Resumen de Reglas de clasificación con variables categóricas
SE DESCRIBEN LAS SITUACIONES EN LAS QUE, DEBIDO A LA NATURALEZA CATEGORICA DE LAS VARIABLES, LA UTILIZACION DE LA FUNCION LINEAL DISCRIMINANTE (FLD) MUESTRAL PUEDE NO SER LA OPCION ADECUADA PARA CLASIFICAR A LOS ELEMENTOS ENTRE DOS O MAS POBLACIONES MUTUAMENTE EXCLUYENTES, CUANDO LAS VARIABLES SON DICOTOMICAS Y, PARTICULARMENTE, CUANDO LA ESTRUCTURA CORRELACIONAL DE LAS POBLACIONES ES COMPLEJA, LA UTILIZACION DE LA FLD IMPLICA UN COSTE ELEVADO EN TERMINOS DE PROBABILIDAD DE CLASIFICACION ERRONEA, POR LO QUE SE PROPONEN DIVERSAS REGLAS MUESTRALES DE CLASIFICACION BASADAS EN ESTIMACIONES DE LA RAZON DE VEROSIMILITUD QUE TIENEN EN CUENTA LA NATURALEZA MULTINOMIAL (NO NORMAL) DE LAS POBLACIONES. SE EXPONEN LAS CARACTERISTICAS Y FUNDAMENTOS DE DICHAS REGLAS Y SUS PROPIEDADES ASINTOTICAS. SE EFECTUA UNA VALORACION DE LAS MISMAS DESDE EL PUNTO DE VISTA DEL ERROR DE CLASIFICACION ASOCIADO A CADA UNA DE ELLAS. SE EXPONEN DIVERSOS PROCEDIMIENTOS DE SELECCION DE VARIABLES PARA REDUCIR EL PROBLEMA DE LA DIMENSIONALIDAD.
