Estadística:Resolución de problemas en base a las formas de estacionariedad

Considerando el proceso:

X_t=β_1+β_2 t+Y_t

donde β_1 y β_2 son constantes conocidas y {Y_t }_t es una sucesión de variables aleatorias no correlacionadas tales que E(Y_t )=0 y VAR(Y_t )=σ^2.

Establecer si {X_t} es estacionario de segundo orden

Eso ya lo demostré y quedó bien, de hecho no es estacionario de segundo orden

Ahora dado que {X_t}  no es estacionario de segundo orden debo exhibir una transformación de {x_t} que produzcan un proceso estacionario

Yo hice lo siguiente:

sea τ>0 | (t+τ),t∈T , n∈N y r_i∈{0,1,2} y ∑_(i=1)^n  r_i ≤2

Para el proceso

X_t=β_1+β_2 t+Y_t
trasformado a
X_t=β_1+β_2+Y_t
β_1 y β_2 son constantes conocidas
{Y_t }_t es una sucesión de variables aleatorias no correlacionadas
E(Y_t )=0
VAR(Y_t )=σ^2.

Donde se sigue que:

E(X+Y)=E(X)+E(Y)
E(kX)=kE(x)∀k∈R
E(aX+b)=aE(x)+b ∀ a y b∈R
E(X∙Y)=E(X)∙E(Y) | X e Y son variables independientes

Sea el intervalo t

E(X_0 X_1 X_2 )=E[(β_1+β_2+Y_0 )(β_1+β_2+Y_1 )( β_1+β_2+Y_2 ) ]

| E(Y_t )=0


E(X_0 X_1 X_2 )=3(β_1+β_2 )


Sea el intervalo t+τ

E(X_τ X_(1+τ) X_(2+τ) )=E[(β_1+β_2+Y_τ )(β_1+β_2+Y_(1+τ) )(β_1+β_2+Y_(2+τ) ) ]

| E(Y_t )=0
incrementando un intervalo se obtiene el mismo valor
E(Y_(t+τ) )=0

E(X_τ X_(1+τ) X_(2+τ) )=3(β_1+β_2 )

Sea τ>0

E(X_0 X_1 X_2 )=E(X_τ X_(1+τ) X_(2+τ) )

Se cumple la primera parte de la definición de estacionario de segundo orden

Nota: Aquí se me puntualiza que exhiba la transformación, no sólo aplicarla, no entiendo a qué se refiere o qué debo hacer.

Luego viene la segunda parte donde

Para τ>0 | (t+τ),t∈T , n∈N y r_i∈{0,1,2} y ∑_(i=1)^n▒r_i ≤2

Para el proceso

X_t=β_1+β_2 t+Y_t
trasformado a
X_t=β_1+β_2+Y_t
β_1 y β_2 son constantes conocidas
{Y_t }_t es una sucesión de variables aleatorias no correlacionadas
E(Y_t )=0
VAR(Y_t )=σ^2.

Donde se sigue que:

VAR(X)=E[X^2 ]-σ^2
VAR(X)≥0
VAR(aX+b)=a^2 VAR(X) ⇒ VAR(b)=0| ∀ a y b ∈R
VAR(X+Y)=VAR (X)+VAR(Y)+2COV(X,Y)
VAR(X-Y)=VAR(X)+VAR(Y)-2COV(X,Y)


VAR(X_v )=E[〖X^2〗_t ]-σ^2
X_t=β_1+β_2+Y_t

VAR(X_t )=E[(β_1+β_2+Y_t )^2 ]-σ^2

Sea β_1+β_2=γ

VAR(X_t )=E[(γ+Y_t )^2 ]-σ^2=E[γ^2+2γY_t+〖Y_t〗^2 ]-σ^2=γ^2+2γE[Y_t ]+E[〖Y_t〗^2 ]-σ^2=

γ^2+2γ(0)+σ^2- σ^2=(β_1+β_2 )^2

Sea el intervalo t+τ | E[Y_(t+τ) ]=0 y E[〖Y_(t+τ)〗^2 ]=σ^2

VAR(X_(t+τ) )=E[(γ+Y_(t+τ) )^2 ]-σ^2=E[γ^2+2γY_(t+τ)+〖Y_(t+τ)〗^2 ]-σ^2=
γ^2+2γE[Y_(t+τ) ]+E[〖Y_(t+τ)〗^2 ]-σ^2=γ^2+2γ(0)+σ^2- σ^2=(β_1+β_2 )^2


VAR(X_t )=(β_1+β_2 )^2=VAR(X_(t+τ) )


{X_t }={β_1+β_2+Y_t }
cumple con la definción de estacionario de segundo orden.

Nuevamente se me idica que todo esta correcto pero que exhiba la transformación, sigo sin entender qué debo hacer.

¿Y que además me alta mostrar la condición sobre la covarianza?

Añade tu respuesta

Haz clic para o