe−iλ |2
peut mener le calcul de la variance asymptotique directement :
1 X
nVar(θ)
b = γX (j − i)
n 0≤i,j≤n−1
n−1
X n−h
= γX (h)
n
h=−(n−1)
n−1
X h
= 1− γX (h)
n
h=−(n−1)
CVD
X
−→ γX (h)
n→∞
h∈Z
X
= e−ihλ γX (h)

λ=0
h∈Z
= 2πfX (0).
2. La convergence en loi précédente permet de construire un intervalle de confiance
asymptotique In,α suivant de niveau de confiance 1 − α. En effet, on écrit
r √
γ n b
P θ ∈ θb − Jα = P √ (θ − θ) ∈ Jα −→ P(Z ∈ Jα ) = 1 − α
n γ n→∞
où Z ∼ N (0, 1) et Jα = [−q1−α/2 , q1−α/2 ] où qp est le quantile d’ordre p de N (0, 1)

c’est-à-dire P(Z ≤ qp ) = p, ce qui donne
r r
γ γ
In,α = θb − q1−α/2 , θb + q1−α/2
n n
Cet intervalle de confiance permet de tester l’hypothèse statistique H0 :«θ = 0»
contre l’hypothèse alternative H1 :«θ 6= 0». Pour α = 5% on a q1−α/2 ≈ 1.96, ce
qui donne avec les valeurs fournies pour n et θb l’intervalle [−0.39, 0.59]. Comme 0
appartient à cet intervalle, on accepte H0 avec un niveau de confiance de 5% ;
3. Un théorème du cours affirme que Γn est inversible pour tout n si et seulement si
γX (h) → 0 quand h → ∞, ce qui est le cas pour les processus ARMA(p, q) ;
4. Si X (n) = (X0 , . . . , Xn−1 ) alors Cov(X (n) ) = Cov(Y (n) ) = Γn , d’où
Yen(n) := Γ−1/2
n Y (n) = θΓn−1/2 1n + Γn−1/2 X (n) = θA + Z (n)
−1/2
où Z (n) = Γn X (n) vérifie Cov(Z (n) ) = In . On a donc
(A> A)−1 AYen(n) = (1>
n Γn Γn 1n )−1 1>
−1/2 −1/2 −1/2 −1/2 (n)
n Γn Γn Y = θen .
Il s’agit donc tout simplement d’un estimateur par projection orthogonale obtenu
par moindres carrés minθ kθA − Y en(n) k, bien connu pour le modèle linéaire ;
2/3
5. On a E(θen ) = (1> −1 −1 > −1

n Γn 1n ) (1n Γn 1n )θ = θ et
1
E((θen )2 ) = E((1> −1 (n) 2
n Γn Y ) ).
(1> Γ
n n
−1 1 )2
n
Or comme 1> −1 (n)

n Γn Y = (1> −1 (n) >
n Γn Y ) = Y (n)> Γ−1
n 1n (il s’agit d’un réel), on a
E((1> −1 (n) 2
n Γn Y ) ) = E(1> −1 (n) (n)> −1
n Γn Y Y Γn 1n )
= 1> −1
n Γn E(Y
(n) (n)>
Y )Γ−1
n 1n
= 1> −1 > −1
n Γn (Γn + θ1n 1n )Γn 1n
= 1> −1 > −1
n Γn 1n + θ(1n Γn 1n )
2
d’où
1
Var(θen ) = .
1n Γ−1
n 1n
6. La décomposition de Cholesky donne, en observant que Φn 1n = (1−φ, . . . , 1−φ, 1)> ,
1 − φ2 1 1
1> −1 >
n Γn 1n = (Φn 1n ) Dn Φn 1n = (1 − φ)
2
+ (n − 2)(1 − φ)2 2 + 2 ,
σ2 σ σ
d’où
σ2
nVar(θen ) −→ .
n→∞ (1 − φ)2
Ainsi, les estimateurs θbn et θen sont asymptotiquement de même variance.
3/3
Examen partiel
Durée : 2 heures
Date : mercredi 4 novembre 2015 8h30-10h30
Solution succincte de l’exercice 1. Proche d’un exercice du partiel de 2013-2014.

1. Par définition, X est un processus causal de Z ssi αk = 0 pour tout k < 0. D’autre
part, par définition, X = Fα Z est inversible ssi il existe β ∈ `1 (Z) tel que Z = Fβ X
est un processus causal de X c’est-à-dire que βk = 0 si k < 0. Si X = Fα Z est à
la fois causal et inversible alors Z = Fβ X = Fβ Fα Z = Fβ∗α Z d’où β = α−1 . Ainsi,
un filtre α d’un BB est à la fois causal et inversible ssi α est à support dans N et
admet un inverse (pour le produit de convolution dans `1 (Z)) à support dans N ;
2. L’opérateur (1 − B)n+1 = ∆n+1 élimine toute tendance polynomiale de degré au
plus n, d’où ∆2 Zt = ∆(Zt − Zt−1 ) = Zt − 2Zt−1 + Zt−2 , ou encore, avec n = 1,
(1 − B)n+1 (1 + t + Zt ) = (1 − B)n+1 Zt = (1 − 2B + B 2 )Zt = Zt − 2Zt−1 + Zt−2 ;
3. Exercice vu en travaux dirigés. Pour tous t, h ∈ Z, on a
µXY (t) = E(Xt Yt ) = E(Xt )E(Yt ) = µX (t)µY (t) = µX µY
grâce à l’indépendance et à la stationnarité de X et Y , et
γXY (t, t + h) = E(Xt+h Yt+h Xt Yt ) − (µX µY )2

= E(Xt+h Xt )E(Yt+h Yt ) − µ2X µ2Y
= γX (h) + µ2X + γY (h) + µ2Y − µ2X µ2Y ,
qui ne dépendent pas de t, d’où la stationnarité de XY ;

4. Soit Xt = Zt + θZt−1 un MA(1). La moyenne est nulle et l’autocovariance est
Comme γX ∈ `1 (Z), le théorème de Herglotz affirme que γX est la transformée de

Fourier d’une mesure positive finie de densité donnée pour tout u ∈ [−π, π] par
1 X σ2 σ2
f (u) = γX (h)e−ihu = (1 + θ2 + θ(e−iu + e+iu )) = (1 + θ2 + 2θ cos(u)).
2π h∈Z 2π 2π
Solution succincte de l’exercice 2. Tiré de l’examen de rattrapage de 2014-2015.

