É comum existir heterogeneidade da população em estudo e é razoável separar a população em subpopulações mais homogeneas ou inserir uma covariável para diminuir a variabilidade.
O modelo exponencial é o mais simples, e será visto com mais detalhes. Lembramos que a densidade e a função sobrevivência da distribuição exponencial são
Suponha que os vetores são observados, a função taxa de falhas de um modelo exponencial é , neste caso , verifica-se que a função taxa de falhas não depende do tempo. A inclusão das covariáveis no modelo exponencial é feita através da função taxa de falhas da seguinte forma
sendo e . O log da verossimilhança é dado por
A derivada da log verossimilhança acima em relação a é dada por
A matriz de informação observada é dada por
Os estimadores de máxima verossimilhança para são obtidos iterativamente usando o algoritmo de Newton Raphson abaixo
Poderemos usar as estatísticas de Wald, razão de verossimilhanças e escore para testar a hipótese de contra . Uma outra forma de estimar é tranformando a variável observada fazendo , teremos que a densidade e função de sobrevivência de são dadas por
Assim o modelo proposto é
e o log da verossimilhança é
nota-se que se derivarmos o log da verossimilhança acima teremos os mesmos estimadores para quando não fazemos transformação alguma. Quando o tempo de falhas tem distribuição log-normal a aplicação do logarítmo no tempo observado facilita as contas, pois o modelo se reduz ao modelo linear clássico normal com observações censuradas, no caso de falhas com distribuição gamma, weibull e valor extremo a aplicação do logarítimo também facilita a obtenção do estimador de .
patriota 2006-04-29