Эмулятор гауссовского процесса

В статистике , которая использовалась в контекстах, где проблема состоит в том , эмулятор гауссовского процесса — это одно из названий общего типа статистической модели чтобы максимально использовать результаты сложной (часто неслучайной) компьютерной имитационной модели. Каждый запуск имитационной модели требует больших вычислительных затрат, и каждый запуск основан на множестве различных управляющих входных данных. Ожидается, что изменение результатов имитационной модели будет достаточно плавно изменяться в зависимости от входных данных, но неизвестным образом.

Общий анализ включает две модели: имитационную модель, или «симулятор», и статистическую модель, или «эмулятор», которая условно имитирует неизвестные выходные данные симулятора.

Модель эмулятора гауссовского процесса рассматривает проблему с точки зрения байесовской статистики . В этом подходе, даже несмотря на то, что выходные данные имитационной модели фиксированы для любого заданного набора входных данных, фактические выходные данные неизвестны, пока не будет запущена компьютерная модель, и, следовательно, они не могут стать предметом байесовского анализа . Основным элементом модели эмулятора гауссовского процесса является то, что она моделирует выходные данные как гауссов процесс в пространстве, определяемом входными данными модели. Модель включает описание корреляции или ковариации выходных данных, что позволяет модели учитывать идею о том, что различия в выходных данных будут небольшими, если входные данные имеют лишь небольшие различия.

См. также

• Кригинг
• Компьютерный эксперимент

Ссылки

• Каррин К., Митчелл Т., Моррис М. и Илвисакер Д. (1991) «Байесовское предсказание детерминированных функций с применением к планированию и анализу компьютерных экспериментов», Журнал Американской статистической ассоциации , 86. , 953–963.
• Кимельдорф Г.С. и Вахба Г. (1970) «Соответствие между байесовской оценкой случайных процессов и сглаживанием сплайнами», Анналы математической статистики, 41, 495–502.
• О'Хаган, А. (1978) «Подбор кривой и оптимальный дизайн прогнозов», Журнал Королевского статистического общества B, 40, 1–42.
• О'Хаган, А. (2006) «Байесовский анализ выходных данных компьютерного кода: учебное пособие», «Инженерия надежности и системная безопасность», 91, 1290–1300.
• Сакс Дж., Уэлч В.Дж., Митчелл Т.Дж. и Винн Х.П. (1989) «Планирование и анализ компьютерных экспериментов», Statistical Science , 4, 409–423.