Académique Documents
Professionnel Documents
Culture Documents
Escuela Polite
Series Temporales
Deber 2
Katherine Morales
Carolina Yepez
9 de noviembre de 2016
1.
Preliminares
Si adem
as, consideramos que M es una medida de probabilidad, se tiene que:
lm E [fn ] = E [n fn ]
X
X
E
aj xj =
aj E [xj ]
jN
2.
jN
Planteamiento
Resolver los siguientes ejercicios:
1 Si (Xt ) es un proceso estacionario y si (ai )iZ es una sucesion de reales absolutamente convergentes, entonces la
expresi
on:
X
Yt =
ai Xti ,
(1)
i=
3.
Desarrollo
Ejercicio 1 Para demostrar que la ecuaci
on (1) define un proceso estacionario, esta debe satisfacer:
a) Dado que N y Z tienen la misma cardinalidad, entonces existe una funcion biyectiva tal que:
: N
k
Z
(k) = j
ai Xti =
i=
ai Xti
iZ
a(j) Xt(j)
jN
tenemos:
"
E [Yt ] = E
#
ai Xti
i=
X
= E
a(j) Xt(j)
jN
a(j) E Xt(j)
jN
a(j)
jN
aj
jZ
= y <
b) Demostraremos ahora que la covarianza no depende de los saltos de tiempo.
+
X
ai Xti ,
i=
+
X
= E
+
X
!
ai Xti
= E
+
X
aj X(t+l)j
j=
+
X
i=
aj X(t+l)j
ai aj Xti X(t+l)j 2
i= j=
+
X
+
X
+
X
+
X
aj
j=
+
X
ai aj
i= j=
+
X
ai aj E Xti X(t+l)j 2
i= j=
+
X
+
X
ai
i=
j=
+
X
+
X
+
X
ai aj
i= j=
ai aj (E Xti X(t+l)j 2 )
i= j=
+
X
+
X
ai aj Cov(Xti , X(t+l)j )
i= j=
+
X
+
X
ai aj Cov(Xi , Xlj) )
i= j=
= Cov(Y0 , Yl )
1 Secci
on
Preliminares
cuando t = 0
Ahora, para el c
alculo de y (l) se sigue:
y (l) = Cov(Y0 , Yl )
=
+
X
+
X
ai aj Cov(Xi , Xlj )
i= j=
+
X
+
X
ai aj x (l j + i)
i= j=
Referencias
[1] Introduction to Measure Theory and Integration, Luigi Ambrosio, Giuseppe Da Prato, Andrea Mennucci