LKJ वितरण एच। जो (1) के काम का एक विस्तार है। जो ने सभी सकारात्मक निश्चित सहसंबंध वाले मैट्रिसेस के स्थान पर समान रूप से सहसंबंध मैट्रिक्स उत्पन्न करने के लिए एक प्रक्रिया प्रस्तावित की। (2) का योगदान यह है कि यह जो को दिखाने के काम का विस्तार करता है कि इस तरह के नमूने उत्पन्न करने का एक अधिक कुशल तरीका है।
आमतौर पर स्टेन जैसे सॉफ्टवेयर में उपयोग किया जाने वाला पैरामीटराइजेशन आपको यह नियंत्रित करने की अनुमति देता है कि नमूना किए गए मैट्रिसेस कितनी बारीकी से पहचान मैट्रेस से मिलते-जुलते हैं। इसका मतलब है कि आप सैंपलिंग मेट्रिक्स से आसानी से आगे बढ़ सकते हैं जो कि लगभग सभी मैट्रिसेस से है जो पीडी मैट्रिसेस से अधिक या कम समान हैं।मैं
सहसंबंध मैट्रिक्स से नमूने का एक वैकल्पिक तरीका, जिसे "प्याज" विधि कहा जाता है, (3) में पाया जाता है। (व्यंग्य समाचार पत्रिका से कोई संबंध नहीं - शायद।)
एक अन्य विकल्प विसार्ट वितरण से नमूना है, जो सकारात्मक अर्ध-निश्चित हैं, और फिर एक सहसंबंध मैट्रिक्स छोड़ने के लिए भिन्नताओं को विभाजित करते हैं। विसार्ट-प्रकार के वितरण के साथ समस्या यह है कि गैर-सूचनात्मक किस्में उच्च संभावना के साथ एकवचन या संख्यात्मक रूप से एकवचन हैं, इसलिए जब नमूना आवश्यक होता है कि नमूना (संख्यात्मक) नॉनसिंगुलर होता है तो नमूने के तरीके धीमा होते हैं।
(१) एच। जो। "आंशिक सहसंबंधों के आधार पर यादृच्छिक सहसंबंध मेट्रिसेस उत्पन्न करना।" बहुभिन्नरूपी विश्लेषण जर्नल , 97 (2006), पीपी। 2177-2189
(२) डैनियल लेवांडोव्स्की, डोरोटा कुरोविक, हैरी जो। "दाखलताओं और विस्तारित प्याज पद्धति के आधार पर यादृच्छिक सहसंबंध मेट्रिसेस उत्पन्न करना।" बहुभिन्नरूपी विश्लेषण जर्नल , वॉल्यूम 100, अंक 9, 2009, पृष्ठ 1989-2001
(३) एस। घोष, एसजी हेंडरसन। "आयाम बढ़ने पर सहसंबद्ध यादृच्छिक वेक्टर पीढ़ी के लिए नोर्ता पद्धति का व्यवहार।" मॉडलिंग और कंप्यूटर सिमुलेशन (TOMACS), 13 (3) (2003), पीपी। 276-294 पर एसीएम लेनदेन
