A Simpson Based Estimation Approach for the Overlapping Coefficient of k>=2 Normal Distributions

Título: Uma Abordagem de Estimação Baseada em Simpson para o Coeficiente de Sobreposição de 𝒌≥𝟐 Distribuições Normais

Autores: Omar M. Eidous e Majd M. Alsheyyab (Universidade de Yarmouk, Jordânia)

---

1. O Problema

O coeficiente de sobreposição (OVL, do inglês Overlapping Coefficient) é uma medida fundamental para quantificar a similaridade entre distribuições de probabilidade, representando a área comum compartilhada por suas funções de densidade. Embora a estimação do OVL para duas distribuições ($k=2$) tenha sido amplamente estudada, a extensão deste conceito para $k \geq 2$ populações apresenta desafios significativos.

A definição geral para $k$ distribuições contínuas com densidades $f_1, ..., f_k$ é dada por:
$$\Delta_k = \int_{-\infty}^{\infty} \min\{f_1(x), f_2(x), \dots, f_k(x)\} dx$$

O principal obstáculo é que, à medida que $k$ aumenta, o número de regiões onde o mínimo das funções muda cresce rapidamente devido às interseções múltiplas das curvas de densidade. Isso torna a avaliação analítica do integral impraticável, mesmo sob o modelo paramétrico de distribuição normal. Métodos existentes muitas vezes dependem de suposições restritivas ou são computacionalmente ineficientes para um número arbitrário de grupos.

2. Metodologia Proposta

Os autores propõem um framework geral de estimação para $\Delta_k$ quando as populações seguem distribuições normais ($N(\mu_i, \sigma_i^2)$). A metodologia combina três elementos principais:

1. Estimadores de Máxima Verossimilhança (MLE): Os parâmetros desconhecidos ($\mu_i$ e $\sigma_i^2$) são substituídos por seus estimadores de máxima verossimilhança baseados nas amostras ($\hat{\mu}_i, \hat{\sigma}_i^2$), gerando densidades estimadas $\hat{f}_i(x)$.
2. Transformação de Intervalo Infinito para Finito: Como a integral original é definida em $(-\infty, \infty)$, o método aplica uma transformação logística generalizada para mapear o intervalo infinito para o intervalo unitário $[0, 1]$.
   • Utiliza-se a função $u = G(x) = 1 - (1 + e^x)^{-\alpha}$, onde $\alpha > 0$ é um parâmetro de ajuste.
   • Isso permite reescrever a integral em termos de uma nova função $h(u)$ sobre $[0, 1]$.
3. Regra de Integração Numérica de Simpson: A integral transformada é aproximada utilizando a Regra de Simpson. O método discretiza o intervalo $[0, 1]$ em subintervalos e calcula a soma ponderada dos valores da função mínima estimada nos pontos da grade.

Variações do Estimador:
O estudo investiga três versões do estimador baseadas na escolha de $\alpha$:

• $\alpha = 1$ (fixo).
• $\alpha = 2$ (fixo).
• $\alpha = \hat{\alpha}$ (estimado a partir dos dados, utilizando uma média de log-transformações dos dados observados).

3. Propriedades Assintóticas

O artigo estabelece teoricamente a consistência do estimador proposto.

• Teorema 1: Sob condições de regularidade padrão, à medida que o tamanho da amostra mínimo ($min(n_i)$) tende ao infinito, o estimador $\hat{\Delta}_k^{(simp)}$ converge em probabilidade para o verdadeiro coeficiente de sobreposição $\Delta_k$.
• A prova baseia-se na consistência dos MLEs, no Teorema do Mapeamento Contínuo e na convergência uniforme das densidades estimadas em conjuntos compactos, garantindo que o erro de aproximação numérica de Simpson não comprometa a convergência estocástica.

4. Resultados da Simulação

Uma estudo de simulação de Monte Carlo foi conduzido para avaliar o desempenho do estimador proposto ($\hat{\Delta}_3^{(simp)}$) em comparação com um estimador competidor ($\hat{\Delta}_3^*$) de Eidous e Alsheyyab (2025).

Configurações:

• Quatro cenários (S1 a S4) com diferentes graus de sobreposição (de alta sobreposição $\Delta_3 \approx 0.93$ a baixa sobreposição $\Delta_3 \approx 0.07$).
• Tamanhos de amostra variados (equilibrados e desequilibrados).
• Métricas: Viés Relativo (RB), Raiz do Erro Quadrático Médio Relativo (RRMSE) e Eficiência Relativa (EFF).

Principais Achados:

• Alta Sobreposição: Em cenários com grande sobreposição, todos os estimadores (proposto e competidor) performam de maneira similar, com viés e erro baixos.
• Baixa e Média Sobreposição: O estimador baseado em Simpson demonstra vantagens claras.
  • No cenário de baixa sobreposição ($\Delta_3 = 0.074$), o estimador proposto apresentou uma eficiência relativa superior a 1.30 (ou seja, mais de 30% mais eficiente) em comparação ao competidor, especialmente em amostras menores.
  • O RRMSE foi consistentemente menor para o método de Simpson nestes casos críticos.
• Escolha de $\alpha$: As três versões do estimador ($\alpha=1, \alpha=2, \alpha=\hat{\alpha}$) produziram resultados numericamente muito próximos. A versão baseada em dados ($\hat{\alpha}$) não introduziu instabilidade, sugerindo que a escolha adaptativa é segura e robusta.

5. Contribuições e Significância

• Generalização: O método oferece uma solução computacionalmente eficiente e escalável para estimar a sobreposição em $k \geq 2$ distribuições normais, superando as limitações analíticas de métodos anteriores.
• Robustez em Cenários Difíceis: A principal contribuição prática é a superioridade do método em situações de baixa sobreposição, onde a estimativa precisa é mais desafiadora e crucial (ex: discriminação entre grupos em medicina ou toxicologia).
• Flexibilidade: A abordagem não impõe restrições sobre os parâmetros (médias e variâncias podem ser diferentes) e permite o uso de uma transformação logística para lidar com o domínio infinito, facilitando a integração numérica.
• Aplicabilidade: O método é fácil de implementar e pode ser estendido para outras famílias paramétricas suaves, não se limitando apenas à distribuição normal.

Em conclusão, o artigo apresenta uma abordagem robusta e eficiente para um problema estatístico complexo, demonstrando que a integração numérica de Simpson, combinada com estimadores de plug-in, é uma ferramenta superior, especialmente quando a similaridade entre múltiplas populações é limitada.