Probabilidade de Cobertura dos Intervalos de Confiança ... - Uem
Probabilidade de Cobertura dos Intervalos de Confiança ... - Uem
Probabilidade de Cobertura dos Intervalos de Confiança ... - Uem
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
UNIVERSIDADE ESTADUAL DE MARINGÁ CENTRO DE CIÊNCIAS EXATAS<br />
DEPARTAMENTO DE ESTATÍSTICA <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> <strong>Cobertura</strong> <strong>dos</strong> <strong>Intervalos</strong> <strong>de</strong><br />
<strong>Confiança</strong> Assintótico, p-Bootstrap e<br />
t-Bootstrap, Para Alguns Parâmetros da<br />
Distribuição Weibull<br />
Waldir Verissimo da Silva Junior<br />
Professor Dr. Josmar Mazucheli<br />
Orientador<br />
Maringá<br />
2005
UNIVERSIDADE ESTADUAL DE MARINGÁ CENTRO DE CIÊNCIAS EXATAS<br />
DEPARTAMENTO DE ESTATÍSTICA <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> <strong>Cobertura</strong> <strong>dos</strong> <strong>Intervalos</strong> <strong>de</strong><br />
<strong>Confiança</strong> Assintótico, p-Bootstrap e<br />
t-Bootstrap, Para Alguns Parâmetros da<br />
Distribuição Weibull<br />
Waldir Verissimo da Silva Junior<br />
Professor Dr. Josmar Mazucheli<br />
Orientador<br />
Maringá<br />
2005<br />
Monografia <strong>de</strong> conclusão <strong>de</strong><br />
curso apresentada junto ao De-<br />
partamento <strong>de</strong> Estatística do<br />
Centro <strong>de</strong> Ciências Exatas da<br />
Universida<strong>de</strong> Estadual <strong>de</strong> Mar-<br />
ingá, para a obtenção do título<br />
<strong>de</strong> Bacharel em Estatística.
Waldir Verissimo da Silva Junior<br />
<strong>Probabilida<strong>de</strong></strong> <strong>de</strong> <strong>Cobertura</strong> <strong>dos</strong> <strong>Intervalos</strong> <strong>de</strong><br />
<strong>Confiança</strong> Assintótico, p-Bootstrap e<br />
t-Bootstrap, Para Alguns Parâmetros da<br />
Distribuição Weibull<br />
Banca Examinadora<br />
Professor Dr. Josmar Mazucheli<br />
Orientador<br />
Esta monografia foi julgada<br />
a<strong>de</strong>quada para a aprovação na<br />
disciplina Estatística Aplicada do<br />
curso <strong>de</strong> Graduação Bacharelado<br />
em Estatística da Universi-<br />
da<strong>de</strong> Estadual <strong>de</strong> Maringá, pela<br />
seguinte banca examinadora:<br />
Professor Ms. Carlos Aparecido <strong>dos</strong> Santos<br />
Membro<br />
Professor Ms. Van<strong>de</strong>rly Janeiro<br />
Membro
Resumo<br />
Neste trabalho são apresentadas as principais características da distribuição Weibull — a<br />
função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong>, a função <strong>de</strong> sobrevivência, a função <strong>de</strong> risco, a moda, a<br />
mediana e alguns outros parâmetros importantes que são utiliza<strong>dos</strong> na mo<strong>de</strong>lagem <strong>de</strong> da<strong>dos</strong><br />
que representam o tempo até a ocorrência <strong>de</strong> algum evento <strong>de</strong> interesse. Aborda-se também<br />
neste trabalho três méto<strong>dos</strong> <strong>de</strong> construção <strong>de</strong> intervalos <strong>de</strong> confiança, para os estimadores <strong>de</strong><br />
máxima verossimilhança <strong>dos</strong> parâmetros <strong>de</strong> escala, µ, forma, β, mediana (t0.50), 1 o quartil<br />
(t0.25) e 3 o quartil (t0.75), on<strong>de</strong> um <strong>de</strong>les é o o intervalo <strong>de</strong> confiança assintótico e os outros<br />
dois, p-Bootstrap e t-Bootstrap, são basea<strong>dos</strong> no processo <strong>de</strong> reamostragem conhecido como<br />
Bootstrap (Efron, 1993). O objetivo <strong>de</strong>sta monografia é avaliar a probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
<strong>de</strong>stas 3 formas <strong>de</strong> construção <strong>dos</strong> intervalos <strong>de</strong> confiança consi<strong>de</strong>rando-se vários tamanhos<br />
<strong>de</strong> amostra e diversas porcentagens <strong>de</strong> observações censuradas. Avalia-se a probabilida<strong>de</strong> <strong>de</strong><br />
cobertura <strong>dos</strong> intervalos para os parâmetros µ, β, 1 o quartil (t0.25), 2 o quartil (t0.50) e 3 o quartil<br />
(t0.75). No cálculo das probabilida<strong>de</strong>s utiliza-se o software SAS on<strong>de</strong> em particular é utilizada<br />
o procedimento nlmixed.<br />
Palavras Chave: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> <strong>Cobertura</strong>, Bootstrap, intervalos <strong>de</strong> confiança, dis-<br />
tribuição Weibull.
Sumário<br />
1 Introdução 8<br />
1.1 Descrição <strong>dos</strong> Capítulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
2 A Distribuição Weibull 10<br />
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10<br />
2.2 Caracterização da Distribuição Weibull . . . . . . . . . . . . . . . . . . . . . . . 10<br />
2.3 Função <strong>de</strong> Verossimilhança . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14<br />
2.4 Estimadores <strong>de</strong> Máxima Verossimilhança . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.5 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> Assintóticos . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
3 Simulação Bootstrap 17<br />
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
3.2 O Processo <strong>de</strong> Reamostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
3.3 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
3.3.1 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> p-Bootstrap . . . . . . . . . . . . . . . . . . . . . 19<br />
3.3.2 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> t-Bootstrap . . . . . . . . . . . . . . . . . . . . . 20<br />
4 Aplicação 21<br />
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21<br />
4.2 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21<br />
4.3 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 0.5 . . . . . . . . 23<br />
4.3.1 Análise do Parâmetro µ . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
4.3.2 Análise do Parâmetro β . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
4.3.3 Análise do Parâmetro t0.25 . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
4.3.4 Análise do Parâmetro t0.50 . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
i
4.3.5 Análise do Parâmetro t0.75 . . . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
4.4 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 1.5 . . . . . . . . 43<br />
4.4.1 Análise do Parâmetro µ . . . . . . . . . . . . . . . . . . . . . . . . . . . 44<br />
4.4.2 Análise do Parâmetro β . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />
4.4.3 Análise do Parâmetro t0.25 . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
4.4.4 Análise do Parâmetro t0.50 . . . . . . . . . . . . . . . . . . . . . . . . . . 56<br />
4.4.5 Análise do Parâmetro t0.75 . . . . . . . . . . . . . . . . . . . . . . . . . . 60<br />
4.5 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 3 . . . . . . . . . 64<br />
4.5.1 Análise do Parâmetro µ . . . . . . . . . . . . . . . . . . . . . . . . . . . 65<br />
4.5.2 Análise do Parâmetro β . . . . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
4.5.3 Análise do Parâmetro t0.25 . . . . . . . . . . . . . . . . . . . . . . . . . . 73<br />
4.5.4 Análise do Parâmetro t0.50 . . . . . . . . . . . . . . . . . . . . . . . . . . 77<br />
4.5.5 Análise do Parâmetro t0.75 . . . . . . . . . . . . . . . . . . . . . . . . . . 81<br />
4.6 Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85<br />
Apêndice A.........................................................................................................................86<br />
Apêndice B.........................................................................................................................90<br />
Referências Bibliográficas...................................................................................................93<br />
ii
Índice <strong>de</strong> Tabelas<br />
Tabela 4.1: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.............................................................................................22<br />
Tabela 4.2: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.............................................................................................26<br />
Tabela 4.3: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.........................................................................................29<br />
Tabela 4.4: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.........................................................................................33<br />
Tabela 4.5: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.75.........................................................................................37<br />
Tabela 4.6: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.............................................................................................42<br />
Tabela 4.7: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.............................................................................................46<br />
Tabela 4.8: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.........................................................................................50<br />
Tabela 4.9: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.........................................................................................54<br />
Tabela 4.10: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.75.........................................................................................58<br />
Tabela 4.11: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.............................................................................................63<br />
iii
Tabela 4.12: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.............................................................................................67<br />
Tabela 4.13: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.........................................................................................71<br />
Tabela 4.14: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.........................................................................................75<br />
Tabela 4.15: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos Assintótico, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.75.........................................................................................79<br />
iv
Índice <strong>de</strong> Figuras<br />
Figura 2.1: Função <strong>de</strong>nsida<strong>de</strong> da distribuição Weibull para diferentes valores <strong>de</strong> µ e β...........09<br />
Figura 2.2: Função <strong>de</strong>nsida<strong>de</strong> da distribuição exponencial para fiferentes valores <strong>de</strong> µ...........10<br />
Figura 2.3: Função <strong>de</strong> risco consi<strong>de</strong>rando diferentes valores do parâmetro β e µ =2...............11<br />
Figura 3.1: O procedimento Bootstrap..................................................................................17<br />
Figura 4.1: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β =<br />
0.5, com a representação do 1 o , 2 o e 3 o quartil.............................................................................21<br />
Figura 4.2: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ................................................24<br />
Figura 4.3: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando res-<br />
pectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ...............................25<br />
Figura 4.4: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β.............................................27<br />
Figura 4.5: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando res-<br />
pectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β...........................28<br />
Figura 4.6: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25.......................................31<br />
Figura 4.7: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando res-<br />
pectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25.........................32<br />
Figura 4.8: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50.......................................35<br />
Figura 4.9: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando res-<br />
pectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50.........................36<br />
Figura 4.10: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75.......................................39<br />
Figura 4.11: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75...................40<br />
Figura 4.12: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β =<br />
1.5, com a representação do 1 o , 2 o e 3 o quartil.........................................................................41<br />
Figura 4.13: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ..........................................44<br />
v
Figura 4.14: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ..........................45<br />
Figura 4.15: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β...............................................48<br />
Figura 4.16: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β..........................49<br />
Figura 4.17: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25.....................................52<br />
Figura 4.18: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25.....................53<br />
Figura 4.19: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50....................................56<br />
Figura 4.20: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50.....................57<br />
Figura 4.21: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75...................................60<br />
Figura 4.22: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75.....................61<br />
Figura 4.23: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β = 3,<br />
com a representação do 1 o , 2 o e 3 o quartil................................................................................62<br />
Figura 4.24: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, res-<br />
pectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ............................................65<br />
Figura 4.25: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ.........................66<br />
Figura 4.26: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β........................................69<br />
Figura 4.27: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β.........................70<br />
Figura 4.28: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25...................................73<br />
Figura 4.29: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25...................74<br />
Figura 4.30: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50...................................77<br />
Figura 4.31: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
vi
espectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50..................78<br />
Figura 4.32: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando,<br />
respectivamente 0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75..................................81<br />
