REVISTA INVESTIGACIÓN OPERACIONAL Vol., 29, No. 3, 188-200, 2008



Documentos relacionados
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

1.1 INTRODUCCION & NOTACION

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

V Muestreo Estratificado

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

6. ESTIMACIÓN PUNTUAL

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Una Propuesta de Presentación del Tema de Correlación Simple

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

División de Evaluación Social de Inversiones

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril Grupo A

2. Calcular el interés que obtendremos al invertir euros al 4% simple durante 2 años. Solución: 480 euros

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

Métodos indirectos de estimación: razón, regresión y diferencia

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

4 METODOLOGIA ADAPTADA AL PROBLEMA

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n n a n = ln(n)

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

Capítulo 2. Operadores

Guía práctica para la realización de medidas y el cálculo de errores

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

ESTADÍSTICA DESCRIPTIVA

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

Gestión de operaciones

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Intensificación en Estadística

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

Conceptos y ejemplos básicos de Programación Dinámica

Simulación de sistemas discretos

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

EJERCICIOS SISTEMA FINANCIERO SIMPLE

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

Introducción a la simulación de sistemas discretos

V II Muestreo por Conglomerados

ESTADÍSTICA poblaciones

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

Apuestas deportivas por Internet

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

ERRORES EN LAS MEDIDAS (Conceptos elementales)

En consecuencia: Z=f(x,y)=f[ x(t) ; y(t) ]= F(t) (1) que resulta en definitiva una función de la variable t.la llamaremos Función Compuesta de t.

17 MOMENTOS DE INERCIA Y TEOREMA DE STEINER

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

Estadística aplicada al Periodismo

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

UNIVERSIDAD DE BUENOS AIRES

Tema 6. Sucesiones y Series. Teorema de Taylor

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

MEDIDAS DE CENTRALIZACIÓN

2.4 Pruebas estadísticas para los números pseudoaleatorios

Análisis estadístico de datos muestrales

Estadística Descriptiva

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

2. Censura y truncamiento

Números Complejos PREGUNTAS MÁS FRECUENTES

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

3. Unidad Aritmética Lógica (ALU)

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Estadística Contenidos NM 4

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

7. Muestreo con probabilidades desiguales.

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Sucesiones numéricas.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

-Métodos Estadísticos en Ciencias de la Vida

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

PARÁMETROS ESTADÍSTICOS ... N

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Expectativas del Mercado y Creación de Valor en la Empresa

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

MATEMÁTICAS FINANCIERAS

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

Transcripción:

REVISTA INVESTIGACIÓN OPERACIONAL Vol., 9, No. 3, 88-00, 008 AJUSTE DEL ESTIMADOR DE TABLA DE VIDA PARA ENFRENTAR SITUACIONES DE RIESGOS COMPETITIVOS DEPENDIENTES Mayel Mrabal Sosa*, Armao Seuc Jo** y Rolao Uraga Pña*** *Isttuto Flay. Ivestgacó y Prouccó e Vacuas **Isttuto Nacoal e Agología y Crugía Vascular ***Cetro Nacoal Cooraor e Esayos Clícos RESUMEN Los esarrollos e el marco e u problema clásco e resgos compettvos e su mayoría ha cossto e, a partr el supuesto e epeeca etre las causas compettvas, hacer estmacoes e versas tasas. E este artículo se propoe austes e los estmaores tpos Tabla e Va (Clásco y Tasa Neta e ua stuacó e resgos compettvos para cuao o se cumple el supuesto e epeeca. Se emuestra que el estmaor propuesto es pseuo-máxmo verosíml. Se compara, meate smulacó, los estmaores propuestos e el trabao y los estmaores exstetes lo que corrobora el hecho e que el estmaor austao bra estmacoes más cercaas a la tasa real que las obteas al usar los estmaores cláscos. ABSTRACT The maorty of the evelopmets a classc problem of competg rsks have cosste, base o the assumpto of epeece betee all evet types, make estmatos to several rates. I ths paper, e propose a auste Lfe-Table estmator the cotext of o-epeet competg rsks. We proof that the propose estmator s maxmum pseuolkelhoo. We compare the auste a classc estmators by smulato stuy. It cofrme that e auste estmator proves closer estmatos to the real rate tha the classc estmator. KEY WORDS: Lfe Table, Iepeece, Net Rate, Lkelhoo. MSC 6P0 INTRODUCCIÓN Las stuacoes e resgos compettvos costtuye u problema estaístco y práctco e especal mportaca porque el cambo (aumeto o smucó e la tasa e ocurreca el eveto por ua e las causas puee flur e símles maeras e el comportameto e las tasas e ocurreca por otras causas. Por eemplo, el cremeto observao e los últmos 0 años e las tasas e mortala por cácer e alguos países europeos puee eberse a que las tasas e mortala por efermeaes el corazó ha smuo e el msmo peroo, lo que posblta que los sobrevvetes e estas últmas tega ahora la posbla - y e hecho lo haga - e morr por cácer. Ver Llorca-Delgao [004]. Al parecer fue Chag [96], que prmero tetó estructurar la stuacó e resgos compettvos meate la efcó e tres tasas e terés feretes: a Tasa Global e ocurreca el eveto, efa como la probabla global e ocurreca el eveto por cualquera e las causas. b Tasa Crua e ocurreca el eveto por ua etermaa causa, efa como la probabla e ocurreca el eveto por cha causa e preseca e toas las causas restates. c Tasa Neta e ocurreca el eveto por ua etermaa causa, efa como la probabla e ocurreca el eveto por cha causa e ua poblacó hpotétca e la cual sólo estuvera actva esa causa. mmrabal@flay.eu.cu 88

