An ´alise Espectral de Processos Estoc ´asticos
Airlane Pereira Alencar
3 de Marc¸o de 2019
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 1 / 23
´Indice
1 Objetivos
2 Pr ´e-requisitos
3 Espectro
4 Propriedades
5 Teorema Bochner-Wiener-Khintchine
6 Refer ˆencia
Espectro x FAC.
Caracterizac¸ ˜ao do proc. estacion ´ario a partir da FAC e espectro.
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 3 / 23
J ´a vimos
Processos estoc ´asticos;
Estacionariedade;
Exemplos;
Func¸ ˜ao de autocovari ˆancia: propriedades e estimac¸ ˜ao;
An ´alise Harm ˆonica.
Espectro: Heur´ıstica
Seja{X(t),t∈T}processo estacion ´ario (pode ser complexo) comE(X(t)) =0 e T=R.
X(t) ´e agora uma realizac¸ ˜ao do processo (n ˜ao aleat ´oria).
Y(t) =
X(t) , se−T ≤t ≤T; 0 , se|t|>T.
Y(t) ´e de quadrado integr ´avel e definimos a transf.de Fourier (p.
27):
FY(λ) = 1 2π
Z ∞
−∞
Y(t)e−iλtdt
|F(λ)|2dλ: contribuic¸ ˜ao da frequ ˆencia em(λ, λ+dλ) `a energia total pois pelo T. Parseval:
Z ∞
−∞
|f(t)|2dt = 1 2π
Z ∞
−∞
|F(λ)|2dλ
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 5 / 23
Espectro
J(T)(λ) = |FY2T(λ)|2 representa a f. densidade de pot ˆencia de Y(t) limT→∞ |FY2T(λ)|2 descreveriaX(t)poisT → ∞.
ComoX(t) ´e s ´o uma s ´erie, consideramos a m ´edia f(λ) = lim
T→∞E[J(T)(λ)]
quando o limite existir.
f(λ) ´e dita f. densidade espectral de X(t) e representa a m ´edia das contribuic¸ ˜oes das freq. em[λ, λ+dλ] `a pot ˆencia total.
Espectro
f(λ) = lim
T→∞
E|FY(λ)|2 2T
Tlim→∞
1 2TE
1
√ 2π
Z ∞
−∞
Y(t)e−iλtdt 1
√ 2π
Z ∞
−∞
Y(s)e−iλsds ∗
Tlim→∞
1 2π
1 2T
Z T
−T
Z T
−TE[Y(t)Y(s)∗]e−iλ(t−s)dt ds lim
T→∞
1 2π
Z 2T
−2T
1− |τ| 2T
γ(τ)e−iλτdτ
Uma condic¸ ˜ao suficiente para que o limite exista ´e Z ∞
−∞
|γ(τ)|dτ <∞
Vari ´aveis mais afastadas s ˜ao menos correlacionadas!
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 7 / 23
Espectro
Ent ˜ao, o espectro ´e a TF da FAC f(λ) = 1
2π Z ∞
−∞
γ(τ)e−iλτdτ
A transformada inversa ´e γ(τ) =
Z ∞
−∞
f(λ)e+iλτdλ
Paraτ =0, temos a decomposic¸ ˜ao da vari ˆancia γ(0) =
Z ∞
−∞
f(λ)dλ
Espectro tempo discreto: t ∈ Z
SeP∞
k=∞|γk|<∞, temos o espectro
f(λ) = 1 2π
∞
X
−∞
γke−iλk,−π < λ < π
A transformada inversa ´e γk =
Z π
−π
f(λ)e+iλkdλ,k =0,1, . . .
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 9 / 23
Prova de que vale essa transf. inversa
Exerc´ıcio
Propriedades da densidade espectral
Teorema 1
O espectrof(λ) = 1 2π
∞
X
k=−∞
γke−iλk, ´e limitado, n ˜ao negativo, uniformemente cont´ınuo, par e peri ´odico de per´ıodo 2π.
|f(λ)|= 2π1|P
γkeiλk| ≤ 2π1 P
|γk|<∞;
N ˜ao negativo, s ´o quando mostrarmos que a esperanc¸a do periodograma (n ˜ao negativo) converge paraf(λ);
Uniformemente cont´ınuo
|f(λ+ω)−f(λ)| ≤ 2π1 P∞
k=−∞|e−i(λ+ω)k −e−iλk||γk|=
1 2
P∞
k=−∞|e−iλk||e−iλk−1||γk| −−−→
ω→0 0
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 11 / 23
Propriedades do Espectro
f(λ) = 1 2π
∞
X
k=−∞
γke−iλk
γk =γ−k (estac) e parau =−k: f(λ) = 2π1 P∞
u=−∞γue+iuk =f(−λ)
f(λ)tem per´ıodo 2π, poise−iλk =cos(λk)−isen(λk)tb tem.
Parat=R
f(λ) = 1 2π
Z ∞
−∞
γ(τ)e−iλτdτ
f(λ)tem as mesmas propriedades, exceto que n ˜ao tem per´ıodo 2π.
Espectro: parametrizac¸ ˜ oes e simplificac¸ ˜ oes
Tempo discreto (pr ´atica)
Comof(λ) ´e par e de per´ıodo 2π, basta visualizarf(λ),0< λ < π.
