On the cumulative residual interval entropy of doubly truncated random variables

Título: Sobre a Entropia Intervalar Residual Cumulativa de Variáveis Aleatórias Duplamente Truncadas

Autores: Stathis Chadjiconstantinidis e Apostolos Bozikas
Instituição: Departamento de Estatística e Ciência de Seguros, Universidade de Pireu, Grécia.

---

1. Problema e Contexto

A entropia é uma medida fundamental de incerteza em diversas áreas, como teoria da informação, estatística e ciência atuarial. Tradicionalmente, a entropia de Shannon é utilizada para medir a incerteza de variáveis aleatórias contínuas. No entanto, a entropia de Shannon possui limitações, como a necessidade de estimativa de densidade (tarefa não trivial) e a possibilidade de assumir valores negativos.

Para superar essas limitações, medidas baseadas na função de sobrevivência foram desenvolvidas, como a Entropia Residual Cumulativa (CRE) e a Entropia Residual Cumulativa Dinâmica (DCRE). Contudo, em muitas aplicações práticas (seguros, testes de vida, estudos de sobrevivência), os dados não são observados desde o início ($t=0$) até o fim, nem são apenas truncados à esquerda. Frequentemente, observa-se apenas o intervalo de vida de um sistema entre dois pontos de tempo, $\tau_1$ e $\tau_2$ (onde o sistema estava funcionando em $\tau_1$ e falhou ou foi observado em $\tau_2$).

O problema central deste trabalho é a falta de uma medida de incerteza adequada para variáveis aleatórias duplamente truncadas que utilize a estrutura da função de sobrevivência (como a CRE), em vez da função de densidade de probabilidade (como a entropia de Shannon intervalar). A entropia de Shannon para variáveis truncadas não captura adequadamente a incerteza residual acumulada nesse contexto específico.

2. Metodologia

Os autores introduzem uma nova medida de incerteza chamada Entropia Intervalar Residual Cumulativa (CRIE - Cumulative Residual Interval Entropy). A metodologia baseia-se nos seguintes pilares:

• Definição Formal: A CRIE, denotada por $H(X; \tau_1, \tau_2)$, é definida como a entropia residual cumulativa da variável aleatória truncada $X_{\tau_1, \tau_2} = X | \tau_1 \le X \le \tau_2$.
  $$H(X; \tau_1, \tau_2) = - \int_{\tau_1}^{\tau_2} \bar{F}_{X_{\tau_1, \tau_2}}(x) \ln \bar{F}_{X_{\tau_1, \tau_2}}(x) \, dx$$
  Onde $\bar{F}_{X_{\tau_1, \tau_2}}(x)$ é a função de sobrevivência da variável truncada.
• Correção de Interpretações Anteriores: O artigo corrige uma interpretação comum na literatura onde a função de sobrevivência truncada era definida incorretamente, estabelecendo a base matemática rigorosa para a nova medida.
• Conexão com Medidas de Confiabilidade: A metodologia conecta a CRIE a conceitos existentes como:
  • Taxa de Falha Generalizada (GFR).
  • Vida Residual Média Duplamente Truncada ($m_{X,1}$).
  • Transformação de Relevo (Relevation Transform).
  • Covariância condicional.
• Análise de Propriedades: Os autores utilizam cálculo estocástico, desigualdades (como a desigualdade Log-Sum) e ordens estocásticas (ordem de razão de verossimilhança, ordem de taxa de falha) para derivar propriedades, limites e comportamentos de monotonicidade.

3. Principais Contribuições e Resultados

A. Definição e Propriedades Fundamentais

• A CRIE é sempre não-negativa e generaliza a CRE (Rao et al.) e a DCRE (Asadi e Zohrevand).
• Estabelece-se que a CRIE é igual à entropia diferencial da vida residual futura dada a condição de sobrevivência até $\tau_1$ e falha até $\tau_2$.
• Demonstra-se que a CRIE pode ser expressa como a esperança condicional da vida residual média truncada: $H(X; \tau_1, \tau_2) = E[m_{X,1}(X, \tau_2) | \tau_1 \le X \le \tau_2]$.

