[R-br] Estimativas de parâmetros de uma Weibull utilizando duas metodologias: Newton-Raphson "vs" Nelder Mead (estimativas muito diferentes) o que pode estar acontecendo??

[Elias T. Krainski]

So' vi essa parte depois... segue abaixo a resposta

On 07/05/15 17:39, Romero Luiz M. Sales Filho wrote:
>
> Elias, muito obrigado também por compartilhar informação! Acho que vc 
> deu uma dica de como encontrar os melhores pontos iniciais, né? 
> Infelizmente não entendi... vc poderia me explicar melhor... Ah, outra 
> coisa, com relação ao ks.test tbm tinha dúvidas se ele realmente era 
> adequado, uma vez que não tenho os parâmetros e sim estimativas 
> desses, aí gero uma amostra utilizando essas estimativas e isso talvez 
> não fosse o mais indicado pq se o algoritomo tivesse convergido para 
> valores errados de parâmetros e mesmo assim a distribuição osse 
> Weibull o ajuste seria excelente quando na verdade os parâmetros 
> estariam errados, né isso (por favor, me corrija se eu estiver 
> errado)??... Então vc colocou uma abordagem utilizando bootstrap, essa 
> seria uma forma alternativa de utilização do ks.test sendo mais 
> apropriada para esse tipo de problema em que não conheço os parâmetros??

Chute inicial: olhar o histograma (freq=FALSE) e adicionando curvas de 
densidade (variando os parametros). Essa nao e' a melhor estrategia. Uma 
boa e' considerar os estimadores de momentos.

KS: Porque nao usar a funcao de distribuicao (FD) *teorica*? (Em vez de 
FD empirica de outra amostra).

Bootstrap:
  1) se voce tem um estimador para theta, ao fazer reamostragem a 
distribuicao desse estimador, avaliado nas diferentes reamostras, e' a 
verdadeira
  2) note que a distribuicao sob bootstrap e' assimetrica, para o 
segundo parametro. Por isso o intervalo assintotico nao e' bom. Pode-se 
usar verossimilhanca perfilhada para corrigir isso.
3) Note que o algoritmo BFGS funcionou bem em 1000 reamostras! Entao 
esse nao e' um problema tao dificil assim...

Elias

-- 
In God we trust, all others bring data.
  – William Edwards Deming (1900-1993)