Análise Estatística de Simuladores
O objetivo desse mini-curso é apresentar um tutorial sobre análise estatística para simuladores. Simuladores são funções matemáticas complexas usadas para representar um sistema físico. Um experimento computacional envolve rodar o simulador para diferentes valores de entrada (inputs) com o objetivo de aprender sobre o sistema físico. Apesar dos desafios estatísticos derivados dos experimentos físicos serem bem conhecidos, os desafios derivados dos experimentos computacionais são, de certa forma, diferentes e somente recentemente começaram a ser estudados por estatísticos. Métodos para quantificar, analisar e reduzir incerteza na aplicação de experimentos computacionais têm atraído a atenção de usuários de simulação, e nesse curso nós iremos descrever os desafios enfrentados, e introduzir algumas das metodologias para lidar com essas questões.
Uma das principais idéias consideradas nesse curso é a meta-análise. Se podemos construir uma representação estatística do simulador que é rápida de rodar, conhecida como emulador, então nós podemos usar o emulador no lugar do simulador para a análise. Processos gaussianos são a principal ferramenta usada para meta-análise. Num contexto bayesiano, esses processos fornecem um exível método semi-paramétrico para representar nossos julgamentos sobre as saídas do simulador (outputs). Condicional num conjunto de rodadas do simulador, nós construímos um processo gaussiano que pode ser usado como um substituto do simulador.
O conteúdo do curso será dividido ao longo dos três dias da seguinte forma: no primeiro dia, nós iremos introduzir a área de experimentos computacionais e descrever como construir emuladores baseados em processos gaussianos; no segundo dia, nós iremos lidar com alguns desafios estatísticos incluindo análise de sensibilidade, planejamento de experimentos, e calibração; e no último dia, nós iremos apresentar alguns trabalhos em desenvolvimento nesta área, incluindo a área de computação bayesiana aproximada.
OBS: Este minicurso sera ministrado no mesmo horario do minicurso 4. Campos Aleatorios de Markov e Distribuicoes especificadas atraves das densidades condicionais.
