Hills, R., et T. Trucano. 2002. validation statistique des modèles d`ingénierie et scientifiques: une métrique à base de vraisemblance maximale. SAND2001-1789. Albuequerque, N. MEX.: laboratoires nationaux de Sandia. Naevdal, G., L. Johnsen, S. Aanonsen, et D. E. Vefring.

2005 surveillance du réservoir et mise à jour continue du modèle à l`aide du filtre ensemble Kalman. Société des ingénieurs pétroliers journal 10 (1): 66-74. Tonkin, M., et J. Doherty. 2009. analyse Monte-Carlo contrainte par étalonnage de modèles hautement paramétrés à l`aide de techniques de sous-espace. Recherche sur les ressources en eau 45 (12): w00b10. • Les modèles donnent rarement des prédictions très précises sur toute la gamme des intrants d`intérêt possible, et il est difficile de caractériser les régions d`exactitude et d`inexactitude à l`avance. Le type de déclaration indiqué ci-dessus indique l`exactitude de la quantité prévue d`intérêt, et l`utilisateur peut décider si l`exactitude est suffisante ou non.

Bayarri, M.J., et J.O. Berger. 2000 valeurs P pour les modèles composites nuls. Journal de l`American Statistical Association 95 (452): 1269-1276. Raftery, AE 1996. Test d`hypothèses et sélection de modèles par simulation postérieure. Pp. 163-168 dans la chaîne pratique de Markov Monte Carlo. Londres, Royaume-Uni: Chapman et Hall.

Tarantola, A. 2005. Théorie et méthodes de problème inverse pour l`estimation de paramètre de modèle. Philadelphie, PA.: SIAM. Mosleh, A., D.M. Rasmuson, f. f. Marshall, et la Commission de réglementation nucléaire des États-Unis. 1998. lignes directrices sur la modélisation des défaillances de cause commune dans l`évaluation probabiliste des risques. Washington, D.C.: Division des programmes de sécurité, bureau d`analyse et d`évaluation des données opérationnelles, Commission de réglementation nucléaire des États-Unis.

Encadré 5,2 utilisation d`un émulateur pour l`étalonnage et la prédiction avec des exécutions de modèles limitées Higdon, D., J. Gattiker, B. Williams et M. Rightley. 2008. étalonnage du modèle d`ordinateur à l`aide de la sortie haute dimension. Journal de l`American Statistical Association 103 (482): 570-583. Une alternative à l`utilisation des méthodes standard MCMC sur le modèle d`ordinateur directement est d`utiliser un émulateur (voir section 4.1.1, émulation de modèle d`ordinateur) à sa place.

Dans de nombreux cas, cette approche atténue le goulot d`étranglement de calcul provoqué par la résolution du problème inverse en appliquant le MCMC au modèle d`ordinateur directement. Box 5,2 montre comment un émulateur peut réduire le nombre d`exécutions de modèle d`ordinateur pour l`application de chute de boule de bowling dans la boîte 5,1. Brooks, S.E., et C.A. Doswell III. 1996. Comparaison des approches axées sur les mesures et axées sur les distributions pour la vérification prévisionnelle.

Modèle constat de vérification