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

Simple item page
AuteurGLELE KAKAI, ROMAIN LUCAS
AuteurPIRAUX, FRANCOIS
AuteurFONTON, HOUEDOUGBE NOEL
AuteurPALM, RODOLPHE
Date d'ajout2026-06-02T16:06:57Z
Date de disponibilite2026-06-02T16:06:57Z
Date de publication2003
Resumepartir 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.
Autre identifiantBECDB-13286
URIhttps://dspace.uac.bj/handle/123456789/11401
Languefr
Fait partie deRevue de statistique appliquée
SujetTaux d’erreur
Sujetclassement erroné
Sujetfonction discriminante linéaire
Sujetbootstrap
Sujetjackknife
Sujetvalidation croisée
SujetMonte Carlo
TitreComparaison empirique des estimateurs de taux d’erreur en analyse discriminante
TypeArticle

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
c0bd415a04c2f1307cfd9e26e98da4b1.pdf
Size:
1.21 MB
Format:
Adobe Portable Document Format
Download

Collections

Articles