Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Esempio<br />
e<br />
<strong>Serie</strong> <strong>Storiche</strong> e <strong>Processi</strong> <strong>Stocastici</strong> – Federico Andreis<br />
Siano e due v.c. Normali, indipendenti, di media zero e varianze, rispettivamente,<br />
2<br />
. Definiamo il processo stocastico<br />
X costsin t,<br />
t 1,2,...<br />
t<br />
In cui 0 2<br />
è un numero reale fissato. Trattandosi di una combinazione lineare di due v.c.<br />
Normali e indipendenti, il processo X t è ben definito e si potrebbe calcolarne la generale<br />
funzione di densità multivariata. Calcoliamone però i primi momenti che, dalla definizione del<br />
processo, risulteranno funzione dei momenti di e .<br />
Ricordiamo che, per ipotesi, vale<br />
E( ) E(<br />
) 0 ;<br />
Cov( , ) E(<br />
, ) 0<br />
Avremo quindi per il processo che<br />
Var( ) <br />
2<br />
;<br />
2<br />
Var( ) <br />
E( X ) cos tE( ) sin tE(<br />
) 0 t<br />
t<br />
2 2 2 2<br />
Var( X t ) cos t sin t t<br />
Cov( X , X ) E[( cos t sin t)( cos ( t h) sin (<br />
t h))]<br />
<br />
t th 2 2<br />
cost cos ( t h) E( ) sint sin (<br />
t h) E(<br />
) <br />
cos t cos ( t h) sin t sin ( t h)<br />
2 2<br />
<br />
Come si vede il valor medio è nullo e quindi costante ma varianza e autocovarianza variano<br />
al variare di t, pertanto, in generale, il processo X t è non stazionario.<br />
2<br />
Se tuttavia supponessimo che Var( ) Var( ) allora le espressioni precedenti<br />
diventerebbero<br />
2 2 2 2<br />
Var( X t ) (cos t sin t) t<br />
Cov X X t t h t t h <br />
2<br />
( t, th ) [cos cos ( ) sin sin (<br />
)]<br />
2 2<br />
cos[ ( )] cos<br />
<br />
t k t h t<br />
In definitiva, se Var( ) Var( ) il nostro processo risulta essere stazionario, dal momento<br />
che valgono la condizione 1. di costanza della media, la 2. di costanza e finitezza della varianza<br />
quale che sia t ed infine la 3., ovvero l‟autocovarianza tra t e t h dipende solamente dal lag e<br />
non dall‟istante temporale t.<br />
Sempre sotto le ipotesi suddette la funzione di autocorrelazione del processo risulterà essere<br />
definita da<br />
2