Funkcja kowariancji Matérna

W statystyce kowariancja Matérna , zwana także jądrem Matérna , jest funkcją kowariancji używaną w statystyce przestrzennej , geostatystyce , uczeniu maszynowym , analizie obrazu i innych zastosowaniach wielowymiarowej analizy statystycznej w przestrzeniach metrycznych . Jej nazwa pochodzi od szwedzkiego statystyka leśnego Bertila Matérna . Określa kowariancję między dwoma pomiarami jako funkcję odległości między punktami, w których zostały wykonane. Ponieważ kowariancja zależy tylko od odległości między punktami, jest stacjonarna . Jeśli odległość jest odległością euklidesową , kowariancja Matérna jest również izotropowa .

Definicja

Kowariancja Matérna między pomiarami wykonanymi w dwóch punktach oddzielonych d jednostkami odległości jest wyrażona wzorem

gdzie jest funkcją gamma jest zmodyfikowaną funkcją Bessela drugiego rodzaju, a ρ i dodatnimi parametrami kowariancji Γ { .

Proces Gaussa z kowariancją Matérna jest razy różniczkowalny w sensie średniokwadratowym.

Gęstość widmowa

mocy procesu z kowariancją Matérna zdefiniowaną na ( n ) transformatą Fouriera funkcji kowariancji Matérna (patrz twierdzenie Wienera – Khinchina ). Wyraźnie jest to podane przez

Uproszczenie dla określonych wartości v

Uproszczenie dla ν pół liczby całkowitej

Kiedy , kowariancję Matérna można zapisać jako iloczyn wykładniczy i wielomian rzędu: :

co daje:

  • dla :
  • dla :
  • dla :

Przypadek Gaussa w granicy nieskończoności ν

Ponieważ kowariancja Matérna zbiega się do kwadratowej wykładniczej funkcji kowariancji

Szeregi Taylora w momentach zerowych i widmowych

Zachowanie dla uzyskać za pomocą następującego szeregu Taylora (konieczne jest odniesienie, poniższy wzór prowadzi do :

Po zdefiniowaniu z szeregu Taylora można wyprowadzić następujące momenty widmowe:

Zobacz też

  1. ^ Genton, Marc G. (1 marca 2002). „Klasy jąder do uczenia maszynowego: perspektywa statystyki” . Dziennik badań nad uczeniem maszynowym . 2 (01.03.2002): 303–304.
  2. Bibliografia _ McBratney, AB (2005). „Funkcja Matérn jako ogólny model wariogramów gleby”. Geoderma . 128 (3–4): 192–207. doi : 10.1016/j.geoderma.2005.04.003 .
  3. ^ a b c Rasmussen, Carl Edward i Williams, Christopher KI (2006) Procesy gaussowskie dla uczenia maszynowego
  4. ^ Santner, TJ, Williams, BJ i Notz, WI (2013). Projektowanie i analiza eksperymentów komputerowych. Springer Science & Business Media.
  5. ^   Abramowitz i Stegun (1972). Podręcznik funkcji matematycznych z formułami, wykresami i tabelami matematycznymi . ISBN 0-486-61272-4 .