Beruflich Dokumente
Kultur Dokumente
Datos Climticos
SERIES TEMPORALES 3
(Anlisis espectral)
2015
El espectro de potencia
Tanto los procesos determinsticos como estocsticos pueden, en
principio, ser caracterizados por una funcin f de la frecuencia (en vez
del tiempo). Esta funcin S(f) se llama espectro de potencia o densidad
espectral (o simplemente espectro).
As, una serie con variabilidad temporal muy irregular tiene un
espectro suave y continuo, indicando que todas las frecuencias en un
cierto rango o banda de frecuencias son excitadas por ese proceso.
Por el contrario, un proceso puramente peridico o cuasiperidico, o superposicin de ellos, queda descripto por una
sola lnea o un nmero finito de lneas en el dominio de
frecuencias.
si k es par.
si k es impar.
2kt
2kt
Yt y A k cos(
) Bk sen(
)
N
N
k 1
t =1,2,,N
N/2
2kt
y C cos(
)
Notar que al variar k se obtienen funciones
k
k
N
k 1
que
2
Ak
N
2
Bk
N
Yt cos (
t 1
Yt sen (
t 1
2kt
)
N
Ck
2kt
)
N
A 2k B2k
Notar que las frecuencias armnicas son un conjunto discreto y finito, y dependen
de N (la longitud de la serie), y no tienen por qu coincidir con frecuencias que
tengan significado fsico.
Por eso, si se conoce alguna frecuencia natural (ej., asociada al ciclo diario o anual)
conviene tomar un N tal que esa sea una de los armnicos.
Escala logartmica!
N t 1
N/2) -1
2
2
C
/2
A
k
N/2
k 1
***************************************
Si la serie presenta una trend (creciente o decreciente), se recomienda
removerla.
De lo contrario, puede aparecer como una baja frecuencia en el espectro, y
podra ser dominante respecto de otras variaciones que se estn buscando.
Yt y
i ( 2k / n ) t
H
e
k
siendo Hk = Ak + iBk
k 1
En Matlab, fft.m
Aliasing
Wilks 388-389
i 2 (f k)t
El periodograma
A veces se da este nombre al resultado de la DFT que recin vimos, que
asocia a los valores Yt (t=1,2,,N), los valores Ck cada uno a su
vez asociado a la frecuencia k/(N t), (k=1,2,.,N/2).
Aqu vamos a usar la palabra periodograma para el caso en que se estima la
funcin de densidad espectral S(f) para un conjunto continuo de frecuencias
f [0, 1/2t].
Dicha estimacin se basa en el teorema de Wiener-Khinchine (o de representacin
espectral), que establece que la funcin de autocovarianza y la funcin de
densidad espectral son transformadas de Fourier una de la otra. En particular, se
tiene:
S(f) t
(k ) e
- i 2 f k t
t (0 ) 2 (k) cos (2 f k t )
k 1
A partir de all y despus de algunos clculos (que implican truncar la suma entre
- (N-1) y (N-1) y sustituir (k) por su estimacin) , se obtiene la estimacin:
t
(
p)
S ( f)
N
f t t
-i 2
Y
e
t
t 1
Adems, para los valores de f que coinciden con las frecuencias armnicas (k/N), esta
estimacin coincide (a menos de un factor constante) con la ya obtenida para la DFT.
cuando N
pero pueden necesitarse valores muy altos de N para lograr una aproximacin
razonable. Es decir que para valores de N habituales, el sesgo puede ser
considerable.
2) La varianza del estimador
S( p)( f)
no tiende a 0
cuando N
La varianza no disminuye al
aumentar N
S(f) t c 2 c cos ( 2 f k t )
0 o
k k
k 1
donde los {ck} son estimadores de las covarianzas {(k)}, los {k} son
coeficientes (pesos) llamados lag windows, y M < N, se llama punto de
truncamiento.
Como se ve, los valores de los ck con M < k < N no se usan (justamente esas
son las peores estimaciones, por ser calculados con cada vez menos trminos,
cuando k crece).
Hay varias ventanas que se utilizan (Tukey, Parzen, Bartlett, etc), con diferentes
propiedades.
En cuanto a la eleccin de M, hay un compromiso entre sesgo (o resolucin) y
varianza: cuanto ms pequeo sea M, menor ser la varianza del estimador, pero
mayor ser el sesgo. Si M es muy pequeo, se suavizar demasiado detalles
importantes de S(f), pero si M es muy grande, el comportamiento de S ser ms
errtico, parecido al del periodograma puro.
se tiene: