I.

Serii de timp (serii cronologice, serii dinamice)

(note de curs)
Zgomotul alb
mersul la ntmplare
procese medie mobil (MA(q))
procese autoregresive (AR(p))
procese mixate (ARMA(p,q))
seria integrat (ARIMA(p,n,q), ARIMA(p,d,q))
serii cointegrate, procese AR!", #AR!".
$eria cronologic repre%int un set sistemati%at de valori ale unei varibile msurate la
momente sau intervale de timp egale &i successive. $eria cronologic este numit &i serie
dinamic sau serie de timp. 'in punct de vedere matematic, seria de timp este o reali%are
a unui proces stocastic
{ }
t t
X
unde
t
Z sau unei mul(imi din Z, iar spa(iul strilor
procesului (adic
( ) { } ,
t
X
) este mul(imea R sau o submul(ime a sa.
Exemple de serii cronologice )
*). !i+ra de a+aceri anual a unei +irme de,a lungul unui deceniu.
-). .umrul &omerilor nregistra(i trimestrial n timpul unei guvernri de patru ani.
/). .umrul poli(elor nc0eiate de o societate de asigurri n +iecare trimestru dintr,o
perioad de 1 ani.
2). 3ncasrile %ilnice ale unui supermar4et pe o perioad de o lun.
1). .umrul de transporturi e+ectuate n +iecare trimestru din ultimii / ani de ctre o
+irm de transporturi auto interna(ionale.
Anali%a seriei de timp, identi+icarea, evaluarea &i separarea componentelor o+er
in+orma(ii privind )
i) trendul, adic existen(a unui sens evolutiv dominant, care se mani+est ndeosebi n
condi(ii de normalitate ale des+&urrii procesului5
ii) apari(ia unor oscila(ii periodice sistematice, cu &anse mari de a se repeta &i n viitor,
att ca sens ct &i ca amploare5
iii) aspectul previ%ibil al evolu(iei unor procese, ca rspuns la unele abateri din trecut5
iv) identi+icarea +actorilor neesen(iali, permi(nd eventuala eliminare a lor5
v) caracterul iner(ial al des+&urrii unor procese.
6 prim clasi+icare a seriilor de timp este dat de mpr(irea lor n serii sta(ionare &i
serii nesta(ionare.
Seria staionar este seria ale crei valori oscilea% n 7urul unui nivel de re+erin( (de
ec0ilibru). 8om nota cu t
x
valoarea de la momentul t &i cu t
X
variabila aleatoare de la
momentul t a crei reali%are este t
x
. 3n limba7 matematic, seria este sta(ionar dac
procesul stocastic
{ }
t t
X
este sta(ionar, adic are media &i dispersia constante, iar
covarian(a variabilelor din proces depinde numai de distan(a dintre momentele de timp la
care sunt nregistrate. A&adar, avem )
( ) ( )
- -
,
t t
X D m X M &i
( ) ( ) t k X X Cov
k t t

+
, ,
.
Anali%e mai amnun(ite disting o sta(ionaritate slab &i o sta(ionaritate strict. 9rocesul
stocastic
{ }
T t t
X

este complet caracteri%at dac pentru orice ntreg * n &i orice
*
mul(ime de indici distinc(i n
t t t ,..., ,
- * este cunoscut +unc(ia de reparti(ie
( ) ( ). ,..., , ,..., ,
- * - * ...
- * - *
n t t t n t t t
x X x X x X P x x x F
n n

Definiia *. 9rocesul stocastic
{ }
t t
X
este strict staionar dac
( ) ( ) : , ,..., ,...,
* ,..., * ,...,
* *
>
+ +
h x x F x x F
n t t n h t h t
n n
&i pentru orice mul(ime +init de
indici
. ,..., ,
- * n
t t t
Definiia -. 9rocesul stocastic
{ }
t t
X
este sla staionar (sau, mai simplu spus, staionar)
dac momentele sale de ordin unu &i doi sunt +inite,
( ) t m X M
t
,
&i
( ) ( )
h s s h t t
X X Cov X X Cov
+ +
, ,
pentru orice t,s &i h (deci, covarian(a este +unc(ie
numai de distan(a dintre variabile). 9entru sta(ionaritatea slab se mai +olosesc &i
sintagmele ) ;sta(ionar de ordinul doi<, ;sta(ionar n covarian(< sau ;sta(ionar n sens
larg<.
6bserva(ie ) 'ac
{ }
T t t
X

este o serie de timp strict sta(ionar cu ( ) <
-
t
X M (adic
momentele de ordin doi sunt +inite), atunci dispersia lui t
X
este o constant pentru to(i t.
'e asemenea, un proces stocastic strict sta(ionar cu primele dou momente +inite este &i
slab sta(ionar. 3n economie ma7oritatea seriilor cronologice privind pre(urile, masa
monetar, consumul etc. nu sunt sta(ionare, sunt nesta(ionare, deoarece pre%int tendin(e
de cre&tere sau de scdere n timp (media lui t
X
depinde de momentul t).
3n raport cu modalitatea n care se elimin tendin(a din seria de date avem )
*). $erii nesta(ionare =$9 (;trend stationar> processes<) sunt serii care prin ndeprtarea
tendin(ei sunt trans+ormate n serii sta(ionare. .otnd cu t
x?
tendin(a &i cu
t t t
x x x ?
@

re%ult c seria { }
t t
x
@
este sta(ionar.
-). $erii nesta(ionare '$9 (;di++erence stationar> processes<) sunt serii care se
trans+orm n serii sta(ionare prin calculul di+eren(elor de ordinul nti
*
@

t t t t
! ! ! ! sau de ordinul doi .
*
- @

t t t t
x x x x 9rin aceste di+eren(e
se elimin &i trendul. Avident, se pot de+ini di+eren(e &i de alt ordin, inclusiv +rac(ionar. 6
modalitate pentru a stabili dac o serie este de tip =$9 sau '$9 este dat de testul
'ic4e>,uller. 9entru aceasta se pleac de la un model de +orma
t t t
x t a a x + + +
* * : , unde * :
, a a
&i sunt parametri iar t

este o variabil
aleatoare de medie %ero &i dispersie :
-
>

,
. ,..., - , * n t
'ac :
*
a &i * atunci
seria este de tip '$9. 'ac :
*
a &i
* <
, atunci seria este de tip =$9. Avident :
*
a
&i * implic t t t t
a x x x +
: * care este un proces sta(ionr oscilnd aleatoriu
n 7urul lui
.
:
a
Autocovarian(e &i autocorela(ii
iind dat o serie de timp sta(ionar,
{ }
t t
X
, numrul
( ) ( )
k t t
X X Cov k
+
,
este numit a
k autocovarian(, iar &irul
( ) { }
k
k
v%ut ca o +unc(ie de+init pe Z, este numit f"ncia de
a"tocovarian# a lui
{ }
t t
X
. 9entru
( ) : : >
de+inim
( )
( )
( ) :

k
k
numit a k autocorela(ie
a lui
{ }
t t
X
, se mai notea%
( )
k t t
X X Corr
+
,
. Avident
( ) * :
&i
( ) . , * k k
Birul
-
( ) { }
k
k
v%ut ca +unc(ie de+init pe Z este numit f"ncia de a"tocorelaie a lui
{ }
t t
X
.
Aste mai convenabil de lucrat cu autocorela(iile deoarece ele sunt invariante la scal.
$ considerm
{ }
Z t t
X
un proces stocastic sta(ionar. 9entru +unc(ia autocorela(ie avem
urmtoarele propriet(i.
9.*. unc(ia de autocorela(ie este par n raport cu lag,ul, adic avem

