Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Serie</strong> <strong>Storiche</strong> e <strong>Processi</strong> <strong>Stocastici</strong> – Federico Andreis<br />
La verifica dell‟ipotesi di stazionarietà in senso stretto è nella maggior parte dei casi reali<br />
quasi impossibile, ci si limita dunque spesso a controllare che siano verificate delle condizioni<br />
meno forti e riguardanti solo i momenti fino al secondo ordine (media, varianza, covarianza). Un<br />
processo che rispetti tali proprietà è definito processo stocastico stazionario in senso lato o debole.<br />
Generalmente si considera solo quest‟ultimo tipo di stazionarietà nelle applicazioni, riconducendo<br />
la verifica alle proprietà di media, varianza e autocovarianza. In particolare diremo che un processo<br />
è stazionario in senso lato se verifica le seguenti condizioni:<br />
1. EX ( t ) , per ogni t<br />
2. EX (<br />
2<br />
) 2<br />
, per ogni t<br />
t<br />
3. E[( Xt )( X s )] st , per ogni coppia ( ts , )<br />
La prima condizione richiede che il valor medio del processo sia costante e pari a al<br />
2<br />
finita e costante al variare di t;<br />
variare di t; la seconda impone che il processo abbia varianza<br />
l‟ultima condizione infine implica che per ogni t e s esista la funzione di autocovarianza fra le<br />
variabili t X e X s . Tutto questo implica l‟esistenza dei momenti fino al secondo ordine, ma non<br />
viene imposta alcuna condizione necessaria sulle funzioni di densità multivariate che caratterizzano<br />
il processo X t . Da questo discende che mentre la stazionarietà in senso stretto implica, quando<br />
esistano i momenti fino al secondo ordine, quella in senso lato, non vale il contrario.<br />
Per quale motivo nella pratica risultano solitamente sufficienti le condizioni deboli di<br />
stazionarietà del processo? Questo è giustificato dal ruolo fondamentale giocato dalla distribuzione<br />
Normale nello studio di molti fenomeni fisici e naturali, per i quali è valido il Teorema del Limite<br />
Centrale: dal momento che, sotto ipotesi di gaussianità, le condizioni di stazionarietà debole sono<br />
sufficienti per avere anche la stazionarietà in senso forte, questo garantisce di potere evitare la<br />
complicata (quando non impossibile) verifica in molteplici situazioni.<br />
Un‟altra proprietà che, come le precedenti, un processo può possedere o meno, è<br />
l‟invertibilità. Si tratta della possibilità di esprimere un processo X t tramite le v.c. precedenti<br />
secondo l‟ordine logico imposto dal parametro t (e quindi ad esempio precedenti temporalmente);<br />
formalmente significa che esistono una funzione lineare h () ed un processo WN A t tali che, per<br />
ogni t, sia possibile scrivere<br />
X h( X , X ,...) A<br />
t t1 t2 t<br />
Quindi la funzione h () collega X t con le variabili X s ( s t)<br />
, e a tale relazione si aggiunge il<br />
processo A t per rendere la stocasticità il processo (in assenza si tratterebbe né più né meno che di<br />
una funzione deterministica di t). L‟invertibilità diventa particolarmente rilevante nello studio di<br />
alcuni modelli che presenteremo in seguito, ma già da qui si può intuire come possa risultare<br />
importante in un‟ottica di previsione, in effetti si tratta della possibilità di regredire il nostro<br />
processo stocastico sui suoi valori passati.<br />
Esiste anche un‟altra classificazione che distingue i cosiddetti processi periodici.<br />
Formalmente diremo che X t è un processo periodico se esiste un valore s tale che, per ogni t<br />
Pr{ Xt Xts} <br />
1