Oprócz ładnej odpowiedzi @DahnJahn, pomyślałem, że spróbuję powiedzieć coś więcej o pochodzeniu funkcji Bessela i gamma. Jednym z punktów wyjścia do dojścia do funkcji kowariancji jest twierdzenie Bochnera.
Twierdzenie (Bochner) Ciągła funkcja stacjonarna jest dodatnio określona tylko i tylko wtedy, gdy
˜ k jest transformatą Fouriera skończonej miary dodatniej:
k(x,y)=k˜(|x−y|)k˜
k˜(t)=∫Re−iωtdµ(ω)
Z tego można wywnioskować, że macierz kowariancji Matérna wyprowadza się jako transformatę Fouriera (źródło) . To wszystko dobrze, ale tak naprawdę nie mówi nam, jak dojść do tej skończonej pozytywnej miary podanej przez . Cóż, to jest gęstość widmowa (mocy) procesu stochastycznego . 11(1+ω2)p f(x)1(1+ω2)pf(x)
Który proces stochastyczny? Wiadomo, że losowy proces na funkcją kowariancji Matérna jest rozwiązaniem stochastycznego równania różniczkowego cząstkowego (SPDE)
gdzie to biały szum Gaussa z wariancją jednostkową, jest operatorem Laplace'a, i (Myślę, że jest to w Cressie i Wikle ). ( κ 2 -∆ ) α / 2 X(s)= φ W(s),W(s)Δ= d ∑ i = 1 ∂ 2Rd
(κ2−Δ)α/2X(s)=φW(s),
W(s) α=ν+d/2Δ = ∑i = 1re∂2)∂x2)ja
α = ν +d/ 2
Po co wybierać ten konkretny proces SPDE / stochastyczny? Pochodzenie znajduje się w statystykach przestrzennych, gdzie twierdzi się, że jest to najprostsza i naturalna kowariancja, która działa dobrze w :R2)
Funkcja korelacji wykładniczej jest naturalną korelacją w jednym wymiarze, ponieważ odpowiada procesowi Markowa. W dwóch wymiarach już tak nie jest, chociaż wykładnicza jest częstą funkcją korelacji w pracach geostatystycznych. Whittle (1954) ustalił korelację odpowiadającą stochastycznemu równaniu różniczkowemu typu Laplace'a:
ϵ
[ ( ∂∂t1)2)+ ( ∂∂t2))2)- κ2)] X( t1, t2)) = ϵ ( t1, t2))
gdzie to biały szum. Odpowiednim dyskretnym procesem sieci jest autoregresja drugiego rzędu. (Źródło)ϵ
Rodzina procesów zawartych w SDE związanych z równaniem Materna obejmuje model Ornsteina-Uhlenbecka prędkości cząstki podlegającej ruchowi Browna. Mówiąc bardziej ogólnie, można zdefiniować spektrum mocy dla rodziny procesów dla każdej liczby całkowitej która również ma kowariancję rodziny Matérn. Jest to w załączniku Rasmussen i Williams.A R ( p ) pA R ( 1 )A R ( p )p
Ta funkcja kowariancji nie jest związana z procesem klastrowania Matérna.
Bibliografia
Cressie, Noel i Christopher K. Wikle. Statystyka danych czasoprzestrzennych. John Wiley & Sons, 2015.
Guttorp, Peter i Tilmann Gneiting. „Badania w historii prawdopodobieństwa i statystyki XLIX O rodzinie korelacji Matern”. Biometrika 93.4 (2006): 989–995.
Rasmussen, CE i Williams, CKI Gaussian Processes for Machine Learning. the MIT Press, 2006.