5.5. Asimptotik Özellikler
Bu kısımda, birim köklü zaman serilerinde parametrelerin EKK tahmin edicilerinin bazı asimptotik özellikleri incelenecektir. Bu özelliklerin çoğu Hamilton (1994) den özetlenerek aktarılmıştır.
Birinci dereceden otoregresif zaman serisi modeli,
X t = ρ X t−1 +e t , t=1,2,3, ...,n
şeklinde verilmiş olsun. Buradan, ρ nun EKK tahmin edicisi,
ρ ^ n = [ ∑ t=1 n X t−1 2 ] −1 ∑ t=1 n X t X t−1 = ρ + [ ∑ t=1 n X t−1 2 ] −1 [ ∑ t=1 n e t X t−1 ] şeklinde olup, ρ∈[ 0 , 1]
ve n→∞ iken ρ ^ n ⃗ P ρ ve | ρ |<1 için,
√ n ( ρ ^ n − ρ ) ⃗ D N (0 , 1−ρ 2 )
olduğunu biliyoruz. ρ=1 için asimptotik dağılım normal değildir. Bilindiği gibi, ρ=1 için n ( ρ ^ n −1 ) = [ n 1 2 ∑ t=1 n X t−1 2 ] −1 [ 1 n ∑ t=1 n X t−1 e t ] =O P ( 1)
dir. Bu terimin payındaki istatistiğin asimptotik dağılımını bulmak kolaydır. X 0 =0 olmak üzere,
X n =( e 1 +e 2 +.. .+e n ) olacağından,
∑ t=1 n
X t−1 e t = ∑
t=1
n [ ∑ t−1 j=1 e j ] e t = 1 2 [ X n 2 − ∑ t=1 n e t 2 ]
yazılır. Ayrıca, e t ~ WN (0, σ 2 ) olduğundan zayıf büyük sayılar yasasına göre n→∞ iken,
1
n ∑
t =1 n
e t 2 ⃗ P σ 2
ve merkezi limit teoremine göre de n→∞ iken, (0, 2 )
D
n e n N
olduğunu biliyoruz. Buradan da n→∞ iken
2 2 2 2 2 1
1
1 n n D
n t
t
n e e X
n n
asimptotik dağılımı elde edilir. Bu iki sonuç Slutsky teoremi ile beraber, ρ nun EKK tahmin edicisinin payının asimptotik dağılımı n→∞ iken,
1
n ∑
t=1 n
X t−1 e t = 1
2 [ X n n 2 − 1 n ∑ t=1 n e t 2 ] ⃗ D σ 2 2 ( χ 1 2 −1 )
olarak bulunur. n ( ρ ^ n −1 ) nin paydasındaki istatistiğin asimptotik dağılımı bu kadar kolay değildir.
1 ( 1 2 ... 1 )
t t
X e e e olduğundan,
E( X t−1 )=0 , Var( X t−1 )= E ( X t−1 2 )=σ 2 ( t−1)
dir. O halde, paydadaki istatistiğin beklenen değeri
E [ ∑ t=1 n X t−1 2 ] =σ 2 ∑ t=1 n ( t−1)= σ 2 n ( n−1) 2
olduğundan,
n −2 ∑
t=1 n
X t−1 2 =O P (1)
dir. Asimptotik dağılımı elde etmek için Brownian Hareketini (Brownian Motion) hatırlayalım.
Brownian Hareketi: e t ~ (0,1) N normal dağılımlı beyaz gürültü serisi olsun. Rasgele yürüyüş süreci (random walk), X 0 =0 olmak üzere X t = X t−1 +e t şeklindedir. Buna göre,
X t ~ N ( 0 , t ) olup s >t için
X s − X t =e t+1 + e t+2 + .. .+e s ~ N ( 0 , s−t )
dir. Ayrıca, 0<t <s <r<q için X s − X t ile X q − X r bağımsızdır.
Tanım 5.5.1 Standart Brownian Hareketi W (t ) , aşağıdaki üç özelliği her bir t∈[ 0 , 1 ] için
sağlayan sürekli zamanlı stokastik süreçtir. Bunlar;
a) W (0) =0
b) 0 t 1 ... t k 1 için W t ( ) 2 W t ( ) , 1 W t ( ) 3 W t ( ) ,..., ( ) 2 W t k W t ( k 1 ) rasgele değişkenleri bağımsız normal dağılıma sahiptir.
c) W (t ) hemen hemen her yerde t nin sürekli bir fonksiyonudur
Örnek 5.5.1 Aşağıda bazı asimptotik özellikler verilmiştir (Levin ve Lin (1992)). Bu örnekte aksi söylenmedikçe, W (r ) standart Brownian hareketidir. Aşağıdaki özelliklerden bazılarının çözümüne girilmemiştir.
1) W (0)=0 dır.