Figura 4.33: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75..................82<br />
vii
Capítulo 1<br />
Introdução<br />
O termo análise <strong>de</strong> sobrevivência é usado genericamente para <strong>de</strong>signar um conjunto <strong>de</strong><br />
procedimentos ou méto<strong>dos</strong> estatísticos importantes na análise <strong>de</strong> da<strong>dos</strong> que representam o<br />
tempo até a ocorrência <strong>de</strong> algum evento <strong>de</strong> interesse — morte <strong>de</strong> um paciente, falha <strong>de</strong> um<br />
equipamento etc. Umas das pecularieda<strong>de</strong>s intrínseca a este tipo <strong>de</strong> da<strong>dos</strong> diz respeito à ob-<br />
servação parcial do tempo até a ocorrência <strong>de</strong>ste(s) evento(s). Esta pecularieda<strong>de</strong> caracteriza<br />
o termo “presença” <strong>de</strong> observações censuradas (Lawless, 1982). Tradicionalmente, inferências<br />
a respeito <strong>dos</strong> parâmetros que caracterizam a distribuição <strong>dos</strong> tempos <strong>de</strong> sobrevivência é con-<br />
duzida lançando-se mão <strong>de</strong> argumentos assintóticos. Estu<strong>dos</strong> recentes tem mostrado que a<br />
qualida<strong>de</strong> das inferências estão associadas não somente ao tamanho da amostra disponível para<br />
à análise mas também na quantida<strong>de</strong> <strong>de</strong> observações censuradas. Meeker e outros em 2003<br />
conduziram um estudo <strong>de</strong> simulação com o intuito <strong>de</strong> avaliar as probabilida<strong>de</strong>s <strong>de</strong> cobertura<br />
<strong>dos</strong> intervalos <strong>de</strong> confiança assintóticos e alguns basea<strong>dos</strong> em simulação Bootstrap. Neste es-<br />
tudo os autores avaliam principalmente o impacto da quantida<strong>de</strong> <strong>de</strong> observações censuradas<br />
nas probabilida<strong>de</strong>s <strong>de</strong> cobertura <strong>dos</strong> intervalos <strong>de</strong> confiança assintóticos.<br />
Este trabalho, consi<strong>de</strong>rando a distribuição Weibull, proposta originalmente por Weibull<br />
1951, tem por objetivo avaliar através <strong>de</strong> simulação o impacto que os seguintes fatores:<br />
1) o tamanho da amostra;<br />
2) a quantida<strong>de</strong> <strong>de</strong> observações censuras e<br />
3) a forma da função <strong>de</strong> risco<br />
exercem nas probabilida<strong>de</strong>s <strong>de</strong> coberturas <strong>dos</strong> intervalos <strong>de</strong> confiança assintótico e (p,t)-<br />
Bootstrap.<br />
1.1 Descrição <strong>dos</strong> Capítulos<br />
O Capítulo 2 <strong>de</strong>sta monografia apresenta uma caracterização completa da distribuição<br />
Weibull em termos <strong>dos</strong> parâmetros que são <strong>de</strong> máxima importância na mo<strong>de</strong>lagem <strong>de</strong> da<strong>dos</strong><br />
8
<strong>de</strong> sobrevivência. Como alternativa aos bem conheci<strong>dos</strong> intervalos <strong>de</strong> confiança assintóticos, no<br />
Capítulo 3 é introduzido o conceito <strong>de</strong> simulação Bootstrap assim como os dois principais pro-<br />
cedimentos <strong>de</strong> construção <strong>de</strong> intervalos <strong>de</strong> confiança — intervalos <strong>de</strong> confiança (p,t)-Bootstrap.<br />
Consi<strong>de</strong>rando várias instâncias — diferentes tamanhos <strong>de</strong> amostra, várias porcentagens <strong>de</strong> cen-<br />
sura e funções <strong>de</strong> riscos crescente e <strong>de</strong>crescentes — no Capítulo 4 são apresenta<strong>dos</strong> e discutidas<br />
as probabilida<strong>de</strong>s <strong>de</strong> cobertura para os parâmetros <strong>de</strong> escala, forma e alguns percentis. Algu-<br />
mas proprieda<strong>de</strong>s matemáticas são <strong>de</strong>duzidas no Apêndice A. O Apêndice B apresenta a macro<br />
implementada em linguagem SAS utilizada na condução do estudo <strong>de</strong> simulação propriamente<br />
dito.<br />
9
Capítulo 2<br />
A Distribuição Weibull<br />
2.1 Introdução<br />
A distribuição Weibull foi proposta originalmente por Wallodi Weibull em (1951) e <strong>de</strong>s<strong>de</strong><br />
então, <strong>de</strong>vido a sua simplicida<strong>de</strong> e flexibilida<strong>de</strong> em acomodar diferentes formas <strong>de</strong> função <strong>de</strong><br />
risco, é uma das distribuições <strong>de</strong> probabilida<strong>de</strong> mais utilizadas na análise <strong>de</strong> da<strong>dos</strong> que indicam<br />
o tempo até a ocorrência <strong>de</strong> algum evento <strong>de</strong> interesse, como por exemplo morte <strong>de</strong> um paciente,<br />
falha <strong>de</strong> um equipamento, etc. (Lawlees, 1982).<br />
Um outro fato importante relacionado a distribuição Weibull é que na presença <strong>de</strong> co-<br />
variáveis, tem-se um mo<strong>de</strong>lo <strong>de</strong> riscos proporcionais (Cox, 1972) e <strong>de</strong> falha acelerada (Lawless,<br />
1982). A distribuição Weibull é a única distribuição <strong>de</strong> probabilida<strong>de</strong> que po<strong>de</strong> ser escrita na<br />
forma <strong>de</strong> um mo<strong>de</strong>lo <strong>de</strong> riscos proporcionais.<br />
2.2 Caracterização da Distribuição Weibull<br />
A distribuição Weibull é caracterizada por dois parâmetros, µ e β ambos positivos. O<br />
parâmetro β <strong>de</strong>termina a forma da curva da função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> e µ é o parâmetro<br />
<strong>de</strong> escala. O parâmetro β é adimensional, enquanto que µ está na mesma escala <strong>dos</strong> da<strong>dos</strong> e<br />
é aproximadamente igual ao 63 o percentil da distribuição <strong>dos</strong> tempos <strong>de</strong> sobrevivência. Sua<br />
função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong> po<strong>de</strong> ser escrita na seguinte forma:<br />
em que t ≥ 0 e µ, β > 0.<br />
f(t|µ, β) = β<br />
µ β tβ−1 <br />
β<br />
t<br />
exp − , (2.1)<br />
µ<br />
A Figura 2.1, apresenta a curva da função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> para diferentes<br />
valores <strong>dos</strong> parâmetros µ e β.<br />
10
f(t, μ, β)<br />
f(t, μ, β)<br />
f(t, μ, β)<br />
0.0 0.5 1.0 1.5 2.0 2.5 3.0<br />
0.0 0.1 0.2 0.3 0.4 0.5 0.6<br />
0.00 0.05 0.10 0.15 0.20 0.25<br />
0 2 4 t 6 8 10<br />
0 2 4 t 6 8 10<br />
(a)<br />
f(t, μ, β)<br />
0 2 4 t 6 8 10<br />
0 2 4 t 6 8 10<br />
(c)<br />
f(t, μ, β)<br />
0 2 4 t 6 8 10<br />
0 2 4 t 6 8 10<br />
(e)<br />
Figura 2.1: Função <strong>de</strong>nsida<strong>de</strong> da distribuição Weibull on<strong>de</strong>: (a): µ =2 e β = 0.5; (b): µ =2 e<br />
β = 1.5; (c): µ =2 e β = 3.0; (d): µ =3 e β = 0.5; (e): µ =3 e β = 1.5; (f): µ =3 e β =3.0.<br />
11<br />
f(t, μ, β)<br />
0.0 0.1 0.2 0.3<br />
0.0 0.5 1.0 1.5 2.0 2.5<br />
0.0 0.1 0.2 0.3 0.4<br />
(b)<br />
(d)<br />
(f)
Uma extensão da distribuição Weibull é dada pela distribuição Weibull especificada a partir<br />
<strong>de</strong> 3 parâmetros, que é aplicada em situações em que supõem-se que o evento <strong>de</strong> interesse -<br />
morte ou falha - não ocorre antes <strong>de</strong> algum instante (t0 < t) (Johnson e Kotz 1995, Smith e<br />
Naylor, 1987). Generalizações <strong>de</strong> (1.1), para acomodar funções <strong>de</strong> riscos não monótonas, em<br />
forma <strong>de</strong> “U”, por exemplo, são dadas pela mistura <strong>de</strong> distribuições Weibull (Jiang e Murthy,<br />
1998; Ahmad et al., 1997; Sinha, 1987; Woodward e Gunst, 1987), distribuição Weibull-múltipla<br />
(Berger e Sun, 1996; Berger e Sun, 1993; Mazucheli, 2001) e a distribuição Weibull exponenciada<br />
(Mudholkar et al., 1996; Mudholkar e Kollia, 1994).<br />
Consi<strong>de</strong>rando β = 1 em (2.1), obtêm - se a distribuição exponencial como caso particular,<br />
on<strong>de</strong> a função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong> é dada por:<br />
<strong>de</strong>notada por Exp(µ).<br />
f(t|µ) = 1<br />
µ exp<br />
<br />
− t<br />
<br />
, (2.2)<br />
µ<br />
A Figura 2.2 mostra a curva da função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> para diferentes valores<br />
do parâmetro µ com β = 1.<br />
f(t, μ)<br />
0.0 0.2 0.4 0.6 0.8 1.0 1.2<br />
Exp(1) Exp(2) Exp(3)<br />
0 2 4 6 8 10<br />
Figura 2.2: Função <strong>de</strong>nsida<strong>de</strong> da distribuição exponencial para diferentes valores <strong>de</strong> µ.<br />
t<br />
A partir da equação (2.1) tem-se que a função <strong>de</strong> sobrevivência da distribuição Weibull é<br />
dada por:<br />
12
S(t) = exp<br />
<br />
−<br />
<br />
β<br />
t<br />
, (2.3)<br />
µ<br />
on<strong>de</strong> S(t), indica a probabilida<strong>de</strong> <strong>de</strong> um certo indivíduo ou equipamento sobreviver mais que<br />
um <strong>de</strong>terminado tempo t, consequentemente 0 ≤ S(t) ≤ 1.<br />
A função <strong>de</strong> risco da distribuição Weibull é dada por:<br />
h(t) = β<br />
µ β tβ−1 . (2.4)<br />
Para o parâmetro <strong>de</strong> forma β < 1 tem-se funções <strong>de</strong> risco monótonas <strong>de</strong>crescentes, para β ><br />
1 as funções <strong>de</strong> risco são monótonas crescentes e para β = 1 tem-se a distribuição exponencial<br />
com função <strong>de</strong> risco constante, como mostra a Figura 2.3.<br />
Figura 2.3: Função <strong>de</strong> risco (2.4) consi<strong>de</strong>rando diferentes valores do parâmetro β e µ = 2.<br />
A partir da função <strong>de</strong>nsida<strong>de</strong> da distribuição Weibull, (2.1), tem-se que o k-ésimo momento,<br />
E(T k ), é dado por µ kΓ(1 + k ), (ver, apêndice) on<strong>de</strong> Γ(·), <strong>de</strong>nota a função gama. Desta forma,<br />
β<br />
a média e a variância da variável aleatória T são dadas respectivamente por:<br />
E(T ) = µΓ(1 + 1<br />
<br />
) e V ar(T ) = µ2 Γ 1 +<br />
β 2<br />
<br />
− Γ<br />
β<br />
2<br />
<br />
1 + 1<br />
<br />
. (2.5)<br />
β<br />
O p-ésimo percentil da distribuição Weibull é dado por:<br />
13
tp = µ [− log(1 − p)] 1<br />
β . (2.6)<br />
Para p = 0.50 obtêm-se o parâmetro que caracteriza a mediana da distribuição Weibull<br />
dado por:<br />
t0.50 = µ [log(2)] 1<br />
β . (2.7)<br />
A moda (tm) da distribuição Weibull, po<strong>de</strong> ser obtida calculando o ponto <strong>de</strong> máximo da<br />
função <strong>de</strong>nsida<strong>de</strong>, f(t), ou seja,<br />
obtendo-se<br />
d(f(t))<br />
dt<br />
= 0,<br />
⎧ 1<br />
⎪⎨<br />
β−1 β<br />
µ se β > 1<br />
β<br />
tm =<br />
⎪⎩<br />
0 se β ≤ 1.<br />
(2.8)<br />
O parâmetro que caracteriza a moda indica o tempo mais provável do acontecimento <strong>de</strong><br />
mortes ou falhas.<br />
A partir da equação (2.3) a função <strong>de</strong> distribuição acumulada, F (t), é dada por:<br />
F (t) = 1 − exp<br />
2.3 Função <strong>de</strong> Verossimilhança<br />
<br />
−<br />
<br />
β<br />
t<br />
. (2.9)<br />
µ<br />
Para a distribuição Weibull, com parâmetros µ e β, consi<strong>de</strong>rando uma amostra aleatória<br />
(t1, ..., tn) e a variável indicadora <strong>de</strong> censura δi, δi = 1 se ti é exatamente observado ou δi = 0<br />
se ti é censurado à direita, a função <strong>de</strong> verossimilhança po<strong>de</strong> ser escrita na forma:<br />
L(µ, β|t) =<br />
n<br />
i=1<br />
<br />
β<br />
µ<br />
δi <br />
β−1<br />
ti<br />
exp −<br />
µ<br />
n<br />
i=1<br />
<br />
β<br />
ti<br />
. (2.10)<br />
µ<br />
Aplicando o logaritmo em (2.10) obtêm-se a função log-verossimilhança escrita na forma:<br />
l(µ, β|t) =<br />
n<br />
δi [log(β) + (β − 1) log(ti) − β log(µ)] −<br />
i=1<br />
14<br />
n<br />
i=1<br />
β ti<br />
. (2.11)<br />
µ
2.4 Estimadores <strong>de</strong> Máxima Verossimilhança<br />
Os estimadores <strong>de</strong> máxima verossimilhança (EMV) <strong>de</strong> µ e β, são obti<strong>dos</strong> resolvendo itera-<br />
tivamente o seguinte sistema <strong>de</strong> equações não lineares<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
∂l(µ,β)<br />
∂µ<br />
∂l(µ,β)<br />
∂β<br />
β n = − µ i=1 δi + β n µ i=1<br />
β ti = 0<br />
µ<br />
1 n<br />
= β i=1 δi + n i=1 δi log( ti<br />
µ ) − n i=1<br />
β ti log µ<br />
<br />
ti = 0. µ<br />
(2.12)<br />
No software SAS, as estimativas <strong>de</strong> máxima verossimilhança po<strong>de</strong>m ser facilmente obti-<br />
das por meio <strong>dos</strong> procedimentos nlmixed, nlp ou iml uma vez especificada a função log-<br />
verossimilhança. O mesmo fato é válido, para qualquer função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong><br />
que não permita a obtenção <strong>dos</strong> estimadores <strong>de</strong> máxima verossimilhança analiticamente.<br />
2.5 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> Assintóticos<br />
<strong>Intervalos</strong> <strong>de</strong> confiança com coeficientes <strong>de</strong> confiança 100 × (1 − α)% para os parâmetros<br />
µ e β, po<strong>de</strong>m ser obti<strong>dos</strong> diretamente a partir da normalida<strong>de</strong> assintótica <strong>dos</strong> estimadores <strong>de</strong><br />
máxima verossimilhança (Guitany and Maller, 1992).<br />
<br />
IC(µ; 100 × (1 − α)%) = ˆµ ± zα/2 V ar(ˆµ),<br />
IC(β; 100 × (1 − α)%) = ˆ <br />
β ± zα/2 V ar( ˆ β),<br />
em que zα/2 é o α<br />
2 - ésimo percentil da distribuição normal padrão, e V ar(ˆµ) e V ar(ˆ β) são<br />
obti<strong>dos</strong> na diagonal principal do inverso da matriz <strong>de</strong> informação <strong>de</strong> Fisher (Ghitany amd<br />
Maller, 1992).<br />
Na prática, ao invés <strong>de</strong> se trabalhar com o inverso da informação <strong>de</strong> Fisher, trabalha-se com<br />
o inverso da matriz <strong>de</strong> informação observada. A matriz <strong>de</strong> informação observada localmente<br />
nos estimadores <strong>de</strong> máxima verossimilhança, po<strong>de</strong> ser escrita como:<br />
I(ˆµ, ˆ β|t) =<br />
⎡<br />
⎢<br />
⎣<br />
∂ 2 l(µ,β)<br />
∂µ∂µ | µ=ˆµ,β= ˆ β<br />
∂ 2 l(µ,β)<br />
∂µ∂β | µ=ˆµ,β= ˆ β<br />
∂ 2 l(µ,β)<br />
∂µ∂β | µ=ˆµ,β= ˆ β<br />
∂ 2 l(µ,β)<br />
∂β∂β | µ=ˆµ,β= ˆ β<br />
A inversa da matriz <strong>de</strong> informação observada é <strong>de</strong>finida como:<br />
I −1 (ˆµ, ˆ β) =<br />
<br />
V ar(ˆµ) Cov(ˆµ, ˆ β)<br />
Cov(ˆµ, ˆ β) V ar( ˆ β)<br />
15<br />
<br />
⎤<br />
⎥<br />
⎦ .<br />
. (2.13)
Os intervalos <strong>de</strong> confiança com coeficiente <strong>de</strong> confiança 100 × (1 − α)% para funções <strong>de</strong> µ e<br />
β, g(µ, β), são da<strong>dos</strong> por:<br />
IC [g(µ, β); 100 × (1 − α)%] = g(ˆµ, ˆ β) ± zα/2<br />
<br />
V ar<br />
<br />
g(ˆµ, ˆ <br />
β) ,<br />
on<strong>de</strong> g(ˆµ, ˆ β) po<strong>de</strong> ser, por exemplo, o p-ésimo percentil da distribuição Weibull. A variância<br />
estimada <strong>de</strong> g(ˆµ, ˆ β) po<strong>de</strong> ser obtida através do método Delta (Rao and Toutenburg, 1999) a<br />
partir da equação:<br />
<br />
V ar g ˆµ, ˆ <br />
β<br />
=<br />
<br />
∂<br />
∂µ g<br />
<br />
ˆµ, ˆ <br />
β<br />
2 <br />
∂<br />
V ar(ˆµ) +<br />
∂β g<br />
<br />
ˆµ, ˆ <br />
β<br />
2 V ar( ˆ β) + (2.14)<br />
<br />
∂<br />
2<br />
∂µ g<br />
<br />
ˆµ, ˆ <br />
