นอกจากคำตอบที่ดีของ @DahnJahn ฉันคิดว่าฉันจะพยายามพูดเพิ่มเติมเกี่ยวกับหน้าที่ของ Bessel และแกมม่าที่มาจาก จุดเริ่มต้นหนึ่งสำหรับการมาถึงฟังก์ชั่นความแปรปรวนร่วมคือทฤษฎีบทของ Bochner
ทฤษฎีบท (Bochner)ฟังก์ชั่นนิ่งต่อเนื่องk(x,y)=k˜(|x−y|)เป็นบวกแน่นอนถ้าหาก
k˜คือการแปลงฟูริเยร์ของการวัดเชิงบวกอัน จำกัด :
k˜(t)=∫Re−iωtdµ(ω)
จากนี้คุณสามารถอนุมานได้ว่าเมทริกซ์ความแปรปรวนร่วมMatérnนั้นได้มาจากการแปลงฟูริเยร์ (ที่มา)1(1+ω2)p ทั้งหมดนี้เป็นสิ่งที่ดี แต่มันไม่ได้บอกเราว่าคุณมาถึงมาตรการเชิงบวกอัน จำกัด นี้โดย1(1+ω2)pพี มันคือความหนาแน่นสเปกตรัม (กำลัง) ของกระบวนการสุ่มf(x) )
ซึ่งกระบวนการสุ่ม? เป็นที่รู้จักกันว่าเป็นกระบวนการที่สุ่มRdกับฟังก์ชั่นความแปรปรวน Matern เป็นวิธีการแก้สมการเชิงอนุพันธ์สุ่มบางส่วน (SPDE)
(κ2−Δ)α/2X(s)=φW(s),
ที่
W(s)คือเสียงรบกวนแบบเกาส์เซียนที่มีความแปรปรวนของหน่วย,
Δ=∑i=1d∂2∂x2i
เป็นโอเปอเรเตอร์ Laplace และ
α=ν+d/2(ฉันคิดว่านี่เป็น
Cressie และ Wikle )
ทำไมต้องเลือก SPDE / กระบวนการสุ่มนี้ ต้นกำเนิดอยู่ในสถิติเชิงพื้นที่ซึ่งเป็นที่ถกเถียงกันอยู่ว่าเป็นความแปรปรวนที่ง่ายที่สุดและเป็นธรรมชาติซึ่งทำงานได้ดีในR2 :
ฟังก์ชันความสัมพันธ์แบบเอ็กซ์โปเนนเชียลเป็นความสัมพันธ์ตามธรรมชาติในหนึ่งมิติเนื่องจากสอดคล้องกับกระบวนการมาร์คอฟ ในสองมิติสิ่งนี้จะไม่เป็นเช่นนั้นอีกต่อไปแม้ว่าฟังก์ชันเลขชี้กำลังเป็นฟังก์ชันสหสัมพันธ์ทั่วไปในงานธรณีศาสตร์ Whittle (1954) กำหนดความสัมพันธ์ที่สอดคล้องกับสมการเชิงอนุพันธ์สุ่มของ Laplace type:
โดยที่ϵเป็นเสียงสีขาว กระบวนการขัดแตะโดยสิ้นเชิงที่สอดคล้องกันเป็น autoregression ลำดับที่สอง (ที่มา)
[(∂∂t1)2+(∂∂t2)2−κ2]X(t1,t2)=ϵ(t1,t2)
ϵ
ตระกูลของกระบวนการที่รวมอยู่ใน SDE ที่เกี่ยวข้องกับสมการของแม่ ได้แก่โมเดล Ornstein-Uhlenbeck ของความเร็วของอนุภาคที่เคลื่อนไหวภายใต้การเคลื่อนที่แบบบราวเนียน โดยทั่วไปคุณสามารถกำหนดสเปกตรัมพลังงานสำหรับกระบวนการA R ( p )สำหรับทุกๆจำนวนเต็มpซึ่งมีค่าความแปรปรวนร่วมของครอบครัวMatérnด้วย นี่คือภาคผนวกของ Rasmussen และ WilliamsAR(1)AR(p)p
ฟังก์ชันความแปรปรวนร่วมนี้ไม่เกี่ยวข้องกับกระบวนการคลัสเตอร์Matérn
อ้างอิง
Cressie, Noel และ Christopher K. Wikle สถิติสำหรับข้อมูลเชิงพื้นที่ John Wiley & Sons ปี 2015
Guttorp, Peter และ Tilmann Gneiting "การศึกษาในประวัติศาสตร์ของความน่าจะเป็นและสถิติ XLIX ในตระกูลสหสัมพันธ์แม่" Biometrika 93.4 (2549): 989-995
Rasmussen, CE และ Williams, กระบวนการ CKI Gaussian สำหรับการเรียนรู้ของเครื่อง สำนักพิมพ์ MIT, 2006