Vous êtes sur la page 1sur 13

Fonction de densit de probabilit

La notion de stationnarit

Dfinition - Un processus Xt est dit stationnaire au sens fort si, quelque soit n, t,
h, on a lgalit en loi :

(X t , , X t n ) (X t h , , X t nh )
Dfinition - Un processus Xt est dit stationnaire au second ordre, ou au sens faible, si
la moyenne et la variance du processus est constante et si les autocovariances ne
dpendent que de la lintervalle entre les observations :

E ( Xt ) pour tout t

V ( Xt ) pour tout t
Cov(X ,X ) (h) pour tout h et pour tout t
t
t h

En un mot, cela signifie que les caractristiques probabilistes sont stables et


inchanges au cours du temps.

6/29

Pourquoi la stationnarit est si importante?


la violation des hypothses du modle de la rgression classique

6/29

Dtecter la non stationnarit : Modles autorgressifs, marches


alatoires, processus explosifs
Les modles autorgressifs (cest dire expliquant une variable par son pass, et
ventuellement par dautres variables) les plus simples sont ceux de la forme :
(1)

xt = a.xt-1 + et

De la relation (1) dcoulent par liminations successives :


xt = a (a.xt-2 + et-1 ) + et

xt = a2.xt-2 + (a.et-1 + et)

xt = at.x0 + (at-1.e1 + at-2.e2 + + a.et-1 + et)


Un tel processus autorgressif avec un seul retard exprim est appel processus AR(1) dans
la terminologie des sries chronologiques.
En autorisant le coefficient autorgressif a prendre la valeur 1, le processus est une marche
alatoire (random walk).
Si enfin le coefficient a est suprieur 1 en valeur absolue, le processus est dit explosif.

Valeur de a

Srie stationnaire Marche


alatoire
|a| < 1
a=1

Processus explosif
|a| > 1

Processus autorgressif dordre 1 AR(1)

Non stationnarit
Marche Alatoire
Xt = Xt-1 + ut
Moyenne:

ut ~ IID(0, 2 )

E(Xt) = E(Xt-1)

(moyenne constante)

X1 = X0 + u1
(valeur initiale X0)
X2 = X1 + u2 = (X0 + u1 ) + u2

Xt = X0 + u1 + u2 ++ ut
E(Xt) = E(X0 + u1 + u2 ++ ut)
= E(X0) = constante

Non stationnarit
Marche alatoire
Xt = Xt-1 + ut

ut ~ IID(0, 2 )

Xt = X0 + u1 + u2 ++ ut
Variance: Var(Xt) = Var(X0) + Var(u1) ++ Var(ut)
= 0 + 2 ++ 2
= t 2
(la variance est non constante, elle dpend du temps)

Comment dtecter la non stationnarit


(1)

(1)

yt - yt-1 = (-1).yt-1 + et

(2)

yt - yt-1 = (-1).yt-1 + + et

(3)

yt - yt-1 = (-1).yt-1 + + .t + et

yt = .yt-1 + et

(2)

yt = .yt-1 + + et

(3)

yt = .yt-1 + +.t + et

soit encore :
(1)

yt = .yt-1 + et

(2)

yt = .yt-1 + + et

(3)

yt = .yt-1 + + .t + et

en notant la quantit (-1) et naturellement


loprateur diffrence-premire, Il est clair qu'il est
quivalent de tester l'hypothse : = 1, dans les modles
sous la forme initiale, ou = 0 dans leur version
transforme (hypothse H0).

On estime par les mco le modle (3) et on calcule la


statistique de Student pour la valeur estime de , de et
de . on utilise une table particulire calcule par Dickey
et Fuller.

en notant F la quantit (a-1) et naturellement D loprateur diffrence-premire. Il est


clair qu'il est quivalent de tester l'hypothse : a = 1, dans les modles sous la forme
initiale, ou F = 0 dans leur version transforme (hypothse H0).
On estime par les mco le modle (5'') et on calcule la statistique de Student pour la
valeur estime de g, de b et de F. Si on opre les tests comme on la appris pour les
coefficients g et b, en ce qui concerne , les choses diffrent du test de Student
traditionnel : ayant exclu le cas explosif (a > 1 ou > 0) on procde au test unilatral
(a = 1 ou = 0 contre < 0) ce qui donne une zone de rejet situe du ct ngatif, et
les hypothses des mco ntant pas satisfaites, notamment du fait que la variable
considre est endogne, on utilise une table particulire calcule par Dickey et Fuller.

Comment dtecter la non stationnarit

Ltude de la stationnarit seffectue essentiellement partir de ltude des fonctions


dautocorrlation (ou de leur reprsentation graphique appele corrlogramme ).

Comment traiter la non stationnarit


Dfinition Un processus Xt est non-stationnaire de type dterministe sil
peut scrire :

X t f (t ) t

o f(t) est un tendance dterministe, dans ce cas, on a :

E ( X t ) f (t )

2
V ( X t )

La moyenne
dpend de t

Dfinition Un processus Xt est non-stationnaire de type stochastique lorsquil est intgr


dordre d, cest--dire que le processus rsultant de d diffrenciations est stationnaire:

d X t

est stationnaire

E ( X t ) X 0
X

Marche alatoire (d=1) : t 1

t
t 1
t
0
i
2
i 1
V ( X t ) t
t

stationnaire

non-stationnaire
(dterministe)

La variance
dpend de t

non-stationnaire
(stochastique)
7/29