1. Une solution stationnaire existe (elle est alors unique, et c’est un processus li-
néaire) lorsque le polynôme Φ(z) = Pαφ (z) = 1 − φz n’a pas de racine de module 1,
c’est-à-dire lorsque |φ| =
6 1 car Φ a une unique racine z1 = 1/φ de module 1/|φ| ;
2. La solution stationnaire est causale lorsque Φ n’a pas de racine de module ≤ 1,
c’est-à-dire lorsque |z1 | > 1, autrement dit lorsque |φ| < 1 ;
1/3
3. D’après un théorème du cours, la solution stationnaire X de l’équation ARMA

Φ(B)X = Θ(B)Z s’obtient en développant en série de puissances de z la fraction
rationnelle de l’équation ARMA z 7→ Θ(z)/Φ(z) = (1+θz)/(1−φz) dans un voisinage
du cercle unité {z ∈ C : |z| = 1}. On distingue les cas |φ| < 1 et |φ| > 1.
P∞
Cas |φ| < 1. Si |z| = 1 alors |φz| < 1 et 1/(1 − φz) = k=0 φk z k , d’où
∞ ∞ ∞
1 + θz X X X
= φk z k + θz φk z k = 1 + φk−1 (φ + θ)z k
1 − φz k=0 k=0 k=1
d’où
ψk = 1h=0 + φk−1 (φ + θ)1h>0 .
Cas |φ| > 1. Si |z| = 1 alors |(φz)−1 | < 1 et
∞ ∞
1 1 1 1 X −k −k X
=− = − φ z = − φ−k z −k .
1 − φz φz 1 − (φz)−1 φz k=0 k=1
et donc
∞ ∞ ∞
1 + θz X X X
=− φ−k z −k − θz φ−k z −k = −θφ−1 + φ−k−1 (φ + θ)z −k
1 − φz k=1 k=1 k=1
d’où
ψk = −θφ−1 1k=0 + φ−k−1 (φ + θ)1k<0 .
Dans les deux cas, Fφ−1 ◦ Fθ = Fψ , pour tout t ∈ Z,
X
Xt = ψk Zt−k ,
k∈Z
et la convergence a lieu p.s. et dans L2 . On retrouve bien X = Z si θ = −φ.

4. Pour tout h ∈ Z, comme γZ (h) = σ 2 1h=0 ,
X X
γX (h) = γFψ Z (h) = ψj ψk γZ (h + j − k) = σ 2 ψj ψh+j
j,k∈Z j∈Z
Cette formule permet d’établir que γX (h) décroît géométriquement (exponentielle)

quand |h| → ∞, en utilisant le fait que ψk décroît géométriquement quand |k| → ∞,
c’est-à-dire qu’il existe C > 0 et 0 < ρ < 1 tels que |γX (h)| ≤ Cρ|h| pour tout h ∈ Z.

Pm
1. Pour tout t ∈ Z et tous n, m ∈ N, la v.a.r. Xt,n,m := k=−n αk Zt−k est gaussienne de
moyenne 0 et de variance
X X m
X
2
E(Xt,n,m )= αj αk Cov(Zt−j , Zt−k ) = αk2 Var(Zt−k ) = σ 2 αk2
−n≤j,k≤m −n≤k≤m k=−n
car Z ∼ BB(0, σ 2 ). Comme Xt,n,m converge dans L2 et donc en loi vers (Fα X)t
2
quand n, m → ∞, il en découle que (Fα X)t ∼ N (0, σ 2 kαk2 ), car pour les suites
de v.a.r. gaussiennes, la convergence en loi est équivalente à la convergence des
moyennes et des variances et la limite est toujours gaussienne ;
2/3
2. Soit κ := E(Zt4 ) (valable pour tout t ∈ Z). Pour tout t ∈ Z on a

X
Mt := E((Fα Z)4t ) = αk1 αk2 αk3 αk4 E(Zt−k1 Zt−k2 Zt−k3 Zt−k4 ).
k1 ,k2 ,k3 ,k4 ∈Z
Or si la suite finie k1 , k2 , k3 , k4 comporte une valeur n’apparaissant qu’une fois alors

par indépendance et centrage E(Zt−k1 Zt−k2 Zt−k3 Zt−k4 ) = 0. Il suffit donc de consi-
dérer le cas où deux valeurs distinctes u 6= v apparaissent deux fois, qui donne
2 2
E(Zt−k1 Zt−k2 Zt−k3 Zt−k4 ) = E(Zt−u Zt−v ) = σ 4 , et le cas où une seule valeur apparaît
4
quatre fois (k1 = k2 = k3 = k4 ), qui donne E(Zt−k1 Zt−k2 Zt−k3 Zt−k4 ) = E(Zt−k 1
) = κ.
X 4 X
Mt = αu2 αv2 σ 4 + αk4 3σ 4
u,v∈Z
2 k∈Z
u<v
= 3σ 4 (kαk42 − kαk44 ) + κ kαk44

= 3σ 4 kαk42 + (κ − 3σ 4 ) kαk44 .
Rappelons que `p ⊂ `q si 1 ≤ p ≤ q ≤ ∞ et en particulier `1 ⊂ `2 ⊂ `4 .

Il est possible de vérifier la véracité du calcul dans le cas gaussien. En effet,
comme le moment d’ordre 4 de la loi N (0, 1) vaut 3, il vient κ = 3σ 4 et donc
Mt = 3σ 4 kαk42 , ce qui correspond bien au fait que dans le cas gaussien, Mt est
2
le moment d’ordre 4 de la loi N (0, σ 2 kαk2 ) d’après la première question !
3/3
Examen final
Durée : 2 heures
Date : lundi 11 janvier 2016

1. On raisonne par l’absurde. Si X est solution stationnaire de l’équation, alors l’uti-
lisation récursive de Xt = ϕXt−1 + Zt + θZt−1 donne, pour tout t ∈ Z et tout n ∈ N,
Xt = ϕXt−1 + Zt + θZt−1
= ϕ(ϕXt−2 + Zt−1 + θZt−2 ) + Xt−1 + Zt + θZt−1
= ϕ2 Xt−2 + Zt + (ϕ + θ)Zt−1 + ϕθZt−2
..
.
n−1
X
= ϕn Xt−n + Zt + ϕk−1 (ϕ + θ)Zt−k + ϕn−1 θZt−n ,
k=1
d’où
n−1
X
Xt − ϕn Xt−n = Zt + (ϕ + θ) ϕk−1 Zt−k + ϕn−1 θZt−n
k=1
d’où, en calculant la variance des deux membres,

n−1
X
(1 + ϕ2n )γX (0) − 2ϕn γX (n) = σ 2 + σ 2 (ϕ + θ)2 ϕ2(k−1) + σ 2 ϕ2(n−1) θ2 ,
k=1
or si |ϕ| = 1 et ϕ + θ 6= 0 alors on obtient une contradiction lorsque n → ∞ : le

membre de gauche reste borné tandis que le membre de droite tend vers l’infini.
Il n’y a donc pas de solution stationnaire lorqu’à la fois |ϕ| = 1 et ϕ + θ 6= 0.
2. Comme Φ(z) := 1 − ϕz et Θ(z) := 1 + θz ne s’annulent pas sur le cercle unité,
l’équation ARMA(1, 1) admet une unique solution stationnaire donnée par le filtre
X = Fα−1
ϕ
Fαθ Z = Fαθ Fα−1
ϕ
Z . Or l’équation ARMA(∞, ∞) s’écrit Fα−1 X = Fα−1
ϕ
Z;
θ
3. On a Φ(z) = 1 − z 2 /4 dont les racines sont ±2 et Θ(z) = 1 + z/2 dont l’unique racine
est z = −2. Comme Φ ne s’annule pas sur le cercle unité, l’équation ARMA(2, 1)
admet donc une unique solution stationnaire donnée par f (B)Z où
∞
Θ(z) 2 X
f (z) = = = 2−k z k
Φ(z) 2−z k=0
(convergence absolue pour tout z ∈ C tel que |z| = 1). Elle est manifestement
causale, et cela est dû au fait que Φ ne s’annule pas sur le disque unité. Comme Θ
ne s’annule pas sur le disque unité fermé, cette solution est de plus inversible. Le
processus Yt = Xt + c2−t est une solution non stationnaire, pour tout c 6= 0 fixé.
4. Comme Φ ne s’annule pas sur le disque unité fermé, l’équation ARMA(p, q) possède
une unique solution stationnaire, qui est causale, et il s’agit donc de X . De plus
X = f (B)Z où f (z) = Θ(z)/Φ(z). La causalité fait que 1/Φ(z) et donc f (z) est une
1/3
somme finie de séries de puissances positives c’est-à-dire que f (z) = k≥0 αk z k où

