M2 Statistique

Parcours ”Biostatistique et Statistiques Industrielles”

Examen de Séries Chronologiques
année 2013-2014
(Durée : 3h00. Seule la calculatrice est autorisée.)

Exercice 1 [4 pts] − Soit la série chronologique (Xt )t∈Z définie pour t ∈ Z par

Xt = β0 + β1 t + S(t) + εt , (1)

où (εt )t∈Z est un processus centré et S(.) est une fonction périodique de période p ∈ N∗ .
1) Rappeler la définition d’une fonction périodique de période p ∈ N∗ .

2) On note S1 := S(1), . . . , Sp = S(p) les coefficients saisonniers de la série (Xt )t∈Z . En

supposant que S1 + . . . + Sp = 0, donner les paramètres décrivant le modèle (1).
Dans la suite, on s’intéresse au vecteur aléatoire XT = (X1 , . . . , XT )t où T est supposé beaucoup
plus grand que p. On suppose de plus que p est pair et que S1 + . . . + Sp = 0.
3) Montrer que XT = Aθ + ε où ε = (ε1 , . . . , εt )t , θ est un vecteur contenant les paramètres
du modèle (1) et A est une matrice que vous préciserez.
(M C)
4) Donner l’expression, en fonction de A et XT , de l’estimateur θ̂T de θ obtenu par la
méthode des moindres carrés.
(M C)
5) Que doit on supposer sur le processus (εt )t∈Z pour que θ̂T soit un estimateur BLUE
(Best Linear Unbiased Estimator) ?

6) Rappeler la définition générale de l’opérateur moyenne mobile M d’ordre m1 + m2 + 1.

7) Proposer une moyenne mobile M telle que pour tout t ∈ E ⊂ {1, . . . , T } (vous préciserez
cet ensemble E), on ait :
M Xt = β0 + β1 t + M ε t .

Exercice 2 [4 pts] −
1) Rappeler la définition d’un processus centré stationnaire ainsi que celle d’un bruit blanc
faible.

2) Soit (εt )t∈Z un bruit blanc faible de variance σ 2 . Pour tous les processus (Xt )t∈Z définis
ci-dessous, dire (en le justifiant) s’il s’agit d’un processus centré et/ou stationnaire et/ou
de type ARMA :

• Xt + Xt−2 − 2Xt−4 = εt , • Xt /2 + ε2t = √

σ2,
• Xt = εt − 2εt−1 + 3t, • Xt − 2Xt−1 / 5 + Xt−2 = εt − 2εt−1 ,
• Xt = εt − 2tεt−1 , • Xt − εt = 5Xt−1 − 6Xt−2 .
Exercice 3 [8 pts] − Soit (Xt )t∈Z un processus stochastique tel que :

Xt − aXt−1 + bεt−1 + cεt−2 = εt , (2)

où (εt )t∈Z est un bruit blanc faible de variance σ 2 et |a| < 1.
1) Le processus (Xt )t∈Z est-il un processus ARMA (justifier) ? Est-ce un processus causal ?

2) Dans le cas b = c = 0, calculer la fonction d’autocorrélation partielle ρX (h) du processus

(Xt )t∈Z pour tout h ∈ N∗ .

3) Si a = b et c = 0, identifier le processus (Xt )t∈Z .

On suppose dans toute la suite que les paramètres a, b et c sont non nuls.
4) Donner l’expression du processus (Xt )t∈Z en fonction du processus (εt )t∈Z .

5) On note γX (.) la fonction d’autocovariance du processus (Xt )t∈Z . Rappeler la définition

de la fonction d’autocovariance.

6) Calculer en fonction de a, b, c et σ 2 la valeur de γX (0).

7) Montrer que pour tout h > 2, γX (h) = aγX (h − 1) (astuce : multiplier l’équation (2) à
droite et à gauche par Xt−h ).
On dispose à présent d’une observation (x1 , . . . , xT ) du vecteur aléatoire (X1 , . . . , XT ) avec T
”assez grand”.
8) Rappeler la définition de l’estimateur de la fonction d’autocovariance γX (.) et proposer un
estimateur du paramètre a.
Pour tout t ∈ Z, on pose Yt = Xt − aXt−1 .
9) Montrer sans faire de calcul que (Yt )t∈Z est un processus stationnaire et calculer sa fonction
d’autocovariance γY (.) en fonction de a et de la fonction γX (.).

10) Calculer à nouveau γY (h) pour h ∈ {0, 1, 2} mais cette fois-ci en fonction de σ 2 et des
paramètres b et c.

11) Déduire des questions précédentes un système d’équations (que l’on ne résoudra pas) reliant
les paramètres b, c et σ 2 à la fonction γX (.).
Exercice 4 [4 pts] − Soit (Xt )t∈Z un processus stochastique tel que
5
Xt − Xt−1 + Xt−2 = εt ,
2
où (εt )t∈Z est un bruit blanc faible de variance σ 2 .
1) Le processus (Xt )t∈Z est-il un processus ARMA ? Justifier.

2) Justifier le fait que (εt )t∈Z n’est pas le bruit blanc d’innovation du processus (Xt )t∈Z .

3) Donner l’expression du bruit blanc d’innovation (ηt )t∈Z du processus (Xt )t∈Z en fonction
du processus (εt )t∈Z .

4) Calculer la variance du processus (ηt )t∈Z en fonction de σ 2 .