<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Ryan Parker , PhD, JMP Investigador Estadístico Desarrollador, SAS
Los modelos de proceso gaussianos son una forma popular de emular la salida de modelos informáticos deterministas que, dadas las entradas a algún proceso científico, construyen la salida asociada con estas entradas. Los experimentos de computadora están diseñados para recolectar muestras de estos modelos en el rango de las entradas. Demostramos cómo construir un emulador de proceso gaussiano para grandes conjuntos de datos recopilados de estos experimentos informáticos, como aquellos con más de 2,500 observaciones, utilizando una técnica de probabilidad aproximada para bloquear las observaciones que están disponibles en la plataforma del Proceso Gaussiano en JMP Pro 13 . Esta técnica permite el uso del procesamiento paralelo para reducir drásticamente el tiempo de cálculo necesario para estimar estos modelos. Además, demostramos otra característica nueva de la plataforma de proceso gaussiana: la capacidad de estimar modelos con entradas categóricas.