β<br />
∂<br />
∂β g<br />
<br />
ˆµ, ˆ <br />
β<br />
<br />
Cov(ˆµ, ˆ β),<br />
em que os valores <strong>de</strong> V ar(ˆµ), V ar( ˆ β) e Cov(ˆµ, ˆ β) são obti<strong>dos</strong> da inversa da matriz <strong>de</strong> informação<br />
observada <strong>de</strong>finida em (1.13).<br />
Vale lembrar que é possível estimar V ar<br />
<br />
g ˆµ, ˆ <br />
β , diretamente pela matriz inversa da<br />
matriz <strong>de</strong> informação, utilizando a proprieda<strong>de</strong> da invariância <strong>dos</strong> estimadores <strong>de</strong> máxima<br />
verossimilhança, ou seja, reparametrizando a função verossimilhança, ou a log-verossimilhança.<br />
Por exemplo, consi<strong>de</strong>re o p-ésimo percentil da distribuição, <strong>de</strong>finido em (2.7). Isolando o<br />
parâmetro µ obtêm-se:<br />
1<br />
−<br />
µ = tp [− log (1 − p)] β . (2.15)<br />
Logo, reparametrizando a função <strong>de</strong> verossimilhança ou a log-verossimilhança, a partir da<br />
equação (2.14) a variância estimada do p-ésimo percentil da distribuição é obtida diretamente<br />
pela inversa da matriz <strong>de</strong> informação observada.<br />
16
Capítulo 3<br />
Simulação Bootstrap<br />
3.1 Introdução<br />
A idéia da reamostragem surgiu em mea<strong>dos</strong> <strong>de</strong> 1935, entretanto a aplicação <strong>de</strong> tais técnicas<br />
teve que esperar até a chegada <strong>de</strong> computadores mais rápi<strong>dos</strong>, uma vez que procedimentos <strong>de</strong><br />
reamostragem utilizam intensivamente o computador.<br />
A técnica Bootstrap foi introduzida por Bradley Efron em 1979, como abordagem alterna-<br />
tiva ao cálculo <strong>de</strong> intervalos <strong>de</strong> confiança, em circunstâncias em que outras técnicas não são<br />
aplicáveis, em particular, no caso em que o tamanho da amostra é pequeno.<br />
Esta técnica, baseada na hipótese <strong>de</strong> um elevado número <strong>de</strong> amostras, foi extrapolada<br />
para a resolução <strong>de</strong> muitos outros problemas <strong>de</strong> difícil resolução através <strong>de</strong> técnicas <strong>de</strong> análise<br />
estatística tradicionais, como por exemplo a obtenção da distribuição empírica <strong>de</strong> um estimador,<br />
on<strong>de</strong> sua distribuição <strong>de</strong> probabilida<strong>de</strong> é <strong>de</strong>sconhecida ou <strong>de</strong> difícil acesso, ou ainda <strong>de</strong>terminar<br />
intervalos <strong>de</strong> confiança para o máximo da função <strong>de</strong> risco.<br />
Os procedimentos Bootstrap levam as amostras combinadas como uma representação da<br />
população da qual os da<strong>dos</strong> são provenientes, e gera várias amostras Bootstrap retiradas, com<br />
reposição, da pseudo - população, a amostra disponível.<br />
Inferências a respeito <strong>de</strong> um parâmetro são baseadas na distribuição amostral <strong>de</strong> seu es-<br />
timador. A técnica Bootstrap é em primeiro lugar, uma maneira <strong>de</strong> encontrar a distribuição<br />
amostral, pelo menos aproximadamente, a partir <strong>de</strong> uma única amostra disponível.<br />
Uma distribuição amostral está baseada em muitas amostras aleatórias da população. Entre-<br />
tanto, ao invés <strong>de</strong> retirar-se muitas amostras da população, cria-se reamostras, com reposição, a<br />
partir <strong>de</strong> uma única amostra da população. Cada reamostra tem o mesmo tamanho da amostra<br />
aleatória original.<br />
A simulação Bootstrap também po<strong>de</strong> ser vista como um procedimento para tirar conclusões<br />
sobre os da<strong>dos</strong>, quando não se tem suposições sobre a distribuição <strong>dos</strong> parâmetros <strong>de</strong> interesse.<br />
A única suposição feita é que a amostra original represente bem a população da qual os da<strong>dos</strong><br />
17
são provenientes.<br />
O termo Bootstrap paramétrico é utilizado quando se tem alguma suposição da distribuição,<br />
por exemplo, a suposição <strong>de</strong> que a população segue uma distribuição Weibull, ou ainda tem-se<br />
o conhecimento da distribuição amostral <strong>de</strong> algum estimador e <strong>de</strong>seja-se obter a distribuição<br />
amostral <strong>de</strong> um outro estimador que <strong>de</strong>pen<strong>de</strong> do primeiro, por exemplo, sabe-se que se uma<br />
variável aleatória X tem distribuição normal ou o tamanho da amostra é suficientemente gran<strong>de</strong><br />
(n → ∞) , então ¯ X tem distribuição Normal com média µ e variância σ2 (n−1)S2<br />
, e n σ2 tribuição χ 2 n−1. Logo, o coeficiente <strong>de</strong> variação, <strong>de</strong>finido como, C.V. = s<br />
¯x<br />
amostral ?<br />
tem dis-<br />
, terá qual distribuição<br />
Já o termo Bootstrap não - paramétrico é utilizado quando não se tem nenhuma suposição<br />
da distribuição do conjunto <strong>de</strong> da<strong>dos</strong>, ou seja, a distribuição amostral da qual os da<strong>dos</strong> vieram<br />
é <strong>de</strong>sconhecida.<br />
Embora a técnica Bootstrap seja teoricamente simples, <strong>de</strong>ve-se ter disponível um software<br />
para fazer reamostragem. Os softwares como SPSS, SAS e MINITAB, não têm um procedi-<br />
mento disponível para fazer a reamostragem, entretanto po<strong>de</strong>-se programar procedimentos <strong>de</strong><br />
reamostragem.<br />
3.2 O Processo <strong>de</strong> Reamostragem<br />
O processo <strong>de</strong> reamostragem conhecido como Bootstrap tenta realizar o que seria <strong>de</strong>sejável<br />
realizar na prática, se fosse possível, que é repetir a experiência <strong>de</strong> amostragem B vezes. Além<br />
disso, o procedimento trata a amostra observada como se esta representasse exatamente toda<br />
a população.<br />
Seja t = (t1, t2, ..., tn) uma amostra aleatória contendo n tempos <strong>de</strong> sobrevivência disponíveis<br />
para análise, com δi = 1 para os tempos exatamente observa<strong>dos</strong> e δi = 0 , para tempos censura-<br />
<strong>dos</strong> a direita, (i = 1, 2, ..., n). Logo, o conjunto <strong>de</strong> da<strong>dos</strong> disponíveis é dado por T = (t, δ). O<br />
processo <strong>de</strong> reamostragem Bootstrap consiste em reamostrar B amostras T ∗(1) , T ∗(2) , ..., T ∗(B) ,<br />
in<strong>de</strong>pen<strong>de</strong>ntes e i<strong>de</strong>nticamente distribuídas (i.i.d.), cada uma <strong>de</strong> tamanho n.<br />
Na terminologia do procedimento Bootstrap, as B amostras (i.i.d.) construídas a partir da<br />
população finita T = (t, δ) correspon<strong>de</strong> em reamostrar com reposição a partir do conjunto T.<br />
Após a obtenção das B amostras Bootstrap, po<strong>de</strong>-se obter as estimativas <strong>de</strong> máxima ve-<br />
rossimilhança do parâmetro <strong>de</strong> interesse, para cada amostra Bootstrap, chegando ao vetor<br />
∗<br />
ˆθ = ( ˆ θ ∗<br />
(1), ˆ θ ∗<br />
(2), ..., ˆ θ ∗<br />
(B)). A partir do vetor ˆ θ ∗<br />
, po<strong>de</strong>-se obter a distribuição Bootstrap do es-<br />
timador ˆ θ, que permite construir intervalos <strong>de</strong> confiança e também testar hipóteses a respeito<br />
do parâmetro θ. A Figura a seguir ilustra a idéia do procedimento Bootstrap.<br />
18
Figura 3.1: O Procedimento Bootstrap.<br />
3.3 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> Bootstrap<br />
Uma vez que obtida a distribuição empírica do estimador ˆ θ po<strong>de</strong>-se obter intervalos <strong>de</strong><br />
confiança Bootstrap para o parâmetro <strong>de</strong> interesse.<br />
O intervalo <strong>de</strong> confiança Bootstrap, baseado nos percentis da distribuição Bootstrap <strong>de</strong> θ,<br />
proposto for Efrom (1993) é conhecido como intervalo <strong>de</strong> confiança p-Bootstrap. Hall (1988)<br />
sugeriu o intervalo <strong>de</strong> confiança t-Bootstrap, que sob o ponto <strong>de</strong> vista assintótico, sua probabi-<br />
lida<strong>de</strong> <strong>de</strong> cobertura é aproximadamente igual ao coeficiente <strong>de</strong> confiança nominal (Efron and<br />
Tibshirani, 1993).<br />
3.3.1 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> p-Bootstrap<br />
Consi<strong>de</strong>re t = (t1, t2, ..., tn) um vetor com o conjunto <strong>de</strong> tempos <strong>de</strong> sobrevivência disponíveis<br />
para análise, com δi = 1 para os tempos <strong>de</strong> sobrevivência exatamente observa<strong>dos</strong> e δi = 0<br />
para tempos <strong>de</strong> sobrevivência censura<strong>dos</strong> à direita, (i = 1, ..., n). Logo, o conjunto <strong>de</strong> da<strong>dos</strong><br />
disponíveis é dado por T = (t, δ).<br />
Contudo, a seguir são apresenta<strong>dos</strong> os passos para construção do intervalo <strong>de</strong> confiança<br />
p-Bootstrap.<br />
Passo 1: Retirar, com reposição, <strong>de</strong> T uma amostra Bootstrap (t ∗ 1, δ ∗<br />
1), ..., (t ∗ n, δ ∗<br />
n).<br />
19
Passo 2: Da amostra Bootstrap (t∗ 1, δ ∗<br />
1), ..., (t∗ n, δ ∗<br />
lhança do parâmetro θ, representado por ˆθ ∗<br />
.<br />
n) obter o estimador <strong>de</strong> máxima verossimi-<br />
Passo 3: Repetir os passos 1 e 2 B vezes.<br />
Passo 4: A partir do vetor ˆθ ∗<br />
<br />
∗<br />
= ˆθ<br />
(1) ≤ ˆθ ∗<br />
(2) ≤ · · · ≤ ˆθ ∗<br />
<br />
(B) , para algum nível <strong>de</strong> significância<br />
α (0 < α < 1), o intervalo p-Bootstrap com coeficiente <strong>de</strong> confiança 100 × (1 − α)% é dado por:<br />
<br />
∗<br />
ˆθ<br />
(Q1); ˆθ ∗<br />
<br />
(Q2) , (3.1)<br />
on<strong>de</strong> Q1 = B × <br />
α e Q2 = B − Q1 e [ ] indica o menor número inteiro maior ou igual ao<br />
2<br />
argumento. Como exemplo, consi<strong>de</strong>re um coeficiente <strong>de</strong> confiança <strong>de</strong> 95% (α = 0.05) e 1000<br />
amostras Bootstrap (B = 1000), logo Q1 = 25 e Q2 = 975. Consequentemente, o intervalo<br />
∗<br />
p-Bootstrap com 95% <strong>de</strong> confiança é dado por ˆθ<br />
(25); ˆθ ∗<br />
<br />
(975) .<br />
3.3.2 <strong>Intervalos</strong> <strong>de</strong> <strong>Confiança</strong> t-Bootstrap<br />
Para construção do intervalo <strong>de</strong> confiança t - Bootstrap re<strong>de</strong>finir, a partir do Passo 4 na<br />
forma:<br />
Passo 4’: A partir <strong>de</strong> ˆθ ∗<br />
<br />
∗<br />
= ˆθ<br />
(1) ≤ ˆθ ∗<br />
(2) ≤ · · · ≤ ˆθ ∗<br />
<br />
(B)<br />
para (i, j = 1, 2, ..., B, i = j) em que:<br />
T ∗ (i) ≤ T ∗ (j)<br />
T ∗<br />
i =<br />
<br />
∗<br />
ˆθ<br />
i − ˆ <br />
θ<br />
ˆσ ∗<br />
i<br />
obter T ∗ =<br />
<br />
T ∗ (1) , T ∗ (2) , · · · , T ∗ <br />
(B) ,<br />
, (3.2)<br />
on<strong>de</strong> ˆ θ é o estimador <strong>de</strong> máxima verossimilhança <strong>de</strong> θ e ˆσ ∗<br />
i (i = 1, ..., B) é o erro padrão <strong>de</strong><br />
ˆ θ ∗<br />
i , que é dado pela raiz quadrada da diagonal principal da inversa da matriz <strong>de</strong> informação<br />
observada.<br />
Passo 5’: Usando T ∗ , o intervalo t-Bootstrap com coeficiente <strong>de</strong> confiança 100 × (1 − α)% é<br />
dado por: ˆθ − ˆσT ∗ (Q2); ˆ θ − ˆσT ∗ (Q1)<br />
em que Q1 = B × <br />
α , Q2 = B − Q1 ( [ ] indica o menor número inteiro maior ou igual ao<br />
2<br />
<br />
argumento) e ˆσ = V ar ˆθ , on<strong>de</strong> ˆθ e ˆσ são calcula<strong>dos</strong> a partir <strong>dos</strong> tempos <strong>de</strong> sobrevivência<br />
originais. Outras formas <strong>de</strong> construção <strong>de</strong> intervalos <strong>de</strong> confiança Bootstrap são discuti<strong>dos</strong> em<br />
Efron e Tibshirani, 1993.<br />
20<br />
<br />
(3.3)
Capítulo 4<br />
Aplicação<br />
4.1 Introdução<br />
Nos capítulos anteriores, foram <strong>de</strong>fini<strong>dos</strong> três intervalos <strong>de</strong> confiança, o primeiro obtido<br />
a partir da normalida<strong>de</strong> assintótica <strong>dos</strong> estimadores <strong>de</strong> máxima verossimilhança (Intervalo<br />
Assintótico) e os outros dois a partir do processo <strong>de</strong> reamostragem Bootstrap (Intervalo p-<br />
Bootstrap e t-Bootstrap).<br />
Neste capítulo tem-se o interesse em avaliar qual <strong>dos</strong> três intervalos possui uma maior pro-<br />
babilida<strong>de</strong> <strong>de</strong> cobertura, ou seja, sob <strong>de</strong>terminadas situações, como tamanho da amostra e<br />
porcentagem <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong>, <strong>de</strong>seja-se estabelecer qual <strong>dos</strong> três intervalos estuda<strong>dos</strong> pos-<br />
sui a maior probabilida<strong>de</strong> <strong>de</strong> conter o verda<strong>de</strong>iro valor do parâmetro. Em outras palavras, o<br />
objetivo é avaliar as três formas <strong>de</strong> construção <strong>dos</strong> intervalos <strong>de</strong> confiança, levando em con-<br />
si<strong>de</strong>ração a presença <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong> e o tamanho da amostra, utilizando os tempos <strong>de</strong><br />
sobrevivência gera<strong>dos</strong> a partir da distribuição Weibull. São avaliadas as probabilida<strong>de</strong>s <strong>de</strong><br />
cobertura para os parâmetros µ, β, t0.25, t0.50 e t0.75.<br />
4.2 Metodologia<br />
No intuito <strong>de</strong> verificar qual <strong>dos</strong> três intervalos possui uma maior probabilida<strong>de</strong> <strong>de</strong> cober-<br />
tura, primeiramente gerou-se tempos <strong>de</strong> sobrevivência a partir da distribuição Weibull com<br />
parâmetros µ = 2 e β = 0.5, 1.5 e 3, ou seja, manteve-se o parâmetro <strong>de</strong> escala fixo, para uma<br />
variação no parâmetro <strong>de</strong> forma, para tal feito foi utilizado o software SAS.<br />
O tamanho da amostra nj ( j = 1, 2, 3, 4, 5), também foi levado em consi<strong>de</strong>ração, sendo<br />
n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100, assim como a porcentagem <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong><br />
qj ( j = 1, 2, 3, 4, 5) , em que q1 = 0%, q2 = 5%, q3 = 10%, q4 = 15%, q5 = 20%. Para cada com-<br />
binação <strong>dos</strong> valores <strong>dos</strong> parâmetros µ e β, <strong>dos</strong> tamanhos da amostra nj ( j = 1, 2, 3, 4, 5) e das<br />
porcentagens <strong>de</strong> censura qj ( j = 1, 2, 3, 4, 5), foram simuladas 200 amostras (m1, m2, ..., m200)<br />
a partir da distribuição Weibull, on<strong>de</strong> os tempos <strong>de</strong> sobrevivência, para cada amostra, são<br />
21
facilmente gera<strong>dos</strong> a partir da expressão<br />
t = −µ [log (1 − U)] 1<br />
β , (4.1)<br />
on<strong>de</strong> U é a distribuição uniforme <strong>de</strong>fnida no intervalo (0, 1) (Ripley, 1987, Devroye, 1986).<br />
Para cada tempo <strong>de</strong> sobrevivência ti , foi gerado também um valor para a variável indicadora<br />
<strong>de</strong> censura δi, simulado através da distribuição <strong>de</strong> Bernoulli, com a probabilida<strong>de</strong> <strong>de</strong> fracasso<br />
variando <strong>de</strong> 0% a 20% , <strong>de</strong>pen<strong>de</strong>ndo da porcentagem <strong>de</strong> censura qj ( j = 1, 2, 3, 4, 5) atribuída.<br />
Como exemplo, consi<strong>de</strong>re µ = 2, β = 0.5, n1 = 10 e q1 = 0%, para esta combinação foram<br />
