Escolar Documentos
Profissional Documentos
Cultura Documentos
= =
< =
> =
< < + |
\
|
> <
|
\
|
> |
\
|
=
0 , 0 , arbitrrio
0 , 0 ,
2
0 , 0 ,
2
0 , 0 ,
0 , 0 ,
0 ,
B A
B A
B A
B A
A
B
arctg
B A
A
B
arctg
A
A
B
arctg
Podemos ter duas situaes:
(a) Conhecemos as freqncias () e queremos estimar amplitudes e fases;
(b) Queremos estimar amplitudes, freqncias e fases.
As estimativas de , A, B e R so obtidas por MQO;
pode ser obtida maximizando a funo periodograma
( ) ( ) ( )
\
|
+
|
\
|
= =
= =
2
1
2
1
2
cos
2
1
8
T
t
t
T
t
t
sen Z Z t Z Z
T
R
T
I
onde T o tamanho da srie.
2. Anlise Espectral
2.1. O espectro populacional e suas propriedades:
Seja { }
= t t
Z um processo estacionrio em covarincia com mdia ( ) =
t
Z E e j
a
autocovarincia
( )( )
j j t t
Z Z E =
.
Assumindo que estas autocovarincias so absolutamente somveis, a funo geradora de
autocovarincia dada por
=
= j
j
j Z
z z g ) ( (1)
onde z denota um escalar complexo.
Se dividimos (1) por 2 e calculamos ) (z g
Z
em
i
e z
= , para 1 = i e um escalar, o
resultado chamado de espectro populacional de z:
( )
j i
j
j
i
Z Z
e e g s
= =
2
1
2
1
) ( (2)
que pode tambm ser escrito como:
)
`
+ =
=
) cos( 2
2
1
) (
1
0
j s
j
j Z
. (3)
Assim, o espectro uma funo peridica de .
Se conhecemos a sequncia de autocovarincias { }
= j
j
, a princpio podemos calcular o
valor de ) (
Z
s para qualquer . O inverso tambm verdade: se conhecemos o valor de
) (
Z
s para todo [ ] , 0 , podemos calcular o valor de k
a
autocovarincia
k
, para
qualquer k.
Proposio 1: Seja { }
= j
j
uma sequncia absolutamente somvel de autocovarincias e
defina ) (
Z
s como em (2). Ento
k
k i
Z
d e s
) (
ou equivalentemente
k Z
d k s
) cos( ) ( .
Se k=0,
0
) (
d s
Z
, ou seja, a rea sob o espectro populacional entre e a
varincia de
t
Z ,
0
.
2.2. Estimadores do espectro
2.2.1. Periodograma
Dada uma amostra de T observaes
T
z z ,...,
1
, podemos calcular T-1 autocovarincias
amostrais usando a frmula:
( )( )
=
=
=
+ =
) 1 ( ,..., 2 , 1 ,
1 ,..., 0 ,
1
1
T j
T j z z z z
T
j
T
j t
j t t
j
.
Para qualquer dado podemos construir o anlogo amostral de ) (
Z
s , que conhecido
como o periodograma amostral:
j i
T
T j
j Z j
e s
=
= =
1
1
2
1
) ( ) ( I
ou equivalentemente
+ = =
=
) cos( 2
2
1
) ( ) ( I
1
1
0
j s
T
j
j Z j
.
Obs.:
a) A rea sob o periodograma a varincia amostral de z:
0
) (
d s
Z
e como o periodograma simtrico em torno de zero,
=
0 0
) ( 2 d s
Z
.
b) Pode-se demonstrar que ) ( I
j
completamente determinado por seus valores
nas freqncias de Fourier,
T
j
j
2
= .
c) ) ( I
j
assintoticamente no viciado, isto ,
[ ] ) ( ) ( I E lim
T
Z j
s =
.
Distribuio assinttica do periodograma, supondo
t
Z Gaussiano:
As ordenadas do periodograma ) ( I
j
so v.a.s assintoticamente independentes e tm
distribuio assinttica mltipla de uma v.a. qui-quadrado, i.e.,
( )
( )
2
, 0 ,
2
, 0 ,
2
1
) ( I
2
1
2
2
T
j s
T
j s
j Z
j Z
D
j
Logo,
( ) ( ) ) ( ) (
2
1
) ( I
2
2 j Z j Z j
s E s E = =
( )
( )
( )
( )
= =
= =
=
=
2
, ) ( 2 ) (
4
1
0 , ) 0 ( 2 ) 0 (
2
, 0 , ) ( ) (
4
1
) ( I
2 2
1
2
2 2
1
2
2 2
2
2
T
j s Var s
j s Var s
T
j s Var s
Var
Z Z
Z Z
j Z j Z
j
Assim, o periodograma assintoticamente no-viciado, mas ele no consistente.
2.2.3. Estimadores suavizados do espectro
Com este procedimento obtemos estimadores que so assintoticamente no-viciados e com
varincias que decrescem com o nmero de observaes da srie temporal. So conhecidos
tambm como estimativas kernel.
Suponha que ) (
Z
s pode ser estimado por uma mdia ponderada dos valores de ) (
Z
s ,
para valores de em uma vizinhana de , onde os pesos dependem da distncia entre
e . Assim, a sugesto tomar:
( ) ) ( , ) (
m j Z
h
h m
j m j j Z
s s
+
=
+
= .
Aqui, h um parmetro de bandwidth indicando quantas freqncias diferentes
{ }
h j j j
,..., ,
2 1
so teis para estimar ) (
j Z
s . O kernel ( )
j m j
,
+
indica quanto
peso cada freqncia deve dar. Os pesos kernel devem somar 1,
( ) 1 , =
=
+
h
h m
j m j
.
Como selecionar o bandwidth h? Um guia prtico fazer grficos de uma estimativa do
espectro usando diferentes bandwidths e escolher subjetivamente o que produz a estimativa
mais plausvel.