Ho un processo di calibrazione iterativo che sta cercando un punto ottimale nello spazio 24-dimensionale.Il processo si è comportato bene e ha garantito la convergenza (nel senso di convergere a un vettore casuale con una distribuzione fissa).Tipicamente il processo raggiunge una forte correlazione tra campioni successivi dopo circa 3 iterazioni.Con forte intendo che la correlazione raggiunge rapidamente valori superiori a 0,98 circa.Sto cercando una regola di arresto che tenga traccia di una statistica più sensibile per dire quando abbiamo raggiunto la "correlazione" lineare massima.A quel punto posso interrompere il processo e confrontare le prestazioni dello strumento con i suoi requisiti con un test completamente diverso (non un modo pratico per calibrare).Ricordo che è necessario prestare attenzione quando si cerca di confrontare misure di associazione lineare (come la correlazione) per dire che una coppia di vettori è più linearmente dipendente di un'altra coppia.Ciò è particolarmente vero quando tutte le coppie sono molto vicine a 1 in correlazione.
Ho fatto acquisti da JMP e ho esaminato i metodi non parametrici multivariati.Ho trovato molto interessante il fatto che il metodo D di Hoeffding faccia un ottimo lavoro nel diffondere i ranghi rispetto alla correlazione o ad uno qualsiasi degli altri metodi non parametrici.
La mia domanda più generale è quale metodo (statistica) sia il migliore punteggio la forza della dipendenza lineare e non semplicemente valutare il significato della relazione e utilizza i valori relativi di questa statistica legale per confrontare diverse coppie di vettori.Quando leggo del metodo D di Hoeffding, dice che è il migliore per rilevare la dipendenza lineare da tutte le alternative.Quindi forse è un buon modo per sapere quando due campioni successivi di un vettore casuale sono abbastanza vicini da fermare questo processo.
