Curs 5 Semnale stationare si nestationare.

Testul unit root

Seriile de timp stationare intuitiv inseamna medie si deviatie standard constante in timp. In aplicatii insa intalnim de obicei marimi nemarginite ca domeniu de variatie. Le numim serii de timp / semnale nestationare. Aceste semnale nu pot fi aproximate decat eventual cu ajutorul unui trend liniar. De aceea ele trebuie diferentiate de cate ori este nevoie pentru a obtine serii stationare, a caror variatie si predictibilitate caracterizeaza sursa de semnal. Referitor la predictibilitate, identificarea si caracterizarea comportamentului unei surse de semnal se reduce la determinarea unui spatiu de probabilitate si a naturii acestuia. Prezentam in acest curs notiunile de semnal stationar si nestationar alaturi de testul Dickey-Fuller de tip unit root pentru testarea naturii stationare sau nestationare a unui semnal.

1. Stationaritate si nestationaritate
Aceste doua notiuni au in mintea multora o semnificatie vaga si de cele mai multe ori sunt folosite impropriu. In acest curs vom da definitii exacte asupra acestor concepte si vom prezenta testul unit root (Dicke !"uller# de determinare a stationaritatii unui semnal. $ sa incepem insa cu ceva care de o%icei sperie studentii. Definitie: $ -algebra peste o multime & este o colectie de su%multimi ale lui & care este inc'isa su% operatiile de complementare si reuniune numara%ila( )# *# Daca A atunci si &+A . ,# Daca A)- A*- A,-. este o secventa numara%ila de su%multimi din - atunci A) A* A, -.... /xemplu( &01a-%-c-d2. Atunci 0 1- 1a %3- 1c d2- 1a % c-d2 2 este o !alge%ra. 4ultimea partilor unei multimi este tot o !alge%ra. 5erec'ea (&- # pentru care este o !alge%ra a lui & se numeste spatiu masurabil- adica se poate defini o masura peste care ataseaza un numar real pozitiv numit masura oricarei multimi din !alge%ra . De ce -algebre 6 5ro%a%ilitatile de evolutie ale unei surse de semnal se definesc de o%icei pe secvente de stari sau pe

multimi integra%ile 7e%esgue in spatiul starilor. 8otiunea de algebra sta la %aza notiunii de camp de pro%a%ilitate care descrie universul de evolutie al sursei. Cel mai 9rau: caz care se poate intampla atunci cand analizam sursa unui semnal- este ca ea sa ai%a un comportament pro%a%ilistic- adica sa nu stim ce va emite la momentul urmator de timp decat dupa o anumita distri%utie de pro%a%ilitate. Aceasta distri%utie de pro%a%ilitate se poate defini nu doar peste starea curenta a sistemului. In cel mai 9rau: caz sursa de semnal are si 9memorie: de capacitate 8- iar iesirea ei depinde de intrarile cat si de iesirile inregistrate anterior pana la maxim 8!) pasi in trecut. Distri%utia iesirii unei astfel de sursa de semnal este deci definita peste un spatiu & x ; de dimensiune 8<) (& spatiul starilor 8!dimensional- ; domeniul de variatie al iesirii#. Intr!un caz 9intermediar: sursa de semnal nu are memorie (iesirea depinde doar de o intrare numar real# insa iesirea sa este data tot de o distri%utie de pro%a%ilitate- nefiind exacta pentru toate intrarile posi%ile. 5resupunand ca iesirea sursei este numar real- atunci ea tre%uie definita peste ; x ; (spatiul intrarilor x spatiul iesirilor# care este de dimensiune *. In cazul cel mai 9fericit:- sursa are o intrare reala si iesirea este exacta pentru fiecare intrare posi%ila. Atunci spunem ca sistemul este fara memorie si determinist. In acest caz distri%utia de pro%a%ilitate este 9crisp:- adica pro%a%ilitatea ca iesirea sa ai%a o valoare data la orice moment este )- = altfel.

