Professional Documents
Culture Documents
Almir MANTOVANI
2
Maria Aparecida de Paiva FRANCO
RESUMO: O objetivo deste trabalho foi realizar um estudo sobre a distribuio dos estimadores
de mxima verossimilhana dos parmetros da Weibull na presena de dados censurados
utilizando simulao. Especificamente considerou-se o caso em que a inferncia sobre os
parmetros feita a partir da observao de uma amostra de tamanho n de (X,) onde X=
mnimo(T,C), sendo que T tem distribuio de Weibull com parmetros p e , C uma varivel
aleatria independente de T com distribuio Uniforme em (0,c), e uma indicadora do evento
(X=T). Foram simuladas 1.000 amostras de (X,) para cada um dos seguintes tamanhos de
amostra: 10, 20 e 50, para diversos valores de c e diferentes porcentagens esperadas de censura.
Os resultados apontam para a validade da aproximao assinttica normal para as distribuies
marginais dos estimadores de mxima verossimilhana dos parmetros da Weibull na presena de
censura.
PALAVRAS-CHAVE: Anlise de sobrevivncia; censuras; distribuio assinttica; mxima
verossimilhana; simulao; Weibull.
1 Introduo
Na ausncia de censura e sob condies de regularidade sobre a funo densidade de
probabilidade f(t,) de uma varivel aleatria T, os estimadores de mxima
verossimilhana do vetor de parmetros a partir de uma amostra aleatria de tamanho n
de T, tm uma distribuio assinttica conjunta normal multivariada com vetor de mdias
igual ao vetor de parmetros e com matriz de covarincia igual inversa da matriz de
Informao de Fisher (Cordeiro, 1992, Leite e Singer, 1990). Quando T tem distribuio
de Weibull com dois parmetros estas condies so satisfeitas (Kotz e Johnson, 1988,
p.551). No entanto, o mesmo no ocorre com a distribuio de Weibull com trs
parmetros (Johnson e Kotz, 1970, p.256).
prtica usual na literatura de Anlise de Sobrevivncia (Kalbfleisch e Prentice,
1980, Lawless, 1982) usar o Teorema sobre a distribuio assinttica dos estimadores de
1
Departamento de Educao, Cincias Sociais e Poltica Internacional; Faculdade de Histria, Direito e
Servio Social; Universidade Estadual Paulista - UNESP, CEP14400-690, Franca, SP, Brasil. E-mail:
almir@franca.unesp.br
2
Departamento de Estatstica, Universidade Federal de So Carlos - UFSCar, CEP 13565-905, So Carlos,
SP, Brasil.
fT (t) = p
t p 1 exp
ST (t) = exp
h(t) =
t 0, , p > 0
(2.1)
(2.2)
p 1
, para t 0, p, > 0
(2.3)
distribuio Weibull com funo densidade dada por (2.1), a funo de verossimilhana
dos parmetros e p dada por (2.4).
L(,p) =
( f T (t i ; , p ))
1 i
( ST (t i ; , p))
i =1
i =1
(2.4)
L(,p) = ( hT (t i ; , p )) i
i =1
( ST (ti ; , p)) ,
(2.5)
i =1
Portanto,
n
L(,p) =
i=1
ti
p1
exp
i=1
ti
(2.6)
onde r =
n
1
i log( ti )
ti
(2.7)
i =1
log L ( , p )
rp p
=
+
ti
e
n
n t
log L( , p) r
i
= - r log()+ i log( t i )
p
p
i =1
1
log
ti
(2.8)
P[T>C] =
0 0
f T (t ) f C ( c ) dcdt =
f T (t ) dt
f T (t ) S C (t )dt ,
(2.9)
, dada por:
P[T>C] = exp
1+
1
p
1+ 1 ;
p
(c )p
(2.10)
onde
( x ) = t x 1e t dt a Funo Gama
0
10
g(p)
exemplo P=0,50. No caso da Figura 1, onde igual a 3,15, para obter 50% de censuras
preciso que p seja igual a 1.
p
FIGURA 1 - Funo g(p)=P[T>C] para T com distribuio Weibull (p; =3,15) e C com
distribuio U (0,5), independente de T.
11
Caso
2
25
Coeficiente
de variao
de T
1
0,4
Parmetros da
distribuio de T
P
1
2,5
1,28
4,22
Parmetros da
distribuio de C
1
2
amostra amostra
5
15
5
7,45
% esperada de
censuras
1
2
amostra amostra
25%
25%
25%
50%
4 Resultados
As Figuras 2, 3, 4, 5, 6 e 7 ilustram um dos casos estudados (caso 2), quando T tem
distribuio de Weibull de parmetros de forma p=1 e de escala =1,28, com censura
Uniforme em (0,5) e visam a comparao dos resultados obtidos por simulao, relativos
estimao dos parmetros da distribuio Weibull por Mxima Verossimilhana com os
resultados assintticos, vlidos sob condies de regularidade.
Nas Figuras 2, 3 e 4, comparam-se os quantis da distribuio emprica das
estimativas dos parmetros p ( esquerda) e ( direita) com os quantis da distribuio
normal padro, a partir de 1.000 amostras de (X,) (grficos superiores) e mais 1.000
amostras independentes de (X,) (grficos inferiores), para amostras de tamanho 10, 20 e
50 respectivamente.
12
FIGURA 2 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda) e
( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull (1;
1,28) e C~Uniforme (0, 5) versus quantis da normal padro, para n=10.
