Vous êtes sur la page 1sur 2

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
adf.test et kpss.test.
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
adf.test et kpss.test.
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


Box.test. 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 adf.test et kpss.test 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 adf.test et de kpss.test.
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.