Escolar Documentos
Profissional Documentos
Cultura Documentos
Prof. Orientador
Carla Regina Guimarães Brighenti
1- INTRODUÇÃO
0
(Lawless, 1982). Dentre as diversas distribuições que descrevem de forma mais adequada a variável
“tempo de falha” estão as distribuições de Weibull e Log-Normal.
A principal característica de dados de sobrevivência é a presença de censura que é a observação
parcial da resposta. Isto se refere a situação em que, por alguma razão o experimento foi interrompido
ou não obteve uma resposta exata (Brighenti et al., 2017). De acordo com o tipo de experimento
desenvolvido pode-se, classificar a censura como (i) Tipo I: quando o estudo é terminado após um
período pré-estabelecido de tempo; (ii) Tipo II: quando o estudo é terminado após ter ocorrido um
evento de interesse em um numero pré-estabelecido de indivíduos; (iii) Aleatória: o individuo é retirado
no decorrer do estudo sem ter ocorrido a falha; (iv) Censura à direita: o tempo de ocorrência do evento
de interesse esta a direita do tempo registrado; (v) Censura à esquerda: ocorre quando o tempo
registrado é maior do que o tempo de falha. Isto é, o evento de interesse já aconteceu quando o
“individuo” foi observado; (vi) Censura intervalar: o evento de interesse ocorreu em um determinado
intervalo de tempo, ou seja, o tempo de falha T não é conhecido exatamente e sim pertence a um
intervalo, isto é T ∈ (I, S] (Colosimo e Giolo, 2006).
É importante ressaltar que, mesmo censurados todos os resultados provenientes de um estudo de
sobrevivência devem ser usados na análise estatística, pois mesmo sendo incompletas as observações
censuradas fornecem informações importantes sobre o tempo de vida. A omissão das censuras no
cálculo das estatísticas de interesse pode acarretar conclusões viciadas.
Dados de tempo de vida são comuns em bioensaios, como por exemplo, testes de sobrevivência
de abelhas. Nestes casos, não há um critério bem definido para a interrupção do experimento Brighenti
(2017). Nagelkerke & Hart (1980) recomendam que os experimentos não ultrapassem 10 dias de
confinamento para bioensaios com Apis mellifera, visto que há fatores biológicos que podem interferir
nos resultados.
Um tipo de amostragem que pode ser útil se aliado aos dados de sobrevivência é a amostragem
sequencial que se caracteriza por envolver amostras de tamanho variável ao contrário da amostragem
convencional que tem um número fixo. Outra diferença é que enquanto a amostragem convencional
procura estimar os parâmetros populacionais para depois, eventualmente testar uma hipótese a respeito
dos mesmos, na amostragem sequencial é testada uma hipótese desses parâmetros sem a preocupação
inicial de estimá-los (Souza et al, 2014). Na amostragem sequencial valores resultantes de cada
observação são examinados sequencialmente até que os resultados acumulados são comparadas com
limites previamente determinados a partir dos erros tipo I e II. Assim, com base em cada observação
pode-se chegar a uma das três seguintes decisões: (1) aceitar a hipótese nula; (2) rejeitar a hipótese nula;
ou (3) continuar a amostragem (Nagelkerke & Hart, 1980). Se for tomada a decisão (3) outra unidade
amostral é examinada e o processo continua até que a decisão (1) ou a decisão (2) seja tomada.
1
A grande vantagem da amostragem sequencial consiste na considerável economia de tempo ela
proporciona por evitar a excessiva amostragem quando o parâmetro populacional é muito maior ou
muito menor que o valor determinado para a comparação (xxxxx).
2. OBJETIVOS
2.1. Objetivo geral
c) Elaborar rotinas computacionais que permita selecionar os modelos apropriados para discriminar os
efeitos de diferentes dietas para abelhas.
e) Explorar a interpretação dos efeitos dos parâmetros dos modelos Weibull e Log-normal.
3. METODOLOGIA
Será organizada uma tabela com os dados da mortalidade das abelhas em um período de 360
horas. Após a obtenção do ajuste, utilizando os parâmetros sugeridos por Sgrillo (1982), Hutchinson
(2000), Moncharmont et al.(2003) e Brighenti(2017), o efeito de cada tratamento será analisado pela
estimação de máxima verossimilhança dos parâmetros da função de sobrevivência.
2
Para realizar a abordagem sequencial em dados de sobrevivência inicialmente serão
avaliadas duas funções de distribuição de probabalidade: Weibull e Log- Linear.
