Reducing multidimensional two-sample data to one-dimensional interpoint comparisons
将多维两样本数据化为一维点间比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般多维两样本分布比较，没有明确涉及经济分布效应，故不据分布一词归入相应计量细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
将多维两样本数据化为一维点间比较
- 研究问题
- 比较两个多维总体时，样本内与样本间的一维点间比较分布相等，能否作为原始多维分布相等的充分刻画？
- 方法与思路
- 作者使用单变量点间比较函数，分析两组样本内部及跨样本比较的分布，并建立这些分布相等与原总体相等的联系。
- 材料陈述的贡献
- 摘要称，两组样本内部比较分布相等，且与跨样本比较分布相等，合起来等价于多维总体分布相等，为降维比较提供理论基础。
- 阅读关注点
- 应核对点间比较函数的允许类别、样本变量的独立性及分布条件，尤其区分总体等价关系与实际检验的统计性质。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明比较函数的限制，不能把等价性理解为任意单变量函数均可保持分布信息。
原文摘要
The most popular technique for reducing the dimensionality in comparing two multidimensional samples of $\mathbf{X} \sim F$ and $\mathbf{Y}\sim G$ is to analyze distributions of interpoint comparisons based on a univariate function h (e.g. the interpoint distances). We provide a theoretical foundation for this technique, by showing that having both i) the equality of the distributions of within sample comparisons $(h(\mathbf{X}_1, \mathbf{X}_2) =_L h(\mathbf{Y}_1, \mathbf{Y}_2))$ and ii) the equality of these with the distribution of between sample comparisons $((h(\mathbf{X}_1, \mathbf{X}_2) =_L h(\mathbf{X}_3, \mathbf{Y}_3))$ is equivalent to the equality of the multivariate distributions $(F = G)$.