( ) ( ) . , k k k
Demonstaie.
{ }
t t
X
sta(ionar implic
( ) ( ) ( )
+ t k t k t t
X X Cov X X Cov k , ,

( ) ( ) k X X Cov
k t t

,
, re%ult
( )
( )
( )
( )
( )
( ) k
k k
k

: :
9.-.
( ) * k
Demonstraie. Avem
( )
- * - *
, , : +
+k t t
X X $ar
. Re%ult
( ) ( ) ( )
( ) : -
, -
- *
- -
-
- -
*
- *
-
-
-
*
+ +
+ +
+ +
k
X X Cov X $ar X $ar
k t t k t t


Cund *
- *
ob(inem ( ) : - -
-
+ k , ( )
-
k &i
( )
( )
( )
( )
*
:
-
-
-

k k
k
Cund *
*
&i *
-
ob(inem ( ) : - -
-
k , ( )
-
k ,
( )
( )
( )

:

k
k

( )
*
-
-
-

k
. A&adar
( ) * * k
.
Metode de extragere a trendului
*). Metoda mediilor par(iale const n urmtorii pa&i )
9asul* ) $e separ datele seriei n dou grupe ) una in+erioar &i alta superioar.
9asul - ) $e calculea% media aritmetic a +iecrei grupe.
9asul / ) $e determin mediana momentelor de timp ale +iecrei grupe. Aceasta
repre%int momentul de timp corespun%tor mediei aritmetice. 9entru +iecare
grup, se repre%int gra+ic punctul de ordonat media aritmetic &i de abscis
momentul de timp corespun%tor.
9asul 2 ) 'reapta determinat de cele dou puncte, repre%entate gra+ic, constituie
trendul cerut.
Axemplul *. .umrul contractelor de asigurare nc0eiate de o societate de asigurri n
primele *: luni ale anului -::. este dat n tabelul )
Ianuarie ebruarie Martie Aprilie Mai
-::: -2:: -D:: -1:: -/::
Iunie Iulie August $eptembrie 6ctombrie
-E:: /::: /1:: /-:: /2::
Ftili%nd metoda mediilor par(iale, s se extrag trendul.
%ol"ie& 9rimele 1 luni +ormea% grupa in+erioar avnd media -/D:
*
! cu momentul
de timp corespun%tor luna martie. !elelalte luni +ormea% grupa superioar avnd media
/*E:
-
! cu momentul luna august.
-. Metoda mediilor mobile const n calcularea mediei aritmetice a +iecrui subset de q
/
valori consecutive ale seriei date. Mrimea q este denumit perioada mediilor mobile.
ormarea unui nou subset presupune scoaterea primei valori din subsetul anterior,
pstrarea celorlalte q,* valori &i introducerea n subset a urmtoarei valori din &irul
valorilor seriei date. Mediile mobile calculate repre%int c0iar componentele (valorile)
trendului seriei cronologice date.
Ca stabilirea perioadei mediilor mobile trebuie avut n vedere necesitatea ca aceasta s
coincid cu lungimea ciclului natural al seriei. 'e exemplu, la determinarea trendului
numrului de &omeri nregistra(i trimestrial de,a lungul mai multor ani, perioada mediilor
mobile va +i 25 la determinarea trendului ncasrilor %ilnice ale unui supermar4et,
nregistrate de,a lungul mai multor luni, perioada mediilor mobile va +i G.
3n ca%ul exemplului de la punctul *, mediile mobile de perioad 1 sunt )
t
x -::: -2:: -D:: -1:: -/:: -E:: /::: /1:: /-:: /2::
=otaluri
mobile
**E:
:
*-D:
:
*/-:
:
*2*:
:
*2E:
:
*1H:
:
Medii
mobile
-/D: -1-: -D2: -E-: -HD: /*E:
3n ca%ul n care mediile mobile sunt +olosite pentru repre%entarea gra+ic a trendului
&i se vrea repre%entarea valorilor acestuia n anumite momente de timp, exist o
metod de centrare a mediilor mobile, metod care necesit calculul mediilor
aritmetice pentru perec0ile succesive de medii mobile.
Modele de serii de timp
*. Modelul aditiv al seriilor de timp
' % T ( + +
unde ) ( este valoarea cunoscut a seriei de timp,
T este componenta trend,
% este componenta se%onier,
' este componenta re%idual.
-. Modelul multiplicativ al seriilor de timp
' % T (
unde ) (, T, %, ' au semni+ica(ia de mai sus.
/. Zgomotul alb
6 serie de timp
{ }
t t
X
+ormat din variabile aleatoare necorelate, cu media %ero &i
dispersia :
-
> , se nume&te )gomot al. Avident, ea este sta(ionar, avnd +unc(ia de
2
autocovarian( ( )

'

rest in , :
: ,
-
k
k

,
&i +unc(ia de autocorela(ie
( )

'

rest in , :
: , * k
k
$e notea% ( )
-
, : *+ (I0ite .oise), deci { } ( )
-
, : J *+ X
t
. Zgomotul alb mai este
denumit &i proces p"r aleator. 'ac elementele lui
{ }
t
X
sunt i.i.d. (independente &i
identic reparti%ate), atunci seria de timp este strict sta(ionar (se mai scrie
{ } ( )
-
, : J ,,D X
t
). !nd t
X
,urile au reparti(ia normal, spunem c %gomotul alb
este gaussian. 3n ca%ul unui %gomot alb gaussian cele dou de+ini(ii privind
sta(ionaritatea coincid, deci seria este att sta(ionar ct &i strict sta(ionar. Fn proces
{ }
t
X
este un %gomot alb cu media m dac { } ( )
-
, : J *+ m X
t
. !u %gomotul alb se
pot construi multe modele de serii de timp.
Axemplu ) $eria de timp
{ }
t
-
unde
*

t t t
. . -
, : &i { } ( )
-
, : J *+ .
t

este numit medie moil# de ordin"l /nt0i 1ordin "n"2& $e notea%
{ } ( ) * J M3 -
t
.
Aceast serie de timp este sta(ionar pentru orice , are media :, +unc(ia de
autocovarian( ( )
( )

'

t
+

rest in , :
* ,
: , *
-
- -
k
k
k

&i +unc(ia autocorela(ie ( )

'

t
+

rest in , :
* ,
*
: , *
-
k
k
k

Avident
( )
-
*
*
. 9rocesul M3(*) este cel mai simplu exemplu de filtr" liniar.
2. Mersul aleator (random Kal4)
$e consider
{ }
t
X
un proces discret pur aleator (adic
t
Z &i variabilele aleatoare
t
X
sunt independente &i identic reparti%ate) cu media m &i dispersia
-
X
. 9rocesul
{ }
t
-
unde
t t t
X - - +
*
se nume&te mers aleator. 3n mod obi&nuit procesul este
pornit de la %ero cnd : t , ast+el c
* *
X - &i

t
i
i t
X -
*
. Avem )
( ) ( ) m t m X E - E
t
i
t
i
i t


* *
&i
( ) ( )
-
*
-
*
X
t
i
X
t
i
i t
t X $ar - $ar



6bserva(ie ) !um media &i dispersia depind de t, mersul aleator este nesta(ionar.
=otu&i, este interesant c di+eren(ele de ordinul nti ale mersului aleator dau un
1
proces pur aleator care este sta(ionar, deci
{ }
t
X
unde
*

t t t
- - X
este sta(ionar.
!ele mai cunoscute exemple de serii de timp care se comport +oarte mult ca mersul
aleator (la ntmplare) sunt pre(urile ac(iunilor (s0are prices). 3n acest ca% un model
care corespunde datelor este ) Pre"l aci"nii /n )i"a t L pre"l aci"nii /n )i"a (t4*) M
o eroare aleatoare.
1. 9rocese medie mobil
$e consider
{ }
t
-
un %gomot alb (sau, mai restrictiv, un proces pur aleator, pentru
c n locul necorelrii se consider independen(a) cu media %ero &i dispersia
-
-
.
9rocesul
{ }
t
X
, unde
( ) * . 1
* * : q t q t t t
- - - X

