📊 statistics

A Kolmogorov-Smirnov-Type Test for Dependently Double-Truncated Data

Este artigo propõe um teste do tipo Kolmogorov-Smirnov para famílias de distribuições paramétricas de dados de tempo de vida com truncamento duplo, utilizando modelos de cópula para considerar a dependência e demonstrando sua eficácia por meio de simulações e uma aplicação aos tempos de vida de empresas alemãs que rejeita a hipótesidade de um risco de fechamento homogêneo em idade.

Autores originais: Anne-Marie Toparkus, Rafael Weissbach

Publicado 2026-07-22

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Anne-Marie Toparkus, Rafael Weissbach

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Mistério do Tempo Perdido

Imagine que você é um detetive tentando descobrir quanto tempo um tipo específico de objeto costuma durar. Pode ser uma lâmpada, um smartphone ou até mesmo uma empresa. No mundo da estatística, isso é chamado de estudar "ciclos de vida" (lifespans). Mas há um porém: você não pode simplesmente esperar que cada objeto morra para ver quanto tempo ele viveu. Você tem que observar um instantâneo do tempo.

É aqui que entra a "truncagem". Pense nisso como uma câmera que só tira fotos de pessoas que já estão em uma sala específica. Se você fotografar apenas as pessoas que estão atualmente em uma sala de espera, você perde todos os que ainda não chegaram (truncagem à esquerda) e todos os que já saíram (truncagem à direita). Na vida real, isso acontece o tempo todo. Por exemplo, se você estudar empresas que fecharam em 2014, você só verá aquelas que já eram velhas o suficiente para estarem presentes em 2014. Você perde as que começaram em 2015 e perde as que fecharam em 2010.

Geralmente, os estatísticos assumem que quando algo começou não tem nada a ver com quanto tempo durará. Eles assumem que uma empresa fundada em 1990 tem a mesma probabilidade de fechar rapidamente que uma fundada em 2010. Mas, no mundo real, as coisas raramente são tão simples. A expectativa de vida muda ao longo do tempo, e a idade em que você começa algo pode, de fato, influenciar quanto tempo sobreviverá. Este artigo aborda o problema complexo de testar se um ciclo de vida segue um padrão previsível quando o tempo de início e o tempo de término estão secretamente conectados, como dois dançarinos que estão sempre se movendo em sincronia.

A Dança dos Dados Duplamente Truncados

Anne-Marie Toparkus e Rafael Weißbach, estatísticos da Universidade de Rostock, decidiram construir uma nova ferramenta para resolver este mistério da pista de dança. Eles criaram um "Teste do Tipo Kolmogorov-Smirnov", que é uma maneira elegante de dizer que construíram uma régua super sensível para medir o quão bem um palpite teórico se ajusta à realidade bagunçada dos dados.

O trabalho principal deles era testar um palpite específico: os ciclos de vida das empresas seguem uma "distribuição exponencial"? Em termos simples, uma distribuição exponencial sugere que o risco de algo fechar é constante. É como um átomo radioativo: não importa a idade dele, a chance de ele decair no próximo segundo é sempre a mesma. Se isso fosse verdade para as empresas, significaria que uma empresa de 20 anos tem a mesma probabilidade de falir amanhã que uma de 1 ano.

No entanto, os autores suspeitavam que esta não era toda a história. Eles sabiam que, no mundo real, a "idade na truncagem" (quando o estudo começa) e o "ciclo de vida" (quanto tempo a empresa dura) são frequentemente dependentes um do outro. Para modelar essa conexão, eles usaram uma ferramenta matemática chamada "cópula", especificamente a cópula de Farlie-Gumbel-Morgenstern (FGM). Você pode pensar em uma cópula como uma cola que une duas curvas de probabilidade separadas, permitindo que elas oscilem em sincronia. A cópula FGM é especial porque pode colá-las quer elas estejam se movendo na mesma direção ou em direções opostas.

O Experimento Empresarial Alemão

Para colocar sua nova régua à prova, os autores analisaram um conjunto de dados massivo: 55.279 empresas alemãs. Estas foram empresas fundadas entre 1990 e 2013, e o estudo observou quais delas fecharam as portas entre 2014 e 2016. Como os dados incluíam apenas empresas que estavam vivas em 2014, mas fecharam até 2016, os dados eram "duplamente truncados" — cortados tanto no início quanto no fim.

Os pesquisadores rodaram seu teste duas vezes. Primeiro, assumiram que a data de início e o ciclo de vida eram totalmente independentes (a versão "fácil"). Depois, rodaram o teste novamente usando sua cópula FGM para levar em conta o fato de que empresas mais antigas podem se comportar de forma diferente das mais novas.

O Veredito: O Relógio Não é Constante

Os resultados foram claros e decisivos. Quando os autores compararam seus dados com a "distribção exponencial" (a ideia de que o risco de fechamento é constante ao longo do tempo), a estatística do teste foi enorme. Na verdade, foi tão grande que excedeu amplamente os valores críticos calculados através de simulações.