P
αk = m k
P
j=1 cj κj avec c1 , . . . , cm ∈ R et κ1 , . . . , κm ∈] − 1, 1[. En particulier, en posant
c := |c1 | + · · · + |cm | et κ := max(|κ1 |, . . . , |κm |) ∈]0, 1[, il vient, pour tout k ≥ 0,
|αk | ≤ cκk .
À présent pour tout h ≥ 0,

X X
γX (−h) = γX (h) = αj αk γZ (h + k − j) = σ 2 αk αh+k
j,k≥0 k≥0
ce qui donne, pour tout h ≥ 0,
X κh
|γX (h)| ≤ σ 2 c κ2k+h = cσ 2 = Cκh = Ce−ch .
k≥0
1 − κ2
5. Pour tous t, h ∈ Z, on a
µX (t) = E(Xt ) = E(Y ) = 0 et γX (t, t + h) = E(Xt+h Xt ) = E(Y 2 ) = 1,
qui ne dépendent pas de t, et donc le processus est stationnaire. De plus pour tout
t ∈ Z on a γX (t) = 1. Le processus est solution de l’équation Xt−1 = Xt qui est une
équation ARMA(1, q) dégénérée avec un bruit blanc de variance nulle.
6. Comme γX ∈ `1 (Z), le théorème de Herglotz affirme que la mesure spectrale νX
de X admet une densité spectrale fX donnée pour tout u ∈ [−π, π] par la formule
1 −ihu
P
fX (u) = 2π h∈Z e γX (h). À présent, par convergence dominée,
n
! n n−1
1X 1 X X n − |h| X
nVar Xk = γX (j − k) = γX (h) −→ γX (h) = 2πfX (0).
n k=1 n j,k=1 h=−n+1
n n→∞
h∈Z

1. On a
⊥
−
Ht−1,p+1 = Ht−1,p ⊕ vect{Et−(p+1),p }
d’où
−
proj(Xt , Ht−1,p+1 ) = proj(Xt , Ht−1,p ) + proj(Xt , vect{Et−(p+1),p })
or
−

− −
Xt , Et−(p+1),p
proj(Xt , vect{Et−(p+1),p }) = κp+1 Et−(p+1),p où κp+1 := − 2 ;
E
t−(p+1),p 2
+ −
2. Comme Xt = Et,p + proj(Xt , Ht−1,p ), et proj(Xt , Ht−1,p ) ∈ Ht−1,p ⊥ Et−(p+1),p , il vient
−

+ −
Xt , Et−(p+1),p Et,p , Et−(p+1),p
κp+1 = − 2 = − 2 .
E E
t−(p+1),p 2 t−(p+1),p 2
+
2 −
2
Enfin Et,p = Et−(p+1),p (= σp2 ) d’où la formule attendue. Comme cette quan-
2 2
tité est une corrélation, elle appartient à l’intervalle [−1, 1] (inégalité de Schwarz).
2/3
1. Par analogie avec le cas scalaire (d = 1) on aimerait poser

X
Xt = Φk Zt−k .
k≥0
C’est une série dans l’espace de Hilbert L2 (Ω → Rd ) dont la norme kY kL2 :=

E(kY k22 )1/2 dérive du produit scalaire E(X · Y ). Elle converge absolument car
√
X X X k √ dσ
k Φk Zt−k 2 ≤
k Φ Zt−k kL2 ≤ 2→2 L
Φ
2→2
dσ 2 = ,
1− Φ 2→2
k≥0 k≥0 k≥0
où on a utilisé l’inégalité triangulaire pour la norme de L2 , la sous-multiplicativité

Pd
de la norme de matrice puis le fait que kZt k2L2 = 2 2
j=1 E(Zt,j ) = dσ . Le processus
2
X est donc bien défini dans L . Il est bien solution de l’équation AR(1) vectorielle
car par continuité de l’application linéaire Y ∈ L2 7→ ΦY ∈ L2 , on a
X X
ΦXt−1 = Φk+1 Zt−1−k = Φk Zt−k = Xt − Zt .
k≥0 k≥1
Notons que X a une norme constante en ce sens que pour tout t ∈ Z,
X d
X X
kXt k2L2 = E Φj Zt−j · Φk · Zt−k = Φju,v Φku,w E(Zt−j,v Zt−k,w )
j,k≥0 j,k≥0 u,v,w=1
d
XX
= σ2 (Φku,v )2
k≥0 u,v
X
=σ 2
Tr(Φk (Φk )> ).
k≥0
Si X 0 est une solution de l’équation dans L2 , de norme constante, alors

n
L2
X X
Xt0 = Zt + ΦXt−1
0
= ··· = 0
Φk Zt−k + Φn+1 Xt−(n+1) −→ Φk Zt−k = Xt
n→∞
k=0 k≥0
0
car kΦn+1 Xt−(n+1) kL2 ≤ kΦkn+1 0 n+1 0
2→2 kXt−(n+1) kL2 = kΦk2→2 kX0 kL2 = o(1) et il y a donc
2
unicité parmi les solutions dans L de norme constante.
2. Si les processus (Zt,1 )t∈Z , . . . , (Zt,d )t∈Z sont indépendants et si Φ est diagonale, alors
les processus (Xt,1 )t∈Z , . . . , (Xt,d )t∈Z sont des AR(1) indépendants de coefficients
respectifs Φ1,1 , . . . , Φd,d car dans ce cas Φk Zt−k = (Φk1,1 Zt−k,1 , . . . , Φkd,d Zt−k,d )> .
3/3
Durée : 2 heures
Date : vendredi 15 juillet 2016
Note :
— Il sera tenu compte de la qualité de la rédaction
— Les surveillants ne répondront à aucune question sur le sujet
— Si vous avez des commentaires à faire, faites le sur votre copie
— Ce sujet reprend des éléments des sujets des années antérieures

1. Comme t 7→ cos((2/3)πt) est de période 3, on a ∆3 St = 0 + ∆3 Zt = Zt − Zt−3 ;
2. Comme les v.a.r. (Zt )t∈Z sont indépendantes, de carré intégrable, de même moyenne
et variance, il s’agit bien d’un bruit blanc fort. La moyenne vaut 0 car les variables
sont centrées, et la variance vaut 1 car les variables sont réduites ;
p
3. Les v.a.r. (Zt )t∈Z sont indépendantes, de carré intégrable, de même moyenne et
p
variance : il s’agit donc d’un bruit blanc fort. Pour tout h ∈ Z on a µ(h) = E(Z0 )
2p p 2
(= 0 si p impair) et γ(h) = (E(Z0 ) − E(Z0 ) )1h=0 ;
4. γX (h) = 0 si |h| > 2, et γX (0) = Var(aZ−1 + bZ1 ) = a2 + b2 , γX (−1) = γX (1) =
E((aZ0 + bZ2 )(aZ1 + bZ3 )) = 0, et γX (−2) = γX (2) = E(bZ2 aZ2 ) = ab.
5. X est causal ssi Xt ne dépend que de (Zs )s≤t , pour tout t ∈ Z, ce qui a lieu si b = 0.
Le filtre X de Z est inversible ssi Z est un filtre causal de X , ce qui a lieu si a = 0.

