处理数据不一致与模型不充分的统计校准/预测模型的批判性综述
数据分析、统计与概率
2017-09-06 v2 化学物理
摘要
从参考数据推断物理参数是一个已被广泛研究的问题，其中存在诸多复杂性（由于实验系统误差导致的非一致数据集、近似物理模型……）。当推断的参数被用于进行预测（虚拟测量）时，复杂性进一步增加，因为除了参数的最佳值外，还需要估计参数的不确定性。文献中充满了用于校准/预测问题的统计模型，每种模型都有其优势和局限性。我们在统一的贝叶斯框架下回顾和评估了标准及最先进的统计模型，并在合成数据集和真实数据集上进行了测试，这些数据集涉及基于 Chapman-Enskog 模型对 Lennard-Jones 参数进行温度依赖黏度校准。
引用
@article{arxiv.1611.04376,
title = {A critical review of statistical calibration/prediction models handling data inconsistency and model inadequacy},
author = {Pascal Pernot and Fabien Cailliez},
journal= {arXiv preprint arXiv:1611.04376},
year = {2017}
}