O artigo rejeita explicitamente a hipótese de que os ciclos de vida das empresas alemãs seguem uma distribuição exponencial com uma taxa de risco constante. Em outras palavras, os dados provam que o risco de uma empresa fechar não é o mesmo em todas as idades. O "risco de fechamento homogêneo em relação à idade" (a ideia de que a idade não importa) estava claramente errado.

Os autores também descobriram que a dependência entre a data de início e o ciclo de vida era real. Eles calcularam um "tau de Kendall" de cerca de 0,023, o que parece pequeno, mas o artigo confirma que é estatisticamente significativo. Essa dependência positiva sugere uma tendência temporal negativa para a expectativa de vida: conforme o tempo passava, a expectativa de vida dessas empresas na verdade diminuía.

Como Eles Fizeram Isso (A Magia por Trás das Cortinas)

Você pode se perguntar como eles calcularam isso com tanta precisão. Os autores não apenas adivinharam; eles construíram um motor matemático rigoroso. Eles usaram um método chamado "método delta funcional" e "argumentos de classe Donsker". Se isso parece um palavrão, pense nisso como uma forma de lidar com o fato de que seus dados não eram uma linha perfeita e suave, mas sim um emaranhado irregular e acidentado de 55.000 pontos individuais.

Eles desenvolveram um algoritmo (Algoritmo 1) que podia processar os números verificando pontos de intersecção específicos e projeções em um gráfico. Em vez de verificar cada ponto possível no tempo (o que levaria uma eternidade), sua matemática inteligente mostrou que eles só precisavam verificar um número finito de pontos para encontrar a maior diferença entre o seu palpite e a realidade.

Para determinar se seus resultados eram realmente significativos ou apenas um acaso, eles tiveram que simular o "valor crítico". Como não havia uma fórmula simples para esses dados complexos e dependentes, eles rodaram uma simulação de computador 1.000 vezes, gerando "pontes de Brownian" (um tipo de passeio aleatório) para ver como a estatística do teste deveria parecer se o palpite exponencial fosse verdadeiro. Os dados reais estavam tão longe dessa faixa simulada que a rejeição era inegável.

A Conclusão

Este artigo não diz apenas "encontramos um padrão". Ele diz: "Provamos matematicamente que a ideia simples de um risco constante de falência empresarial é errada para as empresas alemãs". Os autores sugerem que a razão para essa rejeição é provavelmente a natureza mutável do ambiente de negócios ao longo do tempo, e não apenas a distribuição aleatória de quando as empresas começaram.

Embora o artigo foque em empresas alemãs, a ferramenta que eles construíram é uma nova e poderosa maneira para estatísticos testarem teorias sobre qualquer tipo de dado de ciclo de vida onde o início e o fim dos tempos estejam ligados. É um lembrete de que, no mundo dos dados, as coisas raramente são independentes e, às vezes, a melhor maneira de entender o futuro é admitir que o passado e o presente estão dançando juntos.

Resumo Técnico: Um Teste do Tipo Kolmogorov-Smirnov para Dados de Dupla Truncagem Dependente

Enunciado do Problema
O artigo aborda o desafio de testar a adequação de ajuste (goodness-of-fit) de uma família de distribuições paramétricas de tempos de vida ( $X$ ) quando os dados estão sujeitos a uma dupla truncagem (à esquerda e à direita) e onde o mecanismo de truncagem é dependente do tempo de vida. Na análise de sobrevivência padrão, frequentemente assume-se a independência entre a variável de interesse e o tempo de truncagem. No entanto, em contextos demográficos e econômicos (como o tempo de vida de empresas), a expectativa de vida exibe um comportamento não estacionário, criando uma dependência entre o tempo de vida e a idade na qual a unidade entra no estudo (idade de truncagem, $T$ ). A literatura existente cobre majoritariamente contribuições não paramétricas para truncagem independente ou modelos paramétricos específicos, mas faltava um teste não paramétrico rigoroso para a distribuição de $X$ sob dupla truncagem dependente.

Metodologia
Os autores propõem um estatístico de teste do tipo Kolmogorov-Smirnov (KS) adaptado para o cenário bivariado de dupla truncagem dependente.