geradas 200 amostras, (m1, m2, ..., m200) sendo que para cada uma das amostras geradas mi<br />
(i = 1, 2, ..., 200), foram retiradas B = 1000 amostras Bootstrap.<br />
Generalizando, tem-se um total <strong>de</strong> 3 (variação <strong>dos</strong> valores <strong>de</strong> β)× 5 (variação <strong>dos</strong> tamanhos<br />
<strong>de</strong> amostra) × 5 (variação das porcentagens <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong>) = 75 combinações diferentes,<br />
on<strong>de</strong> para cada combinação foram geradas 200 amostras, (m1, m2, ..., m200) sendo que para cada<br />
uma das amostras geradas mi (i = 1, 2, ..., 200), foram retiradas B = 1000 amostras Bootstrap.<br />
A partir <strong>dos</strong> tempos <strong>de</strong> sobrevivência simula<strong>dos</strong>, para cada uma das 200 amostras geradas<br />
<strong>de</strong>ntro <strong>de</strong> cada uma das 75 combinações, foram obti<strong>dos</strong> os estimadores <strong>de</strong> máxima verossimi-<br />
lhança para µ, β e também para tempo mediano (t0.50), primeiro quartil (t0.25) e terceiro quartil<br />
(t0.75), bem como os respectivos erros-padrão, para construção <strong>dos</strong> intervalos <strong>de</strong> confiança.<br />
Para implementação do Bootstrap não-paramétrico, para cada uma das 200 amostras si-<br />
muladas <strong>de</strong>ntro <strong>de</strong> cada uma das 75 combinações, foram retiradas B = 1000 reamostras, e a<br />
partir <strong>de</strong> cada reamostra foram calcula<strong>dos</strong> os estimadores <strong>de</strong> máxima verossimilhança para µ,<br />
β e também para tempo mediano (t0.50), primeiro quartil (t0.25) e terceiro quartil (t0.75), bem<br />
como os respectivos erros-padrão, para construção <strong>dos</strong> intervalos <strong>de</strong> confiança p-Bootstrap e<br />
t-Bootstrap.<br />
Consi<strong>de</strong>re que to<strong>dos</strong> os intervalos foram contruí<strong>dos</strong> com 95% <strong>de</strong> confiança, ou seja, a cada<br />
100 amostras retiradas da população e construí<strong>dos</strong> seus respectivos intervalos <strong>de</strong> confiança para<br />
o parâmetro <strong>de</strong> interesse, espera-se que 95 <strong>de</strong>sses intervalos contenham o verda<strong>de</strong>iro valor do<br />
parâmetro, ou em outras palavras, cada intervalo tem 95% <strong>de</strong> probabilida<strong>de</strong> <strong>de</strong> conter o valor<br />
do parâmetro.<br />
Contudo, após obti<strong>dos</strong> os intervalos <strong>de</strong> confiança Assintóticos, p-Bootstrap e t-Bootstrap a<br />
idéia é verificar quantos intervalos contém o verda<strong>de</strong>iro valor do parâmetro µ, β, t0.25, t0.50 e<br />
t0.75 na qual os da<strong>dos</strong> foram gera<strong>dos</strong>.<br />
Enfim, a probabilida<strong>de</strong> <strong>de</strong> cobertura po<strong>de</strong> ser expressa pela seguinte razão:<br />
pc = no <strong>de</strong> intervalos que contém o verda<strong>de</strong>iro valor do parâmetro<br />
n o total <strong>de</strong> intervalos construí<strong>dos</strong><br />
22<br />
(4.2)
4.3 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 0.5<br />
Consi<strong>de</strong>rando a Distribuição Weibull com parâmetros µ = 2 e β = 0.5, o valor do primeiro<br />
quartil, terceiro quartil e da mediana <strong>dos</strong> tempos <strong>de</strong> sobrevivência são da<strong>dos</strong> respectivamente,<br />
por t0.25 = 0.1655, t0.75 = 3.8436 e t0.50 = 0.9609.<br />
A Figura 4.1 ilustra a função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> consi<strong>de</strong>rando µ = 2 e β = 0.5, e<br />
a disposição <strong>dos</strong> três percentis calcula<strong>dos</strong>, on<strong>de</strong> o ponto em vermelho representa o 1 o quartil<br />
(t0.25) o ponto em azul representa a mediana (t0.50) e o ponto em ver<strong>de</strong> representa o 3 o quartil<br />
(t0.75)<br />
f(t, μ, β)<br />
0.0 0.5 1.0 1.5 2.0 2.5 3.0<br />
●<br />
●<br />
●<br />
0 2 4 6 8 10<br />
Figura 4.1: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β = 0.5,<br />
com a representação do 1 o , 2 o e 3 o quartil.<br />
t<br />
Vale lembrar que os intervalos para cada amostra foram construí<strong>dos</strong> com 95% <strong>de</strong> confiança,<br />
ou seja, teoricamente a probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>de</strong> cada um <strong>dos</strong> três tipos <strong>de</strong> intervalo<br />
<strong>de</strong>veria ser 0.95, entretanto tem-se dois fatores importantes a serem leva<strong>dos</strong> em consi<strong>de</strong>ração,<br />
que são o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobrevivência censura<strong>dos</strong>.<br />
23
4.3.1 Análise do Parâmetro µ<br />
Tabela 4.1: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.840<br />
0.885<br />
0.965<br />
0.880<br />
0.895<br />
0.970<br />
0.900<br />
0.900<br />
0.960<br />
0.905<br />
0.915<br />
0.945<br />
0.915<br />
0.900<br />
0.935<br />
0.925<br />
0.940<br />
0.965<br />
0.955<br />
0.960<br />
0.980<br />
0.965<br />
0.940<br />
0.955<br />
0.975<br />
0.920<br />
0.930<br />
0.980<br />
0.885<br />
0.890<br />
0.900<br />
0.960<br />
0.970<br />
0.940<br />
0.955<br />
0.965<br />
0.980<br />
0.945<br />
0.945<br />
0.980<br />
0.930<br />
0.925<br />
0.980<br />
0.880<br />
0.890<br />
0.920<br />
0.945<br />
0.970<br />
0.950<br />
0.970<br />
0.980<br />
0.980<br />
0.955<br />
0.950<br />
0.965<br />
0.865<br />
0.855<br />
0.940<br />
0.770<br />
0.785<br />
0.940<br />
0.965<br />
0.975<br />
0.975<br />
0.965<br />
0.965<br />
0.955<br />
0.870<br />
0.865<br />
0.875<br />
0.770<br />
0.785<br />
0.750<br />
0.575<br />
0.580<br />
Po<strong>de</strong>-se observar, com base na Tabela 4.1, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo<br />
<strong>de</strong> confiança assintótico aumenta a medida que o tamanho da amostra aumenta, consi<strong>de</strong>rando<br />
até 10% <strong>dos</strong> tempos <strong>de</strong> sobrevivência censura<strong>dos</strong>. Entretanto para 15% e 20% <strong>de</strong> tempos <strong>de</strong><br />
sobrevivência censura<strong>dos</strong>, para tamanho <strong>de</strong> amostras n5 = 100, a probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
é bem abaixo do esperado (0.95), <strong>de</strong>vido a gran<strong>de</strong> quantida<strong>de</strong> <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong>, uma vez<br />
que, consi<strong>de</strong>rando a porcentagem <strong>de</strong> censura sendo 20%, para tamanho <strong>de</strong> amostra n1 = 10,<br />
tem-se aproximadamente 2 tempos <strong>de</strong> sobrevivência censura<strong>dos</strong>, e para tamanho <strong>de</strong> amostra<br />
n5 = 100 , tem-se aproximadamente 20 tempos censura<strong>dos</strong>.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> da<strong>dos</strong> <strong>de</strong> sobrevivência censura<strong>dos</strong>.<br />
Contudo po<strong>de</strong>-se notar que para 10%, 15% e 20% <strong>de</strong> censura, e tamanho <strong>de</strong> amostra n5 = 100,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura, fica bem abaixo do esperado (0.95).<br />
Para o intervalo <strong>de</strong> confiança t-Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30 com até 15% <strong>de</strong> censura, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s<br />
n4 = 50, n5 = 100 e porcentagem <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong> até 10%, obtêm-se uma probabilida<strong>de</strong><br />
<strong>de</strong> cobertura elevada, entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e<br />
consi<strong>de</strong>rando 15% e 20% <strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo do esperado.<br />
24
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para tamanho <strong>de</strong><br />
amostra n1 = 10 ou até 5% <strong>de</strong> censura, o intervalo t-Bootstrap é o mais apropriado.<br />
Porém, consi<strong>de</strong>rando tamanho <strong>de</strong> amostra n2 = 20, n3 = 30, n4 = 50 ou n5 = 100, e<br />
porcentagem <strong>de</strong> censura <strong>de</strong> 10%, 15% ou 20%, o intervalo <strong>de</strong> confiança assintótico é “melhor”,<br />
ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior em relação aos intervalos p-Bootstrap e<br />
t-Bootstrap, como mostra as Figuras 4.2 e 4.3.<br />
25
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.2: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ.<br />
26<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
● ● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
PorcentagemCensura<br />
Figura 4.3: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando, respectivamente,<br />
n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ.<br />
27<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.3.2 Análise do Parâmetro β<br />
Tabela 4.2: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.935<br />
0.770<br />
0.930<br />
0.935<br />
0.785<br />
0.935<br />
0.940<br />
0.765<br />
0.925<br />
0.940<br />
0.800<br />
0.915<br />
0.930<br />
0.820<br />
0.920<br />
0.945<br />
0.840<br />
0.920<br />
0.955<br />
0.840<br />
0.925<br />
0.940<br />
0.835<br />
0.925<br />
0.925<br />
0.835<br />
0.920<br />
0.945<br />
0.830<br />
0.940<br />
0.950<br />
0.845<br />
0.935<br />
0.955<br />
0.840<br />
0.930<br />
0.950<br />
0.850<br />
0.930<br />
0.955<br />
0.870<br />
0.930<br />
0.955<br />
0.860<br />
0.940<br />
0.950<br />
0.860<br />
0.935<br />
0.950<br />
0.865<br />
0.950<br />
0.935<br />
0.870<br />
0.935<br />
0.945<br />
0.855<br />
0.945<br />
0.940<br />
0.870<br />
0.945<br />
0.965<br />
0.920<br />
0.920<br />
0.970<br />
0.905<br />
0.910<br />
0.965<br />
0.920<br />
0.930<br />
0.960<br />
0.915<br />
0.935<br />
0.960<br />
0.915<br />
0.925<br />
Para o parâmetro β, a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico<br />
aumenta a medida que o tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong><br />
censura. Consi<strong>de</strong>rando um tamanho <strong>de</strong> amostra fixo, e variando a porcentagem <strong>de</strong> censura,<br />
po<strong>de</strong>-se notar que a probabilida<strong>de</strong> <strong>de</strong> cobertura é basicamente a mesma.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong> censura. Contudo sua pro-<br />
babilida<strong>de</strong> <strong>de</strong> cobertura está bem abaixo da esperada (0.95), excluso quando o tamanho da<br />
amostra é <strong>de</strong> 100 observações.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que em geral, in<strong>de</strong>pen<strong>de</strong>nte do<br />
tamanho da amostra e da porcentagem <strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura esta próxima<br />
da probabilida<strong>de</strong> <strong>de</strong> cobertura esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que os intervalos <strong>de</strong><br />
confiança assintóticos e t - Bootstrap se <strong>de</strong>stacam, ou seja, têm uma probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
próxima da esperada (0.95), o que não acontece com o intervalo <strong>de</strong> confiança p - Bootstrap,<br />
exceto quando o tamanho da amostra é igual a 100, como po<strong>de</strong>-se observar nas Figuras 4.4 e<br />
4.5.<br />
28
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.4: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β.<br />
29<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
● ●<br />
●<br />
● ● ●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.5: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando, respectivamente,<br />
n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β.<br />
30<br />
●<br />
●<br />
●
4.3.3 Análise do Parâmetro t0.25<br />
Tabela 4.3 : <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.865<br />
0.950<br />
0.885<br />
0.840<br />
0.960<br />
0.860<br />
0.845<br />
0.955<br />
0.835<br />
0.825<br />
0.950<br />
0.825<br />
0.860<br />
0.915<br />
0.925<br />
0.905<br />
0.955<br />
0.900<br />
0.895<br />
0.955<br />
0.885<br />
0.860<br />
0.935<br />
0.865<br />
0.835<br />
0.925<br />
0.820<br />
0.795<br />
0.915<br />
0.945<br />
0.920<br />
0.945<br />
0.925<br />
0.910<br />
0.940<br />
0.895<br />
0.875<br />
0.940<br />
0.865<br />
0.855<br />
0.920<br />
0.795<br />
0.805<br />
0.895<br />
0.920<br />
0.940<br />
0.930<br />
0.925<br />
0.930<br />
0.930<br />
0.875<br />
0.890<br />
0.920<br />
0.850<br />
0.850<br />
0.900<br />
0.795<br />
0.785<br />
0.855<br />
0.955<br />
0.955<br />
0.935<br />
0.900<br />
0.920<br />
0.935<br />
0.865<br />
0.875<br />
0.885<br />
0.800<br />
0.800<br />
0.830<br />
0.670<br />
0.665<br />
0.745<br />
Po<strong>de</strong>-se observar, da Tabela 4.3, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança<br />
assintótico para o parâmetro t0.25, aumenta a medida que o tamanho da amostra aumenta,<br />
consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20%, para os tamanhos <strong>de</strong><br />
amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica bem abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada<br />
(0.95), entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15%<br />
e 20% <strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer um <strong>dos</strong><br />
tamanhos <strong>de</strong> amostra estuda<strong>dos</strong> (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer<br />
porcentagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” que<br />
31
os outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalo p-Bootstrap<br />
e o intervalo <strong>de</strong> confiança assintótico, como indicam as Figuras 4.6 e 4.7.<br />
32
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.6: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25.<br />
33<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.7: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando, respectivamente,<br />
n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25.<br />
34<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.3.4 Análise do Parâmetro t0.50<br />
Tabela 4.4: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.915<br />
0.900<br />
0.955<br />
0.895<br />
0.900<br />
0.955<br />
0.890<br />
0.895<br />
0.945<br />
0.875<br />
0.895<br />
0.930<br />
0.860<br />
0.930<br />
0.935<br />
0.935<br />
0.950<br />
0.955<br />
0.935<br />
0.940<br />
0.965<br />
0.905<br />
0.915<br />
0.935<br />
0.885<br />
0.910<br />
0.930<br />
0.840<br />
0.865<br />
0.895<br />
0.950<br />
0.960<br />
0.965<br />
0.940<br />
0.940<br />
0.965<br />
0.920<br />
0.925<br />
0.935<br />
0.885<br />
0.900<br />
0.915<br />
0.805<br />
0.850<br />
0.870<br />
0.950<br />
0.940<br />
0.945<br />
0.940<br />
0.955<br />
0.945<br />
0.880<br />
0.925<br />
0.940<br />
0.840<br />
0.860<br />
0.875<br />
0.750<br />
0.755<br />
0.795<br />
0.960<br />
0.965<br />
0.955<br />
0.935<br />
0.960<br />
0.950<br />
0.840<br />
0.855<br />
0.875<br />
0.705<br />
0.740<br />
0.755<br />
0.540<br />
0.555<br />
0.580<br />
Po<strong>de</strong>-se observar, da Tabela 4.4, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança<br />
assintótico para o parâmetro t0.50 aumenta a medida que o tamanho da amostra aumenta,<br />
consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, consi<strong>de</strong>rando os<br />
