Académique Documents
Professionnel Documents
Culture Documents
Rafael Capar
o
rafael.caparo@giddea.com
UNI - GIDDEA Consulting & Training
Oct - 2013
ANALISIS
ESPECTRAL
ANALISIS
ESPECTRAL
Funciones Senoidales
Representaci
on Senoidal
El espectro de la poblaci
on
Calculando el espectro por varios procesos
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Introducci
on
El an
alisis espectral tiene por objeto descomponer una serie de
tiempo estacionaria en una suma, posiblemente infinita, de
componentes senoidales de diversas frecuencias y amplitudes. Las
frecuencias m
as significativas sirven para explicar ciclos
econ
omicos, estacionalidad o caractersticas estadsticas generales
del proceso aleatorio.
Aunque contiene la misma informaci
on que el an
alisis en el
dominio del tiempo, el an
alisis en el dominio de la frecuencia
puede facilitar la intuici
on.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
El an
alisis espectral tiene que ver con vibraciones y oscilaciones,
las cuales, en su forma m
as pura, son ondulaciones sin quiebres
abruptos que se repiten peri
odicamente a traves del tiempo,
manteniendo siempre la misma amplitud y frecuencia de
oscilaci
on, como la se
nal emitida por un diapas
on.
Estas ondulaciones se conocen como ondas senoidales (o
cosenoidales) y son los componentes de pr
acticamente todas las
se
nales conocidas, como el ruido blanco, la voz, o la salida de un
modelo ARMA. El an
alisis espectral separa una se
nal en las
diversas ondas senoidales que la conforman.
La ilustraci
on m
as familiar consiste en el paso de un rayo de luz
blanca por un prisma que lo separa en componentes de diferentes
colores. Cada color corresponde a un tipo de vibraci
on con
caractersticas particulares.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
El an
alisis espectral se refiere a la teora y tecnica que permite
descomponer una se
nal o serie de tiempo (luminosa, sonora,
sensorial, econ
omica, etc.) en componentes senoidales de
diferentes frecuencias y amplitudes. En el an
alisis espectral
importa menos la forma especfica de la serie a lo largo del tiempo
y m
as la identificaci
on de las ondas senoidales presentes.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Funciones Senoidales
Una funci
on senoidal, como la de la Figura 1, se representa por
Csen(t + )
(1)
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Representaci
on Senoidal
La suma de ondas senoidales o cosenoidales, perfectamente
peri
odicas pero de diferentes frecuencias y amplitudes, genera
resultados que pueden ser de apariencia muy diferentes a las ondas
senoidales individuales que participan en la suma.
Esto es cierto tanto para ondas discretas como continuas. Para
ilustrar, la Figura 2 muestra la suma de las tres ondas cosenidales
Rafael Capar
o
Diplomado de Econometra
(2)
ANALISIS
ESPECTRAL
Si no supieramos c
omo se gener
o esta serie, podramos confundirla
con una serie de tiempo observada en la pr
actica, quiz
a cambios
en el Pib, cambios en el precio de alg
un ttulo burs
atil, etc. De
hecho, estas series de la vida real est
an compuestas por una
infinidad de se
nales ondulatorias puras.
El objetivo del an
alisis espectral es hacer lo contrario de lo hecho
en la Figura 2, donde combinamos varias series senoidales de
frecuencia y amplitud conocida para obtener una serie de tiempo
final.
En el an
alisis espectral tomamos la serie de tiempo observada y
tratamos de encontrar las ondas senoidales (frecuencias y
amplitudes) que la componen; se trata de establecer cu
ales
frecuencias est
an presentes y en que proporci
on.
Esto se conoce como trabajar en el dominio de la frecuencia (las
variables se grafican contra el eje de la frecuencia).
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
El an
alisis de series de tiempo tradicional se hace en el dominio
del tiempo (las variables se grafican contra el eje del tiempo).
El Teorema de Representaci
on Espectral dice que cualquier
proceso estacionario hasta de orden dos (estacionario en
covarianza o debilmente estacionario) puede ser representado por
una suma, posiblemente infinita, de se
nales senoidales y
cosenoidales [ver Hamilton (1994, captulo 6)].
Este enunciado es la contraparte en el dominio de la frecuencia del
Teorema de Representaci
on de Wold utilizado en el dominio del
tiempo.
Los orgenes del an
alisis espectral se encuentran en las series de
Fourier, del matem
atico frances Jean Baptiste Joseph Fourier,
quien a comienzos del siglo IX descompuso se
nales peri
odicas en
sumas de ondas senoidales y cosenoidales.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Una explicaci
on intuitiva de c
omo podemos utilizar funciones en
general, y ondas senoidales en particular, para representar otras
funciones, se encuentra en Lathi (1968) captulo 1. En principio, el
procedimiento puede verse como una regresi
on (mnimos
cuadrados ordinarios) de la funci
on o serie a explicar contra las
funciones que se hayan escogido como explicativas.