Pn k n+1
1. On a Xt = k=0 ϕ Zt−k + ϕ Xt−(n+1) pour tout n ∈ N. Si |ϕ| < 1 alors le pre-
mier terme du membre de droite est une série absolument convergence dans L2
Pn k
(et p.s.) ce qui suggère que Xt = k=0 ϕ Zt−k est solution, ce qui se vérifie di-
rectement. Lorsque |ϕ| > 1 on procède de même en renversant le temps à par-
tir de l’équation Xt−1 = ϕ−1 Xt − ϕ−1 Zt , ce qui conduit à la solution non-causale
Xt = − ∞ −k
P
k=1 ϕ Zt+k . Lorsque |ϕ| Pn
= 1 alors il ne peut pas exister de solution
k n+1
stationnaire car sinon l’équation k=0 ϕ Zt−k = Xt − ϕ Xt−(n+1) donnerait en
2
prenant la variance (n + 1)σ ≤ 4γX (0) ce qui est impossible lorsque n 1 ;
2. X = Fα Z avec αk = ϕk 1k∈N donc pour tout h ∈ N,
X X ϕh
γX (−h) = γX (h) = αj αk γZ (h + j − k) = σ 2 ϕ2j+h = σ 2 .
j,k∈Z j≥0
1 − ϕ2
Pour la densité spectrale, on écrit, pour tout t ∈ [−π, π],

2 2
X σ2 σ2

1 σ2 1
fX (t) = |Pα (e−itj )|2 fZ (t) = ϕj e−itj

= 1 − ϕe−it = 2π 1 − 2ϕ cos(t) + ϕ2 .

2π 2π
j∈N
3. L’équation s’écrit sous forme standard
1 1
Xt = Xt−1 + Zt + Zt−1
2 2
1/4
et donc Φ(z) = Pαϕ (z) = 1 − z/2 et Θ(z) = Pαθ (z) = 1 + z/2. Pour tout z ∈ C avec
1 1
= ∞ k
P
|z| = 1, on a |z/2| < 1 et donc Φ(z) = 1−z/2 k=0 (z/2) d’où
∞ ∞ ∞
Θ(z) X −k k X −k k X
= 2 z + 2 z =1+ 2−k+1 z k .
Φ(z) k=0 k=1 k=1
P∞
Cela donne la solution causale Xt = Zt + k=1 2−k+1 Zt−k ;
4. On a X = Fψ Z où ψk = 1k=0 + 1k>0 2−k+1 . Or pour tout h ≥ 0,
X X
γX (−h) = γX (h) = ψj ψk γZ (h + j − k) = σ 2 ψj ψh+j
j,k∈Z j≥0
car γZ = σ 2 10 . Comme |ψk | ≤ 2ρk pour tout k ≥ 0, avec ρ = 1/2, on obtient

X
2
X 1
σ ψj ψh+j ≤ σ 2 2ρh ρ2j = σ 2 2ρh = Cρh .

j≥0

j≥0
1 − ρ2
5. Prenons αk = k −a 1k≥1 pour a > 1, de sorte que α ∈ `1 (Z). Pour tout h ≥ 0, on a

∞
σ2
Z
X 1 dx
γX (−h) = γX (h) = σ 2 a
≥ σ2 2a
= ,
k≥1
(k(k + h)) 1 (x + h) (2a − 1)(1 + h)2a−1
qui décroît polynomialement et non pas exponentiellement quand |h| → ∞.

1. On a Φ(z) = (1 − z + (1/4)z 2 ) = (z − 2)2 /4 et Θ(z) = 1 − z/2 = −(z − 2)/2 dont
l’unique racine est 2 (elle est double pour Φ). Comme Φ ne s’annule pas sur le
cercle unité, l’équation ARMA possède une unique solution stationnaire notée X ,
processus linéaire de Z . Comme de plus Φ ne s’annule pas sur le disque unité, X
est causale. Comme Θ ne s’annule pas sur le disque unité fermé, X est inversible.
Le calcul de X se fait en développant en série de puissances la fraction rationnelle
de l’ARMA, dans un voisinage du cercle unité. Ici |z| = 1 implique que |z/2| < 1 ce
qui permet le développement en série géométrique suivant :
∞
Θ(z) 4(z − 2) 2 1 X
=− 2
= = = 2−k z k .
Φ(z) 2(z − 2) 2−z 1 − z/2 k=0
d’où, en posant αk = 2−k 1k≥0 ,

∞
X X
Xt = 2−k Zt−k = αk Zt−k
k=0 k∈Z
Elle est manifestement causale. On vérifie facilement directement qu’il s’agit bien
d’une solution de l’équation irréductible Xt − (1/2)Xt−1 = Zt qui est AR(1) :
∞
X ∞
X
Xt − (1/2)Xt−1 = 2−k Zt−k − 2−(k+1) Zt−1−k = Zt .
k=0 k=0
La solution est manifestement inversible car on a
Zt = (Φ/Θ)(B)Xt = (1 − B/2)Xt = Xt − (1/2)Xt−1 ;
2/4
2. Pour tout h ≥ 0 on a
∞ ∞
X X X 4 σ2
γX (h) = γFα Z (h) = σ 2 αk αk+h = σ 2 2−2k−h = σ 2 2−h 4−k = .
k∈Z k=0 k=0
3 2h
Donc γX (h) = (4/3)σ 2 2−|h| pour tout h ∈ Z. On a Ht−1,1 = vect{Xt−1 } d’où
hXs , Xt−1 i γX (s − t + 1)
proj(Xs , Ht−1,1 ) = 2 Xt−1 = Xt−1 = 2−|s−t−1| Xt−1 .
kXt−1 k γX (0)
Cette variable aléatoire tend presque sûrement vers 0 quand s → ∞.
√ 2
3. Un calcul (à faire !) montre que Var( nX n ) → σ 2 = 4σ 2 quand n →
P
α
√ k∈Z k
∞. Comme Z est un BB fort gaussien, la variable nX n est gaussienne. Comme
sa moyenne est nulle et sa variance converge vers 4σ 2 , elle converge en loi vers
N (0, 4σ 2 ). Cette propriété permet de mettre en place un test pour savoir si le bruit
blanc est fort (elle reste vraie si le bruit blanc est fort mais pas gaussien).

