1 / 12

1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung 1.4 Kriging-Ansatz

1. 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung 1.4 Kriging-Ansatz 1.5 Spezialfall, bei dem Kriging und Splineglättung übereinstimmen 2. Räumliche Whittaker-Glättung – eine Anwendung in der Prämienberechnung. 2. 1.1 Motivation

lemuel
Download Presentation

1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung 1.4 Kriging-Ansatz

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 1 • 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung 1.4 Kriging-Ansatz 1.5 Spezialfall, bei dem Kriging und Splineglättung übereinstimmen • 2. Räumliche Whittaker-Glättung – eine Anwendung in der Prämienberechnung

  2. 2 1.1 Motivation • Daten können Messfehler enthalten • Lösung der Spline-Interpolation ist unbrauchbar Spline-Interpolation Splineglättung • Merkmale der Splineglättung • Keine genaue Interpolation • Anforderung an die Interpolationsfunktion f: Die Abweichungen zwischen den Funktionswerten und den beobachteten Werten dürfen an den Messstellen „nicht zu groß“ von werden.

  3. 3 1.2 Notation • D Rd sei das Beobachtungsfenster • f(x), x  D Funktion • xα (=1,...,n) Messstellen in D • zα=f(xα)+ α gemessenen Werte an den Stellen x (=1,...,n) • Sei α ein Messfehler(=1,...,n), der folgende Eigenschaften hat: • E(α) = 0; • Cov(α,) = E(α) = Sα • Var(α) = Sαα Const,  

  4. 4 1.3 Splineglättung • Ziel: Die Funktion f(x) mit einer glatten Funktion f*(x) zu approximieren, die folgende Voraussetzung erfüllt: • der folgende Ausdruck wird minimiert: • Wobei J(f*) die Krümmung der Spline-Interpolation darstellt. • Die Splineglättung ist somit eine Mischung aus Spline-Interpolation und der Methode der kleinsten Quadrate.

  5. 5 • Dabei steuert p das Verhältnis zwischen Glätte der Funktion und der Übereinstimmung mit den Messwerten an den Messstellen. • Der Parameter p bestimmt also den Einfluss des Spline-Interpolanten und des MKQ-Schätzers auf die Lösung des Spline-Glättungs-Verfahrens: • p  0: Die Lösung ist annähernd ein MKQ-Schätzer (insbesondere p = 0  MKQ-Schätzer) • Mit wachsendem p nähert sich die Lösung der des Spline-Interpolationsverfahrens. • In R²:

  6. 6 • Lösung (Matheron, Wahba) • Wobei: K(h)=|h|²log|h|, • Basisfunktionen,z.B.: L=2, für x = (x1,x2) • Problem des Splineglättungsverfahrens: Bestimmung des Parameters p

  7. 7 1.4 Kriging-Ansatz • Man kann die formale Äquivalenz mit dem Modell des intrinsischen Kriging k-ter Ordnung in leicht modifizierter Form auf die Spline-Glättung anwenden; • Wir betrachten nun das Zufallsfeld Z(x) und zerlegen es in ein intrinsisches Feld k-ter Ordnung Y(x) und einen zufälligen Fehler (x) Z(x) = Y(x) + (x)  x  D • z(x1),...,z(xn): Gemessenen Werte an den Stellen x1,..., xn • Sei K(h)=Cov(Y(x),Y(x+h)) (h  Rd, x,x+h  D) die Kovarianz des Zufalls-Feldes Y(x) • Sei S(h)=Cov((x),(x+h)) (h  Rd, x,x+h  D) die Kovarianz des zufälligen Fehlers (x)

  8. 8 • Der zufällige Fehler (x) genügt dabei folgenden Bedingungen: • Das Zufallsfeld und der zufällige Fehler sind unkorreliert: Cov(Y(x), (x)) = 0  x  D • Der Fehler hat den Erwartungswert Null: E((x)) = 0  x  D • Die Kovarianz des Fehlers hat somit folgende Form: S(h) = E((x)(x+h))  x,x+h  D, h  Rd

  9. 9 • Ziel ist es, anhand der Messwerte z(x1),...,z(xn) das Zufallsfeld Y(x) durch intrinsisches Cokriging zu schätzen. • Schätzer: • Falls folgend Bedingungen erfüllt sind: • {} ist zulässig, falls gilt: setze 0 = -1, fl(x0)=fl(x): •  h  Rd:

  10. 10 • Lösung durch duales Kriging: • Wobei im R2 z.B.: fl(x) = (x1)k1(x2)k2, k1+k2  k; x = (x1,x2) D R² (im Fall k=2: 1, x1, x2, (x1)², x1 x2,(x2)² )

  11. 11 1.5 Spezialfall: Übereinstimmung der Cokriging- Lösung und des Splineglättungsverfahrens • Sei nun x  R², L=2, k=1; • Und wählt man im dualen Kriging für die Kovarianz von Y(x): • Und für die Kovarianz von (x): „Weißes Rauschen“

  12. 12 • So erkennt man, wenn man die beiden Schätzer Y*(x) und f*(x) vergleicht, dass die beiden Lösungen übereinstimmen, falls p=c0/bs

More Related