В дополнение к хорошему ответу @DahnJahn, я подумал, что постараюсь рассказать немного больше о том, откуда берутся функции Бесселя и гамма. Одной из отправных точек для достижения ковариационной функции является теорема Бохнера.
Теорема (Бохнер) Непрерывная стационарная функция k(x,y)=k˜(|x−y|) положительно определена тогда и только тогда , когда
k˜ является преобразованием Фурье конечной положительной меры:
k˜(t)=∫Re−iωtdµ(ω)
Из этого можно сделать вывод, что ковариационная матрица Матерна выводится как преобразование Фурье 1(1+ω2)p (Источник). Это все хорошо, но это на самом деле не говорит нам, как вы пришли к этой конечной положительной мере, заданной1(1+ω2)p . Ну, это спектральная плотность (мощности) случайного процессаf(x).
Какой случайный процесс? Известно, что случайный процесс на Rd с ковариационной функцией Матерна является решением стохастического уравнения в частных производных (SPDE)
(κ2−Δ)α/2X(s)=φW(s),
где
W(s) - гауссовский белый шум с единичной дисперсией,
Δ=∑i=1d∂2∂x2i
- оператор Лапласа, а
α=ν+d/2(я думаю, что это в
Кресси и Викле).
Зачем выбирать именно этот SPDE / стохастический процесс? Источник в пространственной статистике, где утверждается, что это самая простая и естественная ковариация, которая хорошо работает в R2 :
Экспоненциальная корреляционная функция является естественной корреляцией в одном измерении, поскольку она соответствует марковскому процессу. В двух измерениях это уже не так, хотя экспонента является общей корреляционной функцией в геостатистических работах. Уиттл (1954) определил соотношение, соответствующее стохастическому дифференциальному уравнению типа Лапласа:
гдеϵ- белый шум. Соответствующий дискретный процесс решетки является авторегрессией второго порядка. (Источник)
[(∂∂t1)2+(∂∂t2)2−κ2]X(t1,t2)=ϵ(t1,t2)
ϵ
Семейство процессов , включенных в СДУ , связанный с уравнением Matern включает Орнштейн-Уленбек модель скорости частицы , подвергающуюся броуновское движение. В более общем смысле вы можете определить спектр мощности для семейства процессов A R ( p ) для каждого целого числа p, которое также имеет ковариацию семейства Матерна. Это в приложении Расмуссена и Уильямса.AR(1)AR(p)p
Эта ковариационная функция не связана с кластерным процессом Матерна.
Ссылки
Кресси, Ноэль и Кристофер К. Уикл. Статистика пространственно-временных данных. John Wiley & Sons, 2015.
Гутторп, Питер и Тильманн Гнейтинг. «Исследования по истории вероятностей и статистики XLIX о корреляции семейства Matern». Биометрика 93,4 (2006): 989-995.
Расмуссен, CE и Уильямс, CKI Гауссовские процессы для машинного обучения. MIT Press, 2006.