5entru a cuprinde atat cazurile 9rau:- 9intermediar: si 9fericit:o%iectul matematic care poate descrie iesirea sursei indiferent de natura ei se numeste spatiu de probabilitate. Spatiile de pro%a%ilitate sunt definite peste -algebra unei multimi. De ce6 5entru ca fiecare element tre%uie sa ai%a masura. Sa nu uitam ca pro%a%ilitatile sunt de o%icei integrale ale unei densitati de pro%a%ilitate- iar integrala exista doar peste multimi cu masura- adica peste elemente ale unei -algebre. Sau, urmand exemplele anterioare ( )# Cazul 9rau: avem nevoie de -algebra pentru ca in cazul 9rau: iesirea depinde de secvente finite de stari. $ secventa de stari apartine unei -algebre . In exemplul dat ea este o multime finita- numara%ila si are dimensiune =. Dar mai pot fi cazuri cand iesirea sursei este ) pentru un mic cu% din ;8 si = in rest- caz in care cu%ul apartine tot unei -algebre (numita -algebra multimilor integrabile Lesbegue) pentru ca are masura si putem integra densitatea de pro%a%ilitate si peste cub pentru a forma distri%utia de pro%a%ilitate peste ;8 x 1=-)2. In celelalte cazuri iesirea depinde doar de o singura stare- care fiind multime cu un singur element apartine unei -algebre

8otiunea de -algebra in existenta unui spatiu de pro%a%ilitate permite descrierea regulii de functionare a unei surse de semnal si este cuprinzatoare pentru orice dependenta

am avea la iesirea sursei fata de intrarile si>sau iesirile trecute. algebra este cea care generalizeaza notiunea de dependenta a iesirii de 9ceva:( de numere (o singura intrare reala#- de vectori de intrare- de secvente de intrare 8!dimensionale (sistemul cu memorie din primul exemplu# si in general peste orice multime 7e%esgue integra%ila. Spatiul de probabilitate ataseaza pro%a%ilitati iesirii unei surse de semnal in functie de orice element al unei -algebre: numarsecventa- cu%- cur%a- in general orice multime integra%ila 7e%esgue. Asadar de acum incolo cand discutam de identificarea comportamentului unei surse de semnal si nu stim nimic despre aceasta- vom lucra la nivel intuitiv cu -algebra multimilor integrabile Lebesgue peste Rn, unde n 0 numarul intrarilor sursei < ) iesirea ei. Asadar- -algebra Impreuna cu spatiul de probabilitate acopera toate tipurile de comportament al unei surse de semnal. ;evenind la situatiile 9intermediar: si 9rau:- in care iesirea unei surse de semnal urmeaza o distri%utie de pro%a%ilitate (care nu este 9crisp:( = si ) peste o multime# - spunem ca procesul de generare a semnalului de catre sursa este un proces sto'astic pro%a%ilistic- spre deose%ire de cazul 9fericit: in care spunem ca procesul de generare a semnalului este sto'astic determinist. De retinut ca procesele sto'astice includ( a# procesele de generare a semnalelor de la surse deterministe (predicti%ile#

%# generatoarele de zgomot (impredicti%ile# si c# procese naturale predicti%ile intr!o anumita masura Cu aceste notiuni fundamentale- in analiza si intelegerea oricarei surse de semnal introducem notiunile de serie de timp (semnal# stationara si nestationara.

Definitie: $ serie de timp se numeste stationara daca variatia sa ca proces sto'astic nu este afectata de un increment constant in parametrul timp. .. adica daca iesirea ?n3 sau (t# a sursei generatoare de semnal nu depinde de nici un parametru de tip n sau respectiv t- ;. In contrast- Definitie: $ serie de timp se numeste nestationara daca proprietatile sale statistice depind de timp. /xemplu de serii nestationara( a# Temperaturile inregistrate la o statie meteo reprezinta o serie de masuratori compuse din( Temperatura reala /roare de masurare cu deviatie standard si medie zero 4edia valorilor inregistrate in timp de catre statia meteo reprezinta o marime varia%ila in timp- in functie de cat variaza in realitate temperatura.

