Scribd
Importer
136 vues2 pages

Séries Chronologiques Avancées

Le document présente trois exercices sur les modèles MA, AR et ARMA. L'exercice 1 propose une modélisation MA(2) et demande de générer une trajectoire, d'estimer la fonction d'autocorrélation et les paramètres. L'exercice 2 porte sur un modèle AR(3) et comporte des étapes similaires. L'exercice 3 considère un processus ARMA(2,1) non stationnaire et demande de le transformer pour le rendre stationnaire.

Transféré par

john3021
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
136 vues2 pages

Séries Chronologiques Avancées

Le document présente trois exercices sur les modèles MA, AR et ARMA. L'exercice 1 propose une modélisation MA(2) et demande de générer une trajectoire, d'estimer la fonction d'autocorrélation et les paramètres. L'exercice 2 porte sur un modèle AR(3) et comporte des étapes similaires. L'exercice 3 considère un processus ARMA(2,1) non stationnaire et demande de le transformer pour le rendre stationnaire.

Transféré par

john3021
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Sries Chronologiques

Master 2 MIMSE Universit de Bordeaux


TP 1

Exercice 1 le processus MA.


1. Proposer une modlisation MA(2) inversible pour un processus (Xt ) sur Z. Le processus (Xt ) est-il stationnaire ?
2. Gnrer une trajectoire (xn = Xn ()) de votre modle sur lintervalle {1, . . . , n}
pour n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement.
3. Proposer un estimateur consistant b de sa fonction dautocorrlation par le thorme ergodique, et calculer b(0), . . . , b(5). Reprsenter les valeurs sous forme de
peigne, et les comparer avec les sorties de la fonction acf.
4. Ces observations sont-elles cohrentes avec la thorie ?
5. Tester la stationnarit de votre trajectoire en combinant lutilisation des fonctions
[Link] et [Link].
6. Estimer vos paramtres en utilisant la fonction arima.
Exercice 2 le processus AR.
1. Proposer une modlisation AR(3) causale pour un processus (Yt ) sur Z. Le processus
(Yt ) est-il stationnaire ?
2. Gnrer une trajectoire (yn = Yn ()) de votre modle sur lintervalle {1, . . . , n} pour
n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement.
3. Proposer un estimateur consistant
b de sa fonction dautocorrlation partielle par
lalgorithme de Durbin-Levinson, et calculer
b(0), . . . ,
b(5). Reprsenter les valeurs
sous forme de peigne, et les comparer avec les sorties de la fonction pacf.
4. Ces observations sont-elles cohrentes avec la thorie ?
5. Tester la stationnarit de votre trajectoire en combinant lutilisation des fonctions
[Link] et [Link].
6. Estimer vos paramtres en rsolvant les quations de Yule-Walker empiriques.
7. Comparer vos rsultats avec lestimation fournie par la fonction arima.
1

8. Dfinir un rsidu de modlisation et tester sa blancheur laide de la fonction


[Link]. Superposer votre modlisation la trajectoire observe.
Exercice 3 le processus ARMA.
1. On considre, pour tout t Z, le processus ARMA(2,1) donn par
Zt =

3
1
1
Zt1 Zt2 + t t1
2
2
2

o (t ) est un bruit blanc de variance 2 > 0. Le processus (Zt ) est-il stationnaire ?


2. Gnrer une trajectoire (zn = Zn ()) de votre modle sur lintervalle {1, . . . , n} pour
n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement.
Que constate-t-on ?
3. Les sorties de [Link] et [Link] sont-elles conformes la thorie ?
4. Proposer une transformation de donnes (Zn ) de (Zn ) telle que le processus (Zn )
soit stationnaire.
5. Calculer la trajectoire (zn = Zn ()) associe, et vrifier quelle est bien stationnaire
par lintermdiaire de [Link] et de [Link].
6. Observer le comportement de b et de
b laide des fonctions acf et pacf.
7. Estimer les paramtres de lautorgression laide des quations empiriques de
Yule-Walker associes (Zn ), et comparer les valeurs obtenues avec lestimation
fournie par la fonction arima.

Vous aimerez peut-être aussi