En estadística , el emulador de proceso gaussiano es un nombre para un tipo general de modelo estadístico que se ha utilizado en contextos donde el problema es aprovechar al máximo los resultados de un modelo de simulación basado en computadora complicado (a menudo no aleatorio). Cada ejecución del modelo de simulación es computacionalmente costosa y cada ejecución se basa en muchas entradas de control diferentes. Se espera que la variación de las salidas del modelo de simulación varíe razonablemente sin problemas con las entradas, pero de una manera desconocida.
El análisis general involucra dos modelos: el modelo de simulación, o "simulador", y el modelo estadístico, o "emulador", que emula teóricamente las salidas desconocidas del simulador.
El modelo de emulador de procesos gaussiano trata el problema desde el punto de vista de las estadísticas bayesianas . En este enfoque, aunque la salida del modelo de simulación es fija para cualquier conjunto dado de entradas, las salidas reales se desconocen a menos que se ejecute el modelo de computadora y, por lo tanto, pueda ser objeto de un análisis bayesiano . El elemento principal del modelo de emulador de proceso gaussiano es que modela las salidas como un proceso gaussiano en un espacio definido por las entradas del modelo. El modelo incluye una descripción de la correlación o covarianza de las salidas, lo que permite que el modelo abarque la idea de que las diferencias en la salida serán pequeñas si solo hay pequeñas diferencias en las entradas.
Ver también
Referencias
- Currin, C., Mitchell, T., Morris, M. y Ylvisaker, D. (1991) "Predicción bayesiana de funciones deterministas, con aplicaciones al diseño y análisis de experimentos informáticos", Revista de la Asociación Estadounidense de Estadística , 86 , 953–963.
- Kimeldorf, GS y Wahba, G. (1970) "Una correspondencia entre la estimación bayesiana de los procesos estocásticos y el suavizado por splines", The Annals of Mathematical Statistics, 41, 495–502.
- O'Hagan, A. (1978) "Ajuste de curvas y diseño óptimo para predicciones", Journal of the Royal Statistical Society B, 40, 1-42.
- O'Hagan, A. (2006) "Análisis bayesiano de salidas de código de computadora: un tutorial", Ingeniería de confiabilidad y seguridad del sistema, 91, 1290-1300.
- Sacks, J., Welch, WJ, Mitchell, TJ y Wynn, HP (1989) "Diseño y análisis de experimentos informáticos", Statistical Science , 4, 409-423.