Estrutura do Modelo:
- A população consiste de unidades nascidas dentro de uma janela de tempo de comprimento $G$ .
- O tempo de vida $X$ e a idade de truncagem $T$ são modelados com uma distribuição conjunta $F_\theta(x, t) = C_\vartheta(F^X_\theta(x), F_T(t))$ , onde $C_\vartheta$ é uma cópula (especificamente a cópula Farlie-Gumbel-Morgenstern (FGM) no exemplo principal) que captura a estrutura de dependência via parâmetro $\vartheta$ .
- As observações são restritas a um paralelogramo $D = \{(x, t) : 0 < t \le x \le t+s, t \le G\}$ , representando o período de estudo $s$ após o período de nascimento.
Construção do Estatístico de Teste:
- O teste compara a distribuição empírica da amostra truncada observada contra a distribuição condicional teórica $F^{obs}_\theta$ .
- O estatístico é definido como:
  $\sqrt{M_n} \frac{1}{\sqrt{\hat{\alpha}_{\hat{\theta}_n}}} \sup_{(x,t) \in S} \left| \hat{P}_{n,D}([0, x] \times [0, t]) - \hat{\alpha}_{\hat{\theta}_n} F^{obs}_{\hat{\theta}_n}(x, t) \right|$
  onde $M_n$ é o número aleatório de unidades observadas, $\hat{\theta}_n$ é um estimador consistente para os parâmetros (incluindo o parâmetro de dependência) e $\hat{\alpha}$ é a probabilidade de observação estimada.
- Computação: Os autores derivam um algoritmo (Algoritmo 1) que reduz o cálculo do supremo a um número finito de operações. O desvio máximo é avaliado nos pontos observados, pontos de interseção das fronteiras empírica e teórica, projeções sobre as bordas do suporte $D$ e cantos específicos.
Teoria Assintótica:
- O artigo utiliza argumentos de classe de Donsker e o método delta funcional para derivar a distribuição assintótica do estatístico de teste sob a hipótese nula ( $H_0$ ).
- O processo limite é mostrado como um processo Gaussiano $H_{P_{\theta_0}}$ , que é uma modificação de uma ponte de Brownian. Este processo contabiliza a estimação tanto dos parâmetros da distribuição ( $\theta$ ) quanto da probabilidade de observação (que efetivamente lida com o tamanho de amostra aleatório $M_n$ ).
- A função de covariância deste processo limite é derivada explicitamente, permitindo a simulação de valores críticos.
Determinação de Valores Críticos:
- Como a distribuição assintótica depende dos parâmetros desconhecidos, os valores críticos são computados via simulação (Algoritmo 2). Isso envolve gerar vetores Gaussianos baseados na matriz de covariância derivada sobre uma grade do suporte $D$ .

Principais Contribuições

Teste de Truncagem Dependente: O artigo fornece o primeiro teste de adequação de ajuste do tipo KS especificamente projetado para dados de dupla truncagem dependente, indo além da suposição de independência prevalente na literatura anterior.
Implementação Algorítmica: Oferece um algoritmo computacionalmente viável para calcular o estatístico de teste, identificando um conjunto finito de pontos onde o supremo ocorre, adaptando métodos anteriores univariados e bivariados independentes para o suporte em paralelogramo da dupla truncagem.
Derivação Assintótica: Os autores derivam rigorosamente a distribuição limite do estatístico de teste composto (onde os parâmetros são estimados), estabelecendo a convergência para um processo Gaussiano específico e fornecendo sua estrutura de covariância necessária para a inferência.
Aplicação a Dados Reais: A metodologia é aplicada a um grande conjunto de dados de 55.279 tempos de vida de empresas alemãs (fundadas entre 1990–2013, encerradas entre 2014–2016).

Resultados

Simulação e Aplicação: Os autores aplicaram o teste a dados de empresas alemãs para verificar se os tempos de vida seguem uma distribuição exponencial.
- Sob a suposição de independência (Cópula de Produto), o estatístico de teste foi 1,651, e sob dependência (Cópula FGM), foi 1,6917.
- Os valores críticos simulados ao nível de 99% foram aproximadamente 0,3558 (independência) e 0,2914 (dependência).
Rejeição da Hipótese: Em ambos os casos, o estatístico de teste excedeu significativamente os valores críticos, levando a uma clara rejeição da hipótese de distribuição exponencial.
Interpretação: Os autores observam que, embora a rejeição pudesse teoricamente advir da suposição de uma distribuição uniforme para as datas de fundação (nascimentos), a literatura prévia sugere que um processo de Poisson homogêneo para fundações resulta em um $T$ uniforme. Portanto, a rejeição é provavelmente impulsionada pela inadequação da distribuição exponencial para os tempos de vida das empresas, particularmente dado a tendência temporal negativa observada na expectativa de vida (dependência positiva entre a idade no início do estudo e o tempo de vida).

Significância e Alegações
O artigo afirma que sua principal contribuição é permitir um teste de adequação de ajuste rigoroso para famílias paramétricas na presença de dupla truncagem dependente, um cenário comum na demografia e economia, mas anteriormente difícil de testar de forma não paramétrica.

Modéstia Teórica: Os autores observam que os requisitos teóricos são mínimos, adicionando primariamente a finitude da função de influência $\phi_{\theta_0}$ (Assunção A5) às suposições padrão de análise paramétrica.
Utilidade Prática: A aplicação demonstra que ignorar a dependência (como feito em estudos anteriores deste conjunto de dados) pode levar a conclusões enganosas. O teste detecta com sucesso que o "risco de fechamento homogeneamente dependente da idade" (distribuição exponencial) é rejeitado quando a dependência é devidamente modelada.
Limitações: Os autores reconhecem que, para amostras pequenas, o poder e o nível real do teste exigiriam um estudo de simulação adicional. Eles também observam que o método computacional atual (decomposição de Cholesky) possui complexidade cúbica, embora existam alternativas mais rápidas. O artigo não pretende resolver todos os problemas de truncagem (por exemplo, a censura não está totalmente integrada), mas foca no hiato específico da dupla truncagem dependente.