B. Representações Alternativas

O artigo fornece múltiplas representações para a CRIE, facilitando seu cálculo e análise:

1. Via Covariância: $H(X; \tau_1, \tau_2) = \text{Cov}(X, -\ln[\bar{F}_X(X) - \bar{F}_X(\tau_2)] | \tau_1 \le X \le \tau_2)$.
2. Via Transformação de Relevo: A CRIE é expressa como a diferença entre a média da variável transformada por relevo (duplamente truncada) e a vida residual média truncada.
3. Via Transformações: Estuda-se o comportamento da CRIE sob transformações crescentes e lineares ($Y = aX + b$).

C. Limites (Bounds)

Foram estabelecidos limites superiores e inferiores para a CRIE:

• Limite Superior: Baseado na variância condicional da variável truncada: $H(X; \tau_1, \tau_2) \le \sqrt{\text{Var}(X | \tau_1 \le X \le \tau_2)}$.
• Limites via Vida Residual Média: Limites superiores e inferiores envolvendo $m_{X,1}(\tau_1, \tau_2)$ e a taxa de falha generalizada.
• Limites via Entropia de Shannon: Uma relação entre a CRIE e a entropia de Shannon intervalar $S(X; \tau_1, \tau_2)$, fornecendo limites inferiores baseados em constantes universais.

D. Novas Classes de Distribuição e Monotonicidade

Os autores definem duas novas classes de distribuições baseadas no comportamento da CRIE em relação ao ponto de truncamento inferior $\tau_1$:

• ICRIE: Entropia Intervalar Residual Cumulativa Crescente.
• DCRIE: Entropia Intervalar Residual Cumulativa Decrescente.

Resultados de Monotonicidade:

• Se a taxa de falha generalizada $h_{X,1}$ é decrescente (crescente), então a CRIE é decrescente (crescente) em $\tau_1$.
• A classe DCRIE é fechada sob transformações lineares crescentes e transformações convexas crescentes.
• A classe ICRIE é fechada sob transformações lineares crescentes.

E. Distância de Kullback-Leibler Intervalar

Foi proposta uma nova medida de distância entre duas distribuições, a CRIKL (Cumulative Residual Interval Kullback-Leibler), baseada na função de sobrevivência truncada, útil para testes de ajuste de modelos (goodness-of-fit).

4. Significância e Aplicações

• Teoria da Confiabilidade e Seguros: A medida é diretamente aplicável a cenários onde dados de falha são observados apenas em janelas de tempo específicas (ex: seguros com franquias e limites de cobertura, testes de vida com inspeção periódica). Permite avaliar a incerteza de sistemas que já operaram por um tempo $\tau_1$ e falharão antes de $\tau_2$.
• Análise de Sobrevivência: Oferece uma ferramenta para analisar dados truncados em estudos médicos ou demográficos, onde a entrada e a saída do estudo ocorrem em tempos diferentes para diferentes indivíduos.
• Inferência Estatística: Os limites e as propriedades de monotonicidade permitem a construção de testes estatísticos e a comparação de distribuições sem a necessidade de estimar densidades complexas, o que é vantajoso em amostras pequenas ou com dados censurados.
• Generalização Teórica: O trabalho preenche uma lacuna teórica ao conectar a entropia cumulativa (baseada em sobrevivência) com o cenário de dupla truncagem, unificando conceitos de entropia dinâmica e medidas de truncamento.

Em resumo, o artigo estabelece a CRIE como uma ferramenta robusta e versátil para a quantificação de incerteza em sistemas com dados limitados por intervalos de tempo, fornecendo uma base teórica sólida para futuras aplicações em estatística, economia e ciências atuariais.