Professional Documents
Culture Documents
Estacionariedad ................................................................................................................................................................................................................................ 7
Pruebas de Autocorrelación........................................................................................................................................................................................................ 14
La Naturaleza de las Series de Tiempo
También usamos las covarianzas y las correlaciones para describir el grado en que dos
o más variables se mueven de manera conjunta.
Con datos de corte transversal el valor esperado o media de una serie 𝑦𝑡 resulta en:
∞
𝐸 (𝑦𝑡 ) = 𝜇 = ∫ 𝑦𝑡 𝑓(𝑦𝑡 )𝑑𝑦𝑡
−∞
Estacionariedad
Probemos ello:
𝑋1 = 𝑏2 𝑋0 + 𝜀1
𝑋2 = 𝑏2 𝑋1 + 𝜀2
𝑋2 = 𝑏2 [𝑏2 𝑋0 + 𝜀1 ] + 𝜀2
𝑋2 = 𝑏22 𝑋0 + 𝑏2 𝜀1 + 𝜀2
𝑋3 = 𝑏2 𝑋2 + 𝜀3
𝑋3 = 𝑏2 [𝑏22 𝑋0 + 𝑏2 𝜀1 + 𝜀2 ] + 𝜀3
𝑋3 = 𝑏23 𝑋0 + 𝑏22 𝜀1 + 𝑏2 𝜀2 + 𝜀3
Si 𝑋0 = 0
E (X t ) = 0
𝑆 = 𝑏22(𝑡−1) + 𝑏22 + 1
𝑆 − 𝑆𝑏22 = 1 − 𝑏22𝑡
1 − 𝑏22𝑡 2
𝑉𝑎𝑟(𝑋𝑡 ) = 𝜎
(1 − 𝑏22 )
Respecto a la covarianza
𝐸 (𝑋3 ) = 𝑏23 𝑋0
𝑋3 − 𝑏23 𝑋0 = 𝑏22 𝜀1 + 𝑏2 𝜀2 + 𝜀3
𝐸 (𝑋2 ) = 𝑏22 𝑋0
𝑋2 − 𝑏22 𝑋0 = 𝑏2 𝜀1 + 𝜀2
𝐶𝑜𝑣(𝑋2 𝑋3 ) = 𝑏23 𝜎 2 + 𝑏2 𝜎 2
𝐶𝑜𝑣(𝑋2 𝑋3 ) = 𝜎 2 (𝑏23 + 𝑏2 )
𝑦𝑡 = 𝛽𝑡 + 𝑒𝑡
0 10 20 30 40 50
t
clear
set obs 50
set seed 1
generate t = _n
tsset t
tsline y
Esta serie es claramente no estacionaria pues si primer momento muestral depende
del tiempo. Pero si tomamos su primera diferencia podemos obtener una serie
débilmente estacionaria.
𝑦𝑡 = 𝛽𝑡 + 𝑒𝑡
𝑦𝑡−1 = 𝛽(𝑡 − 1) + 𝑒𝑡−1
𝐸 (𝑦𝑡 − 𝑦𝑡−1 ) = 𝐸 (𝛽𝑡 + 𝑒𝑡 − [𝛽(𝑡 − 1) + 𝑒𝑡−1 ])
𝐸 (𝑦𝑡 − 𝑦𝑡−1 ) = 𝐸 (𝛽𝑡 + 𝑒𝑡 − 𝛽𝑡 + 𝛽 + 𝑒𝑡−1 )
𝐸 (𝑦𝑡 − 𝑦𝑡−1 ) = 𝛽
𝑣𝑎𝑟(𝑦𝑡 − 𝑦𝑡−1 ) = 𝑣𝑎𝑟(𝑒𝑡 + 𝛽 + 𝑒𝑡−1 )
𝑣𝑎𝑟(𝑦𝑡 − 𝑦𝑡−1 ) = 2𝜎 2
Ho : ρ1 = ρ2 = ρ3 = ⋯ … . ρm = 0
2
Box-Pierce(Q) = 𝑛 ∗ ∑𝑚 2 𝑚
𝑗=1 𝜌𝑗 = ∑𝐽=1(√𝑛 ∗ 𝜌𝑗 )
2 2
𝑚 𝜌𝑗 𝑛+2
Ljung-Box(Q) = 𝑛 ∗ (𝑛 + 2) ∗ ∑𝑗=1
𝑛−𝑗
= ∑𝑚
𝐽=1 𝑛−𝑗 (√𝑛 ∗ 𝜌𝑗 )
MA(1)
𝑦𝑡 = 𝑢𝑡 + 𝑒𝑡 + 𝜃𝑒𝑡−1
𝐸 (𝑦𝑡 ) = 𝑢𝑡
(1 + 𝜃 2 )𝜎 2