Escolar Documentos
Profissional Documentos
Cultura Documentos
Vasco da Gama
4.1
Identificac
ao do Modelo
Ytk mk
mk
(11)
autocorrelacao das series de temporais pode ser descrita por um conjunto de funcoes de autocorrelac
ao
pm
odos de m = 1, 2, , s[27] como mostrado em (12):
k per
pm
k
=
=
Yt m
m
Yt m1
Yt mk
m
E
+
1
m1
mk
Yt mk
Yt mpm
+
m
E
m
mpm
mk
Yt mk
+E am
.
t
mk
E
(12)
Fixando m e variando k de 1 ate pm em (12), e obtido para cada perodo, um conjunto da equac
oes
peri
odicas de Yule-Walekr, como em (13). Em um perodo m:
m
1
pm1
. . . pm1
pm1
1
1
m1
m
m2
p1
1
.
.
.
p
pm2
2
.
..
..
..
..
.
.
.
.
.
.
m1
m2
ppm1 ppm2 . . .
1
m
pm
m
1
m
2
= .
..
m
pm
(13)
Considerando o par
ametro de um processo auto-regressivo de ordem k, entao a PACF e o u
ltimo
par
ametro do processo e, com isso, as equacoes periodicas de Yule-Walekr podem ser reescrita como em
(14).
m1
p1
..
m1
pk1
pm1
1
...
pm1
k1
1
..
.
...
..
.
pm2
k2
..
.
pm2
k2
...
m
k2
.
..
m
kk
1
m
k1
m
k1
m
k2
= .
..
m
kk
(14)
O conjunto de m
e a autocorrelacao parcial de perodo m. Cada coeficiente de de
kk , m = 1, 2, s
ordem k coincide com o u
ltimo par
ametro de um modelo autorregressivo de mesma ordem. Assim,
para um processo autoregressivo de ordem pm , a funcao de autocorrelacao parcial m
e diferente de
kk
zero para k pm e zero para k > pm . Entao , o procedimento classico de indenticacao do model
PAR(p) e baseado na determinac
ao das ordens apropriadas dos operadores autoregressivos para cada
perodo pm , m = 1, 2, , s. Essas ordens sao determinadas atraves das estimativas m
kk , k = 1, 2 T /4
e substituindo as autocorrelac
oes pelos respectivos valores de amostra em (14). Se a ordem dos operadores
autoregressivo em um dado perodo m e para pm , entao m
e aproximadamente normal com media 1 e
kk
variancia 1/T (de acordo com abordagem Quenoulli[28] ) quando quandok > pm . Na ocasiao, procura-se
a ordem mais alta i para cada perodo m de modo que todas as estimativas m
ao sao mais significante
kk n
para k > i26 .