1. Les polynômes Φ∗ et Θ∗ ont pour racines respectives
1 1 1 1
, . . . , , ar+1 , . . . , ap et , . . . , , bs+1 , . . . , bq ,
a1 ar b1 bs
qui sont toutes à l’extérieur du disque unité : l’application z 7→ 1/z conserve l’ar-
gument et inverse le module. Donc l’équation ARMA(p, q) Φ∗ (B)X∗ = Θ∗ (B)X∗
possède une unique solution stationnaire notée X∗ . À présent, comme Φ∗ et Θ∗ ne
s’annulent pas sur le disque unité fermé, le processus ARMA(p, q) X∗ est causal et
inversible ;
2. Par définition, on a
p p q q
X Y X Y
Φ(z) = 1 − ϕj z j = −ϕp (z − aj ) et Θ(z) = 1 + θj z j = θq (z − bj ).
j=1 j=1 j=1 j=1
Comme Φ(0) = Θ(0) = 1, on a |a1 · · · ap ϕp | = |b1 · · · bq θq | = 1, et

p p q q
Y z − aj Y Y z − bj Y
1 − a−1 z 1 − b−1 z .

|Φ(z)| =
aj
=
j et |Θ(z)| =
bj
=
j
j=1 j=1 j=1 j=1
Il en découle que pour tout u ∈ [−π, π],
2
Qq −1
2 2
σ 2 |Pθ (e−iu )| σ 2 j=1 1 − bj e−iu σ∗2 |Θ∗ (e−iu )|
fX (u) = 2 = p 2 = 2 = fX∗ (u),
2π |Pϕ (e−iu )| 2π 1 − a−1 e−iu 2π |Φ∗ (e−iu )|
Q
j j=1
où on a utilisé |1 − c−1 e−iu | = |c|−1 |c − e−iu | = |c|−1 |eiu c − 1| = |c|−1 |1 − ce−iu | pour
déplacer les racines de l’intérieur vers l’extérieur du disque unité, sans perturber
la valeur du module. Il en découle que γX = γX∗ car l’autocovariance n’est rien
d’autre que la suite des coefficients de Fourier de la mesure spectrale.
3/4
English version
4/4
Examen partiel
Durée : 2 heures
Date : lundi 31 octobre 2016
Note :
— Ce sujet reprend des éléments des sujets des années antérieures

1. L’opérateur différence répété ∆n+1 élimine toute tendance polynomiale de degré
P2017
inférieur ou égal à n. Ainsi ∆2017 X = ∆2017 Z = (1 − B)2017 Z = k=0 2017

k
(−1)k B k Z .
2. On a Φ(z) = 1−3z et Θ(z) = 1−(10/3)z+z 2 . Le polynôme Φ a une seule racine, égale
à 1/3. Il ne s’annule donc pas sur le cercle unité, et donc, d’après un théorème
du cours, l’équation ARMA(1, 2) admet une unique solution stationnaire (on ne
peut pas pour l’instant affirmer qu’elle est causale car le polynome s’annule sur
le disque unité). Ce processus linéaire solution s’obtient en développant en série
de puissances de z autour du cercle unité la fraction rationnelle irréductible de
l’équation. Comme 1/3 est à la fois racine de Φ et de Θ, on a pour tout z ∈ C avec
|z| = 1,
Θ(z) (1 − 3z)(1 − 31 z) 1
= = 1 − z.
Φ(z) 1 − 3z 3
Le processus linéaire solution est donc Xt = Zt − (1/3)Zt−1 , t ∈ Z. Ce processus est
manifestement un filtre causal de Z (d’ailleurs le dénominateur de la fraction ra-
tionnelle irréductible ne s’annule pas sur le disque unité). Le polynôme Θ s’annule
sur le disque unité et on ne peut pas affirmer que la solution est inversible, mais
le numérateur de la fraction rationnelle irréductible est constant et égal à 1 et
ne s’annule donc pas, ce qui permet d’affirmer que X est inversible. L’expression
de Z comme filtre causal de X s’obtient en développant l’inverse de la fraction
rationnelle irréductible en série de puissance autour du cercle unité. Comme pour
tout z ∈ C avec |z| = 1 on a |(1/3)z| < 1, il vient le développement en série de
P∞ −k k
puissances Φ(z)/Θ(z) = 1/(1 − (1/3)z) = 3 z , qui donne enfin la formule
P∞ −k k=0
renversée Zt = (((Φ/Θ)(B))X)t = k=0 3 Xt−k , qui est bien un filtre causal de X .
3. On a Θ(z) = 1 (comme pour toute équation AR). D’autre part Φ(z) = 1 − z p , dont les
racines {ei2πk/p : 0 ≤ k ≤ p − 1}, appelées racines p-ième de l’unité, sont de module
1. Tentons d’établir qu’il n’existe pas de solution stationnaire en raisonnant par
l’absurde. Si X est une solution stationnaire, alors pour tout t ∈ Z et tout r ≥ 1,
r−1
X
Xt = Xt−p + Zt = Xt−2p + Zt + Zt−p = · · · = Xt−rp + Zt−kp .
k=0
Or d’une part, en utilisant le théorème de Pythagore dans L2 , il vient

2
kXt − Xt−2p k22 = Zt + Zt−p + · · · + Zt−(r−1)p 2 = rσ 2 −→ ∞,

r→∞
1/5
tandis que d’autre part, en utilisant la stationnarité de X ,
kXt − Xt−2p k22 = γX (0) − 2γX (2p) + γX (0) ≤ 4γX (0) = Or→∞ (1),
ce qui est bien contradictoire. Il n’y a donc pas de solution stationnaire.
1. Pour tout t ∈ Z, dans l’espace de Banach L2 , la série
P
k∈Z αk Zt−k converge abso-
lument : en effet, en utilisant la définition de α et Z ,
X X
kαk Zt−k k2 = |αk | kZt−k k2 = σ kαk1 < ∞.
k∈Z k∈Z
P
Pour tout t ∈ Z, la série aléatoire α Z converge presque sûrement car en
P k t−k
k∈Z
introduisant la variable aléatoire S := t∈Z |αk Zt−k | à valeurs dans [0, +∞], il vient,
en utilisant le théorème de Fubini-Tonelli ou de convergence monotone,
X X
E(S) = |αk |E(|Zt−k |) ≤ |αk | kZt−k k2 = σ kαk1 < ∞,
k∈Z k∈Z
P
d’où P(S < ∞) = 1, c’est-à-dire que presque sûrement la série aléatoire k∈Z αk Zt−k
converge absolument dans R. La valeur de cette somme est identique à celle ob-
tenue dans L2 car la convergence L2 et la convergence presque sûre entraînent
toutes les deux la convergence en probabilité. Enfin si At est l’événement presque
sûr qui assure la convergence pour t ∈ Z, alors ∩t∈Z At est également un événement
presque sûr, ce qui assure que le processus X = (Xt )t∈Z est bien défini.
2. Pour tout t ∈ Z, comme le produit scalaire dans L2 est continu et Z est centré,
n
X n
X

µX (t) = E(Xt ) = E lim αk Zt−k = lim αk E(Zt−k ) = 0.
m,n→∞ m,n→∞
k=−m k=−m
Pour tous s, t ∈ Z, on a s, t ∈ E,
X X
E(Xs Xt ) = h αk Zs−k , αk0 Zt−k0 i
k∈Z k0 ∈Z
n n 0
L2
X X
= h lim αk Zs−k , lim
0 0
αk0 Zt−k0 i
m,n→∞ m ,n →∞
k=−m k0 =−m0
n n 0
(1) X X
= lim αk αk0 hZs−k , Zt−k0 i
m,n,m0 ,n0 →∞
k=−m k0 =−m0
n n 0
(2) X X
= lim
0 0
αk αk0 γZ (t − s + k − k 0 )
m,n,m ,n →∞
k=−m k0 =−m0
(3) 2
X
=σ αk αt−s+k
k∈Z
où (1) provient de la continuité dans L2 du produit scalaire, où (2) provient du fait

que Z est centré, et où (3) provient du fait que γZ = σ 2 10 . Par conséquent, comme
X est centré, il vient γX (s, t) = E(Xs Xt ) = σ 2 k∈Z αk αt−s+k , qui ne dépend de (s, t)
P
qu’à travers l’écart t − s. Ainsi X est stationnaire, et pour tout h ∈ Z,

X
γX (h) = σ 2 αk αh+k .
k∈Z
2/5
3. Par définition X = Fα Z est un filtre causal de Z lorsque αk = 0 pour tout k < 0.

