Tendance,stationnarité, autocovariance,opérateurretard
2/45 1 Tendance,stationnarité,autocovariance,opérateurretard temps température 1920 1925 1930 1935 1940 30 40 50 60 année passagers 1950 1952 1954 1956 1958 1960
Corrig´e de l’examen de s´eries chronologiques du 5 juin 2006
Exercice 1 Soit {X n} un processus stationnaire au second ordre On suppose que {X n} est un processus AR(1), qui v´erifie l’´equation X n = aX n−1 + n, ou` { n} est une suite de variables i i d centr´ees de variance σ2 et a
Renforcement S´eries Chronologiques - univ-toulouse
Feuille d’exercices n˚1 : Processus stationnaires, AR et MA Exercice 1 Le but de cet exercice est de montrer que la somme de deux processus stationnaires n’est pas n´ecessairement stationnaire Soit (ηt)t∈Z un bruit blanc; v´erifier que les processus d´efinis par : Xt = ηt, ∀t∈ Z et Yt = (−1)tηt, ∀t∈ Z sont stationnaires
M1 ISMAG MIS243Y - S´eries chronologiques
Feuille d’exercices n˚1 : Processus stationnaires, AR et MA Exercice 1 Le but de cet exercice est de montrer que la somme de deux processus stationnaires n’est pas n´ecessairement stationnaire Soit (ηt)t∈Z un bruit blanc; v´erifier que les processus d´efinis par : Xt = ηt, ∀t ∈ Z et Yt = (−1)tηt, ∀t ∈ Z sont stationnaires
Université Kairouan ISMAI - e-monsite
Corrigé de l'examen Janvier 2013 - Série temporelle (voir Exercice 1) Exercice 4 : Le processus X donc le processus est stationnaire et inversible Ainsi
Travaux dirig´es - Université Grenoble Alpes
Exercice 2 2 Soient A et B deux variables al´eatoires r´eelles centr´ees ind´ependantes, de mˆeme variance 1 Montrer que le processus X = (Xt)t∈Z d´efini par Xt = Acos(π 3 t)+Bsin(π 3 t), est stationnaire au sens large 2 Trouver sa fonction d’autocovariance 3 Tracer une trajectoire de ce processus (choisir A et B) pour t = 1
Dur´ee : 1 h 15 - LAAS
1- Montrer que x(t) est stationnaire au sens large 2- Montrer que le processus est `a moyenne et `acorr´elation ergodiques Exercice 5 : On d´efinit une certaine classe de signaux y(t) par : y(t)=rx(t)cos(ω pt+φ) o`u x(t) est un signal al´eatoire stationnaire modulant une porteuse sinusoidale rcos(ω pt + φ) La moyenne de x(t) est
Master 1 ESA Econométrie et Statistique Appliquée TD SERIES
EXERCICE 3: Etude d’un Processus MA(1) – suite On considère à présent le processus MA(1) suivant : xt = (1 − 0 5 L)ut 1 Reprendre les questions 3) et 4) de l’exercice précédent pour ce processus 2 Ci-dessous, sont représentées les fonctions d’autocorrélation totale et partielle des deux processus de l’exercice 2 et 3
Processus al eatoires et applications
1 1 EXEMPLES DE CHA^INES DE MARKOV 5 1 2=3 1=3 2=31 Figure 1 3 Le mod ele d’urnes d’Ehrenfest, dans le cas de 3 boules On peut a nouveau d ecrire le syst eme par une cha^ ne de Markov, cette fois sur l’espace
Exercices : des exemples classiques, quelques calculs
Exercice 4 Un jeu organis e par une compagnie consiste a r eunir une collection compl ete de ncoupons a n d’obtenir un lot On suppose que le client qui cherche a collectionner consomme chaque jour un paquet du produit vendu par la compagnie et re˘coit du coup chaque jour un nouveau coupon, qu’on supposera choisi uniform ement parmi les n,
