Bayessche Quadratur: Vollständiger Überblick über Modelle, Theorien und Praxis

Eine brandneue Übersicht zum Thema Bayesian Quadrature, veröffentlicht auf arXiv, bietet erstmals einen systematischen und umfassenden Einblick in diese probabilistische, modellbasierte Methode der numerischen Integration. Obwohl das Konzept bereits in den 1980er Jahren bekannt war, fehlte bislang ein zusammenfassendes Werk, das die Grundlagen, Varianten und Anwendungen klar strukturiert.

Bayesian Quadrature dient der Schätzung von schwer berechenbaren Integralen und Erwartungswerten. Durch die Einbindung von Gaußschen Prozessen als Prior über die zu integrierende Funktion ermöglicht sie nicht nur eine Punktschätzung, sondern liefert zugleich Unsicherheitsabschätzungen, die in vielen wissenschaftlichen und ingenieurtechnischen Bereichen von entscheidender Bedeutung sind.

Die neue Arbeit präsentiert eine dreidimensionale Taxonomie, die die Methoden entlang der Achsen Modellierung, Inferenz und Stichprobenwahl klassifiziert. Zusätzlich werden allgemeine theoretische Garantien zusammengefasst und ein kontrolliertes numerisches Experiment durchgeführt, das die Auswirkungen verschiedener Entscheidungen innerhalb dieser Achsen veranschaulicht.

Abschließend werden die praktischen Herausforderungen und Limitationen der Anwendung von Bayesian Quadrature realistisch bewertet. Das Papier schließt mit einer nahezu vollständigen Bibliographie, die nicht nur Literatur aus Machine Learning und Statistik, sondern auch aus Mathematik und Ingenieurwissenschaften abdeckt, in denen bayessche Quadratur oder ähnliche Verfahren eingesetzt wurden.