Inom statistik är Matérn -kovariansen , även kallad Matérn-kärnan , en kovariansfunktion som används i rumslig statistik , geostatistik , maskininlärning , bildanalys och andra tillämpningar av multivariat statistisk analys på metriska utrymmen . Den är uppkallad efter den svenske skogsstatistikern Bertil Matérn . Den specificerar kovariansen mellan två mätningar som en funktion av avståndet mellan punkterna där de tas. Eftersom kovariansen endast beror på avstånd mellan punkter är den stationär . Om avståndet är euklidiskt avstånd är Matérn-kovariansen också isotropisk .
Definition
Matérn-kovariansen mellan mätningar tagna vid två punkter åtskilda av d avståndsenheter ges av
C
ν
( d ) =
σ
2
2
1 − ν
Γ ( ν )
(
2 ν
d ρ
)
ν
K
ν
(
2 ν
d ρ
)
,
{\displaystyle C_{\nu }(d)=\sigma ^{2} {\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu}}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )},}
där
Γ
{\displaystyle \Gamma }
är gammafunktionen ,
K
ν
{\displaystyle K_{\nu }}
är den modifierade Bessel-funktionen av det andra slaget, och ρ och
ν
{\displaystyle \nu }
är positiva parametrar för kovariansen .
En Gauss-process med Matérn-kovarians är
⌈ ν ⌉ − 1
{\displaystyle \lceil \nu \rceil -1}
gånger differentierbar i medelkvadratbemärkelse.
Spektral densitet
Effektspektrumet för en process med Matérn-kovarians definierad på
R
n
{\displaystyle \mathbb {R} ^{n}}
är den ( n -dimensionella) Fouriertransformen av Matérn-kovariansfunktionen (se Wiener–Khinchin-satsen ). Explicit ges detta av
S ( f ) =
σ
2
2
n
π
n
/
2
Γ ( ν +
n 2
) ( 2 ν
)
ν
Γ ( ν )
ρ
2 ν
(
2 ν
ρ
2
+ 4
π
2
f
2
)
−
(
ν +
) _
)
.
{\displaystyle S(f)=\sigma ^{2}{\frac {2^{n}\pi ^{n/2}\Gamma (\nu +{\frac {n}{2}})(2 \nu )^{\nu }}{\Gamma (\nu )\rho ^{2\nu }}}\left({\frac {2\nu }{\rho ^{2}}}+4\pi ^{2}f^{2}\höger)^{-\left(\nu +{\frac {n}{2}}\höger)}.}
Förenkling för specifika värden på ν
Förenkling för ν halvt heltal
När
ν = p + 1
/
2 , p ∈
N
+
{\displaystyle \nu =p+1/2,\ p\in \mathbb {N} ^{+}} kan
Matérn -kovariansen skrivas som en produkt av ett exponentiellt och ett polynom av ordningen
p
{\displaystyle p}
:
C
p + 1
/
2
( d ) =
σ
2
exp
(
−
2 p + 1
d
ρ
)
p !
( 2 p ) !
∑
i =
0
p
( p + i ) !
jag ! ( p - i ) !
(
2
2 p + 1
d
ρ
)
p − i
,
{\displaystyle C_{p+1/2}(d)=\sigma ^{2}\exp \left(-{\frac {{\sqrt {2p+ 1}}d}{\rho }}\right){\frac {p!}{(2p)!}}\sum _{i=0}^{p}{\frac {(p+i)!} {i!(pi)!}}\left({\frac {2{\sqrt {2p+1}}d}{\rho }}\right)^{pi},}
vilket ger:
för
1/2
(
0
ν = 1/2 ( p = )
{\displaystyle \nu =1/2\ (p=0)}
d
)
d
σ
= 2 exp
(
−
ρ
)
, {
\
displaystyle
{
:
C_ 1/2}(d)=\sigma ^{2}\exp \left(-{\frac {d}{\rho }}\right),}
C
för
ν = 3
/
2 ( p = 1 )
{\displaystyle \nu =3/2\ (p=1)}
:
C
3
/
2
( d ) =
σ
2
(
1 +
3
d
ρ
)
exp
(
−
3
d
ρ
)
,
{\displaystyle C_{3/2}(d)=\sigma ^{2}\left(1+{\frac {{\sqrt {3}}d}{\rho }}\right)\ exp \left(-{\frac {{\sqrt {3}}d}{\rho }}\right),}
för
ν = 5
/
2 ( p = 2 )
{\displaystyle \nu =5/2\ (p=2)}
:
C
5
/
2
( d ) =
σ
2
(
1 +
5
d
ρ
+
5
d
2
3
ρ
2
)
exp
(
−
5
d
ρ
)
.
