Optimal singular correlation matrices estimated when sample size is less than the number of random variables
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F12%3APU101551" target="_blank" >RIV/00216305:26110/12:PU101551 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Optimal singular correlation matrices estimated when sample size is less than the number of random variables
Popis výsledku v původním jazyce
This paper presents a number of theoretical and numerical results for two norms of optimal correlation matrices in relation to correlation control in Monte Carlo type sampling and the designs of experiments. The optimal correlation matrices are constructed for cases when the number of simulations (experiments) Nsim is less than or equal to the stochastic dimension, i.e. the number of random variables (factors) Nvar. In such cases the estimated correlation matrix cannot be positive definite and must be singular. However, the correlation matrix may be required to be as close to the unit matrix as possible (optimal). The paper presents a simple mechanical analogy for such optimal singular positive semidefinite correlation matrices. Many examples of optimal correlation matrices are given, both analytically and numerically.
Název v anglickém jazyce
Optimal singular correlation matrices estimated when sample size is less than the number of random variables
Popis výsledku anglicky
This paper presents a number of theoretical and numerical results for two norms of optimal correlation matrices in relation to correlation control in Monte Carlo type sampling and the designs of experiments. The optimal correlation matrices are constructed for cases when the number of simulations (experiments) Nsim is less than or equal to the stochastic dimension, i.e. the number of random variables (factors) Nvar. In such cases the estimated correlation matrix cannot be positive definite and must be singular. However, the correlation matrix may be required to be as close to the unit matrix as possible (optimal). The paper presents a simple mechanical analogy for such optimal singular positive semidefinite correlation matrices. Many examples of optimal correlation matrices are given, both analytically and numerically.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP105%2F11%2F1385" target="_blank" >GAP105/11/1385: Inverzní problémy spolehlivosti konstrukcí</a><br>
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
PROBABILISTIC ENGINEERING MECHANICS
ISSN
0266-8920
e-ISSN
—
Svazek periodika
2012 (30)
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
13
Strana od-do
104-116
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—