UNIVERSIDAD DE VALLE

Escuela de Estadstica
Series de Tiempo y Pronsticos
Taller 2: Propiedades de los Estimadores
1. Sea Zt , con t impar, una sucesin de variables aleatorias denidas como Zt = 1 con
probabilidad igual a 1/2, y Zt = Zt , si t es par, donde t es entero.
(a) Es el proceso estacionario de primer orden en distribucin?
(b) Es el proceso estacionario de segundo orden en distribucin?

FAC
Demuestre que la FAC

2. Demuestre que la

es una funcin par, es decir =

3.

alcanza su valor mximo en 0 1

4. Dena

Xn + Xn1
2

Yn =

donde Xn es un proceso Gaussiano IID con media 0 y varianza 2 . Compruebe que Yn es un

proceso Gaussiano dbilmente estacionario y halle su funcin de autocovarianza.
5. Suponga que X es una variable aleatoria con media cero. Dena Yt = (1)t X como un
proceso de series de tiempo.
(a) Encuentre la funcin de la media para {Yt }
(b) Encuentre la funcin de covarianza para {Yt }
(c) Es {Yt } un proceso estacionario?
6. Sea {Zt }, una secuencia de variables aleatorias no correlacionadas de valor real, con media
cero y varianza uno, y dena el ltro de promedio mvil:
Yt =

r
X

i Zti ,

i=0

con 0 , 1 , . . . , r constantes. Muestre que Y es estacionario y encuentre la funcin de

autocorrelacin.
7. Sea U una distribucin uniforme en el intervalo [0, 1], con expansin binaria U =
Muestre que la secuencia:
Vn =

Xi+n 2i

i=1

Xi 2i .

n 0,

i=1

es fuertemente estacionario, y calcule la funcin de autocovarianza.

8. Sea {Xn : n = . . . , 1, 0, 1, . . .} una secuencia estacionaria real con media cero y funcin de
autocovarianza (m).
1 Use

la desigualdad de Cauchy-Schwarz E 2 [XY ] E X 2 E Y 2



i. P
Muestre que

n=0

|an | < .

n=0

an Xn converge casi seguramente, en media cuadrtica, cuando

ii. Sea
Yn =

n = . . . , 1, 0, 1, . . .

ak Xnk ,

k=0

donde
n=0 |ak | < . Encuentre una expresin para la funcin de autocorrelacin Y
de Y, y muestre que
P

|Y (k) | <

n=0

donde Zt es un proceso Ruido Blanco

9. Sea Xt =
j=0 aj Ztj , un proceso lineal general,
P 2
2
con media cero y varianza , demuestre que, j=0 aj < , es una condicin necesaria y
suciente para que el proceso lineal general sea dbilmente estacionario2 .
P

(a) Pruebe que T 1

PT

j=1

Xj 0 converge casi seguramente en media, cuando n

10. Sea {Yt } un proceso estacionario con funcin de autocovarianza k . Sea Y =

muestre que:

 

V ar Y

=
=

0
n

2
n

n1
X

k=1
n1
X 

1
n

k
n

|k|
n

1
n

Pn

t=1

Yt

k=n+1

11. Asuma que X1 , X2 , . . ., es una secuencia estacionaria con funcin de autocovarianza (k).
Muestre que:
!

Var

Asumiendo que j 1

Pj1
i=0

n
n j1
X
2 X
0
1X
Xi = 2
i .
n i=1
n j=1 i=0
n

i 2 cuando j , muestre que:

Var

n
1X
Xi 2
n i=1

cuando n .

12. Sea {Yt } un proceso estacionario con funcin de autocovarianza k . Dena la varianza
muestral como:
n
S2 =

(a) Muestre que

n
X
t=1

2 Para

(Yt )2 =

2
1 X
Yt Y
n 1 t=1

n 
X

Yt Y

2

2

+n Y

t=1

un proceso lineal general Xt = j=0 aj Ytj , si hay un nmero nito de aj distintos de cero y Xt es
dbilmente estacionario, tambin lo ser Yt , pero en el caso de que la combinacin lineal sea estrictamente innita,
la condicin de estacionaridad dbil de Yt depende de los aj
P

(b) Use el resultado del ejercicio anterior para mostrar que:



E S

 
X
n
k
2 n1
n
0
V ar Y = 0
1
0
=
n1
n1
n 1 k=1
n
!

Use los resultados del ejercicio 10.

(c) Si {Yt } es un proceso ruido blanco con varianza 0 , muestre que E (S 2 ) = 0