Université de Nice Côte d'Azur - Polytech Probabilités et Statistiques MAM4 2020-2021

Feuille de travaux dirigés

Exercice 1:
Soit un processus (yt ) qui vérie :
yt = yt−1 + ut
où
1 + 0.8B
ut = zt
1 − 0.4B
avec (zt ) un bruit blanc.
1. Quel modèle est associé au processus (ut )?
2. Quel processus est associé au processus (yt )?

Exercice 2:
Soit un processus (yt ) qui vérie :
yt = a + bt + ut
avec
1 + 0.8B
ut = zt
1 − 0.4B
1. Est ce que (yt ) est un processus stationnaire?
2. Calculer ∆yt et conclure
Exercice 3:
On considère deux processus : yt = −0.7yt−1 + zt et xt = −0.7xt−12 + zt où à chaque fois (zt )
est un bruit blanc gaussien de variance 4.
Nous allons analyse le code suivant :
 require(caschrono)
 set.seed(123)
 y=arima.sim(n=100,list(ar=-0.7),sd=sqrt(4))
 x=arima.sim(n=100,list(ar=c(rep(0,11),-0.7)),sd=sqrt(4))
 ret=c(3,6,9,12)
 a1=Box.test.2(y,nlag=ret,type='Ljung-Box',decim=2)
 a2=Box.test.2(x,nlag=ret,type='Ljung-Box',decim=2)
 my=arima(y,order=c(1,0,0),include.mean=FALSE)
 aa=Box.test.2(residuals(my),nlag=ret,type='Ljung-Box',decim=4,tdf=1)
 t_stat(my)

1
  mx=arima(x,order=c(12,0,0),include.mean=FALSE)
 mx2=arima(x,order=c(12,0,0),include.mean=FALSE,xed=c(rep(0,11),NA))
 aa2=Box.test.2(residuals(mx2),nlag=ret,type='Ljung-Box',decim=4,tdf=1)
 t_stat(mx2)
Exercice 4:
On considère le processus (yt ) déni par :
1 − 0.3B + 0.6B 2
yt = −0.5 + zt
1 + 0.8B
où (zt ) est un bruit blanc gaussien de variance 1.5
• Ecrire une relation de récurrence liant yt , yt−1 , zt , zt−1 et zt−2

• On pose vt = zt − 0.3zt−1 + 0.6zt−2 .

Simuler sans fonctions R liées aux séries temporelles ce bruit.
• Faire de même à l'aide de la fonction arima.sim