Large-sample properties of parameter estimates for strongly dependent stationary Gaussian time series (Q1084821)

Dans ce travail les auteurs considerent l'éstimation des paramètres spectraux pour les processus gaussiens qui ont une dépendance forte. Les paramètres sont estimés en utilisant le critère de maximum de vraisamblance approachée du à Whittle. Dans un premier temps ils montrent la consistance asymptotique de tels estimateurs, en vérifiant les conditions qui permetent de reproduire la preuve de \textit{E. J. Hannan} [J. Appl. Probab. 10, 130-145 (1973; Zbl 0261.62073)], ensuite ils etablissent la normalité asymptotique des estimateurs en se limitant a l'étude de \[ \sqrt{N}\{\int^{\pi}_{- \pi}g(x)I_ N(x)dx-E\int^{\pi}_{-\pi}g(x)I_ N(x)dx\}, \] variables aleatoires qui sont asymptotiquement gaussiennes [cf. les auteurs, Tech. Rep. 590, School Oper. Res., Cornell Univ. (1983)]. Finalement les hypothèses du théorème sont verifiées pour deux cas particulièrs importants les ARMA fractionnaires et le bruit gaussien fractionnaire.