Académique Documents
Professionnel Documents
Culture Documents
DESCOMPOSICION DE SERIES
Según el esquema tradicional, una serie puede descomponerse en todos o
alguno de los siguientes componentes:
De acuerdo con este esquema tradicional, forzamos la existencia de todos los componentes,
si bien no estamos seguros de su “importancia” en la evolución de la serie, por lo que
deberíamos realizar algún tipo de contraste para probar la existencia de todos los
componentes.
En este tipo de contraste es donde podemos acudir a las técnicas de análisis de series en el
dominio de las frecuencias.
Análisis de series en el dominio de las frecuencias
DESCOMPOSICION DE SERIES
Una vez que se ha descompuesto la serie en cada uno de los componentes
resulta bastante más sencillo realizar una predicción de la misma:
T A S A IN T E R A N U A L D E C R E C IM IE N T O D E L P IB
10
-2
-4
70 75 80 85 90 95 00
2pt
Yt A cos( q )
1,5
1
T 0,5 A
Yt a cos(wt ) b sen(wt )
-1
-1,5
a b a b
Yt ( - i )e iwt ( i)e -iwt
2 2 2 2
Análisis de series en el dominio de las frecuencias
¿Es evidente la periodicidad?
-2
-4
-6
20 40 60 80 100 120 140 160 180 200
C IC LO1
ciclo1=cos(2*pi*t/10)+cos(2*pi*t/40)+cos(2*pi*t/20)+cos(2*pi*t/25)+u
Análisis de series en el dominio de las frecuencias
Detección de periodicidades ocultas:
El correlograma.
Idea básica:
Una función periódica se repite transcurrido T (período), por lo
tanto presentará la máxima correlación con el retardo Ty sus
múltiplos enteros.
Puede demostrarse que la autocorrelación de una función
periódica es periódica, del mismo período que dicha función.
COS(2*PI*@TREND/(200/10)) FUNCION DE AUTOCORRELACION
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
20 40 60 80 100 120 140 160 180 200 -1.5
-40 -20 0 20 40
Análisis de series en el dominio de las frecuencias
Detección de periodicidades ocultas:
El periodograma
20
15
4
PERDG
10
0
-2
5
-4
-6
20 40 60 80 100 120 140 160 180 200 0
0 5 10 15 20 25
C IC LO1
FREC
Análisis de series en el dominio de las frecuencias
El periodograma: formulación.
ciclo1=cos(2*pi*t/10)+cos(2*pi*t/40)+cos(2*pi*t/20)+cos(2*pi*t/25)+u
N=200; 200/10=20; 200/40=5; 200/20=10; 200/25=8
20
20
15
15
PERDG
10
PERDG
5 10
0
0 50 100 150
FREC 5
0
0 5 10 15 20 25
FREC
Análisis de series en el dominio de las frecuencias
El periodograma: Interpretación.
De izqda. a drcha. aumenta la frecuencia (disminuye el período)
1.5 1.5
0.0
1.0 1.0
-0.2
0.5 0.5
-0.4
0.0 0.0
-0.6
-0.5 -0.5
0
0 50 100 150
Análisis de series en el dominio de las frecuencias
El periodograma y la transformada de Fourier
El periodograma está basado en una herramienta
matemática denominada Transformada de Fourier,
según la cual una serie, que cumpla determinados
requisitos, puede descomponerse como suma de un
número finito o infinito de frecuencias. Del mismo
modo, a partir de la representación frecuencial puede
recuperarse la serie original a través de la
Transformada Inversa de Fourier.
1.0 80
0.5
60
0.0
40
-0.5
20
-1.0
0
-1.5 20 40 60 80 100 120 140 160 180 200
20 40 60 80 100 120 140 160 180 200
PERIODOGRAMA PERIODOGRAMA
20 12000
10000
15
8000
PERDG
PERDG
10 6000
4000
5
2000
0 0
0 50 100 150 0 50 100 150
FREC FREC
Análisis de series en el dominio de las frecuencias
SERIES ESTOCASTICAS
3
-1
-2
-3
20 40 60 80 100 120 140 160 180 200
1.2
1.0
0.8
PERDG
0.6
0.4
0.2
0.0
0 50 100 150
FREC
Análisis de series en el dominio de las frecuencias
LA ESTIMACION DEL ESPECTRO
1.2
1.0
h(w)
0.8
PERDG
0.6 w
0.4
0.2
0.0
0 50 100 150
-pi pi
FREC
Análisis de series en el dominio de las frecuencias
LA ESTIMACION DEL ESPECTRO: METODOS
PARAMÉTRICOS
-iw -i 2w -iqw 2
1 b1e b2 e ... bq e s 2
hY (w ) -p £ w £ p
1 a1e -iw a 2 e -i 2w ... a p e -ipw 2 2p
Análisis de series en el dominio de las frecuencias
Serie original
8
-2
-4
-6
-8
2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 1 8 0 2 0 0
Y 4
300
15 1.5
250
DENSIDAD2
1.0
PERDG
10 200
0.5
150
5
0.0 100
50
0 -0.5
0 20 40 60 80 0 20 40 60 80
0
0 0.5 1 1.5 2 2.5 3
FREC FREC Frecuencia (0-pi)
Análisis de series en el dominio de las frecuencias
COMPARACION METODOS DE ESTIMACION
Análisis de series en el dominio de las frecuencias
FILTROS
Un filtro no es mas que el tratamiento que se da a una serie
inicial o “input” para obtener una serie final u “output”. Si el
filtro es lineal, el “output” es simplemente una combinación
lineal de valores pasados, presentes y futuros del “input”
u (t ) k ¥
Y (t )
Y (t ) åc u
k -¥
k t -k
FILTROS: UTILIDADES
2.0
1.0
1
0.8
1.5
0,8
0,6 0.6
PERDG
PERDG
FREC