+ + +
,
i q
, : , :
:

,urile sunt constante, se nume&te proces medie moil# de ordin q
(abreviat M3(q)).3n mod u%ual -,urile sunt scalate, ast+el c
*
:

. 9lasndu,ne n
ipote%a mai restrictiv (
t
-
,urile independente), ob(inem )
( ) :
t
X E
&i
( )

q
i
i - t
X $ar
:
- -
. Avem )
( ) ( )
+k t t
X X Cov k ,

( ) + + + + + +
+ + + q k t q k t k t q t q t t
- - - - - - Cov
* * : * * :
,

'

<


>

+
q k
q k
q k
q k
k q
i
k i i -
k q
i
k i i -
, :
, , - , * ,
, , * , : ,
, :
:
-
:
-

!um
( ) k
nu depinde de t &i media este constant, re%ult c procesul
{ }
t
X
este slab
sta(ionar (alt+el %is, sta(ionar de ordinul doi) pentru toate valorile lui
{ }
i

. Mai mult,
cnd t
-
,urile sunt reparti%ate normal, atunci &i t
X
,urile sunt reparti%ate normal.
'eci, procesul este complet determinat de medie &i +unc(ia autocovarian(. unc(ia de
autocorela(ie a procesului M3(q) este
( )

'

t t t

,
_

,
_

> <

+
q k
q k q k
k
k
q
i
i
k q
i
k i i
, , - , *
sau , :
: , *
:
-
:

D
3n particular, procesul M3(*) cu
*
:

are +unc(ia autocorela(ie ( )

'

t
+

rest in :
* ,
*
: pentru *
-
*
*
k
k
k

$ men(ionm c +unc(ia autocorela(ie taie (ntrerupe) la lag,ul q, ceea ce constituie o

trstur a proceselor M3. 9rivitor la condi(iile ca un M3 proces s +ie sta(ionar vom
+ace urmtoarele considera(ii. ie urmtoarele procese M3 de ordinul nti )
*). *
+
t t t
- - X
-).
*
*

+
t t
- X

9rimul proces are +unc(ia autocorela(ie ( )

'

t
+

rest in , :
* ,
*
: , *
-
*
k
k
k

Al doilea proces are +unc(ia autocorela(ie ( )

'

t
+

,
_

rest in :
* ,
*
*
*
*
: , *
- -
-
k
k
k

A&adar, avem
- *
. Ast+el se vede c un M3 proces nu poate +i identi+icat dup
+unc(ia autocorela(ie.
9unnd n cele dou modele t
-
n termeni de
, ,
* t t
X X
, prin substituiri
succesive ob(inem ) A).
( )
- * * t t t t t t
- X X - X -

+ +
/
/
-
-
* t t t t
X X X X
N).
+
,
_

-
-
* - * *
* * * * *
t t t t t t t t t
X X X - X X - X -


'ac
* <
, atunci seria de la A este convergent iar seria de la N este divergent.
Ast+el, o procedur de estimare care implic estimarea re%iduurilor, duce n mod
natural la modelul A, care se %ice c este invertibil (n acest ca% modelul N nu este
invertibil). !ondi(ia de invertibilitate ne asigur unicitatea procesului M3 pentru o
+unc(ie autocorela(ie dat. Aceast condi(ie pentru un proces M3 de ordin general este
exprimat cel mai bine +olosind operatorul de sc0imbare (mutare, dare) napoi, notat
cu N, care este de+init prin
5 X X 6
5 t t
5

. Ast+el, ecua(ia (1.*) se va scrie
G
( ) ( )
t t
q
q t
- 6 - 6 6 6 X + + + +
-
- * :
, unde
( ) 6
este un polinom de
ordin q n 6. Fn M3 proces de ordin q este invertibil dac toate rdcinile ecua(iei
( ) ( ) - . 1 :
-
- * :
+ + + +
q
q
6 6 6 6
se a+l n a+ara cercului unitate. 'e notat c n ecua(ia (1.-) 6 este v%ut ca o variabil
complex &i nu ca un operator. 'e asemenea, se poate aduga n (1.*) o constant
arbitrar m n membrul drept, ceea ce d un proces de medie m. !um aceasta nu
sc0imb +unc(ia autocorela(ie pentru simpli+icare va +i omis.
9rivitor la +ormali%area matematic, se nume&te proces medie moil# finit# procesul
stocastic
{ t X
t
5
ZO, unde

M - X
M
M 5
5 t 5 t
,
N,
5
R,
: , :
M M
&i
t
-
,urile sunt variabile aleatoare necorelate ( )
-
, : , adic
( ) :
t
- E
&i ( )
-

t
- $ar (mai restrictiv, sunt considerate independente). Proces"l
medie moil# infinit#
{ }
t
X
este dat de repre%entarea

5
5 t 5 t
- X
, unde nu
exist un numr natural M ast+el nct 5
5
, : Z cu
. M 5 >
9rocesul de+init
de
,
:

q
5
5 t 5 t
- X
unde
:
:

&i
:
q

se nume&te proces medie moil# c" o

lat"r# de ordin q (mai precis este un proces medie mobil stnga de ordin q, pe scurt
proces medie mobil de ordin q). Aceasta pentru c punnd q t t
-
+

&i q i i


avem

+
+

q
i
i t i
q
i
q i t q i
q 5 i
q
q 5
5 t 5 t
- - X
-
:
-
:

, deci nu se pierde din
generalitate dac se consider numai repre%entarea cu o latur.
Fn proces medie mobil de ordin in+init cu media nenul

, dat de

: i
i t i t
- X
este numit proces liniar general (aceasta pentru c procesele de
acest tip se ob(in trecnd un proces pur aleator printr,un sistem liniar.
!teva cuvinte despre sistemele liniare. $ considerm c sunt date observa(ii
(nregistrri) asupra intrrilor (inputurilor) &i ie&irilor (outputurilor) unui sistem,
notate n ca%ul n care timpul este discret cu
{ } { }
t t
! x ,
&i cu ( ) { } ( ) { } t ! t x , n ca%ul
timpului continuu.
Definiie. ie ( ) ( ) t ! t !
- *
, ie&irile corespun%toare intrrilor ( ) ( ). ,
- *
t x t x $istemul
se nume&te sistem liniar dac &i numai dac orice combina(ie liniar de intrri (s
%icem ( ) ( ) t x t x
- - * *
+ ) produce aceea&i combina(ie liniar de ie&iri, adic
( ) ( ) t ! t !
- - * *
+ ,
- *
, +iind constante.
Definiie& 'ac intrarea
( ) t x
produce ie&irea
( ) t !
, atunci sistemul se %ice c este
invariant /n timp dac o ntr%iere de timp

la intrare produce aceea&i ntr%iere la

ie&ire, adic
( ) t x
produce ie&irea
( ) t !
, alt+el %is rela(ia intrare,ie&ire nu se
sc0imb cu timpul.
a) %isteme liniare /n timp
E
Fn sistem liniar invariant n timp se poate scrie sub +orma

k
k t k t
x h !
pentru
ca%ul timpului discret, sau sub +orma
( ) ( ) ( )

d" " t x " h t !
pentru ca%ul timpului
continuu. unc(ia de ponderare
( ) " h
(pentru timpul continuu) sau
{ }
k
h
(pentru
timpul discret) arat o caracteri%are (descriere) a sistemului n timp &i este cunoscut
sub numele de F,' (unc(ia Impuls Rspuns). Fn exemplu +oarte simplu de sistem
liniar este dat de ;ntr%ierea simpl<, adic d t t
x !

