×
顾梦阳

高斯随机过程在仿真、校准和变量选择中的联合鲁棒先验。 （英语） Zbl 1421.62055号

贝叶斯分析。 14，第3号，857-885（2019）.
摘要：高斯随机过程（GaSP）被广泛应用于不确定性量化的两个基本问题，即数学模型的仿真和校准。一些客观先验，例如参考先验，是在仿真（近似）计算昂贵的数学模型的背景下研究的。在这项工作中，我们引入了一类新的先验，称为联合鲁棒先验，用于仿真和校准。该先验的目的是保持与参考先验相比的各种优势。在仿真中，联合鲁棒先验具有适当的尾部衰减率作为参考先验，并且在参数估计方面比参考先验计算简单。此外，具有联合鲁棒先验的边缘后验模估计可以分离数学模型中的影响输入和惰性输入，而参考先验则不具有这一特性。我们为校准中的一大类先验建立了后验适当性，包括参考先验和一般情况下的联合稳健先验，但由于校准的数学模型通常能够很好地预测实际情况，因此首选联合稳健先例。联合鲁棒先验被用作两个新的R包中的默认先验，称为“RobustGaSP”和“RobustCalibration”，分别在CRAN上用于仿真和校准。

引用于6文件

MSC公司：

62G35型 非参数稳健性
60G15年 高斯过程

关键词：

计算机模型;后礼仪;参考在先;尾利率

软件：

左侧（lhs）;DiceOptim公司;稳健校准;灵敏度;稳健GaSP;起重机;虚拟库;骰子克里格;对;L-BFGS公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Gu}，贝叶斯分析。14，第3号，857--885（2019；Zbl 1421.62055）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Arendt，P.D.、Apley，D.W.和Chen，W.（2012）。“模型不确定性的量化：校准、模型差异和可识别性”，《机械设计杂志》，134（10）：100908。
[2] Bastos，L.S.和O'Hagan，A.（2009年）。“高斯过程模拟器的诊断”，《技术计量学》，51（4）：425-438。
[3] Bayarri，M.J.、Berger，J.O.、Calder，E.S.、Dalbey，K.、Lunagomez，S.、Patra，A.K.、Pitman，E.B.、Spillerh，E.T.和Wolperti，R.L.（2009年）。“使用统计和计算机模型量化火山灾害”，《技术计量学》，51:402-413。
[4] Bayarri，M.J.、Berger，J.O.、Paulo，R.、Sacks，J.、Cafeo，J.A.、Cavendish，J.，Lin，C.-H.和Tu，J.（2007）。“计算机模型验证框架”，《技术计量学》，49（2）：138-154。
[5] Berger，J.O.、De Oliveira，V.和Sansó，B.（2001）。“空间相关数据的客观贝叶斯分析”，《美国统计协会杂志》，96（456）：1361-1374·Zbl 1051.62095号 ·doi:10.1198/016214501753382282
[6] Berger，J.O.、Pericchi，L.R.和Varshavsky，J.A.（1998年）。“不变情况下的贝叶斯因子和边际分布”，Sankhyá：《印度统计杂志》，A辑，307-321·Zbl 0973.62017号
[7] Carnell，R.（2018）。lhs：拉丁超立方体示例。R包版本0.16。统一资源定位地址https://CRAN.R-project.org/package=lhs
[8] Conti，S.和O'Hagan，A.（2010年）。“复杂多输出和动态计算机模型的贝叶斯仿真”，《统计规划与推断杂志》，140（3）：640-651·Zbl 1177.62033号 ·doi:10.1016/j.jspi.2009.08.006
[9] Efron，B.和Stein，C.（1981年）。“方差的折刀估计”，《统计年鉴》，586-596·Zbl 0481.62035号 ·doi:10.1214/aos/1176345462
[10] Gu，M.（2018）。鲁棒校准：不完美数学模型的鲁棒校准。R包版本0.5.0。统一资源定位地址https://CRAN.R-project.org/package=稳健校准
[11] Gu，M.和Berger，J.O.（2016）。“大规模输出计算机模型的并行偏高斯过程仿真”，《应用统计学年鉴》，10（3）：1317-1347·Zbl 1391.62184号 ·doi:10.1214/16-AOAS934
[12] Gu，M.、Palomo，J.和Berger，J.O.（2018a）。“RobustGaSP：R中的稳健高斯随机过程仿真”arXiv预印本arXiv:1801.01874。
[13] Gu，M.和Wang，L.（2017）。“计算机模型校准和预测的标度高斯随机过程”，SIAM/ASA不确定性量化杂志，6（4）：1555-1583·Zbl 1409.62185号 ·doi:10.1137/17M1159890
[14] Gu，M.、Wang，X.和Berger，J.O.（2018b）。“稳健高斯随机过程仿真”，《统计学年鉴》，46（6A）：3038-3066·Zbl 1408.62155号 ·doi:10.1214/17-AOS1648
[15] Higdon，D.、Gattiker，J.、Williams，B.和Rightley，M.（2008年）。“使用高维输出进行计算机模型校准”，《美国统计协会杂志》，103（482）：570-583·Zbl 1469.62414号 ·doi:10.1198/0162145000000888
[16] 霍夫丁（1948）。“具有渐近正态分布的一类统计”，《数理统计年鉴》，293-325·Zbl 0032.04101号 ·doi:10.1214/aoms/1177730196
