Prédictions par krigeage imbriqué pour les ensembles de données comportant un grand nombre d'observations.

Résumé Ce travail s'inscrit dans le contexte de la prédiction de la valeur d'une fonction réelle à certains emplacements d'entrée, compte tenu d'un nombre limité d'observations de cette fonction. La technique d'interpolation de Krigeage (ou régression par processus gaussien) est souvent envisagée pour résoudre un tel problème, mais la méthode souffre de sa charge de calcul lorsque le nombre de points d'observation est important. Nous introduisons dans cet article des prédicteurs de Krigeage emboîtés qui sont construits en agrégeant des sous-modèles basés sur des sous-ensembles de points d'observation. Cette approche s'avère avoir de meilleures propriétés théoriques que les autres méthodes d'agrégation que l'on trouve dans la littérature. Contrairement à d'autres méthodes, on peut montrer que la méthode d'agrégation proposée est cohérente. Enfin, l'intérêt pratique de la méthode proposée est illustré sur des jeux de données simulés et sur un cas test industriel avec (Formule présentée.) observations dans un espace à 6 dimensions.