请记住,如果X:T×Ω→RX:T×Ω→R是一个高斯过程均值函数米和协方差函数ķ,然后,对于每吨1,... ,吨ķ ∈ Ť,随机矢量(X (t 1),… ,X (t k))具有多元正态分布,均值向量为(m (t 1),… ,m (t k)mKt1,…,tk∈T(X(t1),…,X(tk)))和协方差矩阵 Σ = (σ 我Ĵ)= (ķ (吨我,吨Ĵ)),在这里,我们使用了通用缩写 X (吨)= X (吨,(m(t1),…,m(tk))Σ=(σij)=(K(ti,tj))⋅)。X(t)=X(t,⋅)
每个实现X (⋅,ω )是实函数,其结构域是索引集合 Ť。假设 Ť = [ 0 ,1 ]。给定两个高斯过程 X和 Y,两个实现 X (X(⋅,ω)TT=[0,1]XY⋅,ω )和 Y (X(⋅,ω)⋅,ω )是 SUP 吨∈ [ 0 ,1 ] | X (t ,ω )− Y (t ,ω )| 。因此,将两个过程 X和 Y之间的距离定义为
d (X ,Y )= E似乎很自然。Y(⋅,ω)supt∈[0,1]|X(t,ω)−Y(t,ω)|XY[ SUP 吨∈ [ 0 ,1 ] | X (t )− Y (t )| ]。(∗ )
我不知道该距离是否存在解析表达式,但我相信您可以按以下方式计算蒙特卡洛近似值。修正了一些细网格 0 ≤ 吨1 < ⋯ < 吨ķ ≤ 1,并得出样本(X 我1,... ,X 我ķ)和(Ý 我1,... ,ÿ 我ķ)从正常随机向量(X (t 1)
d(X,Y)=E[supt∈[0,1]|X(t)−Y(t)|].(∗)
0≤t1<⋯<tk≤1(xi1,…,xik)(yi1,…,yik),… ,X (t k))和
(Y (t 1),… ,Y (t k)),对于
i = 1 ,… ,N。约
d (X ,Y )乘
1(X(t1),…,X(tk))(Y(t1),…,Y(tk))i=1,…,Nd(X,Y)Ñ Ñ Σ我=1最大值1≤Ĵ≤ķ| xij−yij|。1N∑i=1Nmax1≤j≤k|xij−yij|.