24次元空間で最適な点を検索する反復キャリブレーションプロセスがあります。このプロセスは適切に動作し、収束が保証されています（固定分布のランダムベクトルに収束するという意味で）。通常、このプロセスでは、約3回の反復後に、連続するサンプル間で強い相関関係が得られます。強いとは、相関がすぐに.98程度を超える値に達することを意味します。最大の線形「相関」に達したときに言う、より敏感な統計を追跡する停止ルールを探しています。その時点で、プロセスを停止し、まったく異なるテストで機器の性能を要件と比較できます（実際の校正方法ではありません）。線形関連（相関など）の測定値を比較して、ベクトルの1つのペアが別のペアよりも線形依存していると言う場合は注意が必要です。これは、すべてのペアが相関して1に非常に近い場合に特に当てはまります。
私はいくつかのJMPショッピングを行い、多変量ノンパラメトリック手法を調べました。HoeffdingのD法が、相関法や他のノンパラメトリック法と比較して、ランクを広げるのに非常に優れていることは非常に興味深いと思いました。
私のより一般的な質問は、どの方法（統計）が最適かということですスコアリング線形依存の強さであり、単に関係の重要性を評価するのではなく、この統計法則の相対値を使用して、ベクトルの異なるペアを比較しています。HoeffdingのD法について読んだとき、それはすべての選択肢に対する線形依存性を検出するのに最適であると言っています。したがって、ランダムベクトルの2つの連続するサンプルが、このプロセスを停止するのに十分に近い場合を知るための良い方法かもしれません。
