Emulador de proceso gaussiano

En estadística , el emulador de procesos gaussianos es un nombre para un tipo general de modelo estadístico que se ha utilizado en contextos en los que el problema es aprovechar al máximo los resultados de un modelo de simulación informático 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 los resultados del modelo de simulación varíe de manera razonablemente suave 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 teóricamente emula las salidas desconocidas del simulador.

El modelo de emulador de proceso 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 son desconocidas a menos que se ejecute el modelo de computadora y, por lo tanto, se puedan convertir en el sujeto 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 que está 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.

• Kriging
• Experimento informático

• Currin, C., Mitchell, T., Morris, M. y Ylvisaker, D. (1991) "Predicción bayesiana de funciones deterministas, con aplicaciones al diseño y análisis de experimentos informáticos", Journal of the American Statistical Association , 86, 953–963.
• Kimeldorf, GS y Wahba, G. (1970) "Una correspondencia entre la estimación bayesiana en 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", Reliability Engineering & System Safety, 91, 1290–1300.
• Sacks, J., Welch, WJ, Mitchell, TJ y Wynn, HP (1989) "Diseño y análisis de experimentos informáticos", Statistical Science , 4, 409–423.