SPA S - Rie D - Exercices 2 M1

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 2

USTHB

Faculté de Mathématiques
Master 1 SPA
Séries chronologiques 1

Série d’exercices N 2

Exercice 1
Supposons que X1 ; X2 ; :::; est un processus stationnaire de moyenne et de
fonction d’autocorrélation f h ; h 2 Zg
Montrer que le meilleur prédicteur de Xn+h de la forme aXn + b est obtenu
en choisissant a = h et b = (1 h ).
Exercice 2
Montrer que le processus Xt = A cos(!t) + B sin(!t); t 2 Z, (où A et B sont
des variables aléatoires non corrélées de moyenne 0 et de variance 1 et ! est une
fréquence …xée dans l’intervalle [0; ]) est stationnaire et trouver sa moyenne et
sa fonction d’autocovariance.
Déduire que la fonction h = cos(!h); h 2 Z est semi-dé…nie positive. (Voir
cours chapitre 2, proposition 8).
Exercice 3
1) Trouver la fonction d’autocovariance du processus Xt = t + 0:3 t 1
0:4 t 2 , où f t g W N (0; 1).
2) Trouver la fonction d’autocovariance du processus Yt = et 1:2et 1
1:6et 2 , où fet g W N (0; 0:25).
Comparer avec le réponse trouvée en 1).
Exercice 4
1) Montrer que h = 1; 8h est la fonction d’autocovariance du processus
Xt = A où A est une variable aléatoire centrée-réduite.
2) Trouver les processus correspondant aux fonctions d’autocovariance suiv-
antes :
a) h = ( 1)h ; h 2 Z.
b) h = 8 1 + cos 2h + cos 4h ; h 2 Z.
< 1 si h = 0
c) h = 0:4 si h = 1
:
0 sinon
Exercice 5
P
1
Montrer, en utilisant la série géométrique 1 1 x = xi pour jxj < 1 que
i=0
1
P
1
i i
1 z = z pour j j > 1 et jzj 1.
i=1
Exercice 6
Montrer que les équations autorégressives Xt = Xt 1 + t ; t 2 Z n’ont pas
de solution stationnaire au second ordre pour j j = 1.
(Indication : on exprimera Xt en fonction de X0 que l’on supposera con-
stante, puis on calculera les caractéristiques moyenne, fonction d’autocovariance
de ce processus).

1
Exercice 7
Soit fYt g un processus véri…ant l’équation Yt = Xt + Wt où fXt g est un
processus AR(1) causal, i.e., Xt = Xt 1 + t et j j < 1, fWt g W N (0; 2W ),
f t g W N (0; 2 ) et E(Ws t ) = 0; 8s; t.
1) Montrer que fYt g est un processus stationnaire au second ordre.
2) Montrer que le processus fUt g dé…ni par Ut = Yt Yt 1 est 1 dépendant,
i.e., que fUt g est un processus M A(1).
3) Conclure que fYt g est un processus ARM A(1; 1) dont on déterminera les
paramètres.
Exercice 8
P
1
Calculer les coe¢ cients i et j , i; j 2 N des développements Xt = i t i
i=0
P
1
et t = j Xt i pour le processus ARM A(1; 1) dé…ni par les équations Xt =
j=0
0:5Xt 1 + t + 0:5 t 1 , f t g W N (0; 2 ).
Exercice 9
A) Supposons que pour une série chronologique de taille T = 100 provenant
d’un processus AR(1) de moyenne ; = 0:6 et 2 = 2 on ait obtenu X 100 =
0:271.
1) Construire un intervalle de con…ance approximatif de niveau de con…ance
0:95 pour .
2) Les observations sont-elles compatibles avec l’hypothèse H0 : = 0 ?
B) Supposons que pour une série chronologique de taille T = 100 provenant
d’un processus M A(1) de moyenne ; = 0:6 et 2 = 1 on ait obtenu X 100 =
0:157.
1) Construire un intervalle de con…ance approximatif de niveau de con…ance
0:95 pour .
2) Les observations sont-elles compatibles avec l’hypothèse H0 : = 0 ?
C) Supposons que pour une série chronologique de taille T = 100, on ait
obtenu b1 = 0:438 et b2 = 0:145:
1) En supposant que les observations proviennent d’un modèle AR(1), con-
struire un intervalle de con…ance approximatif de niveau de con…ance 0:95 pour
1 et 2 . Peut-on conclure que les observations proviennent d’un modèle AR(1)
avec = 0:8 ?
2) En supposant que les observations proviennent d’un modèle M A(1), con-
struire un intervalle de con…ance approximatif de niveau de con…ance 0:95 pour
1 et 2 . Peut-on conclure que les observations proviennent d’un modèle M A(1)
avec = 0:6 ?
Exercice 10
1) Montrer que le processus donné dans l’Exercice 2 s’écrit : Xt = 2 cos(!)Xt 1
Xt 2 . (Indication : développer cos(!t) = cos((!t 1) + !) et sin(!t) =
sin((!t 1) + !)).
2) Trouver P1 X2 et son erreur quadratique moyenne.
3) Trouver P2 X3 et son erreur quadratique moyenne.
4) Trouver Pn Xn+1 et son erreur quadratique moyenne.

Vous aimerez peut-être aussi