24 차원 공간에서 최적의 지점을 찾는 반복적 인 보정 프로세스가 있습니다.이 프로세스는 잘 작동하고 수렴을 보장합니다 (고정 분포를 가진 임의 벡터로 수렴한다는 의미에서).일반적으로 프로세스는 약 3 회 반복 후 연속 샘플간에 강력한 상관 관계를 달성합니다.강한 것은 상관 관계가 .98 정도 이상의 값에 빠르게 도달한다는 것을 의미합니다.최대 선형 "상관 관계"에 도달했을 때 더 민감한 통계를 추적하는 중지 규칙을 찾고 있습니다.이 시점에서 프로세스를 중지하고 완전히 다른 테스트 (실제적인 보정 방법이 아님)를 사용하여 요구 사항과 장비 성능을 비교할 수 있습니다.한 쌍의 벡터가 다른 쌍보다 더 선형 적으로 의존한다고 말하기 위해 선형 연관 (상관과 같은) 측정 값을 비교하려고 할 때주의해야한다는 것을 기억합니다.이것은 모든 쌍이 상관 관계에서 1에 매우 가까울 때 특히 그렇습니다.
저는 JMP 쇼핑을하고 다변량 비모수 적 방법을 살펴 보았습니다.Hoeffding의 D 방법이 상관 관계 나 다른 비모수 방법과 비교할 때 순위를 분산하는 데 매우 효과적이라는 사실이 매우 흥미로 웠습니다.
더 일반적인 질문은 어떤 방법 (통계)이 가장 좋은지입니다. 득점 단순히 관계의 중요성을 평가하는 것이 아니라 선형 의존의 강도를 나타내며이 통계의 상대 값을 사용하여 서로 다른 벡터 쌍을 비교합니다.Hoeffding의 D 방법에 대해 읽었을 때 모든 대안에 대한 선형 의존성을 감지하는 데 최고라고 말합니다.따라서 무작위 벡터의 두 연속 샘플이이 프로세스를 중지하기에 충분히 가까울 때를 아는 좋은 방법 일 수 있습니다.