2) E [ W (r ) ] =0 , ∀ r , E [ W (1) ] =0 dır.
3) Var [ W (r) ] =r , ∀ r
4) W (r ) ~ N (0,r ) dır.
5) Cov W s W t ( ), ( ) E W s W t ( ) ( ) min{ , } s t dir.
İspat: s≤t için iddia
( ) , ( ) ( ), ( ) ( ) ( ) ( ), ( ) ( ) ( ( )
( ( )) ( uncorrelated increments) Cov W s W t Cov W s W t W s W s
Cov W s W t W s Var W s Var W s s
eşitliğinden açıktır.
6) E [ W 2 (r ) ] =r
7) E W r
4( ) 3 r
2. Not: (6) ve (7) den Var W r ( 2 ( ) ) 3 r 2 r 2 2 r 2 bulunur.
8) E W s W t ( 2 ( ) 2 ( )) s t 2 min{ , } s t 2 2 dir.
İspat: Yine, s≤t için W t 2 ( ) nin
W 2 ( t ) =W (t ) W (t )= [ W (t )−W (s)+W ( s) ] [ W (t )−W ( s)+W (s) ]
şeklinde yazılması ile,
2 2
2 2 2
2 2 3 4
2 2 2 2
( ) ( ) [ ( ) ( ) ( )][ ( ) ( ) ( )] ( ) ( ) ( ) ( )] 2 ( )[ ( ) ( )] ( ) ( ) [ ( ) ( )] ( ) 2 ( )[ ( ) ( )] ( )
( ) 0 3 2 min{ , }
[
E W s W t E W t W s W s W t W s W s W s W s E W t W s W s W t W s W s W s E W t W s W s W s W t W s W s
t s s s t s s t s t s
bulunur.
9) Cov W s W t ( 2 ( ), 2 ( )) 2 min{ , } t s 2 2 dir.
İspat: Yine, s≤t için kovaryansın tanımından
2 2 2 2 2 2
2 2 2 2
2 2 2 2
( ) , ( ) [ ( ) ( ( ))][ ( ) ( ( ))]
[ ( ) ( )] [ ( )] [ ( )]
2 min{ , } 2 min{ , }
Cov W s W t E W t E W t W s E W s
E W t W s E W s E W t
s t t s s t t s
bulunur ⊗
Brownian hareketi, merkezi limit teoreminin genel bir kullanılmına olanak sağlar. Merkezi limit teoremi basit hali ile söyledir: Z 1 , Z 2 , ..., Z n ,... beklenen değeri μ varyansı σ 2 olan
bağımsız aynı dağılımlı rasgele değişkenler ve Z ¯ n de örneklem ortalaması olmak üzere, n→∞
iken
√ n ( ¯ Z n − μ ) ⃗ D N ( 0 , σ 2 )
dir.
Beklenen değeri sıfır varyansı σ 2 olan aynı dağılımlı rasgele değişkenlerin dizisi , 1, 2,3,...
e t t olsun. Örneklemin ilk yarısını ( n / 2 kadarını) kullanmak isteyelim. Burada, n çift ise n / 2 * n / 2 , n tek olduğunda ise n / 2 * ( n 1) / 2 dir. Bu örnekleme merkezi limit teoremi uygulandığında,
/ 2 *
/ 2 *
1
1 / 2
n
n t
t
e e
n
olmak üzere n→∞ iken,
* 2
/ 2 n / 2 D ( 0, ) n e N
yazılır. Aynı şekilde örneklemin ikinci yarısına merkezi limit teoremi uygulandığında aynı asimptotik özellik elde edilir. Bu iki dağılım birbirinden bağımsızdır. Bunun daha genel hali, r∈[ 0 , 1 ] olmak
üzere X n (r) ,
/ 2 *
1
( ) 1
n
n t
t
X r e
n
şeklinde verilebilir. Burada, X n ( r) , r ye göre bir basamak fonksiyonudur. Daha açık bir ifade ile X n ( r) ,
1
1 2
1 2
0 , 0 (1/ )
/ , (1/ ) (2 / )
( ) / , (2 / ) (3/ )
( ) . . .
. . .
( ... ) / , 1
n
n
r n
e n n r n
e e n n r n
X r
e e e n r
olarak yazılabilir. Buradan,
* * *
|
1 * 1
1 1
( )
n r n r
n t t
t t
n X r e n r e
n n n r
dir. Diğer taraftan,
*
2
* 1
1 ( 0, )
n r
D t t
e N
n r
ve
n r *
n r
olduğundan, n→∞ iken √ n X n ( r) ⃗ D N ( 0 , r σ 2 ) veya
√ n ( X n σ ( r ) ) ⃗ D N ( 0 , r )
elde edilir. Benzer şekilde, r 2 > r 1 ve n r 1 * ve n r 2 * tam değer kısımlarını göstermek üzere n→∞ iken,
√ n ( X n ( r 2 )− σ X n ( r 1 ) ) ⃗ D N ( 0 , r 2 −r 1 )
dir. O halde, W (.) standart normal rasgele değişkeni göstermek üzere,
√ n ( X n σ ( . ) ) ⃗ D W (. )
dir. Bu gösterim, fonksiyonel merkezi limit teoremi (functional central limit theorem) olarak bilinir.