%# 5retul valutelor- si pretul in general sunt serii nestationare. In acest exemplu( verde pretul nestationar- gal%en( media flotanta- al%astru( diferenta de pret de la o zi la alta ! stationara (dail return#

"igura )( 5retul /@;>@S A ! serie de timp nestationara- si seria variatiilor zilnice (dail returns# ;eturns?n305rice?n3!5rice?n!)3 serie stationara

8$TA( /volutia seriilor de timp nestationare nu poate fi estimata dincolo de o regresie liniara decat pe portiuni si decat pe termen scurt- si doar daca distri%utia de pro%a%ilitate a sursei generatoare de semnal are o variatie lenta in timp. 5rezentam in continuare testul unit root Dicke !"uller pentru investigarea naturii stationare sau nestationare a unei serii de timp.

estul unit root Dic!e" #uller

In spiritul o%servatiei anterioare- cele mai uzuale aproximari ale seriilor nestationare sunt modelele liniare auto!regresive (A;#. @n model auto!regresiv de ordin p- notat A;(p# este(

()# unde )- *-,-. p sunt parametrii modelului si este zgomot al% (spectrul de frecvente uniform- DT"T 0 constanta# Consideram asadar un model A;()# simplu pentru sursa generatoare de semnal(

?n3 0 a ?n!)3< n

(*#

unde a este o constanta si un proces sto'astic de medie =. Introducem operatorul 9diferenta inapoi:( ?n3 0 ?n3! ?n!)3. Avem( ?n30 (a!)# ?n!)3 < n ?n3 0 ?n!)3 <n

(,# - sau (B#

Dic!e"-#uller test )( Daca C= atunci spunem ca seria de timp nu are unit root si este stationara. Altfel seria este nestationara. 4ai exact( - Daca 0 = atunci spunem ca se satisface ipote$a null si ( ?n3 0 ?n!)3< n si seria se numeste random walk nestationara

- Daca D= atunci seria de timp este doar nestationara.

Dic!e"-#uller test * ! @nit root cu drift( 5resupunem ca avem un drift constant in variatia lui ?n3 (adaugam a= in ecuatia (,##( ?n3 0 a= < ?n!)3 <n

(5#

Testul * testeaza existenta unui unit root cu drift. - Daca 0= spunem ca seria de timp este random Ealk cu drift a= . - Daca C= seria este stationara cu drift - Daca D= seria este nestationara cu drift Dic!e" #uller test %: Testul , verifica ipoteza ca sursa sa emita un semnal cu o componenta de tip trend determinist. Astfel ipoteza este ( ?n3 0 a ?n!)3 < % n < a= < n

(F#

Componenta %Gn este componenta de trend pentru semnale discrete- sau %t componenta trend pentru semnale continue. Aplicand operatorul 9diferenta inapoi: avem( ?n3 0 a= < ?n!)3 <%Gn < n Dupa estimarea parametrilor- daca %=( - Daca C= atunci seria de timp se numeste trend-stationarasi pentru a o%tine o serie de timp stationara tre%uie scazut termenul %Gn- operatie numita detrending.

- Daca 0= atunci seria de timp se numeste random &al! cu trend- este nestationara si are unit root. 5rintr!un eventual detrending nu o%tinem decat un random Ealk- deci operatia nu intereseaza decat in cazul C=. - Daca D= atunci seria de timp se numeste nestationara cu trend.

De ce este util testul Dicke !"uller6

Analiza "ourier pe semnale nestationare nu este utila

5roprietati interesante ale semnalelor se determina pe semnale stationare. Aplicam de cate ori este nevoie cf. testului D" si eliminam driftul sau trendul pana cand semnalul devine stationar fara trend si fara drift.

'nexa )# @n camp de probabilitate este un triplet (&- -5#- unde & e o multime- este o !alge%ra peste & si 5 este o functie care asociaza oricarei multimi A din un numar real pozitiv mai mare sau egal cu = numit pro%a%ilitate. Cea mai simpla si intuitiva Hustificare a faptului ca un camp de pro%a%ilitate este definit peste o !alge%ra se regaseste in urmatoarele argumente( a# Daca A atunci &+A (cerinta ca !alge%ra sa fie inc'isa su% operatia de complementare#- pentru ca mereu sa ai%a loc relatia 5(A# < 5(&+A# 0 ) %# Daca A)- A*- A,-. sunt multimi disHuncte- atunci( 5(A) A* A, -....# 0 5(A)# < 5(A*#<... () )um se construieste * + Daca STAT/ e domeniul semnalelor care definesc starea sursei la un moment de timp si $@T5@T este domeniul de variatie a iesirii sursei de semnal- atunci & 0 STAT/ x $@T5@T