20.05.2013 Views

1 Modelli per serie storiche univariate

1 Modelli per serie storiche univariate

1 Modelli per serie storiche univariate

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

dato che V (yt) = V (yt−1)<br />

V (yt) =<br />

σ 2<br />

1 − θ 2<br />

Cov(ytyt−1) = E(cyt cyt−1)<br />

= E [(θcyt−1 + εt) (cyt−1)]<br />

= θV (yt)<br />

= θ σ2<br />

1 − θ 2<br />

potete ottenere allo stesso modo che<br />

k σ2<br />

Cov(ytyt−k) = θ<br />

1 − θ2 cioe’ la Cov(ytyt−k) dipende solo da k e non da t.<br />

1.2 Processo a Media Mobile di ordine uno<br />

yt = µ + εt + αεt−1<br />

V (yt) = E(εt + αεt−1) 2<br />

= E(εt) 2 + α 2 E(εt−1) 2<br />

= (1 + α 2 )σ 2<br />

Cov(ytyt−1) = E [(εt + αεt−1) (εt−1 + αεt−2)]<br />

= αE ε 2 <br />

t−1<br />

= ασ 2<br />

Cov(ytyt−2) = 0<br />

Cov(ytyt−k) = 0 <strong>per</strong> k = 2, 3, 4..<br />

Se |θ| < 1 un processo AR puo’ essere riscritto come un processo MA infinito <strong>per</strong><br />

sostituzione di yt−1 = δ + θyt−2 + εt−1 in (1) otteniamo<br />

continuando le sostituzioni si ottiene<br />

dove n−1 <br />

θjεt−j e’ una componente MA<br />

j=0<br />

yt = µ + θ 2 (yt−2 − µ) + εt + θεt−1<br />

<br />

yt = µ + θ n n−1<br />

(yt−n − µ) + θ j εt−j<br />

2<br />

j=0

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!