当两个或更多的种群被测量成几个字符时，xl，…， x8，人们对测量值的某些线性函数特别感兴趣，通过这些函数，种群可以得到最佳识别。在作者的建议在诸如使用已经由这个事实.马丁先生曾原理应用于测量下颌骨的性别差异,米尔德里德巴纳德小姐,她展示了如何从一系列的标注日期的数据系列获得特定化合物的颅测量显示最明显的进步或长期趋势。在本文中，同样的原则的应用将说明在一个分类学问题;还将讨论与所采用的工艺精度有关的一些问题。
【文章标题】：“在分类问题中使用多个度量标准”
【文章描述】：这篇论文探讨了在处理分类问题时，如何利用多个特征（度量）来进行最佳区分。它提到了先前的研究，例如E.S.马丁先生对下颌骨性别差异的研究，以及Mildred Barnard女士如何从颅骨测量数据中找出明显的进化或长期趋势。文章的主要目的是应用相同的方法来解决一个分类学问题，并讨论与所用方法精确度相关的问题。
【主要知识点】：
1. **判别函数**：在统计学和分类学中，判别函数是用于区分不同群体的一种数学工具。它们通常基于多个变量的线性组合，使得各群体之间的边界清晰。在本研究中，R.A. Fisher提到的判别函数被用来优化对不同种群的识别。
2. **多变量分析**：在有多个测量特征的情况下，多变量分析是一种统计方法，用于探索和理解这些特征之间的关系以及它们如何共同影响分类结果。在这个问题中，使用多个植物花的测量值（如Iris setosa和I. versicolor）来建立有效的分类模型。
3. **数据的线性组合**：线性组合是指通过加权和的方式，将多个原始变量组合成一个新的变量，以更好地揭示数据的结构或区分不同的类别。在这个背景下，寻找最佳的线性组合，可以最大化不同种群间的差异性。
4. **分类学问题**：分类学是生物学的一个分支，关注生物分类、命名和分类体系。在这篇文章中，R.A. Fisher应用统计方法解决了一个分类学问题，可能涉及如何根据植物的特性将其正确分类。
5. **精度问题**：在使用统计方法进行分类时，度量的精确度至关重要。论文会讨论这些过程的精度如何影响分类的有效性，以及如何评估和改进测量的可靠性。
6. **历史背景**：文章提及《人类遗传学年刊》（Annals of Human Genetics）的档案，其中包含1925-1954年《优生学年刊》（Annals of Eugenics）的材料。这强调了科学方法在历史背景下如何演变，并提醒读者注意当时可能存在针对特定种族、民族和残疾群体的偏见。
7. **在线发布的目的**：这些文章被上传到网上是为了学术研究，而不是对过去观点的赞同或推广。所有文章都完整发表，除了为了保护个人隐私的必要情况。这表明学术界对历史资料的开放性和批判性思考。
通过R.A. Fisher的工作，我们可以看到统计学在生物学分类中的重要应用，以及在处理多维度数据时如何选择最有效的分析策略。同时，这也提醒我们在回顾历史文献时，应保持批判性思维，认识到它们可能受到时代观念的影响。