[PDF] examen séries temporelles
[PDF] econometrie des series temporelles pdf
[PDF] économétrie des séries temporelles cours et exercices
[PDF] trucs et astuces un monde ? lire
[PDF] le paysage dans le cadre des portières
[PDF] correction bac francais 2017
[PDF] série numérique cours exo7
[PDF] séries numériques exercices corrigés avec rappels cours
[PDF] série numérique exercices corrigés pdf
[PDF] cours series numeriques résumé pdf
[PDF] série numérique convergence
[PDF] séries numériques l2
[PDF] serie de bertrand exercice corrigé
[PDF] série ln(n)/n
![Renforcement S´eries Chronologiques - univ-toulouse Renforcement S´eries Chronologiques - univ-toulouse](https://pdfprof.com/Listes/18/42444-18TD_TP_R.pdf.pdf.jpg)
Renforcement
S´eries Chronologiques
Exercices et TP
Agn`es Lagnoux
lagnoux@univ-tlse2.fr ISMAGMASTER 1 - MI00141X
M1 ISMAG
MI0B246X - S´eries chronologiques
Feuille d"exercices n°1 : Processus stationnaires, AR et MAExercice 1
Le but de cet exercice est de montrer que la somme de deux processus stationnaires n"est pas n´ecessairement stationnaire. Soit (ηt)t?Zun bruit blanc; v´erifier que les processus d´efinis par :Xt=ηt,?t?Zet Y t= (-1)tηt,?t?Zsont stationnaires. Montrer que leur sommeZt=Xt+Yt,?t?Z, n"est pas un processus stationnaire.Exercice 2
Parmi les s´eries chronologiques suivantes, d´eterminer celles qui sont centr´ees, stationnaires.
-Xn=1 n?n. -Xn= 0.2?n+ 0.9?n-8. -Xn=?2n+ 0.5?n-1-σ2. -Xn=?n+ 0.2n.Nota: Ici?nest un bb Gaussien de varianceσ2.
On rappelle que siYetZsont des v.a. ind´ependantes, alorsY2est ind´ependant deZ. Certains calculs peuvent ˆetre ´evit´es en reconnaissant des mod`eles connus.Exercice 3
SoitX= (Xt)t?Nun processus stationnaire et pour toutt?Z,X?tla r´egression affine de X tsur (Xs)s≤t-1. Montrer que le processus d´efini par la suite des innovations (Xt-X?t)t?N est un bruit blanc.Exercice 4`A partir des autocorr´elations empiriques (en haut) et des autocorr´elations partielles em-
piriques (en bas), proposer, s"il y a lieu, des mod`eles pourles processus suivants de la figure 1.Exercice 5 : Etude approfondie du processus MA(1)
On consid`ere le processus (Xt)t?Zd´efini par : ?t?Z, Xt=ηt-θηt-1, o`uθest un r´eel tel que|θ|<1 et (ηt)t?Zest un bruit blanc de varianceσ2>0. 1.´Ecrireηten fonction de (Xs, s≤t).
2. En d´eduire la r´egression affine deXtsur (Xs, s≤t).
3. Soit
?XT(1) la pr´evision lin´eaire optimale deXT+1, c"est-`a-dire la r´egression affine de X T+1surXT,XT-1,...Calculer l"erreur de pr´evision : IE XT+1-?XT+1?
2. 20 5 10 15 20 25 30
-0.5 0.0 0.5 1.0 Lag ACFSeries ts(a)
0 5 10 15 20 25 30
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 Lag ACFSeries ts(m)
0 5 10 15 20 25 30
-0.6 -0.4 -0.2 0.0 0.2 0.4 LagPartial ACF
Series ts(a)
0 5 10 15 20 25 30
-0.4 -0.3 -0.2 -0.1 0.0 LagPartial ACF
Series ts(m)
Figure1 - Exemples de l"exercice 4
3Exercice 6 : Etude approfondie du processus AR(1)Soit (Xt)t?Zun processus stochastique centr´e tel que :
X t-?Xt-1=ηt,?t?Z, o`u (ηt)t?Zest un bruit blanc de varianceσ2>0 et??R. I.