Algumas das opções conhecidas: 1. MASS::fitdistr() 2. glm(..., family=gamma) 3. nlm() 4. optim() 5. bbmle::mle2() Os dois primeiros você não precisa escrever a função de log-verossimilhança. Nos demais você precisa escrevê-la, a vantagem é poder usar a parametrização que quiser e não a implementada. O 1 é para uma amostra sem covariáveis, o 2 permite um modelo de regressão. O 3 em diante vai do que o usuário quiser, pode ser modelos de efeitos aleatórios, preditores não lineares, com estrutura de covariância, enfim, só passar a log-verossimilhança correspondente ao modelo assumido. Exemplos sobre a gama disponíveis no material online do Curso *Métodos Computacionais para Inferência Estatística* de Bonat e colaboradores. página: *http://www.leg.ufpr.br/doku.php/cursos:mcie <http://www.leg.ufpr.br/doku.php/cursos:mcie>* pdf recente: *http://www.leg.ufpr.br/~paulojus/mcie/masterSINAPE-2012-08-13.pdf <http://www.leg.ufpr.br/~paulojus/mcie/masterSINAPE-2012-08-13.pdf>*, sessão 2.11 página 62 À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 skype: walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================