tamanhos <strong>de</strong> amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada (0.95).<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer por-<br />
centagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” que os<br />
35
outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que os intervalos p-Bootstrap<br />
e assintótico.<br />
36
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.8: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50.<br />
37<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.9: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando, respectivamente,<br />
n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50.<br />
38<br />
●<br />
●<br />
●<br />
●<br />
●
4.3.5 Análise do Parâmetro t0.75<br />
Tabela 4.5: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.75.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.820<br />
0.940<br />
0.910<br />
0.860<br />
0.930<br />
0.895<br />
0.885<br />
0.905<br />
0.905<br />
0.885<br />
0.885<br />
0.905<br />
0.950<br />
0.860<br />
0.940<br />
0.910<br />
0.955<br />
0.950<br />
0.945<br />
0.950<br />
0.945<br />
0.945<br />
0.915<br />
0.910<br />
0.940<br />
0.880<br />
0.885<br />
0.905<br />
0.820<br />
0.935<br />
0.925<br />
0.970<br />
0.965<br />
0.960<br />
0.975<br />
0.935<br />
0.965<br />
0.910<br />
0.920<br />
0.930<br />
0.860<br />
0.870<br />
0.885<br />
0.780<br />
0.970<br />
0.950<br />
0.970<br />
0.975<br />
0.965<br />
0.980<br />
0.970<br />
0.970<br />
0.950<br />
0.865<br />
0.895<br />
0.825<br />
0.790<br />
0.820<br />
0.710<br />
0.965<br />
0.965<br />
0.970<br />
0.970<br />
0.975<br />
0.955<br />
0.880<br />
0.895<br />
0.825<br />
0.750<br />
0.780<br />
0.700<br />
0.565<br />
0.595<br />
0.525<br />
Para o parâmetro t0.75 a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico<br />
aumenta a medida que o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura.<br />
Entretanto para 10%, 15% e 20% <strong>de</strong> censura, consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estudas,<br />
em geral, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 10% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar que<br />
para 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando tamanhos <strong>de</strong> amostra, n4 = 50 e n5 = 100, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura fica abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
estuda<strong>dos</strong> (n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100) e porcentagem <strong>de</strong> censura até<br />
10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada (0.95), entretanto con-<br />
si<strong>de</strong>rando uma porcentagem <strong>de</strong> censura <strong>de</strong> 15% ou 20% para qualquer tamanho <strong>de</strong> amostra, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança t-Bootstrap fica abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para uma porcenta-<br />
gem <strong>de</strong> censura até 5% o intervalo t - Bootstrap é ”melhor”que os outros dois, ou seja, tem<br />
39
uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalo p-Bootstrap e o intervalo <strong>de</strong> confiança<br />
assintótico.<br />
Entretanto, para uma porcentagem <strong>de</strong> censura acima <strong>de</strong> 10% o intervalo <strong>de</strong> p-Bootstrap é<br />
“melhor” que os outros dois intervalos estuda<strong>dos</strong>, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
maior do que o intervalo assintótico e o intervalo t-Bootstrap, como mostra as Figuras 4.10 e<br />
4.11.<br />
40
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.10: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75.<br />
41<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
0.80 0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.11: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75.<br />
42<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.4 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 1.5<br />
Mudando o parâmetro <strong>de</strong> forma da Distribuição Weibull para β = 1.5 e mantendo µ = 2,<br />
o valor do primeiro quartil, terceiro quartil e da mediana <strong>dos</strong> tempos <strong>de</strong> sobrevivência são<br />
da<strong>dos</strong>, respectivamente por t0.25 = 0.8716, t0.75 = 2.4866 e t0.50 = 1.5664. A Figura 4.12 ilustra<br />
a função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> consi<strong>de</strong>rando µ = 2 e β = 1.5, e a disposição <strong>dos</strong> três<br />
percentis calcula<strong>dos</strong>, on<strong>de</strong> o ponto em vermelho representa o 1 o quartil (t0.25) o ponto em azul<br />
representa a mediana (t0.50) e o ponto em ver<strong>de</strong> representa o 3 o quartil (t0.75).<br />
f(t, μ, β)<br />
0.0 0.1 0.2 0.3<br />
●<br />
●<br />
●<br />
0 2 4 6 8 10<br />
Figura 4.12: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β = 1.5,<br />
com a representação do 1 o , 2 o e 3 o quartil.<br />
43<br />
t
4.4.1 Análise do Parâmetro µ<br />
Tabela 4.6: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.870<br />
0.885<br />
0.945<br />
0.885<br />
0.895<br />
0.955<br />
0.895<br />
0.900<br />
0.940<br />
0.910<br />
0.915<br />
0.910<br />
0.920<br />
0.900<br />
0.895<br />
0.945<br />
0.940<br />
0.95<br />
0.970<br />
0.960<br />
0.965<br />
0.945<br />
0.940<br />
0.945<br />
0.940<br />
0.920<br />
0.925<br />
0.915<br />
0.885<br />
0.870<br />
0.950<br />
0.960<br />
0.965<br />
0.955<br />
0.955<br />
0.960<br />
0.945<br />
0.945<br />
0.940<br />
0.940<br />
0.930<br />
0.925<br />
0.910<br />
0.880<br />
0.860<br />
0.945<br />
0.945<br />
0.965<br />
0.965<br />
0.970<br />
0.975<br />
0.960<br />
0.955<br />
0.955<br />
0.875<br />
0.865<br />
0.840<br />
0.810<br />
0.770<br />
0.745<br />
0.970<br />
0.965<br />
0.975<br />
0.975<br />
0.965<br />
0.965<br />
0.885<br />
0.870<br />
0.865<br />
0.780<br />
0.770<br />
0.730<br />
0.570<br />
0.575<br />
0.540<br />
Po<strong>de</strong>-se observar, com base na Tabela 4.6, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong><br />
confiança assintótico, aumenta a medida que o tamanho da amostra aumenta, consi<strong>de</strong>rando até<br />
10% <strong>de</strong> censura. Entretanto para 15% e 20% <strong>de</strong> censura, para tamanho <strong>de</strong> amostra n5 = 100,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo do esperado (0.95), <strong>de</strong>vido a gran<strong>de</strong> quantida<strong>de</strong><br />
<strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong>, uma vez que, consi<strong>de</strong>rando a porcentagem <strong>de</strong> censura sendo 20%, para<br />
tamanho <strong>de</strong> amostra n1 = 10 , tem-se aproximadamente 2 tempos censura<strong>dos</strong>, e para tamanho<br />
<strong>de</strong> amostra n5 = 100 , tem-se aproximadamente 20 tempos censura<strong>dos</strong>.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo, po<strong>de</strong>-se notar que<br />
para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando um tamanho <strong>de</strong> amostra n4 = 50 e n5 = 100,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura, fica bem abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
44
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para tamanho <strong>de</strong><br />
amostra n1 = 10 ou até 5% <strong>de</strong> censura o intervalo t - Bootstrap é “melhor” que os outros dois.<br />
Porém, consi<strong>de</strong>rando tamanho <strong>de</strong> amostra n2 = 20, n3 = 30, n4 = 50 ou n5 = 100, e<br />
porcentagem <strong>de</strong> censura em 10%, 15% ou 20%, o intervalo <strong>de</strong> confiança assintótico é ”melhor”,<br />
ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior em relação aos intervalos p-Bootstrap e<br />
t-Bootstrap. As Figuras 4.13 e 4.14 apresentam a probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>de</strong> cada um <strong>dos</strong><br />
três intervalos, variando o tamanho da amostra e a porcentagem <strong>de</strong> censura.<br />
45
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
● ● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ● ●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.13: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ.<br />
46<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0.80 0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
● ●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
PorcentagemCensura<br />
Figura 4.14: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ.<br />
47<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.4.2 Análise do Parâmetro β<br />
Tabela 4.7: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.935<br />
0.770<br />
0.930<br />
0.935<br />
0.785<br />
0.935<br />
0.940<br />
0.765<br />
0.925<br />
0.940<br />
0.800<br />
0.915<br />
0.930<br />
0.820<br />
0.920<br />
0.945<br />
0.840<br />
0.920<br />
0.955<br />
0.840<br />
0.925<br />
0.950<br />
0.835<br />
0.925<br />
0.925<br />
0.835<br />
0.920<br />
0.945<br />
0.830<br />
0.940<br />
0.950<br />
0.845<br />
0.935<br />
0.955<br />
0.835<br />
0.930<br />
0.950<br />
0.850<br />
0.930<br />
0.955<br />
0.870<br />
0.930<br />
0.955<br />
0.860<br />
0.940<br />
0.950<br />
0.860<br />
0.935<br />
0.950<br />
0.865<br />
0.950<br />
0.935<br />
0.870<br />
0.935<br />
0.945<br />
0.855<br />
0.945<br />
0.940<br />
0.870<br />
0.945<br />
0.965<br />
0.920<br />
0.920<br />
0.970<br />
0.905<br />
0.910<br />
0.965<br />
0.920<br />
0.930<br />
0.960<br />
0.915<br />
0.935<br />
0.960<br />
0.915<br />
0.925<br />
Para o parâmetro β, a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico<br />
aumenta a medida que o tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong><br />
censura. Entretanto consi<strong>de</strong>rando um tamanho <strong>de</strong> amostra fixo, e variando a porcentagem <strong>de</strong><br />
censura, po<strong>de</strong>-se notar que a probabilida<strong>de</strong> <strong>de</strong> cobertura é basicamente a mesma e próxima a<br />
probabilida<strong>de</strong> esperada (0.95).<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong> censura. Contudo sua proba-<br />
bilida<strong>de</strong> <strong>de</strong> cobertura está bem abaixo da esperada, excluso quando o tamanho da amostra é<br />
igual a 100.<br />
Consi<strong>de</strong>rando o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que, em geral, in<strong>de</strong>pen-<br />
<strong>de</strong>nte do tamanho da amostra e da porcentagem <strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura esta<br />
perto da probabilida<strong>de</strong> esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que os intervalos <strong>de</strong><br />
confiança assintótico e t - Bootstrap se <strong>de</strong>stacam, ou seja, têm uma probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
perto da esperada, o que não acontece com o intervalo <strong>de</strong> confiança p - Bootstrap, exceto<br />
quando o tamanho da amostra é <strong>de</strong> 100 observações. As Figuras 4.15 e 4.16 apresentam a<br />
48
probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>de</strong> cada um <strong>dos</strong> três intervalos, consi<strong>de</strong>rando o tamanho da amostra<br />
e a porcentagem <strong>de</strong> censura.<br />
49
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.15: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β.<br />
50<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
● ●<br />
●<br />
● ● ●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.16: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β.<br />
51<br />
●<br />
●<br />
●
4.4.3 Análise do Parâmetro t0.25<br />
Tabela 4.8: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.865<br />
0.950<br />
0.885<br />
0.840<br />
0.960<br />
0.860<br />
0.840<br />
0.955<br />
0.835<br />
0.830<br />
0.950<br />
0.825<br />
0.835<br />
0.950<br />
0.925<br />
0.905<br />
0.955<br />
0.900<br />
0.895<br />
0.955<br />
0.885<br />
0.860<br />
0.935<br />
0.865<br />
0.835<br />
0.925<br />
0.820<br />
0.795<br />
0.915<br />
0.945<br />
0.920<br />
0.945<br />
0.925<br />
0.910<br />
0.940<br />
0.895<br />
0.875<br />
0.940<br />
0.865<br />
0.855<br />
0.920<br />
0.795<br />
0.805<br />
0.895<br />
0.920<br />
0.940<br />
0.930<br />
0.925<br />
0.930<br />
0.930<br />
0.875<br />
0.890<br />
0.920<br />
0.850<br />
0.850<br />
0.900<br />
0.795<br />
0.785<br />
0.860<br />
0.955<br />
0.945<br />
0.940<br />
0.900<br />
0.915<br />
0.935<br />
0.865<br />
0.855<br />
0.890<br />
0.800<br />
0.800<br />
0.830<br />
0.670<br />
0.665<br />
0.745<br />
Po<strong>de</strong>-se observar que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico<br />
para o parâmetro t0.25 aumenta a medida que o tamanho da amostra aumenta, consi<strong>de</strong>rando<br />
até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, consi<strong>de</strong>rando os tamanhos <strong>de</strong><br />
amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica bem abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que, em geral, para<br />
qualquer tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer<br />
porcentagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” do que<br />
52
os outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que os intervalos p-Bootstrap<br />
e assintótico.<br />
53
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.17: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25<br />
54<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.18: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25<br />
55<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.4.4 Análise do Parâmetro t0.50<br />
Tabela 4.9: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.915<br />
0.900<br />
0.955<br />
0.895<br />
0.900<br />
0.955<br />
0.890<br />
0.895<br />
0.945<br />
0.875<br />
0.895<br />
0.930<br />
0.860<br />
0.910<br />
0.935<br />
0.935<br />
0.950<br />
0.955<br />
0.935<br />
0.940<br />
0.965<br />
0.905<br />
0.915<br />
0.935<br />
0.885<br />
0.910<br />
0.930<br />
0.840<br />
0.865<br />
0.895<br />
0.950<br />
0.960<br />
0.965<br />
0.940<br />
0.940<br />
0.965<br />
0.920<br />
0.925<br />
0.935<br />
0.885<br />
0.900<br />
0.915<br />
0.805<br />
0.850<br />
0.870<br />
0.950<br />
0.940<br />
0.945<br />
0.940<br />
0.955<br />
0.945<br />
0.880<br />
0.925<br />
0.940<br />
0.840<br />
0.860<br />
0.875<br />
0.750<br />
0.755<br />
0.795<br />
0.960<br />
0.960<br />
0.960<br />
0.935<br />
0.950<br />
0.955<br />
0.840<br />
0.855<br />
0.880<br />
0.705<br />
0.740<br />
0.760<br />
0.540<br />
0.555<br />
0.580<br />
Po<strong>de</strong>-se observar, pela Tabela 4.9, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança<br />
assintótico para o parâmetro t0.50 aumenta a medida que o tamanho da amostra aumenta,<br />
consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, consi<strong>de</strong>rando<br />
os tamanhos <strong>de</strong> amostras estudas, em geral, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da<br />
esperada (0.95).<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, em geral, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima<br />
a esperada, entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando<br />
