Bivariate Frank Copula: Some More Results on Point Estimation of the Association Parameter from a Bayesian Perspective and Revisiting the Goodness of Fit Tests with an Application to Model Groundwater Data from Dong Thap, Vietnam

Resumo Técnico: Cópula de Frank Bivariada: Estimativa Pontual e Ajuste de Modelo com Aplicação em Água Subterrânea

Enunciação do Problema
Este trabalho aborda dois desafios primários na análise estatística de dados bivariados utilizando a Cópula de Frank. Primeiro, embora pesquisas anteriores (Pham et al., 2025) tenham estabelecido a superioridade do Estimador de Máxima Verossimilhança (MLE) sobre os estimadores do método dos momentos para o parâmetro de associação $\theta$, o desempenho dos estimadores bayesianos sob priores não informativos permaneceu inexplorado. Segundo, embora Genest et al. (2006) tenham introduzido testes de Ajuste de Modelo (GoF) para Cóplulas de Frank, seus valores críticos baseavam-se em simulações limitadas (1.000 repetições) e careciam de tabelas abrangentes para tamanhos de amostra e intervalos de parâmetros variados. Adicionalmente, os autores identificaram a necessidade de aplicar essas ferramentas estatísticas a dados ambientais reais, especificamente contaminação de águas subterrâneas no Delta do Mekong, onde as distribuições marginais são frequentemente não normais.

Metodologia
O artigo divide-se em dois componentes principais:

1. Estimação Pontual Bayesiana:
   Os autores investigam dois estimadores bayesianos para o parâmetro de associação $\theta$ sob perda de erro quadrático:

   • Estimador Bayesiano com Priori Plana (BFPE): Derivado utilizando uma priori generalizada plana não informativa ($\pi_{FP}(\theta) = d > 0$).
   • Estimador Bayesiano com Priori de Jeffreys (BJPE): Derivado utilizando a priori invariante de Jeffreys ($\pi_{JP}(\theta) = \sqrt{I(\theta)}$), onde $I(\theta)$ é a Informação de Fisher por Observação.

   Esses estimadores são comparados ao MLE através de um estudo de simulação abrangente envolvendo $M = 4 \times 10^4$ repetições. O estudo avalia o Viés e o Erro Quadrático Médio (MSE) para tamanhos de amostra $n$ variando de 15 a 100 e valores de parâmetro $\theta$ de 0,1 a 10. A integração numérica necessária para os estimadores bayesianos é realizada usando quadratura adaptativa no R, com atenção cuidadosa à precisão computacional para tamanhos de amostra pequenos.

2. Teste de Ajuste de Modelo (GoF):
   Os autores revisitam as estatísticas de teste de Cramér–von Mises ($S_n$) e Kolmogorov–Smirnov ($T_n$) propostas por Genest et al. (2006). Eles conduzem um extenso estudo de simulação com 10.000 repetições para gerar tabelas expandidas de valores críticos para $S_n$ e $T_n$ nos percentis 90 e 95. Essas tabelas cobrem tamanhos de amostra $n \in [25, 1000]$ e parâmetros de associação $\theta \in [-25, 25]$. O estudo também analisa as propriedades distribucionais dessas estatísticas, notando sua falta de simetria em relação a $\theta$.

3. Aplicação a Dados de Água Subterrânea:
   A metodologia é aplicada a um conjunto de dados da província de Dong Thap, Vietnã, compreendendo amostras de água subterrânea de duas sub-regiões (Norte, $n=23$; Sul, $n=44$). O estudo modela a associação entre Arsênio (As) e três elementos benignos: Cloreto (Cl), nível Redox (Eh) e pH. Os autores primeiro verificam a não normalidade das distribuições marginais e, em seguida, testam a hipótese de que os pares bivariados seguem uma distribuição Cópula de Frank utilizando os novos valores críticos gerados e valores-p de bootstrap.

Principais Resultados

• Desempenho do Estimador:

  • Amostras Pequenas ($n \le 25$): O BJPE domina uniformemente tanto o BFPE quanto o MLE em termos de MSE. O MLE performa bem, mas é ligeiramente inferior ao BJPE nesse intervalo.
  • Amostras Moderadas a Grandes ($n > 25$): A lacuna de desempenho reduz-se significativamente. Para $n > 25$, o BJPE, BFPE e MLE exibem desempenho quase idêntico em termos de Viés e MSE, tornando-se estatisticamente equivalentes.
  • Nuance Computacional: Os autores observam que, para amostras muito pequenas ($n \le 10$), resolver a equação normal via comando nleqslv no R produz resultados de MLE menos precisos em comparação com a maximização direta da log-verossimilhança via optim.

• Propriedades do Teste GoF:

  • Assimetria: Contrariamente à intuição, os valores críticos para $S_n$ e $T_n$ não são simétricos em relação a $\theta$ (ou seja, os valores para $\theta$ e $-\theta$ diferem). Isso é atribuído à falta de simetria na função de distribuição $K(t, \theta)$.
  • Monotonicidade: Os valores críticos para ambas as estatísticas diminuem à medida que a magnitude de $\theta$ aumenta (afastando-se de 0).
  • Implementação: Os autores propõem uma regra prática para implementar o teste GoF: usar o valor absoluto do parâmetro estimado, $|\hat{\theta}|$, para selecionar valores críticos das tabelas, ou reorientar os dados $(U, 1-V)$ se $\hat{\theta}$ for negativo e $|\hat{\theta}| \ge 2,5$.

• Aplicação em Água Subterrânea:

  • Os testes GoF (tanto $S_n$ quanto $T_n$) e os valores-p de bootstrap apoiam esmagadoramente a hipótese de que os pares bivariados (As-Cl, As-Eh, As-pH, Eh-pH) em ambas as sub-regiões podem ser modelados pela Cópula de Frank.
  • Os parâmetros de associação estimados ($\hat{\theta}$) revelam dinâmicas distintas: As e pH mostram associação positiva no Norte, mas associação fraca no Sul; As e Eh mostram forte associação negativa no Sul.
  • Estimativas de correlação paramétricas derivadas da Cópula de Frank ($\hat{\hat{\rho}}_K, \hat{\hat{\rho}}_S$) alinham-se estreitamente com estimativas não paramétricas, validando o ajuste do modelo.

Significado e Alegações
O artigo alega fazer três contribuições específicas:

1. Extensão Bayesiana: Fornece a primeira comparação abrangente de estimadores bayesianos (BFPE e BJPE) contra o MLE para a Cópula de Frank. Estabelece que o BJPE é o estimador preferido para tamanhos de amostra pequenos ($n \le 25$) devido ao seu desempenho superior em MSE.
2. Refinamento dos Testes GoF: Complementa e refina o trabalho seminal de Genest et al. (2006) fornecendo tabelas de valores críticos de alta precisão baseadas em 10.000 repetições (versus 1.000 anteriormente) e descobrindo assimetria não intuitiva nas distribuições das estatísticas de teste.
3. Aplicação Prática: Demonstra a utilidade da Cópula de Frank na modelagem de dados ambientais complexos e não normais, especificamente a dinâmica de águas subterrâneas no Vietnã, oferecendo uma estrutura robusta para entender a associação entre elementos carcinogênicos e benignos.

Os autores mantêm um tom modesto, observando que, embora os testes GoF apoiem o modelo de Cópula de Frank, esta aplicação serve como ponto de partida para estudos futuros envolvendo regressão não linear e extensões multivariadas. Eles também destacam que os aspectos computacionais do MLE no R exigem manuseio cuidadoso para amostras muito pequenas a fim de evitar viés.