cnica Nacional

Escuela Polite
Series Temporales

Deber 2
Katherine Morales

Carolina Yepez

9 de noviembre de 2016

1.

Preliminares

Para el desarrollo de la demostraci

on de los ejercicios propuestos en la siguiente seccion se usara los siguientes
resultados:
Teorema 1 (Teorema de Vitali). Sean M una medida finita y (fn ) una sucesi
on M uniformemente integrable que
converge puntualmente a la funci
on f . Luego f es M integrable y adem
as:
Z
Z
fn dM =
f dM
lm
n

Si adem
as, consideramos que M es una medida de probabilidad, se tiene que:
lm E [fn ] = E [n fn ]

Corolario 1. Sea (xn )nN una sucesi

on de variables aleatorias con E [| xn |] < para n N. Sea adem
as (an )nN
una sucesi
on de reales absolutamente convergentes, entonces se tiene que:

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=

define un proceso estacionario.

2 Si (Xt ) es un ruido blanco (debil), (Yt ) se dice una media movil infinita. Encontrar V (Y ), y y (l)

3.

Desarrollo
Ejercicio 1 Para demostrar que la ecuaci
on (1) define un proceso estacionario, esta debe satisfacer:

a) E(Yt ) < y E(Yt ) = y . (donde y es una constante independiente de t)

b) Cov(Yt , Yt+l ) = Cov(Y0 , Yl ).
1

a) Dado que N y Z tienen la misma cardinalidad, entonces existe una funcion biyectiva tal que:

: N
k

Z
(k) = j

Ahora usando la ecuaci

on (1) tenemos:

ai Xti =

i=

ai Xti

iZ

a(j) Xt(j)

jN

Luego, por el Corolario

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.

Cov(Yt , Yt+l ) = Cov

+
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

Por lo tanto, por a) y b) se concluye que (1) es un proceso estacionario.

Ejercicio 2
Notemos que se puede calcular V (Yt ) obteniendo la Cov(Yt , Yt ) utilizando el Ejercicio 1 y tomando en cuenta
que Cov(Xt , Xt+l ) = 0 se tiene:
+
X
V [Yt ] = 2
a2i < +
i=

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