SOLUCIONARIO DE LA

PRCTICA N3

Integrantes:
-Apac Aquino,
Whiny
-Castillo Orozco,
Alexandra
-Lpez Aguirre,
Brenda
-Taype Vargas,
Maria
-Vidal Lpez,
Franck
Aula: 208

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS
Curso: Econometra II
Profesora: Mg. Beatriz Castaeda S.

Prctica 3
1. Para los siguientes procesos:
a) (1 - 0.7 L + 0.5 L2) Yt = 3 + t
Solucin:

Estacionariedad en media

Dado que el modelo es un proceso AR(2), analizaremos si cumple con la

condicin de estacionariedad:

( L ) =10.7 L+0.5 L2=0

1,2=

0.7 0.7 24 (0.5)

20.5
1=0.71.51 i

2=0.7+ 1.51 i

Como podemos observar las races del polinomio |(L)| se encuentran fuera
del crculo polar, por tanto cumple la condicin de estacionariedad y por
ende cumple la estacionariedad en media.

Orden del proceso ARIMA

El modelo puede ser representado por ARIMA(2,0,0)

( 10.7 L+0.5 L2 ) Y t =+ t

En su forma MA

Usamos lo siguiente:

( L) =

Q( L)
P ( L )

( L) =

1
1 1 L 2 L2

( l ) =1+ ( 1 2 L ) L+ ( 1 2 L )2 L2+ ( 1 2 L )3 L3 +
Y t=

2
3
+ t + ( 1 2 L ) t1 + ( 12 L ) t2 + ( 1 2 L ) t 3+
1 1 2

b) Yt = 5 + 0.7 t +t + 0.4 t-1

Solucin:

Estacionariedad en media

Dado que el modelo es un proceso MA(2), analizaremos si cumple con la

condicin de invertibilidad:

E [ Y t ]=E [ 5+0.7t+ t +0.4 t 1 ]

E [ Y t ] =5+ 0.7t
Podemos decir que el modelo es no estacionario en media con tendencia
determinstica ya que depende del tiempo, es decir conforme aumente el
tiempo la media tambin ser mayor.

Orden del proceso ARIMA

El modelo que puede ser representado por primera diferencia:

Y t Y t1=5+ 0.7t+ t +0.4 t1(5+0.7( t1 ) + t1 +0.4 t2)

DY t =0.7+ t + 1.4 t 1+ 0.4 t 2
(1L)Y t =0.7+ t + 1.4 t 1+ 0.4 t 2

Que sera un proceso ARIMA(0,1,2)

Transformaciones para alcanzar la estacionariedad

Analizamos el ARIMA(0,1,2):

(1L)Y t =0.7+ t + 1.4 t 1+ 0.4 t 2

Observamos que con la primera diferencia se hace estacionario en media:

Y t =0.7+Y t 1+ t 1.4 t 10.4 t2

Y
E[ t ]=E [0.7 +Y t1 + t1.4 t10.4 t 2 ]

Y
E[ t ]=0.7

c) (1- 0.4 L) Yt = (1 0.8 L + 0.4 L2 ) t

La serie es estacionaria en media

MA

(11 L2 L2 )=( 11 L ) ( 1+ 1 L+ 2 L2 + 3 L3 )

[ 1+ ( 11 ) L+ ( 21 1 ) L2 + ( 3 1 2 ) L3+ ( 41 3 ) L4 + ]
1=0.8

2=0.4

1=0.4

1= 1 1
1=0. 4

0.8= 10.4

 2= 2 1 1

(0.4)= 2(0.4)(0.4)

2=0.24
0= 3 1 2

0= 30.4 (0.24)

0= 40.4 (0.096)

3=0. 096
0= 41 3
4=0.0384
d)

Yt = 2 + 0.5 t + 0.8 Yt-1 +t - 0.3 t-1

Solucin:

Se observa la presencia de tendencia lineal

Rezagando un periodo: t-1

Y t Y t1=2+ 0.5t +0.8 Y t1 + t0.3 t1 [ 2+ 0.5 (t1 ) +0.8 Y t 2+ t 1 0.3 t 2 ]

Y t Y t1=0.5+ 0.8 Y t10.8 Y t 2+ t 0.3 t 11,3 t 1 +0.3 t2

Esta es una ecuacin en diferencia.

