Monte Carlo experiment; Linear rule; Quadratic rule; Logistic rule; Performance; Etude empirique; Règle linéaire; Règle quadratique; Règle logistique
Abstract :
[en] Monte Carlo study is achieved to compare linear, quadratic and logistic classification rules for two groups, in 480 situations related to the type of distribution, the overlap of the populations, the number of variables, the sample size and the heteroscedasticity degree of the model, which is measured by a parameter gamma defined in the study. The results of this study show that the quadratic rule is the best only for severe heteroscedastic normal or moderate non-normal models with high overlap. The linear rule is the best for homoscedastic normal or moderate non-normal models with low overlap. The logistic rule is the best for severe non-normal models except when homoscedasticity occurs. In the order situations linear and logistic rules have almost the same performance. By considering the parameters computed on the data samples, the linear rule gives the best performance for high values of r whereas logistic rule performs is best for low or moderate values of the same parameter. [fr] Les règles linéaire, quadratique et logistique sont comparées de façon empirique pour deux groupes, dans 480 situations déterminées par la nature de la distribution et le taux de recouvrement des populations, le nombre de variables, la taille des échantillons et le degré d'hétéroscédasticité gamma du modèle, défini dans l'étude. Les résultats obtenus montrent que la règle quadratic est meilleure dans le cas d'un modèle normal ou de non-normalité modérée, pour des populations présentant un fort recouvrement et une hétéroscédasticité marquée. La règle linéaire donne la meilleure performance pour un modèle normal ou de non-normalité modérée avec un faible recouvrement de populations homoscédastiques. La logistique est meilleure pour tous les modèles de non-normalité sévère, sauf en cas d'homoscédasticité. Dans les autres situations, les règles linéaire et logistique ont pratiquement la même performance. En considérant les paramètres relatifs aux échantillons, la règle linéaire est meilleure pour des valeurs très élevées de r alors que la règle logistique est meilleure pour des valeurs faibles ou modérées du même paramètre.
Disciplines :
Mathematics
Author, co-author :
Glele Kakaï, R.
Palm, Rodolphe ; Faculté Universitaire des Sciences Agronomiques de Gembloux - FUSAGx > Sciences agronomiques > Statistique, Informatique et Mathématique appliquées
Language :
French
Title :
Performance relative des règles linéaire, quadratique et logistique en analyse discriminante