4. Rappelons que le filtre X = Fα Z de Z est inversible s’il est causal et s’il existe un
filtre causal Fβ tel que Z = Fβ X (β = α−1 lorsque α est inversible dans `1 (Z)). Or si
Pα est un polynôme, alors X est un filtre causal de Z , et si de plus Pα ne s’annulle
pas sur le disque unité fermé, alors d’après le cours, α−1 existe et son support est
inclus dans N, d’où l’inversibilité de X .
5. Dans ce cas, le filtre X = Fα Z est causal car le support de α est inclus dans N. De
plus, pour tout z ∈ C avec |z| = 1, on a |ρz| < 1, et donc
∞
X 1 1
Pα (z) = ρk z k = , d’où = 1 − ρz,
k=0
1 − ρz Pα (z)
et ainsi α−1 = 10 − ρ11 . À présent Z = Fα−1 X et le support de α−1 est inclus dans
N, et donc le filtre X de Z est bien inversible.

1. Soit X un processus harmonique. Le processus est centré :
E(Xt ) = cos(θt)E(A) + sin(θt)E(B) = 0
pour tout t ∈ Z. D’autre part, pour tous t, h ∈ Z,
E(Xt Xt+h ) = cos(θt) cos(θ(t + h))E(A2 ) + sin(θt) sin(θ(t + h))E(B 2 )

+ (· · · ) E(AB)
| {z }
=0
qui ne dépend pas de t, donc X est stationnaire, d’autocovariance γX (h) = σ 2 cos(θh)

pour tout h ∈ Z. Pour montrer que X est déterministe, on peut utiliser les formules
trigonométriques (faciles à retrouver avec des nombres complexes)
2 cos(a) cos(b) = cos(a + b) + cos(a − b) et 2 cos(a) sin(b) = sin(a + b) + sin(b − a)
qui donnent, pour tout t ∈ Z,
Xt = 2 cos(θ)Xt−1 − Xt−2 ∈ Ht−1 , d’où Xt = proj(Xt , Ht−1 ).
Rien d’étonnant : les trajectoires du processus harmonique sont des sinusoïdes

dont la seule source d’aléa est l’amplitude, ce qui fait qu’à chaque instant, il est
parfaitement possible de prédire le futur de la trajectoire à partir de son passé.
2. Démontrons les équivalence de manière circulaire.
— Preuve de (c)⇒(b). Immédiat.
— Preuve de (b)⇒(a). Si E((Xt − proj(Xt , Ht−1 ))2 ) > 0 alors Xt 6= proj(Xt , Ht−1 )
dans L2 et donc X n’est pas déterministe ;
— Preuve de (a)⇒(c). Si X n’est pas déterministe alors il existe un t ∈ Z tel que
Xt −proj(Xt , Ht−1 ) 6= 0 dans L2 , et donc E((Xt −proj(Xt , Ht−1 ))2 ) > 0, ce qui signi-
fie que (b) est vrai. Pour établir à présent (c), on constate tout d’abord que (c)
découle immédiatement de l’éventuelle stationnarité forte de X . Lorsque X est
seulement (faiblement) stationnaire, cela est moins immédiat car il faut réussir
3/5
à tirer partie du fait que les objets ne font intervenir que les informations du
second ordre du processus (covariance). Plus précisément, pour tout t ∈ Z, le
sous espace vectoriel Ht−1 est formé par l’ensemble des séries de la forme
∞
X
ϕk Xt−k
k=1
qui convergent dans L2 . Montrons que l’ensemble Φ des coefficients (ϕk )k≥1 qui
garantit la convergence dans L2 ne dépend pas de t. Pour tous s ≥ r ≥ 1 on a
r
X r
X
k ϕk Xt−k k22 = ϕj ϕk γX (j − k),
k=s j,k=s
quantité qui ne dépend pas de t. Ainsi le critère de Cauchy ne dépend pas de t,

ce qui signifie que Φ ne dépend pas de t. À présent on a
∞
X
proj(Xt , Ht−1 ) = arg inf kXt − Y k22 = arg inf ϕj ϕk γX (j − k)
Y ∈Ht−1 ϕ∈Φ
j,k=0
P∞
où on a posé Y = k=1 ϕk Xt−k et ϕ0 := −1. Il en découle que
∞
X
kXt − proj(Xt , Ht−1 )k22 = inf kXt − Y k22 = inf ϕj ϕk γX (j − k),
Y ∈Ht−1 ϕ∈Φ
j,k=0
quantité qui ne dépend pas de t, et (c) est établie.

Note : si X est gaussien alors proj(Xt , Ht−1 ) = proj(Xt , L2 (Ft−1 )) = E(Xt | Ft−1 )
où Ft−1 est la tribu engendrée par Xt−1 , Xt−2 , ....
4/5
English version
5/5
Examen final
Durée : 2 heures
Date : lundi 9 janvier 2017
Note :
— Ce sujet reprend des éléments des annales, du cours, et des exercices de TD

1. On a Φ(z) = 1−2z dont l’unique racine est 1/2, et Θ(z) = 1− 52 z +z 2 = (1−2z)(1− 12 z)
dont les deux racines sont 1/2 et 2. Comme Φ ne s’annule pas sur le cercle unité
(pas de racine de module 1), un théorème du cours dit que l’équation admet une
unique solution stationnaire. C’est le processus linéaire obtenu en développant en
série de puissances de z la fraction rationnelle irréductible de l’équation. Or pour
tout z ∈ C avec |z| = 1 on a
Θ(z) (1 − 2z)(1 − 21 z) 1
= = 1 − z.
Φ(z) 1 − 2z 2
Ainsi l’unique solution de l’équation est donnée par le processus MA(1)
1
Xt = Zt − Zt−1 .
2
Il est plaisant de vérifier directement qu’il s’agit bien d’une solution :
1 1
Xt − 2Xt−1 = Zt − Zt−1 − 2(Zt−1 − Zt−2 )
2 2
5
= Zt − Zt−1 + Zt−2 .
2
Pour tout t ∈ Z, la variable aléatoire Xt est une fonction de Zt , Zt−1 , . . ., et donc X
est un filtre causal de Z . Ceci n’est pas contradictoire avec le fait que Φ possède
une racine de module < 1 (en fait elle est aussi racine de Θ et se simplifie).
2. On a X = Fβ Z et le polynôme Pβ (z) = 1 − 12 z possède une unique racine 2, qui est
de module > 1. L’inversion du filtre Fβ est donc possible, et la formule suivante
∞
1 X 1
1 = zk
1 − 2z k=0
2k
valable pour tout z ∈ C avec |z| = 1 donne

∞
X 1
Zt = Xt−k .
k=0
2k
Ainsi αk = 2−k 1k≥0 . Il est agréable de vérifier que tout va bien :

