Nota: 4.

8
Brayan Camacho: 2101815
Herna Camilo Quintero: 2101856 1. 1.25
2. 1.25
1. Encuentre la ACF y PACF y grafique la ACF (ρk) para k = 0, 1, 2, 3, 4, 53.para
1.00
cada uno de los
4. 1.25
siguientes modelos donde (at) es un proceso de ruido blanco Gaussiano.

A) 𝑧𝑡 − 0.5𝑧𝑡−1 = 𝑎𝑡
𝑦𝑡 = 0,5 𝑧𝑡−1 +𝐸𝑡

ACF PACF α
K pk k pk 0,5
0 1 0 1
1 0,5 1 0,5
2 0,25 2 0
3 0,125 3 0
4 0,0625 4 0
5 0,03125 5 0

Zt=0,5Zt(-1)
1,2

0,8

0,6

0,4

0,2

0
0 1 2 3 4 5

B) 𝑧𝑡 + 0,98𝑧𝑡−1 = 𝑎𝑡
𝑦𝑡 = −0,98 𝑧𝑡−1 + 𝐸𝑡

ACF PACF α
k pK k PK -0,98
0 1 0 1
1 -0,98 1 -0,98
2 0,9604 2 0
3 -0,941192 3 0
4 0,92236816 4 0
5 -0,9039208 5 0
 Zt=-0,98Zt(-1)
1,5

0,5

0
0 1 2 3 4 5
-0,5

-1

-1,5

C) 𝑧𝑡 − 1,3𝑧𝑡−1 + 0,4𝑧𝑡−2 = 𝑎𝑡
𝑦𝑡 = 1,3𝑧𝑡−1 − 0,4𝑧𝑡−2 +𝐸𝑡 c

ACF PACF α1 α2
k pK k PK 1,3 -0,4
0 1 0 1
1 0,92857143 1 0,92857143
2 0,80714286 2 -0,4
3 0,67785714 3 0
4 0,55835714 4 0
5 0,45472143 5 0

Zt=1,32Zt(-1)-0,4Zt(-2)
1,2

0,8

0,6

0,4

0,2

0
0 1 2 3 4 5
 D) 𝑧𝑡 − 1,2𝑧𝑡−1 + 0,8𝑧𝑡−2 = 𝑎𝑡
𝑦𝑡 = 1,2𝑧𝑡−1 − 0,8𝑧𝑡−2 +𝐸𝑡

ACF PACF α1 α2
k pK k PK 1,2 -0,8
0 1 0 1
1 0,66666667 1 0,66666667
2 0 2 -0,8
3 -0,53333333 3 0
4 -0,64 4 0
5 -0,34133333 5 0

Zt=1,2Zt(-1)-0,8Zt(-2)
1,2
1
0,8
0,6
0,4
0,2
0
0 1 2 3 4 5
-0,2
-0,4
-0,6
-0,8

2. Simule unas series de 100 observaciones para cada uno de los modelos en el ejercicio
anterior, con (σ 2 a = 1). Para cada caso, grafique las series simuladas,(y) calcule y estudie
su ACF muestral (ˆρk) y PACF muestral (φˆ kk) para k = 0, 1, ..., 20. Anexe líneas de
programación usadas en Eviews para obtener los resultados del ejercicio y las series
generadas de datos. Nota: Tome como semilla la concatenación de los códigos de la
pareja. En caso que solo sea un estudiante, el código del estudiante. Ejemplo: Estudiante
1: 2101887, estudiante 2: 2101919. Entonces la semilla es: 21018872101919.
Z1
Z2
Z3
Z4
3. Considere el proceso MA(2) 𝑦𝑡 = (1 − 102𝐿 + 0.5𝐿2 )𝐸𝑡

A) Encuentre la ACF usando la definición de la función de auto covarianza.

B) Encuentre la PACF φkk para el proceso.

𝑦𝑡 = 𝐸𝑡 − 𝛽1 𝐸𝑡−1 − 𝛽2 𝐸𝑡−2
𝑌𝑡 = 𝐸𝑡 + 1,2𝐸𝑡−1 − 0,5𝐸𝑡−2

ACF PACF β1 β2
k pK k PK 1,2 -0,5
0 1 0 1
1 -0,66914498 1 -0,66914498
2 0,18587361 2 -0,62491691
PACF de k=2,3
hay un error en el
3 0 3 0.65487723
cálculo
4 0 4 -0,1654409
5 0 5 -0,04696077
Procedimiento:

1 -0,66914498 0,18587361 -0,66914498

-0,66914498 1 -0,66914498 0,18587361
0,18587361 -0,66914498 1 0
0 0,18587361 -0,66914498 0 -0,01510137

1 -0,66914498 0,18587361 0
-0,66914498 1 -0,66914498 0,18587361
0,18587361 -0,66914498 1 -0,66914498
0 0,18587361 -0,66914498 1 0,09127954

1 -0,66914498 0,18587361 0 -0,66914498

-0,66914498 1 -0,66914498 0,18587361 0,18587361
0,18587361 -0,66914498 1 -0,66914498 0
0 0,18587361 -0,66914498 1 0
0 0 0,18587361 -0,66914498 0 -0,00160989

1 -0,66914498 0,18587361 0 0
-0,66914498 1 -0,66914498 0,18587361 0
0,18587361 -0,66914498 1 -0,66914498 0,18587361
0 0,18587361 -0,66914498 1 -0,66914498
0 0 0,18587361 -0,66914498 1 0,03428154
4. Simule unas series de 100 observaciones para el modelo del ejercicio anterior, con (σ 2 ε)
= 1. Grafique la serie simulada,(y) calcule y estudie su ACF muestral (ˆρk) y PACF muestral
(φˆ kk) para k = 0, 1, ..., 20. Anexe líneas de programación usadas en Eviews para obtener
los resultados del ejercicio y la serie generada de datos.