unde ntregul d arat timpul de

ntr%iere. unc(ia sa F,' este )

'

rest in :
pentru * d k
h
k
Alt exemplu de sistem liniar este ;c07tig"l p"r<, adic t t
x c !
unde constanta c
repre%int c&tigul. F,' Pul acestui sistem este )

'

rest in :
: pentru k c
h
k
b). %isteme liniare /n frecven#
6 alt cale de descriere a unui sistem liniar este prin intermediul unei +unc(ii
denumit f"ncia de transfer (F'F P unc(ia Rspuns recven(). Aceasta este
trans+ormata ourier a +unc(iei F,', adic este
( ) ( ) : , >

d" e " h 8
" i
n
ca%ul timpului continuu &i este
( )



k
k i
k
e h 8

, < < : .
3ntrun sistem liniar o intrare exponen(ial complex ( ) t i t e t x
t i

sin cos +

d
o ie&ire
( ) ( ) ( ) t x 8 t !
. 9entru sistemul liniar ;ntr%ierea simpl<,
( ) ( ) t x t !

unde

este o constant, +unc(ia F,' este

( ) ( ) " " h
unde este +unc(ia delta
'irac, adic
( )

'

:
: , :
t
t
t
, ast+el nct
( ) *

dt t
(alt+el %is, pentru orice +unc(ie
( ) t
care este continu n : t , +unc(ia delta 'irac este +unc(ia care veri+ic
( ) ( ) ( ) :

dt t t
. unc(ia de trans+er este dat de
( ) ( )

i " i
e d" e " 8
.
D. Procese a"toregresive
'ac
{ }
t
-
este un proces pur aleator cu media : &i dispersia
-
-
, atunci un proces
{ }
t
X
se %ice c este proces a"toregresiv de ordin p dac
H
) * . D (
- - * * t p t p t t t
- X X X X + + + +


Acest model seamn cu modelul regresiei multiple, dar di+eren(a const n +aptul c
t
X
nu este regresat peste variabile independente ci peste valorile din trecut. $e
utili%ea% abrevierea 3'(p) proces.
9rocese de ordinul nti )
* p
&i
) - . D (
* t t t
- X X +

9rin substitu(ii succesive ob(inem )

( ) + + + + + +
-
-
* * - * t t t t t t t t t
- - - - - X - X X
pentru * * < < . 'eci
{ }
t
X
poate +i exprimat ca un proces medie mobil de ordin
in+init. Ftili%nd operatorul de mutare napoi (ntoarcere) 6, ecua(ia (D.-) se scrie
( )
t t
- X 6 *
, ast+el c ( ) ( ) + + +

t t t
- 6 6 - 6 X
- - *
* *
+ + +
-
-
* t t t
- - -
Re%ult )
( ) :
t
X E
&i ( ) ( ) + + +
2 - -
*
- t
X $ar
Ast+el, dispersia este +init dac
* <
, ca% n care avem ) ( )
-
-
-
*
X
-
t
X $ar

unc(ia autocovarian( este )
( ) ( )
1
1
]
1

,
_

,
_

+ +
5
5 k t
5
i
i t
i
k t t
- - E X X E k

+

:
-
i
i k i
-

pt. : k Aceasta converge n ca%ul
* <
la
( )
-
-
-
*
X
k - k
k

9entru : < k gsim
( ) ( ) k k
.
'eoarece
( ) k
nu depinde de t, un proces 3'(*) este slab sta(ionar dac
* <
.
unc(ia autocorela(ie este )
( )
( )
( )
, - , * , : ,
:
-
-

k
k
k
k
X
X
k

9entru to(i ntregii k avem ( ) , - , * , : , t t k k

k

Mai simplu, +unc(ia autocorela(ie poate +i gsit presupunnd apriori c procesul este
sta(ionar, n care ca%
( ) :
t
X E
. 3nmul(ind ecua(ia (D.-) cu
k t
X

&i lund media
ob(inem ) pentru
( ) ( ) * ) : + > k k k
presupunnd c
( ) :
k t t
- - E

'eoarece
( ) k
este o +unc(ie par, trebuie s avem
( ) ( ) * k k
pentru . : > k
!um
G& Procese mixate 3'M3(p,q)
$unt procese
{ }
t
X
autoregresive de ordin p cu re%iduuri medie mobil de ordin q
care veri+ic rela(ia q t q t t p t p t t
- - - X X X

+ + + + + +
* * * * , unde
t
-
,urile sunt re%iduuri medie mobil de ordin q.
E. Procese nestaionare a"toregresive 7i de medie moil# 3',M3(p,n,q)
$unt procese nesta(ionare care n +orma original pre%int tendin( &i prin di+eren(e
de ordin n pot +i aduse la +orma sta(ionar, p +iind ordinul pr(ii autoregresive &i q
ordinul pr(ii medie mobil a modelului.
9entru 3',M3(*,*,-) ecua(ia este )
- - * * * * :
+ + + + +
t t t t t
- - - ! ! !
H. Model"l 3'F,M3 (Autoregressive ractionall> Integrated Movie Average)
Aste o variant a modelului 3',M3(p,d,q) n care d este ordinul di+eren(ei &i este o
*:
+rac(iune din * (:QdQ*). olosind operatorul de di+eren(iere napoi (trimitere n trecut)
6 avem ) ( ) ( ) * : , , : J , *
-
< < d + ) ) ! 6
) t t t
d
, unde
( )
( ) ( ) ( )
+



+
/ -
R /
- *
R -
*
* * 6
d d d
6
d d
6 d 6
d
Ast+el, +orma general a lui 3'F,M3 este ( ) ( ) ( )
t t
d
) 6 ! 6 6 * , unde
6 , ,

au semni+ica(iile )
( )
t t
) ! 6
(modelul 3'(p), adic
t p t p t t
) ! ! ! + + + +


* * : )
( )
t t
) 6 !
(modelul M3(q), adic q t q t t t
) ) ) ! !

+ + + +
* * )
*:. %eria integrat#
$eria integrat este seria de timp nesta(ionar care prin di+eren(ele de ordinul nti
sau doi (adic
*
-
*
,


t t t t t t
! ! ! ! ! ! ) poate +i trans+ormat n serie
sta(ionar.
**. %erii cointegrate
$unt seriile cronologice care +iind integrate de acela&i ordin admit o combina(ie
liniar care este sta(ionar (integrat de ordin %ero) sau este integrat de ordin mai
mic dect ordinul de integrare a seriilor ini(iale.
Exempl"& $eriile
{ } { }
t t
! x ,
au acela&i ordin de integrare &i exist
{ }
t
)
, unde
( )
t t t
x a ! ) +
care este sta(ionar.
*-. Procese 3'C8 (Autoregressive !onditional "eteros4edasticit>)
9rind mpr&tierile inegale (eterosc0edasticitate) ale valorilor re%iduale n timp
(adic o dependen( sub +orma autocorela(iei &i pentru variabilele re%iduale). .R.
Angle a propus ca dispersia erorii s +ie dependent de valorile
* t
!
sau
.
* t
)

Ast+el avem )
-
* * :
-

+
t
t
)
!
sau varianta
- -
* * :
-
p t p t
t
)
) )

