Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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