Statistical correlation in stratifi

Statistical correlation in stratified sampling
Keywords: correlation, Monte Carlo simulation, Latin hypercube sampling, statistical analysis, sensitivity, reliability,
stochastic optimization, Simulated Annealing
ABSTRACT: A new efficient technique to impose the statistical correlation when using the Monte Carlo type
method for the statistical analysis of computational problems is proposed. The technique is based on the stochastic
optimization method called Simulated Annealing. The comparison with other techniques presently
used and intensive numerical testing showed the superiority and robustness of the method. No significant obstacles
have been found when also working with large problems (large number of random variables). The advantages
and limitations of the approach will be discussed. Remarks on the positive definiteness of target correlation
matrix are made. Numerical examples show the efficiency of the method.

ผลลัพธ์ (ไทย) 1:

ความสัมพันธ์ทางสถิติในการสุ่มตัวอย่าง stratifiedคำสำคัญ: ความสัมพันธ์ จำลอง Carlo มอน สุ่ม hypercube ติ วิเคราะห์สถิติ ความไว ความน่าเชื่อ ถือเพิ่มประสิทธิภาพสโทแคสติก จำลองการอบเหนียวบทคัดย่อ: การมีประสิทธิภาพเทคนิคใหม่เพื่อกำหนดความสัมพันธ์ทางสถิติเมื่อใช้ชนิด Carlo มอนนำเสนอวิธีการวิเคราะห์ทางสถิติของปัญหาที่คำนวณ เทคนิคอยู่แบบเฟ้นสุ่มวิธีการเพิ่มประสิทธิภาพที่เรียกว่าจำลองการอบเหนียว เปรียบเทียบกับเทคนิคอื่น ๆ ปัจจุบันใช้ และเร่งรัดทดสอบตัวเลขพบปมและเสถียรภาพของวิธี ไม่มีอุปสรรคที่สำคัญพบเมื่อทำงานยัง มีปัญหาขนาดใหญ่ (ขนาดใหญ่จำนวนของตัวแปรสุ่ม) ข้อดีและข้อจำกัดของวิธีการจะได้กล่าวถึง หมายเหตุบน definiteness บวกของความสัมพันธ์ของเป้าหมายเมตริกซ์จะได้ ตัวอย่างที่เป็นตัวเลขแสดงประสิทธิภาพของวิธีการ

ผลลัพธ์ (ไทย) 2:

ความสัมพันธ์ทางสถิติในการสุ่มตัวอย่างแบบแบ่งชั้นคำสำคัญ: ความสัมพันธ์จำลอง Monte Carlo สุ่มตัวอย่าง hypercube ละตินวิเคราะห์ทางสถิติไวความน่าเชื่อถือเพิ่มประสิทธิภาพสุ่มจำลองหลอมบทคัดย่อ: เทคนิคใหม่ที่มีประสิทธิภาพที่จะกำหนดความสัมพันธ์ทางสถิติเมื่อใช้ชนิดที่มอนติคาร์โลวิธีการทางสถิติการวิเคราะห์ปัญหาการคำนวณจะเสนอ เทคนิคนี้จะขึ้นอยู่กับการสุ่มวิธีการเพิ่มประสิทธิภาพที่เรียกว่าจำลองหลอม การเปรียบเทียบกับเทคนิคอื่น ๆ ในปัจจุบันที่ใช้และเข้มข้นการทดสอบแสดงให้เห็นว่าตัวเลขที่เหนือกว่าและความทนทานของวิธีการ ไม่มีอุปสรรคที่สำคัญได้รับการค้นพบเมื่อยังทำงานร่วมกับปัญหาขนาดใหญ่ (จำนวนมากของตัวแปรสุ่ม) ข้อดีและข้อ จำกัด ของวิธีการที่จะมีการหารือ ข้อสังเกตเกี่ยวกับความชัดเจนในเชิงบวกของเป้าหมายสัมพันธ์เมทริกซ์จะทำ ตัวอย่างตัวเลขแสดงให้เห็นประสิทธิภาพของวิธีการ

ผลลัพธ์ (ไทย) 3:

ความสัมพันธ์ทางสถิติ โดยใช้การสุ่มตัวอย่างแบบชั้นภูมิ
คำสำคัญ : ( มอนติ คาร์โล ลาตินไฮเพอร์คิวบ์การสุ่มตัวอย่าง การวิเคราะห์ความไว ความน่าเชื่อถือทางสถิติ
optimization Stochastic การดำรงอยู่
บทคัดย่อ : เทคนิคใหม่ที่มีประสิทธิภาพที่จะกำหนดความสัมพันธ์ทางสถิติเมื่อใช้เทคนิคมอนติคาร์โลประเภท
วิธีการสำหรับการวิเคราะห์ทางสถิติของปัญหาคอมพิวเตอร์จะเสนอเทคนิคจะขึ้นอยู่กับวิธีการที่เรียกว่า Stochastic
optimization การดำรงอยู่ . การเปรียบเทียบกับเทคนิคอื่น ๆและการทดสอบเชิงตัวเลขที่ใช้ปัจจุบัน
เข้มข้น พบปมและความแกร่งของวิธีการ ไม่พบอุปสรรค
ถูกพบเมื่อทำงานกับปัญหาขนาดใหญ่ ( ที่มีตัวแปรสุ่ม ) ข้อดี
และข้อจำกัดของวิธีการจะถูกกล่าวถึง ความเห็น definiteness บวกของเมทริกซ์สหสัมพันธ์
เป้าหมายจะทํา ตัวอย่างการคำนวณแสดงประสิทธิภาพของวิธีการ