+ + +
.
$pre deosebire de modelul 3' n care eroarea t
)
este considerat aleatoare,
reparti%at normal &i cu dispersia constant, iar
( )
* *

t t t
! a ! ! E
(media
condi(ionat este dependent de timp), n versiunea lui Angle dispersia erorii este
dependent de timp (de aici ini(ialele C8 adugate lui 3'). 6 variant simpl a
modelului este )
t t t t
) x ! a ! + +
*
, unde ( )
-
* * :
- -
, , : J

+
t
t
)
t
) t
) + )
6 limitare important a modelelor 3'M3 este dat de +aptul c tratea% prea rigid
varian(a condi(ionat a lui k t
X
+ . !lasa proceselor 3'M3 c" heteroscedasticitate
condiional a"toregresiv# sau 3'M343'C8 procese permite varian(ei condi(ionate a lui
t
X
s depind de istoria procesului. 6 serie de timp cu media %ero,
{ }
t
X
, este un
proces p"r 3'C8(*) dac
{ } ( ) * , : J , ,,D ( ( X
t t t t

, (se scrie
{ }
t
X
J3'C8(*)), unde
t

(volatilitatea stocastic) este un element al procesului stocastic care veri+ic rela(ia

-
*
- -

+
t t
X , cu : &i : > . 'eoarece
( )
-
*
- -
*
-

+
t t t t
X % X E
, un
proces 3'C8(*) pentru
t
X
corespunde unui proces 3'(*) pentru .
-
t
X 'ac * : < ,
atunci procesul 3'C8(*) este sta(ionar &i varian(a sa necondi(ionat este

*
-
-
.
'i+eren(a dintre varian(a condi(ionat &i necondi(ionat este ( )
-
-
*
-
-

t t
X .
Avem ( ) ( ) ( ) ( )
-
-
*
-
-
-
*
-
*

+ t t t t t
% X E % X E
**
Repetnd aceast +ormula ob(inem ( ) ( ) , - , * ,
-
-
*
*
-
*
-


+
+
k X % X E
t
k
t k t

Ast+el, ( )
-
*
-

+ k t k t
% X E .
6 generali%are simpl a procesului pur
( ) * 3'C8
este procesul pur
( ) m 3'C8
, unde
- -
* *
- -
m t m t t
X X

+ + + cu
, * , * , : m 5
5

&i
, : >
m

care corespunde unui

proces
( ) m 3'
pentru .
-
t
X
Definiie& 6 serie de timp
{ }
t
X
este numit proces
( ) ( ) m 3'C8 q p 3'M3 ,
dac
satis+ace rela(ia
( ) ( ) ,
t t
( 6 9 X 6 :

{ } ( ) m 3'C8 (
t
J
unde
( ) 6
&i
( ) 6
sunt
polinoame n lag, operatorul de ordin p &i, respectiv q.
Mai general este un proces avnd heteroscedasticitate generali)at# condiional
a"toregresiv# (;3'C8) de ordin
( ) m r,
, generali%area lui Nollerslev, unde
- -
* *
- -
* *
- -
m t m t r t r t t
X X

+ + + + + + , cu
* , * , : , * , * , : , : , > m 5 r i
5 i m r

. Avem
( ) ( ) m ;3'C8 m 3'C8 , :
.
.otnd
- -
t t t
X $ , atunci un proces ;3'C8
( ) m r,
poate +i scris
r t r t p t p t t
$ $ X X X

+ + +
* *
- -
* *
-
unde
( ) : , , , max +
5 5 5 5
r m p
+or
m 5 >
&i
:
5

pentru
. r 5 >
'eci un proces
( ) m r ;3'C8 ,
pentru
t
X
corespunde unui proces
( ) r p 3'M3 ,
pentru .
-
t
X
Definiie& 6 serie de timp
{ }
t
X
este numit proces
( ) ( ) m r ;3'C8 q p 3'M3 , ,
dac
satis+ace rela(ia
( ) ( ) ,
t t
( 6 9 X 6 :

{ } ( ) m r ;3'C8 (
t
, J
.
9entru exempli+icarea no(iunilor legate de modelele autoregresive, am +cut in+eren(
statistic pentru determinarea coe+icien(ilor prin metoda celor mai mici ptrate pe datele
din rapoartele anuale ale !omisiei de $upraveg0ere a Asigurrilor &i apoi am e+ectuat
predic(iile ( )
- * *
J
,
?

+ + +
t t t t t
X X X X X , valorilor de interes n dou
ca%uri ) nti predic(ia pas cu pas (adic datele din anul anterior sau din anii anteriori sunt
cele raportate de !$A), apoi predic(ia pe termen lung (ca% n care, n predic(ie, se
+olosesc predic(iile anterioare &i nu datele raportate, deci ar +i ca%ul elaborrii unor
progno%e pe termen lung).
Tabel. 1. 8aloarea total a primelor de asigurare brute ncasate din asigurri directe )
An 9rime totale ncasate
(lei noi)
9rime ncasate n
asigurrile de via(
9rime ncasate
asig. generale
*HHG */:2:--:: E:G/H:: *--/-E/::
*HHE -2*2E2::: *HH22G:: --*1/H/::
*HHH 2-G/H/::: 1:1DH::: /GDE-2:::
-::: DG/EEG/:: *:DD1ED:: 1DG--EG::
-::* *::*-2-1:: -**2G//:: GEHGDH-::
-::- *D21HD1D:: 2*21*2::: *-/*21*D::
-::/ -2--1:EE*:.- 1GH::/:*- *E2/1:1GHE.-
-::2 /-*D/H/HG*.1 DH/22/E/D.- -1--H1:*/1./
$ursa ) Rapoartele Anuale ale !$A
Tabelul 2. 9redic(ii pentru primele brute ncasate din asigurrile directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas

t
X
?
9redic(ii pe termen
lung
t
X
?
?
*-
*HHG */:,2:-,-:: ,,, ,,,
*HHE -2*,2E2,::: /**,G-H,:DD.H /**,G-H,:DD.H
*HHH 2-G,/H/,::: 21E,D12,D**.* 11*,1DD,-G/./
-::: DG/,EEG,/:: G:2,11-,1:G.E EDE,GH/,EDD.2
-::* *,::*,-2-,1:: *,:/:,1E1,-HE *,-EE,/E2,:E1
-::- *,D21,HD1,D:: *,2D/,1G*,:EG *,E2/,/DG,*E:
-::/ -,2--,1:E,E*:.- -,/*D,//-,DGD -,1GG,2/*,1D1
-::2 /,-*D,/H/,HG*.1 /,/2/,22H,H// /,12E,/D-,HE:
-::1 2,/E2,HEG,--G
SS
2,/H/,1:1,:-* 2,E/-,1H/,/HH
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise.
Aroarea relativ pentru predic(iile din -::1 este de :.-T n ca%ul pas cu pas &i de -.GT pe
termen lung. 9entru predic(ia ndemni%a(iilor brute pltite de asigurtori pentru
asigurrile directe generale &i de via(, att cumulate ct &i separate, am +olosit dou
modele lineare.
Tabelul 2. $itua(ia pe date de+latate
Anul
9rime brute ncasate
de+latate (X
t
)
9redic(ii