15% e 20% <strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer por-<br />
56
centagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” que os<br />
outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que os intervalos p-Bootstrap<br />
e assintótico.<br />
57
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.19: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50.<br />
58<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.20: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50.<br />
59<br />
●<br />
●<br />
●<br />
●<br />
●
4.4.5 Análise do Parâmetro t0.75<br />
Tabela 4.10: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.75.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.820<br />
0.940<br />
0.910<br />
0.860<br />
0.930<br />
0.895<br />
0.885<br />
0.905<br />
0.905<br />
0.885<br />
0.890<br />
0.905<br />
0.920<br />
0.865<br />
0.940<br />
0.910<br />
0.955<br />
0.950<br />
0.945<br />
0.950<br />
0.945<br />
0.945<br />
0.905<br />
0.905<br />
0.940<br />
0.875<br />
0.880<br />
0.905<br />
0.820<br />
0.935<br />
0.925<br />
0.970<br />
0.965<br />
0.960<br />
0.975<br />
0.935<br />
0.965<br />
0.910<br />
0.920<br />
0.930<br />
0.860<br />
0.870<br />
0.885<br />
0.780<br />
0.970<br />
0.950<br />
0.970<br />
0.975<br />
0.965<br />
0.980<br />
0.970<br />
0.970<br />
0.950<br />
0.865<br />
0.895<br />
0.825<br />
0.790<br />
0.82<br />
0.710<br />
0.965<br />
0.965<br />
0.975<br />
0.970<br />
0.970<br />
0.960<br />
0.880<br />
0.890<br />
0.830<br />
0.750<br />
0.775<br />
0.705<br />
0.565<br />
0.595<br />
0.495<br />
Para o parâmetro t0.75 a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico<br />
aumenta a medida que o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura.<br />
Entretanto para 10%, 15% e 20% <strong>de</strong> censura, consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estudas,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura, em geral é abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar que<br />
para 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando tamanhos <strong>de</strong> amostra, n4 = 50 e n5 = 100, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura fica abaixo da esperada.<br />
Consi<strong>de</strong>rando o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong><br />
amostras estuda<strong>dos</strong> (n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100) e porcentagem <strong>de</strong> censura<br />
até 10%, em geral, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada, entretanto<br />
consi<strong>de</strong>rando uma porcentagem <strong>de</strong> censura <strong>de</strong> 15% ou 20% para qualquer tamanho <strong>de</strong> amostra,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança t-Bootstrap fica abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para uma porcenta-<br />
gem <strong>de</strong> censura até 5% o intervalo t - Bootstrap é ”melhor”que os outros dois, ou seja, tem<br />
60
uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalo p-Bootstrap e o intervalo <strong>de</strong> confiança<br />
assintótico.<br />
Entretanto, para uma porcentagem <strong>de</strong> censura acima <strong>de</strong> 10% o intervalo <strong>de</strong> p-Bootstrap<br />
fica “melhor” do que os outros dois intervalos estuda<strong>dos</strong>, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong><br />
cobertura maior do que o intervalo assintótico e o intervalo t-Bootstrap, como mostra as Figuras<br />
4.21 e 4.22.<br />
61
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.21: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75.<br />
62<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
0.80 0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.22: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75.<br />
63<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.5 Análise Consi<strong>de</strong>rando a Distribuição Weibull com µ = 2 e β = 3<br />
Mudando o parâmetro <strong>de</strong> forma da distribuição Weibull para β = 3 e mantendo o parâmetro<br />
<strong>de</strong> escala µ = 2, o valor do primeiro quartil, terceiro quartil e da mediana <strong>dos</strong> tempos <strong>de</strong><br />
sobrevivência são da<strong>dos</strong> respectivamente por t0.25 = 1.3202, t0.75 = 2.2300 e t0.50 = 1.7699.<br />
A Figura 4.23 ilustra a função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> consi<strong>de</strong>rando µ = 2 e β = 3, e<br />
a disposição <strong>dos</strong> três percentis calcula<strong>dos</strong>, on<strong>de</strong> o ponto em vermelho representa o 1 o quartil<br />
(t0.25) o ponto em azul representa a mediana (t0.50) e o ponto em ver<strong>de</strong> representa o 3 o quartil<br />
(t0.75)<br />
f(t, μ, β)<br />
0.0 0.1 0.2 0.3 0.4 0.5 0.6<br />
●<br />
●<br />
●<br />
0 2 4 6 8 10<br />
Figura 4.23: Função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong> da Distribuição Weibull para µ = 2 e β = 3,<br />
com a representação do 1 o , 2 o e 3 o quartil.<br />
64<br />
t
4.5.1 Análise do Parâmetro µ<br />
Tabela 4.11: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro µ.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.885<br />
0.885<br />
0.945<br />
0.905<br />
0.895<br />
0.955<br />
0.895<br />
0.900<br />
0.935<br />
0.895<br />
0.915<br />
0.905<br />
0.890<br />
0.900<br />
0.890<br />
0.945<br />
0.940<br />
0.970<br />
0.960<br />
0.960<br />
0.965<br />
0.930<br />
0.940<br />
0.945<br />
0.925<br />
0.920<br />
0.920<br />
0.895<br />
0.885<br />
0.865<br />
0.950<br />
0.960<br />
0.965<br />
0.950<br />
0.955<br />
0.960<br />
0.940<br />
0.945<br />
0.940<br />
0.935<br />
0.930<br />
0.920<br />
0.890<br />
0.880<br />
0.850<br />
0.945<br />
0.945<br />
0.965<br />
0.970<br />
0.970<br />
0.975<br />
0.950<br />
0.955<br />
0.950<br />
0.860<br />
0.865<br />
0.840<br />
0.770<br />
0.770<br />
0.745<br />
0.965<br />
0.965<br />
0.975<br />
0.970<br />
0.965<br />
0.965<br />
0.870<br />
0.870<br />
0.865<br />
0.760<br />
0.770<br />
0.735<br />
0.555<br />
0.575<br />
0.540<br />
Através da Tabela 4.11, po<strong>de</strong>-se observar que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo<br />
<strong>de</strong> confiança assintótico, para o parâmetro µ aumenta a medida que o tamanho da amostra<br />
aumenta, consi<strong>de</strong>rando até 10% <strong>de</strong> censura. Entretanto para 15% e 20% <strong>de</strong> censura, para<br />
tamanho <strong>de</strong> amostras n5 = 100, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada,<br />
<strong>de</strong>vido a gran<strong>de</strong> quantida<strong>de</strong> <strong>de</strong> da<strong>dos</strong> censura<strong>dos</strong>, uma vez que, consi<strong>de</strong>rando a porcentagem<br />
<strong>de</strong> censura sendo 20%, para tamanho <strong>de</strong> amostra n1 = 10, tem-se aproximadamente 2 tempos<br />
<strong>de</strong> sobrevivência censura<strong>dos</strong>, e para tamanho <strong>de</strong> amostra n5 = 100 , tem-se aproximadamente<br />
20 tempos <strong>de</strong> sobrevivência censura<strong>dos</strong>.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar que<br />
para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando um tamanho <strong>de</strong> amostra n4 = 50 e n5 = 100,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura, fica bem abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
65
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para tamanho <strong>de</strong><br />
amostra n1 = 10 ou até 5% <strong>de</strong> censura o intervalo t - Bootstrap é “melhor” do que os outros dois,<br />
ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que os intervalos p-Bootstrap e assintótico.<br />
Porém, consi<strong>de</strong>rando tamanho <strong>de</strong> amostra n2 = 20, n3 = 30, n4 = 50 ou n5 = 100, e<br />
porcentagem <strong>de</strong> censura em 10%, 15% ou 20%, em geral, o intervalo <strong>de</strong> confiança assintótico<br />
é “melhor”, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior em relação aos intervalos<br />
p-Bootstrap e t-Bootstrap.<br />
Através da Figuras 4.24 e 4.25 po<strong>de</strong>-se ver o comportamento da probabilida<strong>de</strong> <strong>de</strong> cobertura,<br />
para os três intervalos <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> censura.<br />
66
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
● ● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.24: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro µ.<br />
67<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0.80 0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
PorcentagemCensura<br />
Figura 4.25: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro µ.<br />
68<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.5.2 Análise do Parâmetro β<br />
Tabela 4.12: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro β.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.935<br />
0.770<br />
0.930<br />
0.935<br />
0.785<br />
0.935<br />
0.940<br />
0.765<br />
0.925<br />
0.940<br />
0.800<br />
0.915<br />
0.930<br />
0.820<br />
0.900<br />
0.945<br />
0.840<br />
0.920<br />
0.955<br />
0.840<br />
0.925<br />
0.940<br />
0.835<br />
0.925<br />
0.925<br />
0.835<br />
0.920<br />
0.945<br />
0.830<br />
0.940<br />
0.950<br />
0.860<br />
0.935<br />
0.955<br />
0.835<br />
0.930<br />
0.950<br />
0.850<br />
0.930<br />
0.955<br />
0.870<br />
0.930<br />
0.955<br />
0.860<br />
0.940<br />
0.950<br />
0.860<br />
0.935<br />
0.950<br />
0.865<br />
0.950<br />
0.935<br />
0.870<br />
0.935<br />
0.945<br />
0.870<br />
0.945<br />
0.940<br />
0.870<br />
0.945<br />
0.965<br />
0.920<br />
0.920<br />
0.970<br />
0.905<br />
0.910<br />
0.965<br />
0.920<br />
0.930<br />
0.960<br />
0.910<br />
0.935<br />
0.960<br />
0.915<br />
0.925<br />
Para parâmetro β, a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança assintótico au-<br />
menta a medida que o tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong> censura.<br />
Entretanto consi<strong>de</strong>rando um tamanho <strong>de</strong> amostra fixo, e variando a porcentagem <strong>de</strong> censura,<br />
po<strong>de</strong>-se notar que a probabilida<strong>de</strong> <strong>de</strong> cobertura é basicamente a mesma.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong> censura. Contudo sua proba-<br />
bilida<strong>de</strong> <strong>de</strong> cobertura está bem abaixo da esperada, excluso quando o tamanho da amostra é<br />
igual a 100.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que em geral in<strong>de</strong>pen<strong>de</strong>nte do<br />
tamanho da amostra e da porcentagem <strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura esta perto da<br />
probabilida<strong>de</strong> esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que os intervalos <strong>de</strong><br />
confiança assintótico e t - Bootstrap se <strong>de</strong>stacam, ou seja, têm uma probabilida<strong>de</strong> <strong>de</strong> cobertura<br />
perto da esperada, o que não acontece com o intervalo <strong>de</strong> confiança p - Bootstrap, exceto<br />
quando o tamanho da amostra é <strong>de</strong> n5 = 100. As Figuras 4.26 e 4.27, a seguir ilustram bem<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>dos</strong> três intervalos <strong>de</strong> confiança em questão, variando o tamanho<br />
69
da amostra e a porcentagem <strong>de</strong> censura.<br />
70
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
● ●<br />
● ●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
●<br />
TamanhoAmostra<br />
Figura 4.26: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro β.<br />
71<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
● ●<br />
●<br />
● ● ●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
PorcentagemCensura<br />
●<br />
● ●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.27: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro β.<br />
72<br />
●<br />
●<br />
●
4.5.3 Análise do Parâmetro t0.25<br />
Tabela 4.13: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.25.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.865<br />
0.950<br />
0.885<br />
0.845<br />
0.960<br />
0.860<br />
0.840<br />
0.955<br />
0.835<br />
0.825<br />
0.950<br />
0.825<br />
0.845<br />
0.950<br />
0.925<br />
0.905<br />
0.955<br />
0.900<br />
0.895<br />
0.955<br />
0.885<br />
0.860<br />
0.935<br />
0.865<br />
0.835<br />
0.925<br />
0.820<br />
0.795<br />
0.915<br />
0.945<br />
0.920<br />
0.945<br />
0.925<br />
0.910<br />
0.940<br />
0.895<br />
0.875<br />
0.940<br />
0.865<br />
0.855<br />
0.920<br />
0.795<br />
0.805<br />
0.895<br />
0.920<br />
0.940<br />
0.930<br />
0.925<br />
0.930<br />
0.930<br />
0.875<br />
0.890<br />
0.920<br />
0.850<br />
0.850<br />
0.900<br />
0.795<br />
0.785<br />
0.860<br />
0.955<br />
0.945<br />
0.940<br />
0.900<br />
0.915<br />
0.935<br />
0.865<br />
0.855<br />
0.885<br />
0.795<br />
0.800<br />
0.830<br />
0.670<br />
0.665<br />
0.745<br />
Po<strong>de</strong>-se observar, com base na Tabela 4.13, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo<br />
<strong>de</strong> confiança assintótico para o parâmetro t0.25 aumenta a medida que o tamanho da amostra<br />
aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, para<br />
tamanho <strong>de</strong> amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer porcen-<br />
tagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” do que os<br />
73
outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalos p-Bootstrap e<br />
assintótico.<br />
74
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.28: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.25.<br />
75<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.65 0.75 0.85 0.95<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.29: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.25.<br />
76<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.5.4 Análise do Parâmetro t0.50<br />
Tabela 4.14: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-Bootstrap<br />
com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos <strong>de</strong> sobre-<br />
vivência censura<strong>dos</strong>, parâmetro t0.50.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.915<br />
0.900<br />
0.955<br />
0.895<br />
0.900<br />
0.955<br />
0.890<br />
0.895<br />
0.945<br />
0.875<br />
0.895<br />
0.930<br />
0.860<br />
0.910<br />
0.935<br />
0.935<br />
0.950<br />
0.955<br />
0.935<br />
0.940<br />
0.965<br />
0.905<br />
0.915<br />
0.935<br />
0.885<br />
0.910<br />
0.930<br />
0.840<br />
0.865<br />
0.895<br />
0.950<br />
0.960<br />
0.965<br />
0.940<br />
0.940<br />
0.965<br />
0.920<br />
0.930<br />
0.935<br />
0.885<br />
0.900<br />
0.915<br />
0.805<br />
0.850<br />
0.870<br />
0.950<br />
0.940<br />
0.945<br />
0.940<br />
0.955<br />
0.945<br />
0.880<br />
0.925<br />
0.940<br />
0.840<br />
0.860<br />
0.875<br />
0.750<br />
0.755<br />
0.795<br />
0.960<br />
0.960<br />
0.960<br />
0.935<br />
0.950<br />
0.955<br />
0.840<br />
0.860<br />
0.880<br />
0.705<br />
0.740<br />
0.760<br />
0.540<br />
0.555<br />
0.580<br />
Po<strong>de</strong>-se observar, da Tabela 4.14, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança<br />
