Interpolación en procesos gaussianos 2D (Kriging, Kernel Regression): ejemplo Matlab

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 09:25

Resumen:

Las fórmulas de estimación del vídeo [krigtm] pueden aplicarse a variables índice $t$ que sean multidimensionales, $t\in {ℝ}^2$ en vez de $t\in ℝ$ por ejemplo. Ello permite extender la idea de “filtrado en el tiempo” a “interpolación” en coordenadas espaciales (o espaciales y temporales en procesos, por ejemplo, gobernados por ecuaciones en derivadas parciales). Este vídeo presenta un ejemplo de interpolación 2D de una función a partir de unos puntos donde la “suavidad” de la función viene definida por la función de covarianza (kernel) especificada por el disen~ador. Se usan las ecuaciones de mejor predicción y intervalo de confianza (proceso gaussiano) y se explora su interpretación en problemas de regresión/interpolación entendidos como filtrado estadístico. Las ideas de este vídeo están muy relacionadas con los “métodos Kernel” de regresión discutidos en otros materiales (por ejemplo, los vídeos [kerls], [kerlsm]); de hecho, el vídeo [kstat] sobre métodos denominados “regresión Kernel” enfatiza la relación prácticamente directa de dicha regresión con los conceptos de este vídeo.

Colección completa [VER]:

• Anterior   Covarianza entre posición y velocidad: ejemplo, predicción (2)

• Siguiente Estimación velocidad por diferencias finitas (1): motivación y planteamiento del problema