The Random-Effects Model in Discriminant Analysis
判别分析中的随机效应模型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：摘要中的随机效应用于判别分析的总体均值层级模型，未说明面板结构，因此不据术语归入面板领域。
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…
关注这篇论文的作者
判别分析中的随机效应模型
- 研究问题
- 当不同总体的均值本身随机变化时，经典判别分析中的马氏距离及预期误分类概率具有怎样的分布与界限？
- 方法与思路
- 作者假设总体内观测正态且共享协方差，总体均值也服从正态分布，推导总体及样本判别所涉及的距离分布。
- 材料陈述的贡献
- 摘要称由距离分布得到双总体和多总体分类中的预期误分类概率表达式与界限，涵盖总体及样本线性判别函数。
- 阅读关注点
- 应核对层级正态假设、共同协方差、样本设计，以及双总体与多总体情况下误分类表达式和界限的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；随机效应参数、样本条件及界限紧度未详述，不能推广到非正态或异协方差情形，也不能推断刊本变化。
原文摘要
In this article the characteristics of classical discriminant analysis under the random-effects model are investigated. Assuming that the elements within any randomly selected population are normally distributed with mean vector μ and common covariance matrix Σ, and that over different populations μ has a normal distribution with mean vector ξ and covariance matrix T, the distribution of the population-based and sample-based Mahalanobis distances between two different populations, as well as those between an observation and a randomly selected population, are derived. From these, expressions and bounds are derived for the expected probabilities of misclassification under classical discriminant analysis, applied to two- and multiple population problems respectively, when either the population-based or the sample-based linear discriminant functions are used.