Burada, X n ( .) rasgele bir fonksiyonu göstermekte olup, X n (r) bu rasgele fonksiyonun r zamanındaki değeridir. Dolayısı ile, X n ( .) bir fonksiyon olup X n (r) de bir rasgele değişkendir. X n ( 1) de bilinen örneklem ortalamasıdır. Yani,
X n ( 1) =¯e n =n −1 ∑
t=1 n
e t
dir. Fonksiyonel merkezi limit teoreminden, bilinen merkezi limit teoremine geçiş r=1 ile yapılır.
Yani,
1
(1) / 1 n n D (1) ~ ( 0 , 1)
n t
t
n X e n e W N
n
dir. Bu sonuçlar ve sürekli dönüşüm teoremi (continuous mapping theorem) yardımı ile rasgele değişken dizilerinin bir çok özelliği elde edilir. Önce süreki dönüşüm teoremini hatırlayalım:
Sürekli Dönüşüm Theoremi (Continuous Mapping Theorem, Hamilton (1994) s.482) X n rasgele
değişkenlerin bir dizisi, g : sürekli bir fonksiyon ve X de bir rasgele değişken olsun.
Bu durumda n→∞ iken,
X n ⃗ D X ise g( X n ) ⃗ D g( X )
dir
Buna göre n→∞ iken, n X n (.) D W (.) , W r ( ) ~ ( 0 , ) N r ve
( ) ( )
n
n X r D W r olup, ( ) ( ) 2
n n
S r n X r ise √ n X n ( .)⃗ D σ W (. )
dir. Buradan da
S n ( r ) ⃗ D σ 2 W 2 ( r )
elde edilmiş olur. Şimdi, sürekli dönüşüm teoremi kullanılarak durağan olmayan zaman serilerinde bu sonuçların uygulamalarını görelim.
Birim Köklü Zaman Serileri İçin Asimptotik Özellikler: Birim köklü zaman serilerinde parametrelerin EKK tahmin edicilerinin asimptotik dağılımlarının normal olmadığını biliyoruz. Önce, AR(1) modeli X 0 =0 olmak üzere, X t X t 1 e t olarak verilmiş olsun. ρ=1 için,
X t = e 1 + e 2 +.. .+e t olup, X n (r) rasgele değişkenini,
1
1 2
1 2
0 , 0 (1/ )
/ , (1/ ) (2 / )
( ) / , (2 / ) (3/ )
( ) . . .
. . .
( ... ) / , 1
n
n
r n
e n n r n
e e n n r n
X r
e e e n r
şeklinde yazalım. Burada X n ( r) , r nin bir fonksiyonudur. Buradaki n tane dikdörtgenin alanları toplamı tüm eğri altındaki alanı verir. Örneğin, t. inci dikdörtgenin alanı, 1/n uzunluğu
ile X t−1 / n yüksekliğinin çarpımıdır. O zaman, X n (r) fonksiyonunun integrali,
∫
0 1
X n ( r ) d r =n −2 ∑
t=1 n
X t−1
şeklinde yazılabilir. Bu aşağıdaki grafikte gösterilmeye çalışılmıştır.
Burada,
∫ 0 1
X n (r ) d r =n −2 ∑
t=1 n
X t−1
ifadesinin her iki tarafı √ n ile çarpılırsa,
∫ 0 1
√ n X n (r) d r =n −3 /2 ∑
t=1 n
X t−1
eşitliği elde edilir. Buradan, sürekli dönüşüm teoremine göre n→∞ iken
1 1
0 0
( ) D ( )
n X r d r n W r dr
veya
1 3 / 2
0
1 1
( )
n D
t t
n X W r dr
asimptotik sonucu elde edilmiş olur. Daha açık olarak,
3/ 2 3/ 2
1 1 1 2 1 2 3 1 2 1
1
3/ 2 1 2 3 2 1
( ) ( ) ... ( ... )
( 1) ( 2) ( 3) ... 2
n
t n
t
n n
n X n e e e e e e e e e
n n e n e n e e e
3/ 2 1/ 2 3/ 2
1 1 1
( )
n n n
t t t
t t t
n n t e n e n t e
yazılabilir. O halde,
2 1 1/ 2
1/ 2 1/ 3
V
olmak üzere n→∞ iken,
1/ 2 3/ 2
1 1
, ,
n n
D
t t
t t
n e n t e N V
0
olup,
3 / 2 1 1 n
t t
n
X