t
X
?
9redic(ii

t
X
J
*HHG */:,2:-,-:: ,,, ,,,
*HHE *G*,G1-,2EH./ *1G,G-H,2G*.G1 ,,,
*HHH *HD,/DE,*E1.E -*:,:E/,1::.-- -:/,H2D,/E-.2*
-::: --:,:1G,EDD.* -2*,-2H,DEG.E- -/D,G:D,///./*
-::* -1:,H-1,/*H.1 -G*,-2/,2/D.GG -DG,DDG,HD:.DD
-::- /1:,*G*,2:* /*:,/-1,:/E.// /:G,DHE,*::./E
-::/ 21*,DEH,*/:.E 2/1,HE*,1-G.2* 2/2,G*1,/HE.HE
-::2 12E,DE1,//2.D 1D2,1*2,*G/.ED 1DG,*D/,:D-.:G
-::1 DEE,GHH,*GE.2 DEG,/--,:DH.21 DH/,HD*,*:2.*:
Aroarea relativ pentru predic(ia din -::1 este de :,-T la modelul de ordinul nti &i de
:,G1T la modelul de ordin doi, iar eroarea relativ total a predic(iilor este de -T la
ambele modele. 9redic(ia pentru -::D este de EG1,-G/,2G2.-/ pentru date de+latate
(1,HH:,:*1,2D2 lei).
Tabelul 3. 9redic(ii pentru ndemni%a(iile (despgubirile) brute pltite
Anul 3ndemni%a(ii
S
(X
t
)
9redic(ii pas cu pas

t
X
?
9redic(ii pas cu pas

t
X
J
*HHG DH,H-1,*:: ,,, ,,,
*HHE *:-,-*-,G:: **2,:--,*/:.H:* ,,,,
*HHH *EH,1EH,H:: *D*,--H,H-2.:HH *H/,2:/,DHD.*H
-::: -2E,HGE,H:: -EE,HE2,/E:.1/H -G/,D::,G*-./G
-::* 2:D,-H/,H:: /G1,E*G,-:E.H/G 2-:,HD1,H/-.:2
-::- D2H,E/-,D:: D:1,E-G,H-2.G*E 1DG,*/E,H*/.E*
-::/ E2-,-DG,H:* HD*,H:D,1D*.-1E EED,-:2,GE-.2D
-::2 *,/**,EGH,::: *,-2/,-DD,GG:.12E *,/:G,1-E,*D2.*/
-::1 *,G1E,G21,1*: *.H-H,EED,1*2.2HE *,GD1,/GG,1-:.E:
S
$ursa ) Rapoartele Anuale ale !$A.
Aroarea relativ a predic(ie
t
X
?
pentru anul -::1 este de H.GT. 'e+inind eroarea relativ
*/
total (AR=) a predic(iilor
t
X
?
ca
( )

t
t
t
t t
X
X X
E'T
-
?
, re%ult c E'T este egal cu
2.-T. Aroarea relativ a predic(iei
t
X
J
pentru anul -::1 este egal cu *.ET.
olosind modelul autoregresiv linear de ordinul nti pentru primele brute ncasate n
contractele directe de asigurri generale (non,li+e) am ob(inut
*
/*-G/ . * 11 . *:/:/21:1

+
t t
X X
cu care am +cut predic(iile din tabelul 2.
Tabelul . 9redic(ii pentru primele brute ncasate din asigurrile generale directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas

t
X
?
9redic(ii pe date
de+latate
*HHG *--,/-E,/:: ,,, ,,,,
*HHE --*,1/H,/:: -D/,D*E,1EH.- *2*,-E2,2DH.E2
*HHH /GD,E-2,::: /H/,E11,EEH.2 *ED,21*,:G:.12
-::: 1DG,--E,G:: 1HG,G:-,E2-.G -:D,2:/,D/2./G
-::* GEH,GDH,-:: E2G,D1-,EEH./ --*,H:1,1G-.*/
-::- *,-/*,21*,D:: *,*/H,GEE,1GE.H -/E,*E*,E-E.E/
-::/ *,E2/,1:1,GHE.- *,G*H,1HE,1*-.2 /-:,-EG,/1:.E-
-::2 -,1--,H1:,*/1./ -,1-/,:D:,DH-./ 2-1,:D/,**-.H1
-::1 /,/2D,HHG,--:
SS
/,2*2,HEG,H1H./ 1/D,*/G,-G/./:
SSS
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise,
SSS
/,2*/,*-*,--2.E- lei.
Aroarea relativ pentru predic(ia din anul -::1 este de -,:/T, iar eroarea relativ total a
predic(iilor este de *,G:HT. 9redic(ia pentru volumul primelor brute ncasate din
asigurrile generale directe n -::D este de 2,2HD,G/H,D11.2- lei. 3n ca%ul datelor
de+latate, eroarea relativ a predic(iei pentru -::1 este de *,HG1T, iar eroarea relativ
total a predic(iilor este de -,-H*T.
3n ca%ul asigurrilor de via( modelul ob(inut este *
*H/::G . * /2 . 1H1GGG22

+
t t
X X
,
iar pentru date de+latate este
*
:G:21 . * */-22 . *-2/::**
?

+
t t
X X
.
Tabelul !. 9redic(ii pentru primele brute ncasate din asigurrile de via( directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas

t
X
?
9redic(ii pe date
de+latate
*HHG E,:G/,H:: ,,, ,,,,
*HHE *H,H22,G:: DH,-:H,HD1.1E -*,:G-,G*D.::
*HHH 1:,1DH,::: E/,/G*,H*D.:2 -G,D*2,GH*.*/
-::: *:D,D1E,D:: **H,H:D,H-G.HD /G,/:*,:GG.2-
-::* -**,2G/,/:: *ED,E--,--G.2: 2H,G*/,:EH.G/
-::- 2*2,1*2,::: /**,EDD,H-2./H DH,*D*,EGH.2*
-::/ 1GH,::/,:*- 112,:H1,H1*.2H *:D,E-E,1E1.1/
-::2 DH/,22/,E/D.- G1:,//-,1/1./- *-G,HH/,G*/./*
-::1 *,:/G,HH:,::G
SS
EED,ED*,-DE.-G */H,:1E,1ED.2:
SSS
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise,
SSS
EE1,-D1,211.E2 lei.
Aroarea relativ total a predic(iilor este de D,12T, eroarea predic(iei pentru -::1 este de
*2,1T (mare, deci modelul linear de ordinul * nu e recomandabil pentru progno%e aici),
iar predic(ia pentru -::D este de *,-HG,H:G,/2G.H- lei. 3n ca%ul datelor de+latate eroarea
*2
relativ a predic(iei pe -::1 este de *2,GT, iar eroarea relativ total a predic(iilor este de
1,12T.
olosind modelul autoregresiv linear de ordinul doi pentru primele brute ncasate n
contractele directe de asigurri generale (non,li+e) am ob(inut
- *
/2DEED . : *-2*:* . * /- . EE-:ED:D

+ +
t t t
X X X
cu care am +cut predic(iile din
tabelul D.
Tabelul ". 9redic(ii pentru primele brute ncasate din asigurrile generale directe

Anu
l
9rime brute
ncasate
S
(X
t
)
9redic(ii

t
X
J
*HH
G
*--,/-E,/:: ,,,
*HH
E
--*,1/H,/:: ,,,
*HH
H
/GD,E-2,::: /GH,DG1,::*.HH
-::
:
1DG,--E,G:: 1EE,D21,1:*.*1
-::
*
GEH,GDH,-:: E1D,121,1G1.21
-::
-
*,-/*,21*,D:: *,*G-,G1-,*2D.*H
-::
/
*,E2/,1:1,GHE.- *,G2D,22/,G*:.GE
-::
2
-,1--,H1:,*/1./ -,1EG,DDG,2HG.H*
-::
1
/,/2D,HHG,--:
SS
/,1D/,G22,**-.-D
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise.
Aroarea relativ pentru predic(ia din anul -::1 este de D,2T, iar eroarea relativ total a
predic(iilor este de -,21T. 9redic(ia pentru volumul primelor brute ncasate n asigurrile
generale directe este de 2,G-1,G21,2/D.DE R6..
olosind modelul autoregresiv linear de ordinul doi pentru ndemni%a(iile brute &i valorile
de rscumprare pltite n contractele directe de asigurri de via( am ob(inut
- *
:*:1H- . : /G*/E/ . : E*D . *22 , 1H/ , 2*

