আমি কোলেস্কি পচন ব্যবহার করি একটি সম্পর্কযুক্ত ম্যাট্রিক্স প্রদত্ত পরস্পর সম্পর্কিত র্যান্ডম ভেরিয়েবলগুলি অনুকরণ করতে। বিষয়টি হ'ল ফলাফলটি পরস্পর সম্পর্ক কাঠামো যেমনটি দেওয়া হয় তেমন পুনরুত্পাদন করে না। পরিস্থিতি চিত্রিত করার জন্য পাইথনের একটি ছোট উদাহরণ এখানে।
import numpy as np
n_obs = 10000
means = [1, 2, 3]
sds = [1, 2, 3] # standard deviations
# generating random independent variables
observations = np.vstack([np.random.normal(loc=mean, scale=sd, size=n_obs)
for mean, sd in zip(means, sds)]) # observations, a row per variable
cor_matrix = np.array([[1.0, 0.6, 0.9],
[0.6, 1.0, 0.5],
[0.9, 0.5, 1.0]])
L = np.linalg.cholesky(cor_matrix)
print(np.corrcoef(L.dot(observations)))
এই মুদ্রণ:
[[ 1. 0.34450587 0.57515737]
[ 0.34450587 1. 0.1488504 ]
[ 0.57515737 0.1488504 1. ]]
আপনি দেখতে পাচ্ছেন যে, পোস্ট-হকের আনুমানিক পারস্পরিক সম্পর্ক মেট্রিক্স পূর্বের তুলনায় মারাত্মকভাবে পৃথক। আমার কোডে কি কোনও ত্রুটি রয়েছে, বা কোলেস্কি পচন ব্যবহার করার কোনও বিকল্প আছে?
সম্পাদন করা
আমি এই গণ্ডগোলের জন্য আপনার ক্ষমা প্রার্থনা করছি। আমি মনে করি না কোডটিতে এবং / অথবা যেভাবে আগে পড়াশুনা করেছি তার কিছু ভুল বোঝাবুঝির কারণে কলসকি পচন প্রয়োগ হয়েছিল way আসলে আমি নিশ্চিত ছিল যে পদ্ধতিটি নিজেই সুনির্দিষ্ট নয় এবং যতক্ষণ না এই পরিস্থিতি আমাকে এই প্রশ্নটি পোস্ট করেছে, ততক্ষণ পর্যন্ত আমি এটির সাথে ঠিক ছিলাম। আমার যে ভুল ধারণা ছিল তা নির্দেশ করার জন্য আপনাকে ধন্যবাদ। @ সিলভারফিশের প্রস্তাবিত বাস্তব পরিস্থিতি আরও ভালভাবে প্রতিফলিত করার জন্য আমি শিরোনাম সম্পাদনা করেছি।