Simule um processo de vetor autoregressivo
Use MatrixNormalDistribution para simular o processo de vetor autoregressivo.
In[1]:=

sigR = Covariance[ARProcess[{a}, 1][Range[0, 100]]];
sigC = {{s11, s12}, {s12, s22}};
In[2]:=

rules = {a -> 1/2, s11 -> 1, s12 -> 1/2, s22 -> 3};
In[3]:=

\[ScriptCapitalD] = MatrixNormalDistribution[sigR, sigC] /. rules;
Simule uma amostra aleatória da matriz de distribuição.
In[4]:=

vals = RandomVariate[\[ScriptCapitalD], 10^4];
Construa TemporalData de valores da amostra.
In[5]:=

td = TemporalData[vals, {0, Length[sigR] - 1, 1},
ValueDimensions -> 2]
Out[5]=

Faça uma estimativa do processo de vetor autoregressivo diagonal.
In[6]:=

proc = ARProcess[{a IdentityMatrix[2]}, sigC];
In[7]:=

sol = FindProcessParameters[td, proc]
Out[7]=

Compare com os valores originais.
In[8]:=

sol[[All, 2]] - rules[[All, 2]]
Out[8]=