La variable transformada:

Y t =0.5+1.8 Y t10.8Y t 2+ t 0.3 t 11,3 t 1+ 0.3 t2

e) Yt = -0.5 Yt-1 + 0.24 Yt-2 + t 0.9 t-1 +0.18 t-2
Solucin:

L 1=

Hallamos las races y se obtuvo:

10
3

L2 =

5
4

->Como

|L|>1

,se concluye que el comportamiento de la serie es

estacionario.

Orden del proceso ARIMA(2,0,2)

Simplificacin del modelo:
Yt = -0.5 Yt-1 + 0.24 Yt-2 + t 0.9 t-1 +0.18 t-2

( 1+0.5 L0.24 L2 ) Y t=(10.9 L+ 0.18 L2 ) t

( L 103 )( L+ 54 ) Y t=( L 103 )( L 53 )

El modelo esta sobreparametrizado, por ello pasamos a simplificarlo

( L+ 54 )Y t=( L 53 )
e) (1 0.8 L ) (1 L)

Yt = (1 + 0.7 L) t

Solucin:

L1 =

Hallamos las races y se obtuvo:

1
=1.25
0.8

L2=1
L3=1

|L|>1 ,se concluye que el comportamiento de

->Como no se cumple que

la serie no es estacionario.

Obtencin de la variable transformada

Sea

W 2=(1 L)2 Y t

, el nuevo modelo quedaria

(1 0.8 L) W 2=(1+0.7 L)t

estacionario en media.

,el

cual

tiene

un

comportamiento

Orden del proceso ARIMA(1,2,1)

f)

Yt = 0.4Yt-1 + 0.6Yt-2 + t + 0.5 t-1

Solucin:
-

Analice el comportamiento implicado por cada modelo para la serie

original Yt,:
o

Si es estacionario en media, si tiene tendencia determinstica o

estocstica.

( 10.4 L0.6 L2 ) Y t=(1+0.5 L) t

Igualamos el polinomio de rezagos a 0:
2

10.4 L0.6 L =0
l 1=1 no est fuera del circulounitario
l 2=1.66667 fuera del circulounitario
La serie no es estacionario en media
o

Orden del proceso ARIMA(p,d,q)

(1+0.6 L) ( 1L ) Y t =(1+0.5 L) t
(1+0.6 L)W t =(1+ 0.5 L) t

ARIMA (1,1,1)

De no ser estacionario obtenga la variable transformada que

sea estacionaria.

(1+0.6 L) ( 1L ) Y t =(1+0.5 L) t
(1+0.6 L) W t =( 1+ 0.5 L) t
l 1=1.66667 fuera del circulounitario
La serie transformada es estacionaria en media
2. Dado el proceso
a) Identifique el proceso y describa el comportamiento esperado para la
serie generada por este proceso (proporcione su media, varianza).

Como podemos notar, la serie

Yt

es estacionaria (es decir, cumple

con las condiciones de invertibilidad y de estacionariedad), ya que

esta tiene un comportamiento que va a lo largo de su media.

Sea:

Y t =40.8 Y t 1+ t 0.5 t 12 Con

2 =9

12

(1+0.8 L)Y t =4 +(10.5 L ) t

Su modelo genrico es:

Y t = + 1 Y t 1 + t 1 t12

Evaluando el comportamiento esperado: Media

E (Y t )=

1 1

E (Y t )=

4
=20
10.8

Evaluando el comportamiento esperado: Varianza

En desviaciones de media, tenemos:

~
~
Y t = 1 Y t 1+ t 1 t 12

Multiplicamos por

~
Yt


~
~
( 1 Y t1 + t 1 t 12)Y t
~
Y 2=
t

Calculamos:

0=1 1+ 2 1 112 2 +12 2

A su vez, tenemos:

1= 1 01 111 2
2= 1 11 110 2
9

3=1 21 1

Hasta llegar a:

12= 1 11 1 2

Despejando la varianza tenemos:

0=

12

(121 1 + 1 )
2
(1 1 )

1=0.8

0=29.5320

Tambin tenemos las covarianzas:

1=0.5

 1=

1 2 ( 11 112 +121 110 )

1 21

1=23.2391
2=18.1081
3=13.8825

12=2.3575

b) Obtenga y grafique la funcin de autocorrelacin del modelo.

