Modeling double bounded data based on correlated gamma random variables

Resumo Técnico: Modelagem de Dados Limitados Baseada em Variáveis Aleatórias Gama Correlacionadas

1. O Problema

Muitos dados empíricos em diversas áreas (economia, saúde, ciências sociais) são definidos no intervalo unitário $(0, 1)$, manifestando-se como proporções, taxas, percentuais ou razões (ex: $X/(X+Y)$). O modelo estatístico padrão para tais dados é a Distribuição Beta.

No entanto, a distribuição Beta clássica deriva da representação estocástica $Z = X/(X+Y)$, onde $X$ e $Y$ são variáveis aleatórias independentes seguindo distribuições Gama. A premissa de independência entre $X$ e $Y$ é frequentemente irrealista em aplicações práticas, onde essas variáveis tendem a estar correlacionadas devido a mecanismos subjacentes comuns ou fontes compartilhadas de variabilidade.

• Exemplo citado: Taxas de recuperação do COVID-19, onde o número de óbitos e o número de casos sem óbito podem estar correlacionados.
• Limitação atual: Modelos existentes que tentam lidar com correlações (como a distribuição Gama bivariada de Kibble) são limitados, muitas vezes permitindo apenas correlações positivas ou não sendo suficientemente flexíveis para capturar comportamentos complexos como bimodalidade.

2. Metodologia

Os autores propõem uma nova classe de modelos, denominada Distribuição Beta Bimodal Estendida (EBB - Extended Bimodal Beta), que supera a limitação de independência.

• Fundamentação Teórica: O modelo é construído a partir da razão $Z = X/(X+Y)$, onde o vetor $(X, Y)$ segue uma Distribuição Bivariada de Morgenstern com marginais Gama.
• Estrutura de Dependência: A dependência entre $X$ e $Y$ é modelada através de um parâmetro de correlação $\rho$ (onde $-1 \leq \rho \leq 1$), utilizando a estrutura de cópula de Farlie-Gumbel-Morgenstern (FGM).
• Função de Densidade de Probabilidade (PDF): A PDF da nova distribuição é derivada explicitamente e envolve funções especiais complexas, incluindo a função hipergeométrica de Gauss ($_2F_1$) e a função hipergeométrica dupla de Appell ($F_2$).
  • Quando $\rho = 0$, o modelo reduz-se à Distribuição Beta clássica.
  • A presença de $\rho \neq 0$ introduz flexibilidade adicional, permitindo formas assimétricas, simétricas, unimodais e bimodais.
• Estimação:
  • Foi desenvolvido um procedimento de Estimação de Máxima Verossimilhança (MLE).
  • Devido à complexidade analítica e computacional (envolvendo funções especiais), os autores propõem uma estratégia de dois estágios:
    1. Estimar os parâmetros de forma ($\alpha, \beta$) assumindo inicialmente um modelo Beta (independência).
    2. Estimar o parâmetro de dependência ($\rho$) condicionalmente aos parâmetros de forma estimados, utilizando algoritmos de otimização numérica (como Newton-Raphson ou gradiente descendente).
  • Alternativamente, se os dados originais $(X, Y)$ estiverem disponíveis, $\rho$ pode ser estimado diretamente via correlação amostral ajustada.

3. Contribuições Chave

1. Novo Modelo Estatístico: Introdução da distribuição EBB, que estende a Beta clássica com um parâmetro extra de dependência, mantendo a interpretabilidade da representação estocástica como razão de variáveis Gama.
2. Flexibilidade de Forma: Demonstração teórica e visual de que o modelo pode capturar comportamentos bimodais (duas modas) e formas em "U" ou "J", características que a Beta padrão não consegue modelar adequadamente.
3. Propriedades Matemáticas: Derivação rigorosa de propriedades fundamentais, incluindo:
   • Função de Densidade (PDF) e Função de Distribuição Acumulada (CDF) em forma fechada.
   • Função Geradora de Momentos e momentos brutos.
   • Caracterização da simetria (ocorre quando $\alpha = \beta$).
   • Representação como uma mistura de quatro distribuições de razões independentes.
4. Implementação Computacional: Desenvolvimento de algoritmos em R para geração de amostras (usando o método de inversão condicional da cópula) e estimação, lidando com o custo computacional das funções especiais (Appell e Hipergeométricas).

4. Resultados

• Estudo de Simulação (Monte Carlo):
  • Foram geradas 1.000 amostras para diversos tamanhos de amostra ($n = 30, 100, 300, 1000$) e configurações de parâmetros.
  • Os estimadores de Máxima Verossimilhança mostraram baixo viés relativo (RB) e baixo erro quadrático médio (RMSE).
  • A precisão dos estimadores aumentou conforme o tamanho da amostra crescia, convergindo para zero de viés e variância, confirmando o comportamento assintótico desejado.
  • Observou-se que o parâmetro de correlação $\rho$ é estimável mesmo em amostras moderadas, embora com maior variabilidade em amostras pequenas ($n=30$).
• Aplicação em Dados Reais (Fragilidade Financeira):
  • O modelo foi aplicado a um conjunto de dados do Banco da Itália (2008) sobre a razão entre despesas e renda familiar ($Z = \text{Despesas} / (\text{Despesas} + \text{Renda})$).
  • Comparação: O modelo EBB foi comparado com as distribuições Beta e Kumaraswamy.
  • Critérios de Seleção: O EBB apresentou os menores valores de AIC (Critério de Informação de Akaike) e BIC (Critério de Informação Bayesiano), indicando um ajuste superior aos dados.
  • Teste de Hipótese: Um teste de razão de verossimilhança (LR) rejeitou fortemente a hipótese nula de $\rho = 0$ (modelo Beta), confirmando que a correlação entre as variáveis subjacentes é estatisticamente significativa e necessária para explicar os dados.
  • O gráfico de densidade mostrou que o EBB capturou melhor a estrutura dos dados, especialmente em regiões onde a Beta falhava.

5. Significância e Conclusão

O artigo oferece uma solução robusta para a modelagem de dados limitados no intervalo $(0,1)$ onde a suposição de independência das variáveis componentes é violada.

• Impacto Prático: A capacidade de modelar bimodalidade e correlações negativas ou positivas torna o modelo EBB superior em cenários econômicos e sociais complexos, onde a distribuição de dados frequentemente exibe múltiplos picos ou assimetrias complexas.
• Viabilidade: Apesar da complexidade matemática (funções especiais), o estudo demonstra que a estimação é viável e computacionalmente tratável com as ferramentas atuais (R).
• Futuro: Os autores sugerem extensões para modelos de regressão, inferência Bayesiana e generalizações multivariadas como linhas de pesquisa futuras.

Em suma, o modelo EBB representa um avanço significativo na família de distribuições unitárias, oferecendo maior flexibilidade e aderência à realidade de dados correlacionados sem sacrificar a interpretabilidade física do modelo.