Statistical Validation of Computer Models: Global and Subdomain Hypothesis Testing
计算机模型的统计验证：全局与子域假设检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主题为计算机模型的统计验证与频域假设检验，属于统计方法与工程验证交叉，未涉及所提供领域细分中的因果推断、面板、时间序列、金融等方向，故不选择任何细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
计算机模型的统计验证：全局与子域假设检验
- 研究问题
- 摘要称，本文关注如何对计算机模型与真实物理过程之间的差异进行严格的频率派统计验证，并同时覆盖全局与子域（局部）两类检验问题。
- 方法与思路
- 作者提出傅里叶最大模检验（FMMT）：先用核岭回归（KRR）估计计算机模型与物理过程之间的差异函数，再基于加权广义傅里叶系数构造频域检验；理论分析给出这些系数的渐近正态性，从而得到闭式 p 值。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：建立一个同时适用于全局与子域验证的正式频率派框架，提出 FMMT 并给出其渐近理论与闭式 p 值；模拟研究与剪切层实验显示该检验具有较高功效、第一类错误控制准确，且对局部化差异敏感。
- 阅读关注点
- 阅读全文时应核对：差异函数与检验统计量的具体定义、加权广义傅里叶系数的构造与权重选择、渐近正态性所需的正则条件与核岭回归调参方式、子域检验的多重性处理，以及模拟与剪切层实验的设计和功效比较基准。
- 阅读边界
- 仅凭摘要无法判断识别假设、定理条件、样本量要求、模拟设置与实证细节，也无法核实功效与第一类错误的具体数值；摘要未说明与既有验证方法的系统比较。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Computer simulations play an important role in scientific discovery and engineering innovation. Reliable computer models enable virtual experimentation that reduces the need for costly and time-consuming physical testing. However, the credibility of such models hinges on rigorous statistical validation against real-world data. This paper develops a formal frequentist framework for both global and subdomain validation of computer models. We propose the Fourier Maximum Modulus Test (FMMT), which leverages kernel ridge regression (KRR) to estimate the discrepancy between the computer model and the physical process, followed by a frequency-domain test based on weighted generalized Fourier coefficients. The theoretical analysis establishes the asymptotic normality of these coefficients, allowing for closed-form p-values. Simulation studies and a shear-layer experiment demonstrate that FMMT achieves high power, accurate Type I error control, and strong sensitivity to localized discrepancies.