1.

Anlise de Fourier (ou Anlise Harmnica)

Objetivo: Aproximar uma funo do tempo por uma combinao linear de harmnicos
(componentes senoidais), os coeficientes dos quais so as transformadas de Fourier
discretas da srie.


Exemplo: Seja o modelo:
( )
t t
t R Z + + + = cos
( ) ( )
t
t Bsen t A + + + = cos (1)

onde ( ) cos R A = ,
( ) Rsen B = ,
R a amplitude,
o ngulo de fase,
a frequncia e
t
a componente aleatria.


Temos ainda que:

2 2 2
B A R + =

= =
< =
> =
< < + |

\
|

> <
|

\
|

> |

\
|

=
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.