Процесс Гаусса — Маркова

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

Каждый процесс Гаусса — Маркова $X(t)$ обладает тремя следующими свойствами^[3]:

Если $h(t)$ — ненулевая скалярная функция от $t$ , то $z(t)=h(t)X(t)$ также является процессом Гаусса — Маркова.
Если $f(t)$ — неубывающая скалярная функция от $t$ , то $z(t)=X(f(t))$ также является процессом Гаусса — Маркова.
Если процесс невырожденный и непрерывный в среднеквадратическом, то существуют ненулевая скалярная функция $h(t)$ и строго возрастающая скалярная функция $f(t)$ такие, что $X(t)=h(t)W(f(t))$ , где $W(t)$ — стандартный винеровский процесс.

Свойство (3) означает, что любой невырожденный непрерывный в среднеквадратическом процесс Гаусса — Маркова может быть синтезирован из стандартного винеровского процесса.

Прочие свойства

Стационарный процесс Гаусса — Маркова с дисперсией ${\textbf {E}}(X^{2}(t))=\sigma ^{2}$ и постоянной времени $\beta ^{-1}$ обладает следующими свойствами.

Экспоненциальная автокорреляция:

{\textbf {R}}_{x}(\tau )=\sigma ^{2}e^{-\beta |\tau |}.\,

Функция спектральной плотности мощности, имеет ту же форму, что и распределение Коши:

{\textbf {S}}_{x}(j\omega )={\frac {2\sigma ^{2}\beta }{\omega ^{2}+\beta ^{2}}}.\,

(Обратите внимание, что распределение Коши и этот спектр различаются масштабными коэффициентами.)

Вышеупомянутое даёт следующую спектральную факторизацию:

{\textbf {S}}_{x}(s)={\frac {2\sigma ^{2}\beta }{-s^{2}+\beta ^{2}}}={\frac {{\sqrt {2\beta }}\,\sigma }{(s+\beta )}}\cdot {\frac {{\sqrt {2\beta }}\,\sigma }{(-s+\beta )}},

что важно в винеровском оценивании и других областях.

Примечания

↑ 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.

Похожие исследовательские статьи

Норма́льное распределе́ние, также называемое распределением Гаусса или Гаусса — Лапласа — распределение вероятностей, которое в одномерном случае задаётся функцией плотности вероятности, совпадающей с функцией Гаусса:

\text{[math]}

где параметр

\text{[math]}

— математическое ожидание, медиана и мода распределения, а параметр

\text{[math]}

— среднеквадратическое отклонение,

\text{[math]}

— дисперсия распределения.

Уравне́ния Ма́ксвелла — система уравнений в дифференциальной или интегральной форме, описывающих электромагнитное поле и его связь с электрическими зарядами и токами в вакууме и сплошных средах. Вместе с выражением для силы Лоренца, задающим меру воздействия электромагнитного поля на заряженные частицы, эти уравнения образуют полную систему уравнений классической электродинамики, называемую иногда уравнениями Максвелла — Лоренца. Уравнения, сформулированные Джеймсом Клерком Максвеллом на основе накопленных к середине XIX века экспериментальных результатов, сыграли ключевую роль в развитии представлений теоретической физики и оказали сильное, зачастую решающее влияние не только на все области физики, непосредственно связанные с электромагнетизмом, но и на многие возникшие впоследствии фундаментальные теории, предмет которых не сводился к электромагнетизму.

Стоимость под риском — стоимостная мера риска. Это выраженная в денежных единицах оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью.

Фу́нкция Гри́на — функция, используемая для решения линейных неоднородных дифференциальных уравнений с граничными условиями . Названа в честь английского математика Джорджа Грина, который первым развил соответствующую теорию в 1830-е годы.

Метод наименьших квадратов (МНК) — математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений, для поиска решения в случае обычных нелинейных систем уравнений, для аппроксимации точечных значений некоторой функции. МНК является одним из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным.

Винеровский процесс в теории случайных процессов — это математическая модель броуновского движения или случайного блуждания с непрерывным временем.

Га́уссовский проце́сс в теории случайных процессов — это вещественный процесс, чьи конечномерные распределения гауссовские.

Физи́ческая кине́тика — микроскопическая теория процессов в неравновесных средах. В кинетике методами квантовой или классической статистической физики изучают процессы переноса энергии, импульса, заряда и вещества в различных физических системах и влияние на них внешних полей. В отличие от термодинамики неравновесных процессов и электродинамики сплошных сред, кинетика исходит из представления о молекулярном строении рассматриваемых сред, что позволяет вычислить из первых принципов кинетические коэффициенты, диэлектрические и магнитные проницаемости и другие характеристики сплошных сред. Физическая кинетика включает в себя кинетическую теорию газов из нейтральных атомов или молекул, статистическую теорию неравновесных процессов в плазме, теорию явлений переноса в твёрдых телах и жидкостях, кинетику магнитных процессов и теорию кинетических явлений, связанных с прохождением быстрых частиц через вещество. К ней же относятся теория процессов переноса в квантовых жидкостях и сверхпроводниках и кинетика фазовых переходов.

Фи́льтр Ка́лмана — эффективный рекурсивный фильтр, оценивающий вектор состояния динамической системы, используя ряд неполных и зашумленных измерений. Назван в честь Рудольфа Калмана.

Авторегрессионная условная гетероскедастичность — применяемая в эконометрике модель для анализа временных рядов, у которых условная дисперсия ряда зависит от прошлых значений ряда, прошлых значений этих дисперсий и иных факторов. Данные модели предназначены для «объяснения» кластеризации волатильности на финансовых рынках, когда периоды высокой волатильности длятся некоторое время, сменяясь затем периодами низкой волатильности, причём среднюю волатильность можно считать относительно стабильной.

Спонта́нное наруше́ние симме́три́и — способ нарушения симметрии физической системы, при котором исходное состояние и уравнения движения системы инвариантны относительно некоторых преобразований симметрии, но в процессе эволюции система переходит в состояние, для которого инвариантность относительно некоторых преобразований начальной симметрии нарушается. Спонтанное нарушение симметрии всегда связано с вырождением состояния с минимальной энергией, называемого вакуумом. Множество всех вакуумов имеет начальную симметрию, однако каждый вакуум в отдельности — нет. Например, шарик в жёлобе с двумя ямами скатывается из неустойчивого симметричного состояния в устойчивое состояние с минимальной энергией либо влево, либо вправо, разрушая при этом симметрию относительно изменения левого на правое.

Модели рассеивания примеси — математические модели распространения примесей в атмосфере.

Гауссова функция — вещественная функция, описываемая следующей формулой:

\text{[math]}

Формула Фейнмана — Каца — математическая формула, устанавливающая связь между дифференциальными уравнениями с частными производными и случайными процессами. Названа в честь физика Ричарда Фейнмана и математика Марка Каца.

Задача Робена, задача Ньютона, третья краевая задача, задача импедансного типа — разновидность краевой задачи для дифференциальных уравнений. Названа в честь французского математика Виктора Робена и британского физика Исаака Ньютона.

В прикладной статистике метод наименьших полных квадратов — это вид регрессии с ошибками в переменных, техника моделирования данных с помощью метода наименьших квадратов, в которой принимаются во внимание ошибки как в зависимых, так и в независимых переменных. Метод является обобщением регрессии Деминга и ортогональной регрессии и может быть применён как к линейным, так и нелинейным моделям.

<span class="mw-page-title-main">Профиль Фойгта</span>

Профиль Фойгта или распределение Фойгта представляет собой распределение вероятностей, полученное путём свёртки распределения Коши — Лоренца и распределения Гаусса. Он часто используется при анализе данных спектроскопии или дифракции.

В релятивистской физике электромагнитный тензор энергии-импульса является вкладом в тензор энергии-импульса обусловленный электромагнитным полем. Тензор энергии-импульса описывает поток энергии и импульса в пространстве-времени. Электромагнитный тензор энергии-импульса содержит отрицательное значение классического тензора напряжений Максвелла, который регулирует электромагнитные взаимодействия.

Модель SABR - в финансовой математике модель динамики цен активов или процентных ставок со стохастической волатильностью следующего вида:

Эта страница основана на статье Википедии.
Текст доступен на условиях лицензии CC BY-SA 4.0; могут применяться дополнительные условия.
Изображения, видео и звуки доступны по их собственным лицензиям.