Modellizzazione di processi stocastici vettoriali stazionari (Un approccio mediante la procedura Arima) Annunziata Adamoli 1984, pagine 186

[ Testo della pagina elaborato con OCR ]

   e ^T . per ogni combinazione il primo valore è f( 1 ) e il secondo ^^ (2). Notiamo che se il vero valore di è
   grande, le autocorrelazioni dei residui condurranno alla
   A
   scelta di un MA(1) per Q.t e perciò alla corretta identificazione del modello per il processo Per valori
   intermedi di , un MA di ordine due o più alto potrebbe essere selezionato, determinando, così, una
   sovra-parametrizzazione.
   Stima. Una volta che gli ordini p,q del modello ARMA(p,q) sono stati sperimentalmente selezionati, stime efficienti delle matrici dei parametri associat(tfj/ • - ¦ ¦ ¦/
   e sono ottenute massimizzando la funzione di
   verosimiglianza. Sulle proprietà della funzione di verosimiglianza esiste una letteratura estesa e numerose sono le approssimazioni che semplificano questa funzione. Due utili approssimazioni sono state incorporate nel WMTS: la prima è stata chiamata la 'funzione di verosimiglianza condizionata', proposta da Tunnicliffe Wilson (1973) e la