Comparaison empirique des estimateurs de taux d’erreur en analyse discriminante

Abstract

partir de simulations, on compare les performances de vingt estimateurs des taux d’erreur en analyse discriminante, dans le cas de deux populations et pour la règle de discrimination linéaire. Différentes distributions (normale, chi-2 et bêta) ont été considérées. On conclut que l’estimateur eOS (pour le taux réel et le taux attendu) et eB (pour le taux optimal) sont les estimateurs les meilleurs, sauf pour des distributions s’écartant très nettement des populations normales. L’estimateur e632 est le meilleur estimateur non paramétrique. Il est préférable aux estimateurs paramétriques si les distributions sont très différentes des distributions normales.