측정오차를 고려한 Matérn 모델 적합 조건부 Gibbs 에너지와 경험분산 추정법의 근접 효율성

초록

연속시간 가우시안 프로세스의 Matérn 공분산을 추정할 때, 관측값에 알려진 백색 잡음이 섞인 경우를 다룬다. 기존 GE‑EV 방법을 조건부 평균 기반 CGEM‑EV로 확장하고, 경험분산을 편향 보정한다. 그 결과, 그리드 간격이 작아질수록 범위 파라미터와 분산 파라미터의 평균제곱오차 비율이 최대우도 추정치와 거의 동일해지며, 특히 매개변수 ν가 작을 때 1에 매우 가깝다. 마이크로에르고딕 파라미터에 대해서는 모든 ν에서 비율이 1로 수렴한다.

상세 분석

본 논문은 Matérn 공분산을 갖는 연속시간 가우시안 프로세스 Z의 자동상관 범위와 분산을 추정하는 새로운 방법을 제시한다. 기존 연구(Girard 2016)에서는 관측값만을 이용해 경험분산(EV)과 후보 범위에 대한 Gibbs 에너지(GE) = zᵀR⁻¹z/n을 동일시함으로써 간단한 추정 절차를 설계했으며, 대규모 샘플에서 평균제곱오차(MSE)가 최대우도(MLE)와 근접함을 보였다. 그러나 실제 데이터는 종종 알려진 분산 σ²ₑ를 갖는 백색 가우시안 잡음이 섞여 있다. 이 경우 관측값은 y = z + ε이며, ε∼N(0,σ²ₑI)이다.

논문은 두 가지 핵심 수정으로 기존 GE‑EV를 확장한다. 첫째, 경험분산은 E