∞ ∞
1 X 1 X 1
Zt − Zt−1 = k
Xt−k − X
k+1 t−k−1
2 k=0
2 k=0
2
= Xt .
1/5

1. Pour tout h ∈ Z,
σ2
Z
2
γX (h) = σ cos(θh) = σ <(e 2 iθh
) = (e−iθh + eiθh ) = eiuh dµ(u)
2 [−π,π]
2 2
où µ = σ2 δ−θ + σ2 δθ . On a montré que que γX = µ̂, et comme µ est une mesure
positive finie sur [−π, π], l’unicité de la mesure spectrale, qui provient de l’injec-
tivité de la transformée de Fourier, nous permet d’affirmer que µX = µ. De plus,
quelque soit θ ∈ [−π, π], la mesure atomique µ n’admet pas de densité par rapport
à la mesure de Lebesgue, et donc X n’a jamais de densité spectrale.
2. Soit µX la mesure spectrale du filtre X = Fα Z . Par définition, pour tout h ∈ Z,
X
γX (h) = αj αk γZ (h + k − j)
j,k∈Z
σ2
X Z
= αj αk ei(h+k−j)λ dλ
j,k∈Z [−π,π] 2π
σ2
Z
∗
X
= αj αk ei(h+k−j)λ dλ
[−π,π] j,k∈Z 2π
σ2
Z X
= eihλ αj e−ijλ αk e−ikλ dλ
[−π,π] j,k∈Z
2π
! !
σ2
Z X X
ihλ −ijλ
= e αj e αk e−ikλ dλ
[−π,π] j∈Z k∈Z
2π
2
Z 2
−ikλ σ
X
ihλ
= e αk e dλ
2π

[−π,π]
k∈Z
σ2
Z
= eihλ |Pα (e−iλ )|2 dλ .
[−π,π] |2π {z }
dµ(λ)
∗
où la commutation = est justifiée par le théorème de Fubini-Tonelli car la série est
absolument convergente, uniformément bornée, et l’integrale est sur un compact.
Note : comme α est réel, on a Pα (z) = Pα (z) d’où |Pα (eiu )| = |Pα (e−iu )|, u ∈ [−π, π].
On a montré que γX = µ̂, et comme µ est une mesure positive finie sur [−π, π],
l’unicité de la mesure spectrale, qui provient de l’injectivité de la transformée de
Fourier, nous permet d’affirmer qu’il s’agit bien la mesure spectrale : µ = µX .
σ2
Comme µX admet une densité f : λ ∈ [−π, π] 7→ f (λ) := 2π |Pα (e−iλ )|2 par rapport à
la mesure de Lebesgue, il en découle que X admet une densité spectrale fX = f .
3. On a Φ(z) = 1 − 2z d’unique racine 1/2, et Θ = 1 − 3z d’unique racine 1/3. Comme
les racines sont de module 6= 1, un théorème du cours affirme qu’il existe une
unique solution stationnaire, qui est forcément le X mentionné dans la question,
et que cette solution est un filtre X = Fα Z où α est obtenu en développant en série
de puissances de z la fraction rationnelle de l’équation :
Θ(z) X
= αk z k , z ∈ C, |z| = 1.
Φ(z) k∈Z
2/5
De plus, l’autocovariance de X ne dépend que de la variance σ 2 du bruit blanc Z

et du module de la fraction rationnelle de l’équation ARMA sur le cercle unité. Or
on a, pour tout λ ∈ [−π, π], en posant z := eiλ ,
σ2 Θ(z) 2

fX (λ) =
2π Φ(z)
2
σ 2 1 − 3z

=
2π 1 − 2z
1 2
σ 2 |3z|2 3z − 1
= 1
2π |2z|2 2z − 1
2
∗ σ 2 9 1 − 31 z
=
2π 4 1 − 1 z

2
2
σ 2 9 1 − 13 z

= .
2π 4 1 − 21 z
∗ 1
où on a utilisé pour = le fait que |z| = 1 et le fait que z
= z dans ce cas, d’où
∗ 2
σ ∗2 Θ (z)
fX (z) =
Φ∗ (z)
2π
où Φ∗ (z) := 1 − 12 z , Θ∗ (z) := 1 − 13 z , et σ ∗2 := 49 σ 2 . Ces polynômes Φ∗ et Θ∗ ne

s’annulent pas sur le disque unité fermé. Ainsi on a donc
fX = fX ∗
où X ∗ est l’unique solution stationnaire de l’équation ARMA de polynômes Φ∗ et

Θ∗ et de bruit blanc Z ∗ de variance σ ∗2 . De plus X ∗ est causal et inversible. Enfin
X et X ∗ ont même densité spectrale donc même autocovariance.
Solution succincte de l’exercice 3 (Cas particulier d’un exemple du cours).

1. L’équation AR(m) a pour polynôme Φ(z) = 1−ϕz m dont les racines sont ϕ−1/m ei2πk/m ,
0 ≤ k ≤ m − 1, toutes de module |ϕ|−1/m . L’hypothèse |ϕ| < 1 fait donc que Φ ne
s’annule pas sur le disque unité fermé. Un théorème du cours affirme alors que
l’équation AR(m) possède une unique solution stationnaire, qui est de plus causale.
2. Nous allons utiliser la caractérisation suivante du projeté orthogonal : v = proj(u, H)
ssi v ∈ H et u − v ⊥ H . Posons u = Xt , H = vect{Xt−1 , . . . , Xt−p }, et v = ϕXt−m . On
a clairement v ∈ H car 1 ≤ m ≤ p. D’autre part, pour tout h ≥ 1,
hu − v, Xt−h i = E((Xt − ϕXt−m )Xt−h ) = E(Zt Xt−h ) = 0
car X est un filtre causal de Z . Or H ⊂ vect{Xt−h : h ≥ 1}, d’où u − v ⊥ H .
Solution succincte de l’exercice 4 (Queues lourdes - inspiré d’un exercice de TD).

1. Pour tout θ ∈ R,
E(eiθ(λ1 W1 +···+λn Wn ) ) = E(eiθλ1 W1 ) · · · E(eiθλn Wn ) = e−(c1 |λ1 |+···+cn |λn |)|θ| ,
qui est bien la valeur en θ de la fonction caractéristique de la loi de Cauchy de

paramètre |λ1 |c1 + · · · + |λn |cn . Or la fonction caractéristique caractérise la loi.
3/5
2. Le théorème de filtrage du cours ne s’applique pas car la loi de Cauchy n’a pas de
moyenne et encore moins de variance et donc (Wt )t∈Z n’est pas un processus du
second ordre. Pour tout t ∈ Z, toute partie finie K ⊂ Z, et tout θ ∈ R, on a
P Y P
E(eiθ k∈K αk Wt−k
)= E(eiαk θWt−k ) = e−c|θ| k∈K |αk |
,
k∈K
qui converge vers e−c|θ|kαk1 quand K → Z, donc k∈K αk Wt−k converge en loi quand
P
K → Z vers la loi de Cauchy de paramètre ckαk1 (théorème de Paul Lévy).
Pour tout t ∈ Z, la v.a.r. Fα Wt suit une loi de Cauchy et n’a donc ni moyenne ni
variance. Par conséquent, quelque soit la manière de définir le processus (F Wt )t∈Z ,
il ne serait pas du second ordre et donc pas stationnaire, ce qui ne l’empêcherait
pas d’être éventuellement fortement stationnaire !
Solution succincte de l’exercice 5. Si (Xt )t∈N est solution alors pour tout t ≥ 1,
Xt2 = (a + bXt−1
2
)Zt2
= aZt2 + bXt−1
2
Zt2
= aZt2 + b(a + bXt−2
2 2
)Zt−1 Zt2
= aZt2 + abZt2 Zt−1
2
+ b2 Xt−2
2 2
Zt−1 Zt2
.
= ..
t−1
X
= abk Zt2 · · · Zt−k
2
+ bt X02 Z12 Z22 .
k=0
Autrement dit on peut établir par récurrence sur t que pour tout t ≥ 2,
t−1
X
Xt2 = abk Zt2 · · · Zt−k
2
+ bt X02 Z12 Z22 .
k=0
Ceci suggère que le processus (Xt )t∈N défini par

v
u t−1
uX
X0 = 0 et Xt = signe(Zt )t abk Zt2 · · · Zt−k
2
, t≥1
k=0
est solution de l’équation non-linéaire, ce qui se vérifie immédiatement.

