Scribd
Importer
45 vues2 pages

TD 3 SC 2019

Le document traite des processus ARMA, en présentant des concepts tels que l'autocorrélation et la stationnarité. Il inclut des démonstrations mathématiques pour établir les propriétés des processus ARMA et des processus autoregressifs d'ordre 2, ainsi que des calculs de fonctions d'autocovariance. Enfin, il aborde les conditions de causalité pour différents types de processus autoregressifs.

Transféré par

abdourapa123
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
45 vues2 pages

TD 3 SC 2019

Le document traite des processus ARMA, en présentant des concepts tels que l'autocorrélation et la stationnarité. Il inclut des démonstrations mathématiques pour établir les propriétés des processus ARMA et des processus autoregressifs d'ordre 2, ainsi que des calculs de fonctions d'autocovariance. Enfin, il aborde les conditions de causalité pour différents types de processus autoregressifs.

Transféré par

abdourapa123
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

UNIVERSITÉ DE BORDEAUX MASTER 2, 2019/2020

SÉRIES CHRONOLOGIQUES, TD III

PROCESSUS ARMA

1 Autocorrélation.
On considère le processus ARMA défini, pour tout n ∈ Z, par

Xn = aXn−1 + bεn−1 + εn

avec |a| < 1 et |b| < 1, où (εn ) est un bruit blanc de variance σ 2 > 0.
1) Montrer que, pour tout n ∈ Z,
∞
X
Xn = ck εn−k
k=0

avec (cn ) à déterminer.


2) En déduire que la fonction d’autocorrélation associée à (Xn ) est donnée par
(1 + ab)(a + b)
ρ(1) =
1 + b2 + 2ab
et, pour tout n > 1, ρ(n) = an−1 ρ(1).

2 Processus ARMA.
On considère le processus (Xn ) défini par, pour tout n ∈ Z, par
(
X n = Y n + εn
Yn = aYn−1 + bVn−1 + Vn

avec |a| < 1 et |b| < 1, où les suites (εn ) et (Vn ) sont deux bruits blancs non corrélés de
variances respectives σ 2 > 0 et τ 2 > 0 avec aσ 2 6= bτ 2 .
1) Vérifier que (Xn ) est un processus stationnaire.
2) Montrer que (Xn ) est un processus ARMA(p, q) avec p et q à déterminer.

3 Calculation.
On considère le processus ARMA défini, pour tout n ∈ Z, par
1
Xn = Xn−1 − Xn−2 + εn−1 + εn
4
où (εn ) est un bruit blanc de variance σ 2 > 0.

1
1) Trouver la suite (cn ) telle que le processus (Xn ) s’écrive sous la forme
∞
X
Xn = ck εn−k .
k=0

2) Calculer la fonction d’autocorrélation associée à (Xn ).

4 Complexe.
Trouver la fonction d’autocovariance du processus autorégressif d’ordre 2
1
Xn = Xn−1 − Xn−2 + εn
2
où (εn ) est un bruit blanc de variance σ 2 > 0.

5 Nombre d’Or.
On considère le processus autorégressif d’ordre 2 défini, pour tout n ∈ Z, par

Xn = θXn−1 + θ2 Xn−2 + εn

où (εn ) est un bruit blanc de variance σ 2 . Trouver l’ensemble des valeurs de θ pour
lesquelles (Xn ) est causal puis déterminer sa fonction d’autocovariance.

6 Processus autorégressif explosif.


On considère le processus autorégressif stationnaire défini, pour tout n ∈ Z, par

Xn = θXn−1 + εn

où |θ| > 1 et (εn ) est un bruit blanc de variance σ 2 > 0.


1) Montrer que (Xn ) satisfait la relation anticipative
∞
X
Xn = − θ−1 εn+k .
k=1

2) Prouver que la fonction d’autocovariance de (Xn ) est donnée, pour tout n ∈ Z, par

σ 2 θ−|n|
γ(n) = .
θ2 − 1

3) En déduire que (Xn ) vérifie la relation autorégressive causale

Xn = θ−1 Xn−1 + Vn

où (Vn ) est un bruit blanc de variance τ 2 à déterminer.

Vous aimerez peut-être aussi