1. Proposer une modlisation MA(2) inversible pour un processus (Xt ) sur Z. Le processus (Xt ) est-il stationnaire ? 2. Gnrer une trajectoire (xn = Xn ()) de votre modle sur lintervalle {1, . . . , n} pour n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement. 3. Proposer un estimateur consistant b de sa fonction dautocorrlation par le thorme ergodique, et calculer b(0), . . . , b(5). Reprsenter les valeurs sous forme de peigne, et les comparer avec les sorties de la fonction acf. 4. Ces observations sont-elles cohrentes avec la thorie ? 5. Tester la stationnarit de votre trajectoire en combinant lutilisation des fonctions adf.test et kpss.test. 6. Estimer vos paramtres en utilisant la fonction arima. Exercice 2 le processus AR. 1. Proposer une modlisation AR(3) causale pour un processus (Yt ) sur Z. Le processus (Yt ) est-il stationnaire ? 2. Gnrer une trajectoire (yn = Yn ()) de votre modle sur lintervalle {1, . . . , n} pour n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement. 3. Proposer un estimateur consistant b de sa fonction dautocorrlation partielle par lalgorithme de Durbin-Levinson, et calculer b(0), . . . , b(5). Reprsenter les valeurs sous forme de peigne, et les comparer avec les sorties de la fonction pacf. 4. Ces observations sont-elles cohrentes avec la thorie ? 5. Tester la stationnarit de votre trajectoire en combinant lutilisation des fonctions adf.test et kpss.test. 6. Estimer vos paramtres en rsolvant les quations de Yule-Walker empiriques. 7. Comparer vos rsultats avec lestimation fournie par la fonction arima. 1
8. Dfinir un rsidu de modlisation et tester sa blancheur laide de la fonction
Box.test. Superposer votre modlisation la trajectoire observe. Exercice 3 le processus ARMA. 1. On considre, pour tout t Z, le processus ARMA(2,1) donn par Zt =
3 1 1 Zt1 Zt2 + t t1 2 2 2
o (t ) est un bruit blanc de variance 2 > 0. Le processus (Zt ) est-il stationnaire ?
2. Gnrer une trajectoire (zn = Zn ()) de votre modle sur lintervalle {1, . . . , n} pour n = 300, engendr par le bruit blanc de votre choix, et la reprsenter graphiquement. Que constate-t-on ? 3. Les sorties de adf.test et kpss.test sont-elles conformes la thorie ? 4. Proposer une transformation de donnes (Zn ) de (Zn ) telle que le processus (Zn ) soit stationnaire. 5. Calculer la trajectoire (zn = Zn ()) associe, et vrifier quelle est bien stationnaire par lintermdiaire de adf.test et de kpss.test. 6. Observer le comportement de b et de b laide des fonctions acf et pacf. 7. Estimer les paramtres de lautorgression laide des quations empiriques de Yule-Walker associes (Zn ), et comparer les valeurs obtenues avec lestimation fournie par la fonction arima.