Evaluando la funcin de autocorrelacin:

Y t =40.8 Y t 1+ t 0.5 t 12

Identificando:

1=0.8

1=

1 ( 11 112+ 12 1 110 )
1+ 212 1 112

1=0.7869

1=0.5

2=

2
=0.6132
0

3=

3
=0.4701
0

12 =

12
=0.0798
0

Tenemos entonces el siguiente correlograma:

-0.7869

0.6132

-0.4701

0.3505

-0.2484

0.2307

-0.2245

0.1172

-0.0157

10

-0.0849

11

0.1898

12

-0.3043

3. Se tiene la siguiente informacin para una variable que tiene

un patrn AR(2)
;

0.750

0.650

0.540

0.454

0.380

2 = 4

a) Obtenga los parmetros del modelo.

El modelo AR(2) en su forma general:

Y t =+1 Y t1 +2 Y t2 + t
Que tiene a su funcion de autocorrelacin representada mediante las
ecuaciones de Yule Walker:

{ j =1 j1+ 2 j2+3 j3 + + j j p
Con los datos:

1=1+ 2 1=0.75
2=1 1 +2=0.65
3=1 2+2 1
4=1 3+ 2 2
5 =1 4 + 2 3

De los cuales obtenemos:

1=0.2 y 2=0.6

b) Obtenga la media y la varianza de Y.

La media:

E (Y t )=

10
=
=50
112 10.20.6

La varianza:

V ( Y t ) = 0=

2 (12 )
2

[ ( 12 ) 12 ](1+2 )

=8.33

4. Dado el siguiente proceso:

(1+0.5 L - 0.24 L2 ) Yt = t 0.7t-1

= 4

a) Obtenga la media y la varianza del proceso:

MEDIA

Ya que el modelo, no presenta constante; entonces la media de

es cero, esto es:

E(Y ) =0
t

VARIANZA:

De:

Yt

Y t =0.24 Y t 2 0.5 Y t1 + t + t 1

Se obtiene:

0=0.24 2 0.5 1 + 2e + 0.49 2e

Covarianzas:

1=0.24 10.5 0 0.7 2e

2=0.24 0 0.5 1
3=0.24 10.5 2

j=0.24 j20.5 j1 ; j 2

Reemplazando la

1 y 2

en la

0 , se obtiene que:

0=2.81 2e

0=44.96

b) Calcule las correlaciones del proceso estacionario hasta el orden 6.

Correlaciones:

J =

J
0

1=0.99

2=0.73

3=0.6

4 =0.48

5=0.38

6=0.31

2. Dado el proceso

(1-0.6L4) (1-0.7L)Yt = t ; = 3

a) obtenga y grafique la funcin de autocorrelacin del modelo

(sugerencia: obtenga la funcin de autocorrelacin terica y
luego remplace los valores numricos de los coeficientes y
solucione las ecuaciones de Yule Walker, para generar los
siguientes coeficientes de correlacin).
Solucin:

( 10.7 L ) ( 10.6 L4 ) Y t= t

( 11 L ) ( 1 4 L 4 ) Y t = t
Y t = 1 Y t 1+ 4 Y t4 1 4 Y t5 + t

Donde:

1=0.7
4 =0.6
1 4 =0.4 2

Funcion de autocorrelacion simple:

j = 1j si j 2
j = k4 si j=4 k

Funcin de autocorrelacin parcial:

b) Cul es el comportamiento esperado para la serie generada por este

proceso (indique media, varianza y patrn de comportamiento
aproximado). Simule con nmeros aleatorios el comportamiento
esperado para la serie.
Solucin:

Como podemos apreciar en el histograma la media de Y es -0.938106 y la

varianza de Y es 41.8839752

El patrn de comportamiento al parecer es estacionario en media pero con

estacionalidad cada 4 meses, es decir trimestralmente.

Loa datos empricos estn de acorde a los datos tericos