A Eficiência da Regressão Logística Comparada à Análise Discriminante Normal

Resumo Um vetor aleatório x provém de uma de duas distribuições normais multivariadas que diferem na média, mas não na covariância. Um conjunto de treinamento x 1, x 2, ··· x n de casos anteriores, junto com suas atribuições corretas, é conhecido. Estes podem ser usados para estimar o discriminante de Fisher por máxima verossimilhança e então atribuir x com base no discriminante estimado, um método conhecido como procedimento de discriminação normal. A regressão logística faz o mesmo, mas com a estimativa do discriminante de Fisher feita condicionalmente aos valores observados de x 1, x 2, ···, x n. Este artigo calcula a eficiência relativa assintótica dos dois procedimentos. Tipicamente, mostra-se que a regressão logística é entre metade e dois terços tão eficaz quanto a discriminação normal para valores estatisticamente relevantes dos parâmetros.