<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Ryan Parker , PhD, JMP Research Statistician Developer, SAS
I modelli di processo gaussiani sono un modo popolare per emulare l'output da modelli di computer deterministici che, dati gli input per alcuni processi scientifici, costruiscono l'output associato a questi input. Gli esperimenti informatici sono progettati per raccogliere campioni da questi modelli nell'intervallo degli input. Dimostriamo come costruire un emulatore di processo gaussiano per grandi set di dati raccolti da questi esperimenti informatici, come quelli con più di 2.500 osservazioni, utilizzando una tecnica di approssimazione della probabilità per bloccare le osservazioni disponibili nella piattaforma di processo Gaussian in JMP Pro 13 . Questa tecnica consente l'utilizzo dell'elaborazione parallela per ridurre drasticamente il tempo di elaborazione necessario per stimare questi modelli. Inoltre, dimostriamo un'altra nuova funzionalità della piattaforma di processo gaussiana: la capacità di stimare modelli con input categoriali.