+ +
t t t
X X X
cu care am +cut predic(iile
din tabelul G.
Tabelul #. 9redic(ii pentru ndemni%a(iile brute &i rscumprrile pltite
n asigurrile de via( directe

Anu
l
3ndemni%a(ii brute
pltite
S
(X
t
)
9redic(ii

t
X
J

*HH
G
*,E1E,G:: ,,,
*HH
E
2,:E-,E:: ,,,
*HH *-,:1/,-:: 2/,*-H,**/.2G
*1
H
-::
:
E,/2/,G:: 2D,**-,G2:./G
-::
*
1G,D//,-:: 22,E*H,1*1.:1
-::
-
*2-,H2G,-:: D/,:E1,1:*.G1
-::
/
D-,2HH,:HE H1,-H*,G*D.*2
-::
2
G1,-E:,2G* DD,/*E,-E-.*2
-::
1
HG,/E1,1-* G:,-*-,HEH.21
S
$ursa ) Rapoartele Anuale ale !$A
Aroarea relativ pentru predic(ia din anul -::1 este de -G,HT (mare R), iar eroarea
relativ total a predic(iilor este de --,E*T. 9redic(ia pentru volumul ndemni%a(iilor
brute pltite n asigurrile de via( directe este de GE,11G,E:*.HG R6.. Avident, erorile
mari arat neadecvarea modelului pentru progno%e. Aceast evolu(ie prea sinuoas a
acestor sume se explic n parte &i prin in+luen(a sc0imbrilor din legisla(ie, care au
rencadrat anumite produse la alt categorie de asigurri, &i prin +aptul c evolu(ia
asigurrilor de via( a nregistrat explo%ii &i prbu&iri.

II. R$%R$SII
(note de curs)
=ermenul a +ost introdus de rancis #alton (*E--,*H**) ntr,o lucrare din *EED n care a
studiat legtura dintre nl(imea ta(ilor &i nl(imea +iilor. Al a observat c din prin(i cu
nl(ime mai mare dect media grupului considerat se nasc copii cu nl(ime mai mic
dect a prin(ilor, iar din prin(i cu nl(ime mai mic dect media grupului se nasc copii
cu nl(ime mai mare dect a prin(ilor. 9rin urmare exist o regresie (;ntoarcere<) ctre
valoarea medie. 3n general, este vorba de modelarea rela(iei de dependen( a unei
variabile de una sau mai multe variabile independente, analog n ca%ul dependen(ei unui
+enomen de unul sau mai mul(i +actori. Ca stabilirea ecua(iei de regresie care s
aproxime%e cel mai bine +orma real a dependen(ei cercetate, concur o serie de procedee
statistice. !el mai simplu este repre%entarea gra+ic a distribu(iilor statistice corelate
(corelograma), gra+icul sugerea% uneori +orma legturii. Alte cerin(e pentru un calcul
statistic corect sunt repre%entate de omogenitatea datelor &i de numrul mare de
observa(ii. 3n calcule se operea% cu mrimi medii, iar media va re+lecta mai bine
propriet(ile tipice ale popula(iei cu ct aceasta este mai omogen. !aracterul omogen sau
neomogen al popula(iei repre%entate prin datele statistice se sesi%ea% prin examinarea
diagramei de dispersie a unit(ilor de observare n raport cu valorile variabilelor corelate.
=endin(a punctelor de a se strnge n dou sau mai multe grupuri ori situarea unor puncte
cu mult n a+ara norilor de puncte eviden(ia% eterogenitatea popula(iei. 3n primul ca%,
solu(ia este de a de%membra distribu(iile statistice con+orm grupelor conturate, urmnd s
se re%olve modelul pentru +iecare grup ob(inut. 3n al doilea ca%, solu(ia este dat de
eliminarea din calcule a observa(iilor ;aberante< +a( de masa observa(iilor.
*D
.otnd cu ! variabila dependent de p variabile independente p
x x x , , ,
- *

, legtura
stocastic poate +i redat printr,o rela(ie de +orma
( ) +
p
x x x f ! , , ,
- *

, unde

este
o variabil aleatoare ce repre%int erorile de observa(ie sau de msurare, iar f este o
+unc(ie determinist denumit f"ncia de regresie. $e consider
( ) : M
(operatorul M
desemnea% media, la +el ca &i operatorul E, aici vom +olosi pentru medie doar M).
8om considera +unc(ia de regresie liniar
( )
p p p
x x x x x x f + + +
- - * * - *
, , ,

$e dispune de n seturi de observa(ii )
n i x !
i
p
5
5 i5 i
, * ,
*
+

, unde
( ) , :
i
M

( ) n i D
i
, * ,
- -
&i
( ) : ,
5 i
Cov
pentru orice
5 i
. .otnd cu x matricea
observa(iilor asupra variabilelor independente, cu

coe+icientul de regresie, cu !
vectorul observa(iilor asupra variabilei rspuns (dependente) &i cu

vectorul
re%iduurilor (abaterilor, erorilor), rela(iile se scriu matriceal sub +orma )
+ x !
Astima(ia coe+icientului de regresie se ob(ine prin metoda celor mai mici ptrate, adic

?
este dat de solu(ia problemei )
( ) ( )

x ! x !
t t
n
i
i
min min min
*
-
Reamintim regulile de derivare pentru vectorul gradient )
( ) ( )

t t
,

&i
( )

P P
t
-
$e ob(ine sistemul ecua(iilor normale ) ! x x x
t t
, unde
t
x este transpusa matricei
x. 3n ca%ul rangului complet, adic
n p x rang
, atunci ( ) p x x rang
t
&i exist
inversa ( )
*
x x
t
. 'eci, solu(ia unic a sistemului de ecua(ii normale este )
( ) ! x x x
t t

*
?

3n ca%ul n care variabilele de selec(ie sunt corelate, adic avem ( ) * ! ! Cov

-
, unde
-
este o constant necunoscut &i * este o matrice nesingular cunoscut. Avem ast+el
modelul ) ( ) ( ) , , , ,
-
* ! ! Cov x ! M x ! + unde : det * &i
p x rang
. 3n acest ca%, estima(ia vectorului coe+icien(ilor de regresie se ob(ine prin
metoda celor mai mici ptrate generali%ate, adic re%olvnd problema )
( ) ( )



x ! * x ! *
t t * *
min min
Anulnd gradientul ob(inem ) ( ) ! * x x * x
t t

*
*
*
?

<servaii. *). Astima(ia

?
este nedeplasat, adic ( )
?
M
3ntr,adevr, avem ( ) ( ) ( ) ( )

x * x x * x ! M * x x * x M
t t t t *
*
* *
*
*
?
-). Astima(ia

?
are matricea covarian(elor ) ( ) ( )
*
* -
?
,
?

x * x Cov
t

3ntr,adevr, avem ) ( )

! * x x * x
t t *
*
*
?