Usando K terminos podemos expresar una serie de tiempo xt
estacionaria de media cero como:
K
X
[Ci Cos(i t + i )] + t
i=1
Rafael Capar
o
Diplomado de Econometra
(3)
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
La expresi
on (3) puede simplificarse para facilitar estimaci
on
apelando a la identidad trigonometrica
Cos(i t + i ) = Cos(i t)Cosi Seni
(4)
K
X
(Ai Cosi t + Bi Seni t) + t
(5)
i=1
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Supongamos, por el momento, que conocemos los i . Entonces
puede mostrarse [ver Priestley (1980), capitulo 6] que los
coeficientes estimados por MCO ser
an
n
2X
Ai =
xt Cosi t
n t=1
(6a)
n
2X
Bi =
xt Seni t
n t=1
(6b)
Donde n es el tama
no de la muestra (el n
umero de observaciones
de la serie xt ).
La matriz de variables explicativas de la regresi
on est
a formada
por series senoidales y cosenoidales. Afortunadamente estas son
ortogonales entre s permitiendo obtener expresiones sencillas en la
estimaci
on.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
EL ESPECTRO DE LA POBLACION
El espectro de la poblaci
on y sus propiedades
Sea el siguiente proceso estacionario en covarianza:
E (Yt )(Ytj ) = j
Si las covarianzas son sumables, entonces:
gY (z)
j z j ,
[6,1,1]
j=
1
1 X
j e ij
gY (e i ) =
2
2
j=
Rafael Capar
o
Diplomado de Econometra
[6,1,2]
ANALISIS
ESPECTRAL
Que se obtiene de dividir todo por 2pi y evaluarlo en exp(-iwj)
Seg
un el teorema de Moivre:
e ij = cos(j) i.sin(j)
[6,1,3]
Entonces:
SY () =
1 X
j [cos(j) i.sin(j)].
2
[6,11,4]
j=
SY () =
1
2
j=1
1
0 [cos(0) i.sin(0)]
2
Rafael Capar
o
Diplomado de Econometra
[6,1,5]
ANALISIS
ESPECTRAL
X
1
[6,1,6]
0 + 2
j cos(j)
SY () =
2
j=1
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
[6,1,7]
Donde
(L) =
j Lj
j=0
|j | <
j=0
2
E (t ) =
0
Rafael Capar
o
for t =
de otra manera..
Diplomado de Econometra
ANALISIS
ESPECTRAL
Rafael Capar
o
[6,1,9]
Diplomado de Econometra
[6,1,8]
ANALISIS
ESPECTRAL
El espectro es una constante.
Para un MA(1) :
Yt = t + t1
(z) = 1 + z
SY () = (2)1 . 2 (1 + e i )(1 + e i )
= (2)1 . 2 (1 + e i + e i + 2 )
[6,1,10]
e i +e i = cos()i.sin()+cos()+i.sin() = 2.cos(),
SY () = (2)1 . 2 [1 + 2 + 2.cos()].
Rafael Capar
o
Diplomado de Econometra
[6,1,12]
[6,1,11]
ANALISIS
ESPECTRAL
Ejercicios: An
alisis espectral
Rafael Capar
o
= 0,6,
= 0,3,
= 0 : 0,01 :
s = (1/(2 pi)) 2 (1 + 2 + cos())
plot(s)
Ejercicio: Probar para valores de theta positivo y negativo y
analizar si crece o decrece el espectro en funci
on de w.
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Ejercicio: Para un proceso AR(1)
Yt = c + Yt1 + t
(z) = 1/(1 z))
|| < 1
SY () =
1
2
2 (1 e i )(1 e i )
1
2
2 (1 e i e i + 2
1
2
2
2 [1 + 2.cos()]
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Ejercicio: MATLAB
Ejercicio: Crear la funci
on en EViews, como una subroutine
Ejercicio: MATLAB
Ejercicios: An
alisis espectral
Rafael Capar
o
= 0,6,
= 0,3,
= 0 : 0,01 : i
s = ( 2 /(2 )) (1./(1 + 2 2 cos()))
plot(s)
Diplomado de Econometra
Rafael Capar
o
ANALISIS
ESPECTRAL
Rafael Capar
o
Diplomado de Econometra
ANALISIS
ESPECTRAL
Su espectro
SY () =
2 (1 + 1 e i + 2 e i2 + . . . + q e iq )
2 (1 1 e i 2 e i2 . . . p e ip )
(1 + 1 e i + 2 e i2 + . . . + q e iq )
(1 t e i 2 e i2 . . . p e ip )
[6,1,14]
1 + 1 z + 2 z 2 + . . . + q z q = (1 1 z)(1 2 z) . . . (1 q z)
1 1 z 2 z 2 . . . p z p = (1 1 z)(1 2 z) . . . (1 p z)
SY () =
2
2
Qpj=1
[1 + j2 2j .cos()]
j=1 [1
Rafael Capar
o
+ 2j 2j .cos()]
Diplomado de Econometra
ANALISIS
ESPECTRAL
CALCULO
DE LA AUTOCAVARIANZA DE LA POBLACION
ESPECTRO
Preposici
on : {j }
j= Deje ser una secuencia absolutamente
sumable de autocovarianzas y se define SY () en [6,1,2] como:
Z
SY ()e ik d = k
Rafael Capar
o
Diplomado de Econometra