A distribuição de Weibull apresenta uma grande variedade de formas, todas com uma
propriedade básica: a sua função de taxa de falha é monótona, isto é, ela é crescente, decrescente ou
constante. Sua função de densidade probabilidade é dada por:
b -1 �t -g �b
b �t - g � -��a
�
S (t ) = � � e
�
a �a �
b é o parâmetro de forma, a é o parâmetro de escala e g é o parâmetro de posição que não será
utilizado, seu valor é zero.
Outra forma de parametrizar a distribuição Weibull é:
S (t ) = abt b -1 exp �
- at b �
� �, onde a é o parâmetro de escala e b o de forma.
A distribuição Log-Normal, assim como a distribuição Weibull, é muito utilizada para
caracterizar tempos de vida de produtos e indivíduos. Sua função de densidade de uma variável
aleatória T é dada por:
1 �
� 1 �log(t ) - m ��
2
�
S (t ) = exp �- � ��, t > 0
2p ts � 2� s ��
P (t �T < t + Dt | T �t )
l (t ) = lim (Colosimo & Giolo, 2006).
Dt �0 Dt
Posteriormente a obtenção dos parâmetros das distribuições Weibull( b , g ) e Log-normal(
, l ), serão plotados os gráficos de sobrevivências por Kaplan-Meier versus as sobrevivências
estimadas pelos modelos weibull e log-normal, tempo versus –log(S(t)), log(t) versus log(-
log(S(t))), log(t) versus -1 ( S (t )) e as curvas de sobrevivências estimadas pelos modelos de
3
Weibull e Log-normal versus a curva de sobrevivência estimada por Kaplan-Meier. Será calculado o
logaritmo da função L( ) para os dois modelos.
Será construída em cada caso a função de sobrevivência e a respectiva curva de
sobrevivência.
O calculo das estimativas de sobrevivência das abelhas será feito utilizando o software R (R
Core Team, 2017), com o pacote survival, comparando os modelos Weibull e Log-normal.
Sendo T uma variável aleatória e S(t;θ) distribuição dessa variável, com parâmetros θ, H0
será a hipótese que θ=θ0 e H1 a hipótese θ=θ1.
A estatística do teste de comparação das curvas é obtida por meio da razão de
verossimilhanças entre o modelo completo, isto é, aquele com todos os parâmetros e o modelo
pesquisa, em que se emprega um número reduzido de parâmetros (Tabela 1) (Nelson, 1982).
�a ,..., a i , b1 ,...b i ; S (t ) �
Escala iguais a1 = ...a i = a L�1 �
� L(a , b1 ,...b 6 ; S (t )) �
�a ,..., a i , b1 ,...b i ; S (t ) �
Forma iguais b1 = ...b i = b L�1 �
�L(a1 ,..., a i , b ; S (t )) �
1-a 1-a
tal forma que A= e B= .
b b
4
Será então desenvolvido um script para realização sequencial da comparação entre os dois
modelos ajustados considerando o conjunto de dados referente aos cinco diferentes tratamentos
(parâmetros) simulados.
Os resultados serão comparados e avaliadas as características dos modelos ajustados e
respectivos parâmetros, de acordo com o tamanho amostral obtido.
( ) ( )
restrição H1 e sob H0, ou seja, a comparação de log L ˆ1 e log L ˆ0 (Nelson, 1982). A estatística
( )
�L ˆ0 �
( ) ( )
log L ˆ1 - log L ˆ0 �, que, sob H0: = 0, segue
para esse teste é dada por: TRV = -2 log � ˆ �= 2 �
� ( )
�L 1 � �
�
�
5
significância, se o valor observado para o TRV for maior que o valor tabelado para a distribuição 2,
4. PLANO DE TRABALHO
5. CRONOGRAMA
2018 2019
Etapas Mar Abr Mai Jun Jul Ago Set Out Nov Dez Jan Fev
(1) X X X
(2) X X
(3) X X
(4) X X
(5) X X
(6) X X
(7) X X
(8) X X X
(9) X X
6
6. REFERÊNCIAS BIBLIOGRÁFICAS
BRIGHENTI, D. M.; BRIGHENTI, C. R. G.; CARVALHO, C. F. Life spans of Africanized honey bees
fed sucrose diets enhanced with citric acid or lemon juice. Journal of Apicultural Research, v.56, p.91
- 99, 2017.
COLOSIMO, E.A; GIOLO, S. R. Análise de sobrevivência aplicada. Editora Edgar Blucher, 2006,
216p.
HUTCHINSON, T. Graphing the survivorship of bees. Insectes Sociaux. V.47, p.292-296. 2000.
LAWLESS, J. F. Statistical models and methods for lifetime data. New York: Willey. 1982.
R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical
Computing, Vienna, Austria. URL http://www.R-project.org, 2017.