assintótico para o parâmetro t0.50 aumenta a medida que o tamanho da amostra aumenta,<br />
consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, para tamanho<br />
<strong>de</strong> amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura é bem abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que<br />
o tamanho da amostra aumenta, consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar<br />
que para 10%, 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando os tamanhos <strong>de</strong> amostras estuda<strong>dos</strong>, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura, fica abaixo da esperada.<br />
Para o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong> amostras<br />
pequenos n1 = 10, n2 = 20, n3 = 30, ou tamanho <strong>de</strong> amostras gran<strong>de</strong>s n4 = 50, n5 = 100 e<br />
porcentagem <strong>de</strong> censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada,<br />
entretanto para tamanho <strong>de</strong> amostras gran<strong>de</strong>s, n4 = 50, n5 = 100 e consi<strong>de</strong>rando 15% e 20%<br />
<strong>de</strong> censura a probabilida<strong>de</strong> <strong>de</strong> cobertura é abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para qualquer porcen-<br />
tagem <strong>de</strong> censura (0%, 5%, 10%, 15% ou 20%) o intervalo t - Bootstrap é “melhor” do que os<br />
77
outros dois, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalo p-Bootstrap e<br />
o intervalo <strong>de</strong> confiança assintótico.<br />
78
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.90 0.92 0.94 0.96 0.98 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.30: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.50.<br />
79<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
● ●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
● ●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
●<br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
● ●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.31: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.50.<br />
80<br />
●<br />
●<br />
●<br />
●<br />
●
4.5.5 Análise do Parâmetro t0.75<br />
Tabela 4.15: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos assintóticos, p-Bootstrap e t-<br />
Bootstrap com 95% <strong>de</strong> confiança, variando o tamanho da amostra e a porcentagem <strong>de</strong> tempos<br />
<strong>de</strong> sobrevivência censura<strong>dos</strong>, parâmetro t0.75.<br />
% Censura Intervalo n1 = 10 n2 = 20 n3 = 30 n4 = 50 n5 = 100<br />
q1 = 0%<br />
q2 = 5%<br />
q3 = 10%<br />
q4 = 15%<br />
q5 = 20%<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
Assintótico<br />
p-Bootstrap<br />
t-Bootstrap<br />
0.895<br />
0.820<br />
0.940<br />
0.910<br />
0.860<br />
0.930<br />
0.895<br />
0.885<br />
0.905<br />
0.905<br />
0.885<br />
0.890<br />
0.905<br />
0.920<br />
0.865<br />
0.940<br />
0.910<br />
0.955<br />
0.950<br />
0.945<br />
0.950<br />
0.945<br />
0.945<br />
0.905<br />
0.905<br />
0.940<br />
0.875<br />
0.880<br />
0.905<br />
0.820<br />
0.935<br />
0.925<br />
0.970<br />
0.965<br />
0.960<br />
0.975<br />
0.935<br />
0.960<br />
0.910<br />
0.920<br />
0.930<br />
0.860<br />
0.870<br />
0.885<br />
0.780<br />
0.970<br />
0.950<br />
0.970<br />
0.975<br />
0.965<br />
0.980<br />
0.970<br />
0.970<br />
0.950<br />
0.865<br />
0.895<br />
0.825<br />
0.790<br />
0.820<br />
0.710<br />
0.965<br />
0.965<br />
0.975<br />
0.970<br />
0.970<br />
0.960<br />
0.880<br />
0.890<br />
0.830<br />
0.750<br />
0.775<br />
0.705<br />
0.565<br />
0.595<br />
0.495<br />
Po<strong>de</strong>-se observar, da Tabela 4.15, que a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança<br />
assintótico para o parâmetro t0.75 aumenta a medida que o tamanho da amostra aumenta,<br />
consi<strong>de</strong>rando até 5% <strong>de</strong> censura. Entretanto para 10%, 15% e 20% <strong>de</strong> censura, para tamanho<br />
<strong>de</strong> amostras estudas, a probabilida<strong>de</strong> <strong>de</strong> cobertura, em geral é abaixo da esperada.<br />
A probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo p-Bootstrap, também aumenta a medida que o<br />
tamanho da amostra aumenta, consi<strong>de</strong>rando até 10% <strong>de</strong> censura. Contudo po<strong>de</strong>-se notar que<br />
para 15% e 20% <strong>de</strong> censura, e consi<strong>de</strong>rando tamanhos <strong>de</strong> amostra, n4 = 50 e n5 = 100, a<br />
probabilida<strong>de</strong> <strong>de</strong> cobertura fica abaixo da esperada.<br />
Consi<strong>de</strong>rando o intervalo <strong>de</strong> confiança t - Bootstrap, po<strong>de</strong>-se notar que para tamanho <strong>de</strong><br />
amostras estuda<strong>dos</strong> (n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100) e porcentagem <strong>de</strong><br />
censura até 10%, obtêm-se uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima a esperada, entretanto<br />
consi<strong>de</strong>rando uma porcentagem <strong>de</strong> censura <strong>de</strong> 15% ou 20% para qualquer tamanho <strong>de</strong> amostra,<br />
a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança t-Bootstrap fica abaixo da esperada.<br />
Comparando os três tipos <strong>de</strong> intervalos <strong>de</strong> confiança, po<strong>de</strong>-se notar que para qualquer<br />
tamanho <strong>de</strong> amostra (n1 = 10, n2 = 20, n3 = 30, n4 = 50, n5 = 100) e para uma porcentagem<br />
<strong>de</strong> censura até 5% o intervalo t - Bootstrap é “melhor” do que os outros dois, ou seja, tem<br />
81
uma probabilida<strong>de</strong> <strong>de</strong> cobertura maior que o intervalo p-Bootstrap e o intervalo <strong>de</strong> confiança<br />
assintótico.<br />
Entretanto, para uma porcentagem <strong>de</strong> censura acima <strong>de</strong> 10% o intervalo <strong>de</strong> p-Bootstrap<br />
fica “melhor” do que os outros dois intervalos estuda<strong>dos</strong>, ou seja, tem uma probabilida<strong>de</strong> <strong>de</strong><br />
cobertura maior do que os intervalos assintóticos e t-Bootstrap.<br />
82
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ● ●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
20 40 60 80 100<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
20 40 60 80 100<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
TamanhoAmostra<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
20 40 60 80 100<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
TamanhoAmostra<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.32: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando o tamanho da amostra e consi<strong>de</strong>rando, respectivamente,<br />
0%, 5%, 10%, 15% e 20% <strong>de</strong> censura, parâmetro t0.75 .<br />
83<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
0.80 0.85 0.90 0.95 1.00<br />
0.75 0.80 0.85 0.90 0.95 1.00<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
● ●<br />
● ●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
PorcentagemCensura<br />
Prob<strong>Cobertura</strong><br />
0.5 0.6 0.7 0.8 0.9 1.0<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Prob<strong>Cobertura</strong><br />
Prob<strong>Cobertura</strong><br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
0.80 0.85 0.90 0.95 1.00<br />
0.70 0.75 0.80 0.85 0.90 0.95 1.00<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
0 5 10 15 20<br />
●<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
●<br />
●<br />
PorcentagemCensura<br />
●<br />
●<br />
●<br />
Assintotico<br />
p−Bootstrap<br />
t−Bootstrap<br />
Figura 4.33: <strong>Probabilida<strong>de</strong></strong> <strong>de</strong> cobertura variando a porcentagem <strong>de</strong> censura consi<strong>de</strong>rando,<br />
respectivamente, n1 = 10, n2 = 20, n3 = 30, n4 = 50 e n5 = 100, parâmetro t0.75 .<br />
84<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●<br />
●
4.6 Conclusões<br />
Neste trabalho foi apresentado, primeiramente a caracterização da distribuição Weibull e<br />
com base na mesma foi apresentado também o procedimento para a construção <strong>dos</strong> intervalos<br />
<strong>de</strong> confiança assintótico, p - Bootstrap e t-Bootstrap, para os parâmetros µ, β, t0.25, t0.50, t0.75.<br />
Através da aplicação apresentada neste capítulo, observou-se as probabilida<strong>de</strong>s <strong>de</strong> cober-<br />
tura <strong>de</strong> cada um <strong>dos</strong> três intervalos estuda<strong>dos</strong> on<strong>de</strong>, em geral, para o parâmetro <strong>de</strong> escala µ<br />
consi<strong>de</strong>rando até 10% <strong>de</strong> censura, para qualquer tamanho <strong>de</strong> amostra, tem-se que o intervalo <strong>de</strong><br />
confiança t-Bootstrap tem uma probabilida<strong>de</strong> <strong>de</strong> cobertura próxima da esperada, 0.95, uma vez<br />
que os intervalos foram construí<strong>dos</strong> com um nível <strong>de</strong> 95% <strong>de</strong> confiança. Contudo consi<strong>de</strong>rando<br />
até 10% <strong>de</strong> censura, a medida que o tamanho da amostra aumenta, os intervalos p - Bootstrap<br />
e o intervalo assintótico, aproximam-se da probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo t-Bootstrap.<br />
Ainda, para o parâmetro <strong>de</strong> escala µ, ao consi<strong>de</strong>rar 15% ou mais <strong>de</strong> censura, os três intervalos<br />
cita<strong>dos</strong> tiveram uma probabilida<strong>de</strong> <strong>de</strong> cobertura abaixo da esperada, principalmente quando o<br />
tamanho da amostra é gran<strong>de</strong> (n4 = 50, n5 = 100).<br />
Para o parâmetro <strong>de</strong> forma β, em geral, in<strong>de</strong>pen<strong>de</strong>nte do tamanho da amostra e da por-<br />
centagem <strong>de</strong> censura, o intervalo <strong>de</strong> confiança t - Bootstrap e o intervalo assintótico, possuem<br />
uma probabilida<strong>de</strong> <strong>de</strong> cobertura muito próxima a esperada. Já o intervalo p-Bootstrap, foi<br />
aumentando sua probabilida<strong>de</strong> <strong>de</strong> cobertura a medida que o tamanho da amostra aumenta,<br />
in<strong>de</strong>pen<strong>de</strong>nte da porcentagem <strong>de</strong> censura.<br />
Para os parâmetros t0.25 (1 o quartil), t0.50 (Mediana) e t0.75 (3 o Quartil), em geral, con-<br />
si<strong>de</strong>rando até 10% <strong>de</strong> censura, a probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo <strong>de</strong> confiança t-Bootstrap<br />
é muito próxima da probabilida<strong>de</strong> esperada, entretanto para porcentagem <strong>de</strong> censura acima <strong>de</strong><br />
15%, a probabilida<strong>de</strong> <strong>de</strong> cobertura para o intervalo t - Bootstrap fica abaixo da esperada.<br />
Contudo o intervalo <strong>de</strong> confiança assintótico, a medida que o tamanho da amostra aumenta,<br />
sua probabilida<strong>de</strong> <strong>de</strong> cobertura aproxima-se da probabilida<strong>de</strong> <strong>de</strong> cobertura do intervalo t -<br />
Bootstrap.<br />
Foi calculado também a probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>de</strong> cada parâmetro, alternando o parâmetro<br />
<strong>de</strong> forma (β) , on<strong>de</strong> este assumiu os valores β = 0.5 (Função <strong>de</strong> risco Decrescente) e β = 1.5, β =<br />
3 (Função <strong>de</strong> risco Crescente), on<strong>de</strong> observou-se que a probabilida<strong>de</strong> <strong>de</strong> cobertura é basicamente<br />
a mesma para os parâmetros em questão, ou seja, a forma da curva da função <strong>de</strong>nsida<strong>de</strong> <strong>de</strong><br />
probabilida<strong>de</strong> não altera a probabilida<strong>de</strong> <strong>de</strong> cobertura <strong>dos</strong> intervalos <strong>de</strong> confiança estuda<strong>dos</strong>, ex-<br />
ceto para o parâmetro µ, on<strong>de</strong> quando β = 0.5, a probabilida<strong>de</strong> <strong>de</strong> cobertura para o parâmetro<br />
<strong>de</strong> escala é menor do que quando β = 1.5 ou β = 3, consi<strong>de</strong>rando o intervalo assintótico, pos-<br />
sivelmente indicando um erro padrão menor para o parâmetro <strong>de</strong> escala µ, quando a função <strong>de</strong><br />
risco é <strong>de</strong>crescente.<br />
85
Apêndice<br />
A - Demonstração <strong>de</strong> Algumas Características da Distribuição Weibull<br />
A função <strong>de</strong> sobrevivência da Distribuição Weibull po<strong>de</strong> ser obtida através da relação:<br />
Logo:<br />
<br />
−<br />
f(t) = −S ′<br />
(t).<br />
<br />
f(t) = S(t) e S(t) = −<br />
<br />
β<br />
µ β tβ−1 <br />
β<br />
t<br />
exp − dt.<br />
µ<br />
Utilizando integração por substiuição tem-se:<br />
Portanto:<br />
β t<br />
x = − ⇒<br />
µ<br />
dx<br />
dt<br />
−βtβ−1<br />
=<br />
µ β ⇒ dt = µβdx .<br />
−βtβ−1 S(t) = − β<br />
µ β<br />
<br />
t β−1<br />
exp [x]<br />
µ β <br />
dx<br />
= {exp [x]} dx<br />
=<br />
<br />
β<br />
t<br />
exp − .<br />
µ<br />
−βt β−1<br />
A função <strong>de</strong> risco da distribuição Weibull po<strong>de</strong> ser obtida através da seguinte relação:<br />
Logo:<br />
h(t) =<br />
β<br />
µ β tβ−1 <br />
exp<br />
exp<br />
h(t) = f(t)<br />
S(t) .<br />
<br />
−<br />
−<br />
t<br />
µ<br />
<br />
β<br />
t<br />
µ<br />
β = β<br />
µ β tβ−1 ,<br />
on<strong>de</strong>, através do teste da <strong>de</strong>rivada primeira po<strong>de</strong>-se provar que, para β < 1 a função é <strong>de</strong>cres-<br />
cente, para β > 1 a função é crescente e para β = 1 a função é constante.<br />
O p-ésimo percentil <strong>de</strong> uma variável aleatória T ≥ 0, com distribuiçãoWeibull po<strong>de</strong> ser<br />
obtido consi<strong>de</strong>rando<br />
tp<br />
0<br />
f(t; µ, β)dt = p ⇒<br />
tp<br />
0<br />
<br />
β<br />
µ β tβ−1 <br />
β<br />
t<br />
exp − dt = p.<br />
µ<br />
86
Logo, utilizando integral por substituição obtêm-se:<br />
Portanto<br />
Isolando tp tem-se:<br />
β t<br />
x = − ⇒<br />
µ<br />
dx<br />
dt<br />
β<br />
µ β<br />
tp<br />
0<br />
−βtβ−1<br />
=<br />
µ β ⇒ dt = µβdx .<br />
−βtβ−1 t β−1 exp [x] µ β dx<br />
tp<br />
−<br />
0 <br />
t<br />
−<br />
= p<br />
−βtβ−1 {exp [x]} dx<br />
<br />
β<br />
= p<br />
− exp<br />
|<br />
µ<br />
t=tp<br />
t=0<br />
<br />
β <br />
β<br />
tp<br />
0<br />
− exp − + exp −<br />
µ<br />
µ<br />
=<br />
=<br />
p<br />
p .<br />
− exp<br />
<br />
−<br />
<br />
β<br />
tp<br />
+ 1 = p<br />
µ<br />
tp = µ [− log(1 − p)] 1<br />
β .<br />
Para p = 0.25, 0.50 e 0.75 obtêm-se o primeiro quartil, mediana e o terceiro quartil, respec-<br />
tivamente.<br />
A moda da função <strong>de</strong>nsida<strong>de</strong> da distribuição Weibull coinci<strong>de</strong> com o ponto máximo da<br />
<strong>de</strong>nsida<strong>de</strong> portanto, para obter a moda da <strong>de</strong>nsida<strong>de</strong> basta consi<strong>de</strong>rar:<br />
df(t)<br />
dt<br />
= 0,<br />
<br />
β<br />
d µ β tβ−1 <br />
β<br />
t exp − µ<br />
dt<br />
= 0.<br />
Como f(t) é concava po<strong>de</strong>-se <strong>de</strong>rivar o logaritmo <strong>de</strong> f(t), ou seja<br />
Logo:<br />
d log [f(t)]<br />
dt<br />
= 0.<br />
<br />
d log(β) − β log(µ) + (β − 1) log(t) −<br />
dt<br />
87<br />
<br />
β<br />
t<br />
µ<br />
= 0.