( ) ( ) ( ) + +

*
*
* *
*
*
* x x * x x * x x * x
t t t t
,
( ) ( ) ( ) ( ) ( ) [ ]
1
]
1

*
* * *
*
*
? ? ?
,
?
x * x x * * x x * x M M Cov
t t t t
t


( ) ( ) ( )

*
* * *
*
*
x * x x * M * x x * x
t t t t

( ) ( ) ( )
*
* -
*
* * - *
*
*

x * x x * x x * * * x x * x
t t t t

9resupunnd c vectorul erorilor are o reparti(ie normal cu media : &i matricea de
covarian( * $
-
, atunci +unc(ia de verosimilitate a selec(iei este )
*G
( ) ( )
( ) ( )





x ! $
t
x !
n n
n
e $ ! ! ! =
*
-
*
- -
- *
- , , , ,
, unde
$
este determinantul
matricei 8. !utm estima(ia de verosimilitate maxim, notat cu

J
. Avem ecua(ia de
verosimilitate maxim )
( )
:
, , , , ln
- *

n
! ! ! =
Maximi%area +unc(iei de verosimilitate nseamn minimi%area expresiei
( ) ( ) ( )

x ! $ x ! T
t *
A&adar, estima(ia de verosimilitate maxim coincide cu estima(ia dat de metoda celor
mai mici ptrate generali%ate. Astima(ia valorii medii a observa(iilor este
( )
?

x ! M

!omponentele vectorului
( )

! M
se numesc valori a5"state ale lui ! sau valori estimate
ale lui !.
3n ca%ul n care matricea covarian(elor vectorului erorilor este de +orma ,
-
(a&a
numitul ca% al msurtorilor de preci%ii egale), statistica
( ) ( )
? ?
*
-

x ! x !
p n
t

este o estima(ie nedeplasat pentru
-
. 3ntr,adevr, avem ) ( )

t t
x x x x x !
*
?
,
notnd ( ) = , > x x x x =
t t


,
*
re%ult
( ) ( )
? ?
, , , ,
?
- -
x ! x ! > > = = > = , = , > > x !
t
t t

( )


+
5 i
5 i i5
n
i
i ii
t t t
k k > > > >
*
- -
!um ( ) ( ) ( ) ( ) ( ) p , Tr x x x x Tr x x x x Tr Tr=
p p
t t t t


* *
&i
p n Tr= Tr, Tr>
n n

(Tr= este urma matricei =, adic suma elementelor de pe
diagonala principal a matricei), re%ult
( ) ( )
- -
*
- -
*
* *

,
_

,
_

,
_

n
i
k
p n
5 i
M k M k
p n
M
ii 5 i i5
n
i
i ii
Estimaia ridge a parametr"l"i de regresie

!onsiderm modelul liniar de regresie )

+ x !
, unde
n
! R , , ,
p
R
( ) ( )
n
, Cov +
-
, , , : J ,
( ) , R
p n
M x

n p x rang
Am v%ut c estima(ia celor mai mici ptrate este ( ) ! x x x
t t

*
?
.
$,a constatat c atunci cnd valorile proprii ale matricei x x
t
sunt apropiate de %ero,
distan(a medie dintre vectorul coe+icien(ilor de regresie

&i estima(ia

?
cre&te +oarte
mult &i prin urmare

?
nu mai estimea% bine pe

. 3n aceast situa(ie se caut o

estima(ie

care s scurte%e aceast distan(, aceast estima(ie este denumit estimaia

ridge. ie p
< < <
- * valorile proprii ale matricei x x
t
(reamintim c este
valoare proprie a matricei 3 dac este solu(ie a ecua(iei
3 , 3 unde , :
este
determinantul matricei 3), re%ult c urma matricei ( )
*
x x
t
este
( ) ( )

p
i
t
i
x x Tr
*
* *

.otnd cu = distan(a dintre

?
&i

avem ) ( ) ( )
? ?
-
t
= &i
( ) ( ) ( ) ( ) [ ]

p
i i
t t
x x Tr > Tr > M = M
*
-
*
- - -
*

*E
$e vede c apropierea de %ero a unei valori proprii mre&te distan(a ( ),
-
= M
( )

-
:
lim = M
p

3n acest ca% se introduce estima(ia ridge

! x *
t

, unde ( ) : ,
*
+

k , k x x *
p
t
.
Aa este o trans+ormare liniar a estima(iei celor mai mici ptrate. 3ntr,adevr, cum

?
x x ! x
t t
avem )
( ) +

?
*
S
x x , k x x
t
p
t

( ) ( ) [ ]
? ?
*
*
+

- , k x x x x
p
t t
,
unde ( ) ( )
*
*

+ x x k , -
t
p
.
8alorile proprii ale matricelor * &i - sunt
( )
i
i
k
*

*
&i
( )
i
i
i
k
-

, unde
p i
i
, * ,
sunt valorile proprii ale matricei x x
t
.
3ntr,adevr,
( ) *
i

veri+ic ecua(ia
:
p
, *
!a%ul
*
este ca%ul degenerat (particular) p
, - k , :
, ca% n care estima(ia ridge
coincide cu

?
.
Avem )
( ) +

,
_

x x , k x x M
t
p
t
*
S
, deci estima(ia ridge este deplasat pentru : > k
. 'e asemenea, avem )
( ) ( ) ( )
?
,
?
,
* *
- S S
Cov , k x x x x , k x x Cov
p
t t
p
t
+ +

,
_

9ier%nd proprietatea de nedeplasare a estima(iei, se pune ntrebarea dac exist o metod
care s mbunt(easc estima(iile prin reducerea deplasrii. 6 asemenea metod este
metoda 5ackknife, prin care se ob(in estima(iile cu acela&i nume. ie

&i

estima(ii
ale lui , atunci estima(ia
* ,
*
,
- *
- *

,
_

r
r
r
?


, este numit estimaie
5ackknife& Aa are deplasarea redus +a( de deplasrile estima(iilor din care provine. 3ntr,
adevr, considernd n volumul selec(iei, parametrul estimat &i
( ) - , * , , +
,
_

i n M
i i

unde ( ) : ,
-
n , pentru
( )
( )
*
,
,
-
*

n
n
r
avem

,
_

,
_

- *
, ? M
. $e veri+ic pritr,un calcul simplu )
( )
( ) ( )
( )
( )
( )
(

+ +

,
_

,
_

,
_

,
_

,
_

,
,
,
, ,
,
*
*
,
-
*
*
* -
-
- * - *
n
n
n
n n
n
M r M
r
? M

( ) )] ,
-
n
9arametrul r poate +i bine ales pentru clase ntregi de estima(ii. Ast+el, cnd

este o
estima(ie deplasat a lui , ba%at pe o selec(ie de volum n, ast+el nct
( ) ( ) n f M +
,
_

* , iar

este estima(ia ob(inut prin eliminarea unei observa(ii din

selec(ie, estimatorul, +unc(ia de selec(ie se pstrea%, deci
( ) ( ) *
-
+
,
_

n f M

atunci din condi(ia

,
_

,
_

- *
, ? M
ob(inem
( )
( ) *

n f
n f
r
.
Axerci(iu )
*H
*). $e dispune de datele lunare privind numrul poli(elor vndute ( t
(
L numrul
poli(elor vndute n luna t),&i c0eltuielile pentru publicitate n mii u.m. ( t
X
) ale unei
societ(i de asigurri )
t
( -1: --: /:: //:
t
X -: -1 /- 2/
a) $ se scrie ecua(ia de regresie a lui ( n raport cu X.
b) olosind metoda mediilor mobile de perioad /, s se extrag trendul seriei
{ }
t t
X
, s
se repre%inte gra+ic &i considernd
:
:
X
, s se determine a &i din procesul
autoregresiv t t t
- X a X + +
* care s minimi%e%e suma ptratelor erorilor, unde
( ) * , : J + -
t
.

-: