[問題] 分辨Gaussian Process

看板Statistics作者 (安穩殘憶)時間7年前 (2016/08/07 15:02), 7年前編輯推噓0(0029)
留言29則, 3人參與, 最新討論串1/1
各位先進好 在此我想請問關於如何檢測一個Process是Gaussian Process 根據Capasso的An Introduction to Continuous-Time Stochastic Process[1],一個Gaussian Process的定義如下 Definition Gaussian Process A real-Valued stochastic process (Omage,F,P,(X(t))_{t \in R+}) is called a Gussian process if, for all n \in \mathbb{N}^* and for all (t1,...,tn) \in (R+)^n, the n-dimensional random vector X=(X(t1),...,X(tn))^T has a multivariate Gaussian distribution, with probability desity 1 f(x;t1,...,tn) = ------------------------* (2pi)^(n/2)*sqrt(det(K)) { ( 1 ) } *exp{-(---)*(x-m)^T*K^(-1)*(x-m)} { ( 2 ) }, where { mi = E[X(ti)] \in \mathbb R, i=1,...,n, { Kij = Cov[X(ti),X(tj)] \in \mathbb{R}, { i=1,...,n. 由此看來,一個Gaussian Process應該是可以看成一個random vector X=(X1,...,Xn)^T,然後Xi分別是服從某個Gaussian Process N(mui,sigmai),其中(mui,sigmai)可以是與另一個(muj,sigmaj)有所不同 。 然後我的問題就來了,根據我所知關於Gaussian的檢定是檢定一個random variable是不是Gaussian (Normal)的是Kolmogorov-Smirnov test。它似乎 只能在一維度時使用。 (如果恰好(mui,sigmai)=(muj,sigmaj)對於所有的(i,j),好像也能使用?) 由於查閱的書籍似乎都是在討論已經是在Gaussian Process時會有甚麼性質 ,而沒有說究竟該如何檢測它。便在此想請問各位先進,一般是如何去檢測 一個Process是Gaussian Process的呢? 謝謝 References [1] Capasso, V, & Baskstein, D. (2010). An Intoduction to Continuous-Time Stochastic Processes (2nd ed.). New York: Springer. -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.243.205.37 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1470553357.A.121.html ※ 編輯: Glamsight (111.243.205.37), 08/07/2016 15:04:12

08/07 16:57, , 1F
test整個process的實務上好像沒見過(?) 我也蠻想知道的
08/07 16:57, 1F

08/07 16:58, , 2F
還是說有什麼相關性質可以保証不用檢測 之類的
08/07 16:58, 2F

08/07 19:46, , 3F
一個 Gaussian process 並非是一個 n-dimensional r.v.,
08/07 19:46, 3F

08/07 19:48, , 4F
定義是說它的任意有限 n 點都是 n-dim. Gaussian(normal)
08/07 19:48, 4F

08/07 19:50, , 5F
distributional random vector. 因此, 是不可能做完整檢定
08/07 19:50, 5F

08/07 19:52, , 6F
的. 要嘛, 就是檢查其構成條件, 再根據不同的 process 檢查
08/07 19:52, 6F

08/07 19:54, , 7F
其是否符合有隈點分布條件.
08/07 19:54, 7F
請問"有隈點分布條件"指的是什麼?第一次見到這個名詞。

08/09 08:48, , 8F
試試看Kolmogorov continuity theorem
08/09 08:48, 8F

08/09 08:49, , 9F
還有kolmogorov extension theorem
08/09 08:49, 9F
第一次聽到該定理,我研究看看,謝謝!! ※ 編輯: Glamsight (36.229.232.94), 08/10/2016 21:34:12

08/18 08:28, , 10F
通常一個隋機過程不管是 continuous time 或 discrete time
08/18 08:28, 10F

08/18 08:30, , 11F
的, 都是無限點, 也就是無限維的. 因此要看其機率分布, 只
08/18 08:30, 11F

08/18 08:32, , 12F
能取有限個點, 例如一個無限的時間序列只取有限個時點, 看
08/18 08:32, 12F

08/18 08:33, , 13F
這些時點之表現(隨機變數)的聯合分布, 正式稱呼是
08/18 08:33, 13F

08/18 08:34, , 14F
finite-dimensional distribution. 根據定義, 一個
08/18 08:34, 14F

08/18 08:35, , 15F
Gaussian process 就是其任意 f.-d. distribution 都是
08/18 08:35, 15F

08/18 08:37, , 16F
multi-variate Gaussian. 所以如果要從分布特性去檢定是否
08/18 08:37, 16F

08/18 08:41, , 17F
為 Gaussian process, 還要根據 prpcess 的特性, 取 n 組各
08/18 08:41, 17F

08/18 08:45, , 18F
k 個時間點, 得到 n 組獨立同分布的 k-dim. 隨機向量的觀測
08/18 08:45, 18F

08/18 08:47, , 19F
值, 檢定它們是否為來自 k-dim. Gaussian 的隨機樣本.
08/18 08:47, 19F

08/18 08:51, , 20F
例如要檢定是否為 Brownian motion, 可以取等距 n+1 個
08/18 08:51, 20F

08/18 08:54, , 21F
時點, 得觀測值 Y(i),i=0,1,2...,n; 再取 X(i)=Y(i+1)-Y(i)
08/18 08:54, 21F

08/18 08:56, , 22F
再用檢定單變量常態的方法檢定 X(i), i=1,2,...,n 是否構成
08/18 08:56, 22F

08/18 08:58, , 23F
來自一單變量常態群體的一個簡單隨機樣本. 做一個檢定不夠,
08/18 08:58, 23F

08/18 09:00, , 24F
至少還需要取不同間距的時間點, 再做這樣的檢定.
08/18 09:00, 24F

08/18 09:02, , 25F
Brownian motion 可以說是除了 white noise 以外最簡單的
08/18 09:02, 25F

08/18 09:03, , 26F
Gaussian process 了, 所以能有這麼簡單的檢定方式, 其他
08/18 09:03, 26F

08/18 09:05, , 27F
process, 有可能甚至找不出檢定 f.-d. distribution 的方法
08/18 09:05, 27F

08/18 09:07, , 28F
所以檢測一個 process 是否為某一特定 process, 最好還是
08/18 09:07, 28F

08/18 09:08, , 29F
從該 process 的構成特性來檢測.
08/18 09:08, 29F
非常感謝您的回覆!我想再請問一下已經有了一些連續時點的樣本,在給定信心水準下, 這個(n,k)該如何選擇,並對應哪一種的 Test ,不知道是否有相關的教科書可以閱讀? 謝謝!! ※ 編輯: Glamsight (140.113.250.43), 08/18/2016 13:52:33
文章代碼(AID): #1NfjqD4X (Statistics)