Thiago Gentil Ramires - Departamento de Estatística (UEM
Thiago Gentil Ramires - Departamento de Estatística (UEM
Thiago Gentil Ramires - Departamento de Estatística (UEM
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.4. Método <strong>de</strong> Estimação<br />
Afim <strong>de</strong> estimar os parâmetros do mo<strong>de</strong>lo, utilizaremos o método <strong>de</strong> máxima<br />
verossimilhança, que trata o problema <strong>de</strong> estimação da seguinte forma: baseado nos<br />
resultados obtidos pela amostra, qual é a distribuição entre todas aquelas <strong>de</strong>finidas<br />
pelos possíveis valores <strong>de</strong> seus parâmetros, com maior possibilida<strong>de</strong> <strong>de</strong> ter gerado<br />
tal amostra? Em outras palavras, se por exemplo a distribuição <strong>de</strong> falha é a Weibull,<br />
para cada combinação diferente <strong>de</strong> α e β tem-se diferentes distribuições <strong>de</strong> Weibull.<br />
O estimador <strong>de</strong> máxima verossimilhança escolhe aquele par <strong>de</strong> α e β que melhor<br />
explique a amostra observada (Colosimo, 1995).<br />
Suponha uma amostra <strong>de</strong> observações t1, t2, ..., tn <strong>de</strong> uma certa população <strong>de</strong><br />
interesse. Consi<strong>de</strong>re inicialmente que todas as observações são não-censuradas. A<br />
população é caracterizada pela sua função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong> <strong>de</strong> probabilida<strong>de</strong>. Por<br />
exemplo, se f(t)=αexp(-tα), significa que as observações vem <strong>de</strong> uma distribuição<br />
exponencial com parâmetro a ser estimado. A função <strong>de</strong> verossimilhança para um<br />
parâmetro genérico θ é:<br />
A <strong>de</strong>pendência <strong>de</strong> f em θ é preciso agora ser mostrada pois L é função <strong>de</strong> θ .<br />
Nesta expressão, θ po<strong>de</strong> estar representando um único parâmetro ou um vetor <strong>de</strong><br />
parâmetros. Por exemplo, no mo<strong>de</strong>lo log-normal, θ =(µ,σ). A tradução em termos<br />
matemáticos para a frase “a distribuição que melhor explique a amostra observada”<br />
é achar o valor <strong>de</strong> θ que maximize a função L(θ). Isto é, achar o valor <strong>de</strong> θ que<br />
maximiza a probabilida<strong>de</strong> da amostra observada ter ocorrido.<br />
A função <strong>de</strong> verossimilhança L(θ) mostra que a contribuição <strong>de</strong> cada<br />
observação não-censurada é sua função <strong>de</strong> <strong>de</strong>nsida<strong>de</strong>. A observação parcial da<br />
resposta somente nos informam que o tempo <strong>de</strong> falha é maior que o tempo <strong>de</strong><br />
censura observado e portanto, que a sua contribuição para L(θ) é a sua função <strong>de</strong><br />
sobrevivência S(t). As observações po<strong>de</strong>m então ser divididas em dois conjuntos, as<br />
r primeiras são as não-censuras (1,2, ..., r) e as n-r seguintes, são as censuradas<br />
31