Escolar Documentos
Profissional Documentos
Cultura Documentos
Estadística III
UNIDAD 2:
Actividad 3
Identificación y estimación de modelos
𝔼(𝑋𝑡 ) = ∑ 𝜃𝑗 𝔼(𝜖𝑡−𝑗 ) = 0
𝑗=0
∑ 𝜃𝑗 𝜃𝑗+|ℎ|
={
𝑘=0
0 𝑆𝑖 |ℎ| > 𝑞
Sabiendo que 𝛾ℎ = 𝛾−ℎ , por lo que sólo se trabaja con valores de ℎ > 0. Además
se sabe que 𝛾ℎ se anula si |ℎ| > 𝑞 es una característica de los modelos 𝑀𝐴(𝑞).
Dividiendo por 𝛾0 ajustado a la 𝐴𝐶𝐹 de un 𝑀𝐴(𝑞):
∑𝑞−ℎ
𝑘=0 𝜃𝑗 𝜃𝑗+|ℎ|
𝜌ℎ = {1 + 𝜃 2 + ⋯ + 𝜃 2
1 𝑄
0 𝐶. 𝑂. 𝐶
Usando la información recabada 𝑥1 , 𝑥2 , … , 𝑥𝑛 de una serie de tiempo, una forma
de identificar un modelo para los datos es que su 𝐴𝐶𝐹 muestral se comporte
como la 𝐴𝐶𝐹 teórica de un modelo conocido. En particular, si la 𝐴𝐶𝐹 muestral 𝜌ℎ
es significativamente diferente de cero para 0 ≤ ℎ ≤ 𝑞 y despreciable para ℎ >
𝑞. Entonces un modelo 𝑀𝐴(𝑞) sería adecuado para los datos.
3. ¿Cuál es la metodología para identificar el modelo 𝑨𝑹(𝒑) usando la
función parcial de autocorrelación parcial, 𝑷𝑨𝑪𝑭?
Respuesta:
El modelo implica
𝑝
Donde las raíces de 𝜙(𝑧) están fuera del circulo unitario. Cuando h>p, la
regresión de 𝑥𝑡+ℎ en 𝑥𝑡+1 , 𝑥𝑡+2 , … , 𝑥𝑡+ℎ−1
𝑝
𝑥̂𝑡+ℎ = ∑ 𝜙𝑗 𝑥𝑡+ℎ−𝑗
𝑗=1