Os modelos análise envoltória de dados (DEA) e fronteira de produção estocástica (SF) obtêm estimativas da produtividade utilizando abordagens complementares, o que dificulta a comparabilidade entre eles, particularmente quando se admite uma componente estocástica nos dados. Propomos: a) um critério de avaliação para a estimativa da produtividade obtida por cada modelo — índice de erro de classificação (IEC); b) uma abordagem empírica da simulação para comparar esses modelos; e c) uma versão bayesiana para o modelo SF que permite derivar o valor esperado do posto da produtividade. Os resultados mostram que maiores IECs — resultados piores — estão relacionados com: a) retornos variáveis de escala quando o DEA é utilizado; b) pequenas amostras (n < 30) quando o SF é utilizado; e c) menor razão entre a variância da produtividade e a variância do ruído, para os dois modelos (< 3).15 p. : il.