Portanto<br />
Isolando tm tem-se:<br />
(β − 1)<br />
tm<br />
− βtβ−1 m<br />
µ β<br />
µ β (β − 1) − tmβt β−1<br />
m<br />
tmµ β = 0<br />
= 0.<br />
t β m = µββ − µ β<br />
β<br />
<br />
(β − 1)<br />
tm = µ<br />
β<br />
A função Acumulada, F (t) po<strong>de</strong> ser obtida consi<strong>de</strong>rando:<br />
Logo:<br />
F (t) =<br />
t<br />
F (t) =<br />
0<br />
t<br />
utilizando integral por substituição, obtêm-se:<br />
Portanto:<br />
β t<br />
x = − ⇒<br />
µ<br />
dx<br />
dt<br />
F (t) = β<br />
µ β<br />
0<br />
f(t; µ, β)dt.<br />
1<br />
β<br />
.<br />
<br />
β<br />
µ β tβ−1 <br />
β<br />
t<br />
exp − dt,<br />
µ<br />
t<br />
0<br />
t<br />
−βtβ−1<br />
=<br />
µ β ⇒ dt = µβdx .<br />
−βtβ−1 t β−1 exp [x] µ β dx<br />
−βt β−1<br />
= − {exp [x]} dx<br />
=<br />
0 <br />
β<br />
t<br />
− exp − |<br />
µ<br />
t=t<br />
=<br />
=<br />
t=0<br />
<br />
β <br />
β<br />
t<br />
0<br />
− exp − + exp −<br />
µ<br />
µ<br />
<br />
β<br />
t<br />
1 − exp − .<br />
µ<br />
O k-ésimo momento <strong>de</strong> uma variável aleatória T ≥ 0, com distribuição Weibull é dada por:<br />
E(T k ) =<br />
∞<br />
0<br />
t k f(t; µ, β)dt =<br />
∞<br />
0<br />
88<br />
t k<br />
<br />
β<br />
µ β tβ−1 <br />
β<br />
t<br />
exp − dt.<br />
µ
Utilizando o método da substituição tem-se:<br />
Logo:<br />
x =<br />
sabe-se que pela substituição<br />
Portanto<br />
E(T k ) =<br />
β t<br />
⇒<br />
µ<br />
dx<br />
dt<br />
E(T k ) =<br />
∞<br />
on<strong>de</strong> Γ(·) , <strong>de</strong>nota a função gama.<br />
0<br />
= βtβ−1<br />
µ β<br />
∞<br />
0<br />
t = µx 1<br />
β .<br />
⇒ dt = µβdx .<br />
βtβ−1 t k exp(−x)dt,<br />
µ k x k<br />
β exp(−x)dt = µ k <br />
Γ 1 + k<br />
<br />
,<br />
β<br />
Contudo a média da variável aleatória T ≥ 0 com distribuição Weibull, é <strong>de</strong>finida como o<br />
primeiro momento, logo para k = 1 tem-se:<br />
<br />
E(T ) = µΓ 1 + 1<br />
<br />
.<br />
β<br />
A variância da variável aleatória T ≥ 0 com distribuição Weibull, é <strong>de</strong>finida como a diferença<br />
entre o segundo momento e o quadrado do primeiro momento, logo:<br />
V ar(T ) = E(T 2 ) − [E(T )] 2 = µ 2<br />
<br />
Γ 1 + 2<br />
<br />
− Γ<br />
β<br />
2<br />
<br />
1 + 1<br />
<br />
.<br />
β<br />
89
B - Programa<br />
Para a geração <strong>dos</strong> da<strong>dos</strong>, processo <strong>de</strong> reamostragem e <strong>de</strong>terminação os estimadores <strong>de</strong><br />
máxima varossimilhança utilizou-se a macro apresentada a seguir.<br />
1 o p t i o n s nonotes n o d e t a i l s ;<br />
2<br />
3 %macro d e l e t a (n=,p=);<br />
4 data n u l l ;<br />
5 options NOXWAIT;<br />
Listagem 4.1: Programa SAS - Macro.<br />
6 c a l l system (” d e l c : \ emv o &n&p . . dat ” ) ;<br />
7 c a l l system (” d e l c : \ emv b &n&p . . dat ” ) ;<br />
8 c a l l system (” d e l c : \ a d i c o &n&p . . dat ” ) ;<br />
9 c a l l system (” d e l c : \ a d i c b &n&p . . dat ” ) ;<br />
10 run ;<br />
11 %mend d e l e t a ;<br />
12 %macro estimacao da<strong>dos</strong> ( da<strong>dos</strong>=,mu=, beta =, i n d i c e =,n=,p=);<br />
13 proc d a t a s e t s l i b r a r y=work ; d e l e t e emvs adic ; run ;<br />
14 proc p r i n t t o<br />
15 f i l e =”c : \ nda . dat ” new ;<br />
16 run ;<br />
17<br />
18 proc nlmixed data=&da<strong>dos</strong> var<strong>de</strong>f=n cov tech=t r ;<br />
19 ods output ParameterEstimates = emvs ;<br />
20 ods output AdditionalEstimates = adic ;<br />
21 parms mu = &mu, beta = &beta ;<br />
22 bounds mu>0, beta >0;<br />
23 lnh = l o g ( beta)−beta ∗ l o g (mu)+( beta −1)∗ l o g ( time ) ;<br />
24 l n s = −(time /mu)∗∗ beta ;<br />
25 L = d e l t a ∗ lnh+l n s ;<br />
26 mo<strong>de</strong>l L ˜ g e n e r a l (L ) ;<br />
27 estimate ” logmediana ” l o g (mu)+(1/ beta ) ∗ ( l o g (− l o g ( 1 − 0 . 5 0 ) ) ) ;<br />
28 estimate ”logQ1” l o g (mu)+(1/ beta )∗( l o g (− l o g ( 1 − 0 . 2 5 ) ) ) ;<br />
29 estimate ”logQ3” l o g (mu)+(1/ beta )∗( l o g (− l o g ( 1 − 0 . 7 5 ) ) ) ;<br />
30 run ;<br />
31<br />
32 proc p r i n t t o ; run ;<br />
33<br />
34 data n u l l ;<br />
35 s e t emvs ( keep=parameter estimate s t a n d a r d e r r o r ) ;<br />
90
36 nda = &i n d i c e ;<br />
37 f i l e ” c : \ emv o &n&p . . dat ” mod ;<br />
38 put nda ” ; ” parameter ” ; ” estimate ” ; ” s t a n d a r d e r r o r ;<br />
39 run ;<br />
40<br />
41 data n u l l ;<br />
42 s e t adic ( keep=l a b e l estimate s t a n d a r d e r r o r ) ;<br />
43 nda = &i n d i c e ;<br />
44 f i l e ” c : \ a d i c o &n&p . . dat ” mod ;<br />
45 put nda ” ; ” l a b e l ” ; ” estimate ” ; ” s t a n d a r d e r r o r ;<br />
46 run ;<br />
47 %mend estimacao da<strong>dos</strong> ;<br />
48 %macro bootstrap ( inpt =, seed =, s a m p l e s i z e =, r e p l i c a c a o =,mu=, beta =, i n d i c e=<br />
49 , n=,p=);<br />
50 proc d a t a s e t s l i b r a r y=work ; d e l e t e sample boot emvs adic ; run ;<br />
51<br />
52 proc s u r v e y s e l e c t data = &inpt<br />
53 out = sample boot ( keep=time d e l t a NumberHits r e p l i c a t e )<br />
54 seed = &seed<br />
55 rep = &r e p l i c a c a o<br />
56 method= urs n = &s a m p l e s i z e noprint ;<br />
57 run ;<br />
58<br />
59 proc p r i n t t o f i l e =”c : \ nda . dat ” new ;<br />
60 run ;<br />
61<br />
62 proc nlmixed data=sample boot var<strong>de</strong>f=n cov tech=t r ;<br />
63 ods output ParameterEstimates = emvs ;<br />
64 ods output AdditionalEstimates = adic ;<br />
65 parms mu = &mu, beta = &beta ;<br />
66 bounds mu>0, beta >0;<br />
67 lnh = l o g ( beta)−beta ∗ l o g (mu)+( beta −1)∗ l o g ( time ) ;<br />
68 l n s = −(time /mu)∗∗ beta ;<br />
69 L = numberhits ∗( d e l t a ∗ lnh+l n s ) ;<br />
70 mo<strong>de</strong>l L ˜ g e n e r a l (L ) ;<br />
71 estimate ” logmediana ” l o g (mu)+(1/ beta ) ∗ ( l o g (− l o g ( 1 − 0 . 5 0 ) ) ) ;<br />
72 estimate ”logQ1” l o g (mu)+(1/ beta )∗( l o g (− l o g ( 1 − 0 . 2 5 ) ) ) ;<br />
73 estimate ”logQ3” l o g (mu)+(1/ beta )∗( l o g (− l o g ( 1 − 0 . 7 5 ) ) ) ;<br />
74 by r e p l i c a t e ;<br />
75 run ;<br />
91
76<br />
77 proc p r i n t t o ; run ;<br />
78<br />
79 data n u l l ;<br />
80 s e t emvs ( keep=parameter estimate s t a n d a r d e r r o r ) ;<br />
81 nda = &i n d i c e ;<br />
82 f i l e ” c : \ emv b &n&p . . dat ” mod ;<br />
83 put nda ” ; ” parameter ” ; ” estimate ” ; ” s t a n d a r d e r r o r ;<br />
84 run ;<br />
85<br />
86 data n u l l ;<br />
87 s e t adic ( keep=l a b e l estimate s t a n d a r d e r r o r ) ;<br />
88 nda = &i n d i c e ;<br />
89 f i l e ” c : \ a d i c b &n&p . . dat ” mod ;<br />
90 put nda ” ; ” l a b e l ” ; ” estimate ” ; ” s t a n d a r d e r r o r ;<br />
91 run ;<br />
92 %mend bootstrap ;<br />
93 %macro geracao (mu=, beta =,n=, seed =,p=);<br />
94 data o r i g i n a l ( drop=i U) ;<br />
95 do i = 1 to &n ;<br />
96 U = uniform(&seed ) ;<br />
97 time = &mu∗(− l o g (1−U))∗∗(1/& beta ) ;<br />
98 d e l t a = ranbin(&seed ,1 ,&p ) ;<br />
99 output ;<br />
100 end ;<br />
101 %mend geracao ;<br />
102 %macro cobertura (mu=, beta =,p=,n=,nboot1=,nboot2 =);<br />
103 %d e l e t a (n=&n , p=&p ) ;<br />
104 %do j = 1 %to &nboot1 ;<br />
105 %geracao (mu=&mu, beta=&beta , n=&n , seed=&j ∗1000 ,p=&p ) ;<br />
106 %estimacao da<strong>dos</strong> ( da<strong>dos</strong>=o r i g i n a l ,mu=&mu, beta=&beta , i n d i c e=&j , n=&n , p=&p ) ;<br />
107 %bootstrap ( inpt=o r i g i n a l , seed=&j , s a m p l e s i z e=&n , r e p l i c a c a o=&nboot2 ,mu=&mu,<br />
108 beta=&beta , i n d i c e=&j , n=&n , p=&p ) ;<br />
109 %end ;<br />
110 %mend cobertura ;<br />
Para a contagem <strong>dos</strong> intervalos <strong>de</strong> confiança que continham o verda<strong>de</strong>iro valor do parâmetro<br />
<strong>de</strong> interesse, foi utilizado a proc iml do SAS.<br />
92
Referências Bibliográficas<br />
AHMAD, K.E., MOUSTAFA, H.M., e ABD-ELRAHMAN, A.M. (1997). Approximate<br />
Bayes estimation fo mixtures of two Weibull distributions un<strong>de</strong>r type-2 censoring. Journal of<br />
Statistical Computation and Simulation, 58(3): 269-285.<br />
BERGER, J.M. e SUN, D.O. (1993). Bayesian analysis for the poly-Weibull distribution.<br />
Journal of the American Statistical Association, 88(424):1412-1418.<br />
BERGER, J.O.; SUN, D. Bayesian inference for a class of poly-Weibull distribuition. In:<br />
Bayesian analysis in statisticas and econometrics, essys in Honor of Arnold Zellner. Wiley:<br />
New York: Berri, D. A., Chaloner, K. M. and Geweke, J. K.,1996.<br />
1994.<br />
COLLET, D. Mo<strong>de</strong>lling survival data in medical research. New York: Chapman and Hall,<br />
COX, D. R. (1972). Regression mo<strong>de</strong>ls and life-tables (with discussion) Journal of the Royal<br />
Statistical Society, B, 34: 187-220.<br />
DEVROYE, L Non-uniform random variate generation. New York: Springer-Verlag, 1986.<br />
EFRON, Bradley e TIBSHIRANI, Robert J. (1993), An introduction to the Bootstrap, vol.<br />
57 of Monographs on Statistics and Applied Probability, Chapman and Hall, New York.<br />
GELMAN, A.; RUBIN, D. B. Inference from iterative simulation using multiple sequences.<br />
Statistical Science, 1992.<br />
GUITANY, M. E.; MALLER, R. A. Asymptotic results for exponencial mixture mo<strong>de</strong>ls<br />
with long term survivors. Statistics, 1992.<br />
GILKS, W. R. Full conditional distributions. In: Markov chain monte carlo in practice.<br />
London: Chapman and Hall, 1996.<br />
HALL, P. Theorical comparison of Bootstrap confi<strong>de</strong>nce intervals, Ann. Stat. 16(3) (1988)<br />
927-985.<br />
JENG, Shuen-Lin; MEEKER, Willian Q. Asymptotic Properties of Bootstrap Likelihood<br />
Ratio Statistics for Time Censored Data, 2003.<br />
JIANG, R.; MURTHY, D. N. P. Mixture of Weibull distributions parametric characteriza-<br />
tion of failure rate function. Applied Stochastic Mo<strong>de</strong>ls and Data Analysis, 1998.<br />
JOHNSON, L. N. e Kotz, S. (1995). Continuous Univariate Distributions. John Wiley and<br />
Sons, New York.<br />
LARSON, H. Introduction to Probability Theory and Statistical Inference, 2 o ed. John<br />
Wiley, 1974.<br />
93
LAWLESS, J. F. Statistical mo<strong>de</strong>ls and methods for lifetime data. New York: John Wiley<br />
and Sons, 1982.<br />
MAZUCHELI, J.; LOUZADA-NETO, F.; ACHCAR, J. A. Bayesian inference for polyhaz-<br />
ard mo<strong>de</strong>ls in the presence of covariates. Computational Statistics and Data Analysis, 2001.<br />
MEEKER, WILLIAN. Asymptotic Properties of Bootstrap Likelihood Ratio Statistics for<br />
Time Censored Data, 2003.<br />
MUDHOLKAR, G. S.; KOLLIA, G. D. Generalized Weibull family: a structural analysis.<br />
Communications in Statistics. Theory and Methods, 1994.<br />
MUDHOLKAR, G. S., Srivastava, D.K., e Kollia, G.D. (1996). A generalization of the<br />
Weibull distribution with application to the analysis of survival data. Journal of the American<br />
Statistical Association, 91(436):1575-1583.<br />
RAO and TOUTENBURG, Linear mo<strong>de</strong>ls. Springer Series in Statistics. Springer-Verlag,<br />
New York, second edition. Least squares and alternatives, With contributions by Andreas<br />
Fieger, 1999.<br />
RIPLEY, B. D. Mo<strong>de</strong>lling spatial patterns (with discussion). Journal of the Royal Statistical<br />
Society, B, V.39 p. 172-212, 1977.<br />
SINHA, S. K. Bayesian estimation of the parameters and reliability function of a mixture<br />
of Weibull life distributions. Journal of Statistical Planning and Inference, 1987.<br />
SMITH, R.L. e NAYLOR, J. C. (1987). A comparison of maximum likelihood and Bayesian<br />
estimators for the three-parameter Weibull distribution. Journal of the Royal Statistical Society,<br />
C, 36(3):358-369.<br />
WEIBULL, W.A. A statistical distribution of wi<strong>de</strong> applicability, Journal of Applied Me-<br />
chanics, 1951.<br />
WOODWARD, W.A. e GUNST, R.F.(1987). Using mixtures of Weibull distributions of<br />
estimate mixing proportions. Computational Statistics and Data Analysis, 5(3):163-176.<br />
94