FIGURA 3 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda) e
( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull (1;
1,28) e C~Uniforme (0, 5) versus quantis da normal padro, para n=20.
13
FIGURA 4 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda)
e ( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull
(1; 1,28) e C~Uniforme (0, 5) versus quantis da normal padro, para n=50.
FIGURA 5 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (1; 1,28) e C~Uniforme (0, 5) para n=10.
14
FIGURA 6 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (1; 1,28) e C~Uniforme (0, 5) para n=20.
FIGURA 7 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (1; 1,28) e C~Uniforme (0, 5) para n=50.
15
A seguir, ilustra-se o estudo realizado para o caso 25, onde T tem distribuio de
Weibull de parmetros de forma p=2,5 e de escala =4,22 e C tem distribuio Uniforme
em (0,c). O valor do parmetro da distribuio de C para uma porcentagem esperada de
censura da ordem de 25% para a primeira amostra c=15, e c=7,45 para a segunda
amostra para uma porcentagem esperada de censura da ordem de 50%.
Nas Figuras 8, 9 e 10, comparam-se os quantis da distribuio emprica das
estimativas dos parmetros com os quantis da distribuio normal padro.
FIGURA 8 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda) e
( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull
(2,5; 4,22) e C~Uniforme (0, c) versus quantis da normal padro, para n=10.
FIGURA 9 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda) e
( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull
(2,5; 4,22) e C~Uniforme (0, c) versus quantis da normal padro, para n=20.
16
FIGURA 10 - Quantis das estimativas por Mxima Verossimilhana dos parmetros p ( esquerda)
e ( direita), a partir de dois conjuntos de 1.000 amostras de (X, ), para T~Weibull
(2,5; 4,22) e C~Uniforme (0, c) versus quantis da normal padro, para n=50.
FIGURA 11 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (2,5; 4,22) e C~Uniforme (0, c) para n=10.
17
FIGURA 12 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (2,5; 4,22) e C~Uniforme (0, c) para n=20.
FIGURA 13 - Estimativas das funes densidade dos estimadores de Mxima Verossimilhana dos
parmetros p ( esquerda) e ( direita), a partir de dois conjuntos de 1.000 amostras
de (X, ), para T~Weibull (2,5; 4,22) e C~Uniforme (0, c) para n=50.
Para a maioria dos 42 casos estudados, observou-se que os resultados obtidos para as
estimativas dos parmetros da distribuio de Weibull por Mxima Verossimilhana,
eram semelhantes aos dois casos aqui descritos.
Concluso
Os resultados obtidos no estudo da distribuio assinttica dos estimadores de
mxima verossimilhana dos parmetros da distribuio Weibull, sujeito a censura
aleatria direita pela distribuio Uniforme, sugerem que a aproximao normal ainda
no adequada, principalmente no que se refere ao parmetro de forma para amostras de
tamanho 10 e 20. Para amostras de tamanho 50 h uma indicao de que a aproximao
normal satisfatria para as distribuies marginais dos estimadores de cada um dos
parmetros (de forma e de escala). Este estudo deve ser confirmado usando outras
distribuies para a varivel de censura C.
MANTOVANI, A.; FRANCO, M. A. de P. A study on the asymptotic distribution of
maximum likelihood estimators for a two-parameter Weibul distribution in censored
samples. Rev. Mat. Estat., So Paulo, v.22, n.3, p.7-20, 2004.
ABSTRACT: The objective of this work is to study by simulation the asymptotic distribution of
maximum likelihood estimators of the parameters of a Weibull distribution, when observations
are subject to random censorship. The study was made by supposing that C has a Uniform
distribution in [0,c] and is independent of T. The inference is made from samples of (X,), where
X= min(T,C) and is the indicator variable of the event (X=T). The study comprises the
simulation of 1,000 samples of each one of the following sizes 10, 20 and 50. Several values of c
giving different expected percentages of censored values in the sample were considered. The
conclusion is that there is empirical evidence of an asymptotic normal distribution for each
marginal distribution of the maximum likelihood estimators of parameters of Weibull
distribution.
KEYWORDS: Survival analysis; censorship; maximum likelihood; simulation; Weibull.
Referncias
CORDEIRO, G. M. Introduo teoria de verossimilhana.: livro-texto do 10 Simpsio
Nacional de Probabilidade e Estatstica. Rio de Janeiro, 1992.174p.
JOHNSON, N. L.; KOTZ, S. Continuous univariate distributions. Boston: Houghton
Mifflin, 1970.,v.1, 756p.
KALBFLEISCH, J. D.; PRENTICE, R. L. The statistical analysis of failure time data.
New York: John Wiley, 1980. 321p.
KOTZ, S.; JOHNSON, N. L. Encyclopedia of statistical sciences. New York: John Wiley,
1988., v.9, 762p.
LAWLESS, J. F. Statistical models and methods for lifetime data. New York: John Wiley,
1982. 580p.
19
LEE, E. T. Statistical methods for survival data analysis. 2nd ed. New York: John Wiley,
1992. 482p.
LEITE, J. G.; SINGER, J. M. Mtodos assintticos em estatstica: fundamentos e
aplicaes. So Paulo: IME-USP, 1990. 130p.
MILLER, R. G. Survival analysis. New York: John Wiley, 1981. 238p.
Recebido em 23.09.2003.
Aprovado aps reviso em 02.12.2004.
20