Se considero a frequ ˆenciaω= 2πλ (λ=2πω), tenhoω ∈[0,1/2]e o per´ıodo ´e 1/ω(=12 meses).
f(λ) = 1 2π
∞
X
k=−∞
γke−iλk = 1 2π
∞
X
k=−∞
γkcos(λk)
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 13 / 23
Exemplos: Encontre f (λ)
X ={X(t),t ∈Z}processo estacion ´ario
∞
X
k=−∞
|γk|<∞
Xt ´e ru´ıdo branco, ent ˜aoγj =0,j 6=0
f(λ) = 1 2π
∞
X
k=−∞
γke−iλk =γ0
Todas as frequ ˆencias est ˜ao presentes no espectro, como na luz branca.
Exemplos: Encontre f (λ)
MA centradoYt = 13(Xt−1+Xt +Xt+1),Xt ∼RB
γk =
3σ2/9 , sek =0;
2σ2/9 , se|k|=1;
σ2/9 , se|k|=2;
0 , se|k|>3;
f(λ) = 1 2π
∞
X
k=−∞
γke−iλk =
= 1
2π 3σ2
9 +2σ2
9 (e−iλ+eλ) +σ2
9 (e−iλ2+eλ2)
= 1
2π σ2
9 [3+4cos(w) +2cos(2w)]
curve((1/9)*(1/(2*pi))*(3+4*cos(x)+2*cos(2*x)), 0, pi)
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 15 / 23
Exemplos: Encontre f (λ)
MA centradoYt = 13(Xt−1+Xt +Xt+1),Xt ∼RB
f(λ) = 1 2π
σ2
9 [3+4cos(w) +2cos(2w)]
Cossenos e Senos
J ´a estudamos An ´alise Harm ˆonica
Xt =
q
X
k=1
Akcos(2πωkt) +Bksen(2πωkt)
Ak eBk vari ´aveis n ˜ao correlacionadas com m ´edia 0 e vari ˆanciaσk2e ωk frequ ˆencias distintas.
γ(h) =
q
X
k=1
σk2cos(2πωkh)
N ˜ao valeP∞
k=∞|γk|<∞.
N ˜ao temos a f. densidade espectral mas temos representac¸ ˜ao espectral.
γ(0) =
q
X
k=1
σ2k (1)
An ´alise de vari ˆancia para s ´eries estacion ´arias
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 17 / 23
Teorema Bochner-Wiener-Khintchine
X ={X(t),t ∈R}processo estacion ´ario real, de m ´edia zero e FACv γ(τ)cont´ınua∀τ.
γ(τ) ´e FACv de processo estacion ´ario⇔
γ(τ) = Z ∞
−∞
eiλτdFλ, ∀τ ∈R ondeF(λ) ´e func¸ ˜ao real, n ˜ao decrescente e limitada.
Prova: Ondas p. 116 A.3
Observac¸ ˜ oes
Dividindo porγ(0), temosρ(τ) =R∞
−∞eiλτdG(λ);
F(λ) ´e definida a menos de uma constante e podemos fixar F(∞) =0 eF(∞) =γ(0)
γ(0) =R∞
−∞dF(λ)F(λ) ´e chamada de distribuic¸ ˜ao espectral de X(t) sobre o eixo das frequ ˆencias
ComoF(λ)parece f. dist. pode ser decomposta nas componentes discreta, cont´ınua e singular em
F(λ) =a1Fd(λ) +a2Fc(λ) +a3Fs(λ)coma1+a2+a3=1 Na pr ´atica nem considera a singular e temos mistura de func¸ ˜ao escada e cont´ınua
γ(τ) =
∞
X
j=−∞
eiλjτp(λj) + Z ∞
−∞
eiλτfc(λ)dλ Se temosP∞
k=∞|γk|<∞, temos s ´o a parte cont´ınua como nos processos ARMA e proc. linear geral.
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 19 / 23
Teorema Herglotz - Tempo discreto
X ={X(t),t ∈Z}processo estacion ´ario real, de m ´edia zero e FACv γk.
γk ´e FACv de processo estacion ´ario⇔ γk =
Z π
−π
eiλkdFλ, ∀k ∈Z ondeF(λ) ´e func¸ ˜ao real, n ˜ao decrescente e limitada.
Exemplo Primeiro Harm ˆ onico
Xt =U1cos(2πω0t) +U2sen(2πω0t)
ω0conhecido, U1eB=U2vari ´aveis n ˜ao correlacionadas com m ´edia 0 e vari ˆanciaσ2. N ˜ao valeP∞
k=∞|γk|<∞.
γ(h) = σ2cos(2πω0h) = σ2
2 e−2πiω0h+σ2 2 e2πiω0h
=
Z 1/2
−1/2
e2πiω0hdF(ω)
representac¸ ˜ao espectral com F saltitante
F(ω) =
0 ,ω=≤ω0; σ2/2 ,−ω0< ω < ω0; σ2 , seω≥ω0
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 21 / 23
Teorema Cram ´er - Tempo cont´ınuo
X ={X(t),t ∈R}processo estacion ´ario real com FACv cont´ınua.
Ent ˜ao existe proc. estac. {Z(λ), λ∈R}de incrementos ortogonais tal que
X(t) = Z ∞
−∞
eitλdZ(λ), ∀t ∈R
ondeZ(t)tem incrementos ortogonais:
E(dZ(λ)) =0,∀λ E|dZ(λ)|2=dF(λ),∀λ
Tem equivalente para tempo discreto.
X(t)pode ser aproximado por soma de componentes harm ˆonicas de amplitutes aleat ´orias.
Refer ˆencias
All Time series analysis Morettin e Toloi Shumway and Stoffer Wei
Alencar, A.P. (IME-USP) An ´alise espectral 3 de Marc¸o de 2019 23 / 23