Процесс Гаусса — Маркова
Перейти к навигации
Перейти к поиску
Проце́сс Га́усса — Ма́ркова — случайный процесс, который удовлетворяет требованиям как для гауссовского процесса, так и для марковского[1][2]. Назван в честь Карла Фридриха Гаусса и Андрея Андреевича Маркова. Стационарный процесс Гаусса — Маркова также известен как процесс Орнштейна — Уленбека.
Основные свойства[править | править код]
Каждый процесс Гаусса — Маркова обладает тремя следующими свойствами[3]:
- Если — ненулевая скалярная функция от , то также является процессом Гаусса — Маркова.
- Если — неубывающая скалярная функция от , то также является процессом Гаусса — Маркова.
- Если процесс невырожденный и непрерывный в среднеквадратическом, то существуют ненулевая скалярная функция и строго возрастающая скалярная функция такие, что , где — стандартный винеровский процесс.
Свойство (3) означает, что любой невырожденный непрерывный в среднеквадратическом процесс Гаусса — Маркова может быть синтезирован из стандартного винеровского процесса.
Прочие свойства[править | править код]
Стационарный процесс Гаусса — Маркова с дисперсией и постоянной времени обладает следующими свойствами.
- Экспоненциальная автокорреляция:
- Функция спектральной плотности мощности, имеет ту же форму, что и распределение Коши:
- (Обратите внимание, что распределение Коши и этот спектр различаются масштабными коэффициентами.)
- Вышеупомянутое даёт следующую спектральную факторизацию:
- что важно в винеровском оценивании и других областях.
Примечания[править | править код]
- ↑ Rasmussen C. E., Williams C. K. I. Appendix B // Gaussian Processes for Machine Learning (англ.). — MIT Press, 2006. — ISBN 0-262-18253-X.
- ↑ Lamon P. 3D-Position Tracking and Control for All-Terrain Robots (англ.). — Springer, 2008. — P. 93—95. — ISBN 978-3-540-78286-5.
- ↑ Mehr C. B., McFadden J. A. Certain Properties of Gaussian Processes and Their First-Passage Times (англ.) // Journal of the Royal Statistical Society. Series B (Methodological). — 1965. — Vol. 27, no. 3. — P. 505—522.