Principles for statistical inference on big spatio-temporal data from climate models

افزایش گسترده ای در مجموعه داده های فضایی و زمانی مدرن، آمارگیرانی را که در برنامه های محیط زیست کار می کنند، به منظور توسعه روش های جدید و کارآمد که هنوز هم می تواند برای دستیابی به مدل های غیرتاریخی در یک زمان مقرون به صرفه، به کار گیرند. خروجی مدل های هویت، محدودیت های استنتاج برای فرایندهای گاوس را فشار می دهد، زیرا اندازه آنها به راحتی می تواند بیش از 10 میلیارد امتیاز داده شود. با استفاده از تجربه ما در مجموعه ای از کار قبلی، ما سه اصل برای تجزیه و تحلیل آماری چنین مجموعه های داده ای بزرگ را ارائه می دهیم که پیشرفت های روش شناختی و محاسباتی اخیر را اهرم می کند. این اصول تاکید بر نیاز به جاسازی محاسبات توزیع شده و موازی در روند استنباط.