Ngoài câu trả lời hay của @DahnJahn, tôi nghĩ rằng tôi sẽ cố gắng nói thêm một chút về việc các hàm Bessel và gamma đến từ đâu. Một điểm khởi đầu để đến hàm hiệp phương sai là định lý của Bochner.
Định lý (Bochner) Hàm cố định liên tục k(x,y)=k˜(|x−y|) là xác định dương khi và chỉ khi
k˜ là biến đổi Fourier của số đo dương hữu hạn:
k˜(t)=∫Re−iωtdµ(ω)
Từ đó, bạn có thể suy ra rằng ma trận hiệp phương sai Matérn có nguồn gốc là biến đổi Fourier của (Nguồn) . Điều đó tốt nhưng nó không thực sự cho chúng ta biết làm thế nào bạn đạt được biện pháp tích cực hữu hạn này được đưa ra bởi . Chà, đó là mật độ phổ (công suất) của một quá trình ngẫu nhiên . 11(1+ω2)p f(x)1(1+ω2)pf(x)
Quá trình ngẫu nhiên nào? Người ta biết rằng một quá trình ngẫu nhiên trên với hàm hiệp phương sai Matérn là một giải pháp cho phương trình vi phân một phần ngẫu nhiên (SPDE)
trong đó là nhiễu trắng Gaussian với phương sai đơn vị, là toán tử Laplace và (Tôi nghĩ rằng đây là ở Cressie và Wikle ).Rd
(κ2−Δ)α/2X(s)=φW(s),
W(s)Δ=∑i=1d∂2∂x2i
α=ν+d/2
Tại sao chọn quá trình SPDE / stochastic cụ thể này? Nguồn gốc là trong các số liệu thống kê không gian nơi nó được cho là hiệp phương sai đơn giản và tự nhiên nhất hoạt động tốt trong :R2
Hàm tương quan hàm mũ là một mối tương quan tự nhiên trong một chiều, vì nó tương ứng với một quá trình Markov. Trong hai chiều, điều này không còn như vậy nữa, mặc dù hàm mũ là một hàm tương quan phổ biến trong công tác địa lý. Whittle (1954) đã xác định mối tương quan tương ứng với phương trình vi phân ngẫu nhiên của loại Laplace:
[(∂∂t1)2+(∂∂t2)2−κ2]X(t1,t2)=ϵ(t1,t2)
trong đó là tiếng ồn trắng. Quá trình mạng rời rạc tương ứng là một sự tự phát thứ hai. (Nguồn)ϵ
Họ các quá trình có trong SDE liên quan đến phương trình Mẹ bao gồm mô hình Ornstein - Uhlenbeck về vận tốc của một hạt trải qua chuyển động Brown. Tổng quát hơn, bạn có thể xác định phổ công suất cho một họ các quy trình cho mọi số nguyên cũng có hiệp phương sai Matérn. Đây là trong phần phụ lục của Rasmussen và Williams.AR(1)AR(p)p
Hàm hiệp phương sai này không liên quan đến quá trình cụm Matérn.
Người giới thiệu
Cressie, Noel và Christopher K. Wikle. Thống kê cho dữ liệu không gian-thời gian. John Wiley & Sons, 2015.
Guttorp, Peter và Tilmann Gneiting. "Các nghiên cứu trong lịch sử xác suất và thống kê XLIX Về gia đình tương quan Mẹ." Biometrika 93.4 (2006): 989-995.
Các quy trình Rasmussen, CE và Williams, CKI Gaussian cho Machine Learning. Báo chí MIT, 2006.