Modèles de séries chronologiques dans des situations non normales : Innovations symétriques

Nous considérons des modèles AR( q ) dans des séries chronologiques avec des innovations non normales représentées par un membre d'une large famille de distributions symétriques (t de Student). Étant donné que les estimateurs ML (maximum de vraisemblance) sont intraitables, nous dérivons les estimateurs MML (maximum de vraisemblance modifié) des paramètres et montrons qu'ils sont remarquablement efficaces. Nous utilisons ces estimateurs pour les tests d'hypothèses et montrons que les tests résultants sont robustes et puissants.