ধরুন তথ্য নমুনা । এছাড়াও ধরুন, আমাদের কাছে কোভরিয়েন্স ফাংশন কে ( এক্স 1 , এক্স 2 ) এবং শূন্য গড় মানে গুশিয়ান প্রক্রিয়ার জন্য নির্দিষ্ট specified নতুন পয়েন্ট এক্স এর বিতরণ গড় মি ( x ) = কে কে - 1 y এর সাথে গাউসিয়ান হবেডি = ( এক্স, y ) = { xআমি, yআমি= y( এক্সআমি) }এনi = 1কে ( এক্স1, এক্স2)এক্স
মি ( এক্স ) = ট কে- 1Y
এবং ভেরিয়েন্স
ভেক্টর
ট = { ট ( এক্স , এক্স 1 ) , ... , ট ( এক্স , এক্স এন ) } covariances একটি ভেক্টর হয়, ম্যাট্রিক্স
কে = { ট ( এক্স আমি , এক্স ঞ ) } এন আমিভী( এক্স ) = কে ( এক্স , এক্স ) - কে কে- 1টটি।
কে ={কে( এক্স , এক্স)1) , … , কে ( এক্স , এক্স)এন) } নমুনা covariances একটি ম্যাট্রিক্স। স্যাম্পল
ইন্টারপোলেশন প্রপার্টি হোল্ডেরক্ষেত্রে আমরা উত্তরোত্তর বিতরণের গড় মূল্য ব্যবহার করে ভবিষ্যদ্বাণী করি। সত্যিই,
মি(এক্স)=কেকে-1ইয়=ওয়াই।
তবে, আমরা যদি নিয়মিতকরণ ব্যবহার করি অর্থাৎ সাদা শব্দের শব্দটি অন্তর্ভুক্ত করি তবে এটি ক্ষেত্রে নয়। সেক্ষেত্রে নমুনার জন্য কোভারিয়েন্স ম্যাট্রিক্সের
কে+σআই রয়েছে, তবে আসল ফাংশনের মান সহকারীর জন্য আমাদের কাছে কোভারিয়েন্স ম্যাট্রিক্স
কে রয়েছে, এবং উত্তরোত্তর গড়টি
মি(এক্স)=(কে)কে= { কে ( এক্সআমি, এক্সঞ) }এনi , j = 1মি ( এক্স) = কেকে- 1Y = Y ।
কে+ + σআমিকে
তদ্ব্যতীত, নিয়মিতকরণ সমস্যাটিকে আরও গণ্যিকভাবে স্থিতিশীল করে তোলে।
মি ( এক্স) = কে( কে+ + σআমি)- 1Y ≠ Y ।
শব্দের বৈকল্পিক নির্বাচন করা আমরা ইন্টারপোলেশন ( σ = 0 ) চাইলে বা গোলমাল পর্যবেক্ষণগুলি হ্যান্ডেল করতে চাইলে আমরা নির্বাচন করতে পারি ( σ বড়)।σσ= 0σ
টও ( এন )এন