Notons que le processus (Xt )t∈N est causal au sens où pour tout t ≥ 0 la variable Xt
est une fonction de Z0 , . . . , Zt . Soit Ft la tribu engendrée par Z0 , . . . , Zt . Pour tout t ≥ 1,
q
2
E(Xt ) = E(E(Xt | Ft−1 )) = E a + bXt−1 E(Zt ) = 0
car Xt−1 est Ft−1 -mesurable et Zt est indépendante de Ft−1 (BB fort !) et centrée. Ensuite
t−1
X
σt2 := Var(Xt ) = E(Xt2 ) = E(a + bXt−1
2
)E(Zt2 ) = (a + bσt−1
2
)σ 2 = · · · = abk σ 2(k+1) .
k=0
Pt−1
On peut aussi obtenir ce résultat à partir de la formule Xt2 = abk Zt2 · · · Zt−k
k=0
2
. En
P∞ aσ 2
particulier il en découle que limt→∞ σt2 = aσ 2
k=0 (bσ
2 k
) = 1−bσ 2
2
< ∞ si bσ < 1.
4/5
English version
5/5

Annales Correction PDF

Transféré par

Droits d'auteur :

Formats disponibles

Annales Correction PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Annales Correction PDF

Transféré par

Droits d'auteur :

Formats disponibles

Mathématiques et Informatique de la Décision et des Organisations

Introduction aux séries temporelles

Quartier d’affaires de la Défense et bois de Boulogne

Version électronique composée avec LATEX le 30 août 2017

— Auteurs des sujets et corrigés :

Solution succincte de l’exercice 1.

γε (h) = E[U 2 ξt ξt+h ] = E[U 2 ]E[ξt ξt+h ] = ρ2 σ 2 1h=0 .

Pour h ≥ 0, cette dernière quantité est égale à

Solution succincte de l’exercice 2.

3. Le processus W est stationnaire comme somme de processus stationnaires décor-

Solution succincte de l’exercice 3.

E[Xt ] = E[ZeitU ] = E[Z]E[eitU ] = 0

puisque Z et U sont indépendantes et Z est centré. Pour la stationnarité, puisque

E[Xt+h Xt ] = E Z 2 ei(t+h)U e−itU = E[Z 2 eihU ].

2. On a, d’après la question précédente

donc γ est réelle. On a de même γ(h) = γ(−h).

Solution succincte de l’exercice 1.

proviennent du fait que  et η sont centrés et décorellés et X = Fα η avec α ∈ `1 (Z) ;

Z = (1 − ψB)(1 − φB)Y = (1 − ψB)W = (1 − ψB)X + (1 − ψB) = η + (1 − ψB)

d’où (notons que (1 − ψB) est un MA(1))

γZ (h) = γη (h) + γ(1−ψB) = 10 + (1 − ψ 2 )10 − ψ1±1 ;

5. D’après la question précédente, le processus Z a pour autocovariance

(2 − ψ 2 )10 − ψ1±1 = σ 2 (1 − ϑ2 ) + σϑ1±1

où σ 2 = 2 et σϑ = −ψ , et c’est l’autocovariance d’un MA(1) d’équation Zt = ζt +

D’où, en observant que ρ0 = 1,

et ainsi on tire de (1 + ϑB)ζ = Z = (1 − ψB)(1 − ψB)Y la représentation

Y = f (B)ζ = Fa ζ avec a` = 1`=0 + (ρ` − ϑρ`−1 )1`≥1 .

Solution succincte de l’exercice 2.

Comme µX (t) et γX (t, t + h) ne dépendent pas de t, il en découle que X est station-

Alternativement, un autre théorème du cours affirme que le processus linéaire

Dans le cas de notre processus AR(1) X on a Θ = 1 et Φ(z) = 1 − φz de sorte que

d’où par convergence dominée

En particulier par l’inégalité de Markov, pour tout ε > 0 fixé,

Solution succincte de l’exercice 1.

de (Zs )s≤t , pour tout t ∈ Z. Donc ici X est causal de Z ssi a = 0 ;

La solution de notre ARMA(1, 1) est

γX (h) = E(Xt Xt+h ) = E((Zt + θZt−1 )(Zt+h + θZt+h−1 )) = σ 2 (1 + θ2 )1h=0 + θσ 2 1h=±1

Comme γX ∈ `1 (Z), sa densité spectrale vaut, pour tout u ∈ [−π, π],

Solution succincte de l’exercice 2.

1. On a X = Fα Z , qui est bien défini si α ∈ `1 (Z) (théorème de filtrage du cours). On

Solution succincte de l’exercice 3.

Solution succincte de l’exercice 1.

2. Yt est un MA(1) de paramètre θ = −1, de moyenne µY = 1, et d’autocovariance

partie finie K ⊂ Z (on peut alternativement invoquer l’orthogonalité et le théo-

Solution succincte de l’exercice 2.

Il est agréable de vérifier qu’on a bien α ∈ `1 (Z) (série géométrique convergente).

5. On a Ht−1,p = Vect(Xt−1 , . . . , Xt−p ) et donc H1,1 = Vect(X1 ). Par conséquent, on a

On pouvait aussi utiliser le théorème de Yule-Walker avec p = 1. Reste à calculer

et donc proj(X2 , H1 ) = 57 X1 . Par stationnarité, proj(Xt , Ht−1,1 ) = 75 Xt−1 , ∀t ∈ Z.

Solution succincte de l’exercice 3. On a Pϕ (z) = 1/(1 − αz) et Pθ (z) = 1/(1 − βz). Si

Solution succincte de l’exercice 4.

E(Xt Xt+h ) = cos(θt) cos(θ(t + h))E(A2 ) + sin(θt) sin(θ(t + h))E(B 2 ) + (· · · ) E(AB)

= σ 2 Re(eiθt e−iθ(t+h) ) = σ 2 Re(e−iθh ) = σ 2 cos(θh),

qui ne dépend pas de t. Donc le processus est stationnaire et γX (h) = σ 2 cos(θh) ;

noulli !). La densité spectrale n’existe pas (présence de masses de Dirac) ;

Solution succincte de l’exercice 5.

3. La variance et l’ÉQM sont identiques car le biais est nul.

Solution succincte de l’exercice 1.

La solution de notre ARMA(1, 1) est

proviennent du fait que et η sont centrés et décorellés et X = Fα η avec α ∈ `1 (Z) ;

Z = (1 − ψB)(1 − φB)Y = (1 − ψB)W = (1 − ψB)X + (1 − ψB) = η + (1 − ψB)

d’où (notons que (1 − ψB) est un MA(1))

γZ (h) = γη (h) + γ(1−ψB) = 10 + (1 − ψ 2 )10 − ψ1±1 ;