Uso a decomposição de Cholesky para simular variáveis aleatórias correlacionadas, dada uma matriz de correlação. A questão é que o resultado nunca reproduz a estrutura de correlação conforme é fornecida. Aqui está um pequeno exemplo em Python para ilustrar a situação. import numpy as np n_obs...
Gostaria de desenhar uma amostra . A Wikipedia sugere usar uma composição de Cholesky ou Eigend , por exemplo , ou x∼N(0,Σ)x∼N(0,Σ)\mathbf{x} \sim N\left(\mathbf{0}, \mathbf{\Sigma} \right)Σ=D1DT1Σ=D1D1T \mathbf{\Sigma} = \mathbf{D}_1\mathbf{D}_1^T Σ=QΛQTΣ=QΛQT \mathbf{\Sigma} =...
Estimei a matriz de covariância da amostra e obtive uma matriz simétrica. Com C , eu gostaria de criar rn distribuído normal com n variáveis, mas, portanto, preciso da decomposição de C de Cholesky . O que devo fazer se C não for positivo
Minha pergunta se refere a uma técnica de computação explorada em geoR:::.negloglik.GRFou geoR:::solve.geoR. Em uma configuração linear modelo misto: onde e são os efeitos fixos e aleatórios, respectivamente. Além disso,β b Σ = cov ( Y