Zaman serisi analizinde, bir stokastik sürecin zayıf durağan (kovaryans durağan) olarak ni… — KPSS İstatistik

Zaman serisi analizinde, bir stokastik sürecin zayıf durağan (kovaryans durağan) olarak nitelendirilmesi için gereken temel istatistiksel özellikler ve modellerin durağanlık kısıtları ile ilgili aşağıdakilerden hangisi doğrudur?

Sürecin birinci ve ikinci momentleri zamandan bağımsız olarak sabit kalmalı, otokovaryans fonksiyonu ise yalnızca gözlemler arasındaki zaman farkına (gecikmeye) dayanmalıdır.Cevap
B
Bir sürecin zayıf durağan olması, sürecin tüm derecelerden momentlerinin ve ortak olasılık dağılımının zaman boyunca değişmez kalması anlamına gelir.
C
$Y_t = \phi Y_{t-1} + \epsilon_t$ şeklinde ifade edilen bir AR(1) süreci için $|\phi| < 1$ olması, sürecin tersinirlik (invertibility) özelliğine sahip olduğunu gösterir.
D
Hareketli ortalama (MA) modellerinin durağanlık özelliğini kazanabilmesi için model katsayılarının mutlak değerce 1'den küçük olması temel şarttır.
E
Zayıf durağan bir süreçte varyansın zaman ( $t$ ) ilerledikçe doğrusal bir artış göstermesi ve serinin birim kök (unit root) içermesi beklenir.

Cevap

Sürecin birinci ve ikinci momentleri (ortalama ve varyans) sabit olmalı, otokovaryans ise yalnızca gecikme miktarına bağlı olmalıdır.

Doğru seçenek, zayıf durağanlık için literatürde kabul edilen üç temel teknik şartı (sabit ortalama, sabit varyans ve yalnızca gecikmeye bağlı otokovaryans) eksiksiz ve doğru bir şekilde ifade etmektedir. Bu koşullar sağlandığında, serinin istatistiksel yapısı zaman boyunca değişmez kalır.

Adım Adım Çözüm

Zayıf durağanlık (kovaryans durağanlık) tanımını hatırla.

Bir sürecin zayıf durağan olması için şu üç şartın sağlanması gerekir: 1)

E[Y_t] = \mu

(sabit ortalama), 2)

Var(Y_t) = \sigma^2

(sabit varyans), 3)

Cov(Y_t, Y_{t-k}) = \gamma_k

(zamandan bağımsız otokovaryans).

Durağanlık tanımı bu üç temel istatistiksel özelliğe dayanır.

Kesin durağanlık ile zayıf durağanlık arasındaki farkı analiz et.

Kesin durağanlıkta serinin tüm momentleri ve ortak dağılımı zamanla değişmez; zayıf durağanlıkta ise sadece ilk iki moment (ortalama ve varyans) için bu şart aranır.

İki kavramın karıştırılmaması sorunun doğru çözümü için kritiktir.

AR ve MA modellerindeki parametre kısıtlarını değerlendir.

AR(1) modellerinde durağanlık için

|\phi| < 1

şartı vardır. MA modelleri ise yapıları gereği her zaman durağandır; katsayı kısıtı tersinirlik (invertibility) için kullanılır.

Modele özgü parametre kısıtlarını bilmek, çeldiricileri elemede yardımcı olur.

Anahtar Kavram

Zayıf durağanlık (kovaryans durağanlık) koşulları

Tahmini Süre:1m 30s

Soru

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Konular

Bu konudan daha fazla soru