[17] Kazianka，H.和Pilz，J.（2012）。“具有不确定块金和范围参数的空间数据的客观贝叶斯分析”，《加拿大统计杂志》，40（2）：304-327·Zbl 1348.62082号 ·doi:10.1002/cjs.11132
[18] Kennedy，M.C.和O'Hagan，A.（2001年）。“计算机模型的贝叶斯校准”，《皇家统计学会杂志：B辑（统计方法）》，63（3）：425-464·兹比尔1007.62021 ·数字对象标识代码：10.1111/1467-9868.00294
[19] Le Gratiet，L.、Cannamela，C.和Iooss，B.（2014年）。“计算机代码（多重性）全局敏感性分析的贝叶斯方法”，SIAM/ASA不确定性量化杂志，2（1）：336-363·Zbl 1308.62107号 ·数字对象标识代码：10.1137/130926869
[20] Li，R.和Sudjianto，A.（2005）。“在高斯克里金模型中使用惩罚似然的计算机实验分析”，《技术计量学》，47（2）。
[21] Linkletter，C.、Bingham，D.、Hengartner，N.、Higdon，D.和Kenny，Q.Y.（2006）。《计算机实验中高斯过程模型的变量选择》，《技术计量学》，48（4）：478-490。
[22] Liu，F.、Bayarri，M.和Berger，J.（2009）。“贝叶斯分析中的模块化，重点是计算机模型的分析”，贝叶斯研究，4（1）：119-150·兹比尔1330.655033 ·doi:10.1214/09-BA404
[23] Nocedal，J.（1980年）。“用有限存储更新拟纽顿矩阵”，《计算数学》，35（151）：773-782·Zbl 0464.65037号 ·doi:10.1090/S0025-5718-1980-0572855-7
[24] Oakley，J.（2002）。“复杂计算机代码的高斯过程先验推理”，《皇家统计学会杂志：D辑（统计学家）》，51（1）：81-97。
[25] Oakley，J.E.和O'Hagan，A.（2004年）。“复杂模型的概率敏感性分析：贝叶斯方法”，《皇家统计学会杂志：B辑（统计方法）》，66（3）：751-769·兹比尔1046.62027 ·文件编号：10.1111/j.1467-9868.2004.05304.x
[26] Paulo，R.（2005）。“高斯过程的默认先验值”，《统计年鉴》，33（2）：556-582·Zbl 1069.62030号 ·doi:10.1214/009053604000001264
[27] Pujol，G.、Iooss，C.C.、Michel，F.和Iooss M.B.（2007年）。“灵敏度包”。R包版本，1。
[28] Ren，C.、Sun，D.和He，C.（2012）。“具有块金效应的空间模型的客观贝叶斯分析”，《统计规划与推断杂志》，142（7）：1933-1946·Zbl 1237.62034号 ·doi:10.1016/j.jspi.2012.02.034
[29] Roustant，O.、Ginsbourger，D.和Deville，Y.（2012年）。“DiceKriging，DiceOptim:基于Kriging-Based Metamodeling和Optimization的计算机实验分析的两个R包”，《统计软件杂志》，51（1）：1-55。
[30] Sacks，J.、Welch，W.J.、Mitchell，T.J.和Wynn，H.P.（1989）。计算机实验的设计与分析〉，《统计科学》，4（4）：409-423·兹比尔0955.62619 ·doi:10.1214/ss/1177012413
[31] Santner，T.J.、Williams，B.J.和Notz，W.I.（2003）。计算机实验的设计与分析。施普林格科技与商业媒体·Zbl 1041.62068号
[32] Savitsky，T.、Vannucci，M.和Sha，N.（2011年）。“非参数高斯过程先验的变量选择：模型和计算策略”，《统计科学：数理统计研究所评论期刊》，26（1）：130-149·Zbl 1222.65017号 ·doi:10.1214/11-STS354
[33] Schonlau，M.和Welch，W.J.（2006年）。“通过方差分析和可视化筛选计算机模型的输入变量。”《筛选》，308-327。斯普林格。
[34] Sobol’，I.M.（1990年）。“非线性数学模型的灵敏度估计”，Matematicheskoe Modelirovanie，2（1）：112-118·Zbl 0974.00506号
[35] Sobol’，I.M.（2001）。“非线性数学模型的全局敏感性指数及其蒙特卡罗估计”，《模拟中的数学与计算机》，55（1）：271-280·Zbl 1005.65004号 ·doi:10.1016/S0378-4754（00）00270-6
[36] Sobol'，I.M.，Tarantola，S.，Gatelli，D.，Kucherenko，S.和Mauntz，W.（2007年）。“在全局灵敏度分析中修正非重要因素时估计近似误差。”可靠性工程与系统安全，92（7）：957-960。
[37] Surjanovic，S.和Bingham，D.（2017）。“模拟实验虚拟库：测试函数和数据集。”网址：http://www.sfu.ca/苏尔加诺。
[38] Tuo，R.和Wu，C.J.（2015）。“不完美计算机模型的有效校准”，《统计年鉴》，43（6）：2331-2352·Zbl 1326.62228号 ·doi:10.1214/15-AOS1314
[39] 张华（2004）。“基于模型的地质统计学中的不一致估计和渐近相等插值”，《美国统计协会杂志》，99（465）：250-261·兹比尔1089.62538 ·doi:10.1198/016214500000241
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。