*Link to English version
Materiales: [ Cód.: GPcholESP.zip ] [ PDF ]
Este vídeo presenta las representaciones ‘anticausal’ y ‘bilateral’ (mezcla de
causal y anticausal) de un proceso gaussiano. Las representaciones provienen de
usar una raíz cuadrada de la matriz de covarianzas particular, dado que dicha
raíz cuadrada matricial no es única. Los 5 primeros minutos repasan la raíz
cuadrada ortogonal que da lugar a los componentes principales Karhunen-Loeve
(vídeo [
Permutando filas y columnas del resultado de la descomposición de Cholesky, equivalentes a un reordenamiento de variables, obtenemos una representación ‘anticausal’ en la que cada variable latente influye sobre la salida del proceso en el mismo lugar y sobre las anteriores (pasadas) según hemos decidido ordenar las abscisas del proceso gaussiano (que podríamos interpretar como ‘tiempo’).
La segunda parte del vídeo aborda la raíz cuadrada simétrica . En ese caso . El resultado es una ‘mezcla’ de acción causal y anticausal (simétrica) de las variables latentes sobre la salida observable del proceso, excepto por efectos de condiciones iniciales o ventana finita; esto dará lugar a lo que sería un kernel de convolución bilateral. Una interpretación intuitiva es que cada fila de de las ‘estacionarias’ es como un ‘martillazo’ que deforma de forma simétrica a cada lado del punto de impacto, y que la intensidad del impacto es la variable latente, de distribución normal estándar.
Colección completa en ESPA
Anterior Proceso gaussiano: factorización Cholesky de covarianza, factor espectral, ejemplo Matlab
Siguiente Series Temporales y procesos estocásticos lineales (tiempo discreto)