{\displaystyle C_{5/2}(d)=\sigma ^{2}\left(1+{\frac {{\sqrt {5}}d}{\rho }}+{\frac {5d^{ 2}}{3\rho ^{2}}}\right)\exp \left(-{\frac {{\sqrt {5}}d}{\rho }}\right).}
Det Gaussiska fallet i gränsen för oändligt ν
Som
ν → ∞
{\displaystyle \nu \rightarrow \infty }
, konvergerar Matérn-kovariansen till den kvadratiska exponentiella kovariansfunktionen
lim
ν → ∞
C
ν
( d ) =
σ
2
exp
(
−
d
2
2
ρ
2
)
.
{\displaystyle \lim _{\nu \rightarrow \infty }C_{\nu}(d)=\sigma ^{2}\exp \left(-{\frac {d^{2}}{2\rho ^ {2}}}\höger).}
Taylor-serier vid noll och spektrala ögonblick
Beteendet för
d →
0
{\displaystyle d\rightarrow 0}
kan erhållas av följande Taylor-serie (referens behövs, formeln nedan leder till division med noll i fallet
ν = 1
{\displaystyle \nu =1}
):
C
ν
( d ) =
σ
2
(
1 +
ν
2 ( 1 − ν )
(
d ρ
)
2
+
ν
2
8 ( 2 − 3 ν +
ν
2
)
(
d ρ
)
4
+
O
(
d
5
)
)
.
{\displaystyle C_{\nu}(d)=\sigma ^{2}\left(1+{\frac {\nu}{2(1-\nu)}}\left({\frac {d}{ \rho }}\right)^{2}+{\frac {\nu ^{2}}{8(2-3\nu +\nu ^{2})}}\left({\frac {d} {\rho }}\right)^{4}+{\mathcal {O}}\left(d^{5}\right)\right).}
När de är definierade kan följande spektrala moment härledas från Taylor-serien:
λ
0
0
=
C
ν
( ) =
σ
2
,
λ
2
= −
∂
2
C
ν
( d )
∂
d
2
|
d =
0
=
σ
2
ν
ρ
2
( ν − 1 )
.
{\displaystyle {\begin{aligned}\lambda _{0}&=C_{\nu}(0)=\sigma ^{2},\\[8pt]\lambda _{2}&=-\vänster. {\frac {\partial ^{2}C_{\nu}(d)}{\partial d^{2}}}\right|_{d=0}={\frac {\sigma ^{2}\ nu }{\rho ^{2}(\nu -1)}}.\end{aligned}}}
Se även
^
Genton, Marc G. (1 mars 2002). "Klasser av kärnor för maskininlärning: ett statistikperspektiv" . The Journal of Machine Learning Research . 2 (3/1/2002): 303–304.
^
Minasny, B.; McBratney, AB (2005). "Matérn fungerar som en allmän modell för jordvariogram". Geoderma . 128 (3–4): 192–207. doi : 10.1016/j.geoderma.2005.04.003 .
^ a b c Rasmussen, Carl Edward och Williams, Christopher KI (2006) Gaussiska processer för maskininlärning
^ Santner, TJ, Williams, BJ, & Notz, WI (2013). Design och analys av datorexperiment. Springer Science & Business Media.
^
Abramowitz och Stegun (1972). Handbok för matematiska funktioner med formler, grafer och matematiska tabeller . ISBN 0-486-61272-4 .