Gra parte e los esarrollos estaístcos alreeor e este tema ha cossto e, a partr e certos supuestos, obteer estmacoes e las sttas tasas efas prevamete. Por eemplo, ha so esarrollaas sttas varates e los métoos e Kapla-Meer y e Tabla e Va las que ha estao basaas fuametalmete e los supuestos e epeeca e las cesuras o e las causas compettvas. Ver Focco-Putter [005], Zeg [004], Satagopa-Be Porat [004]. El uso apropao e estos esarrollos e el marco e los estuos e resgo compettvo, ha trouco certo grao e cofusó e el tema. Las razoes prcpales e esta cofusó so:. La seleccó aecuaa el estmaor, pues se ha usao scrmaamete s coserar las crcustacas bao las que caa cual es más apropao.. La utlzacó e los estmaores e la Tasa Neta aú cuao so volaos los supuestos e epeeca que los susteta. E este trabao se propoe austes e los estmaores tpos Tabla e Va (Clásco y Tasa Neta e ua stuacó e resgos compettvos para cuao o se cumple el supuesto e epeeca etre los tempos e ocurreca e las cesuras y los evetos. Se preseta aemás ua fucó e pseuoverosmltu y se esboza la emostracó e que el estmaor austao es el estmaor máxmo pseuoverosíml. So presetaos los resultaos obteos e smulacoes que permte lustrar el proceso e estmacó.. AJUSTE PARA LOS ESTIMADORES TIPO TABLA DE VIDA E lo que sgue se propoe u auste e los estmaores tpos Tabla e Va, basao e formacó a pror acerca e la terrelacó etre las causas compettvas... El Estmaor Tabla e Va Clásco Austao E el marco e u estuo e supervveca clásco y cuao se asume que los tempos e ocurreca el eveto o so coocos exactamete, so que se halla etro e certo tervalo, se efe el estmaor e Tabla e Va Clásco o estmaor actuaral. Ver e Farley [986]: ˆ ( tk Sˆ( tk k ( F oe: : úmero e evetos urate el tervalo t, t [ : úmero e cesuras urate el tervalo t, t [ : úmero e suetos e resgo al co el tervalo t, t Sea ( J σ,,..., [ ua muestra epeete e atos e supervveca cesuraos por la erecha, oe J es u caor el tervalo ( J s al vuo le ocurró u eveto o ua cesura e [ t, t y σ es u caor e cesura ( σ s el vuo es cesurao y σ 0 e otro caso. Sea ε I ( J. Hagamos σ ( σ,..., σ, ε ( ε,..., ε. t, t Es vála etoces la sguete expresó para el úmero e cesuras urate el tervalo [ usaa e la fórmula (: σ ε. 89

Defamos: σ ε ( r r r Itrouzcamos u uevo vector (,...,, cuyas compoetes ca ua pealzacó mpuesta a caa vuo por el hecho e ser ua cesura potecal. Poría pesarse e la sguete geeralzacó seclla e (: σ ε r (3 Tras esta ea subyace la cocó r ya que el eomaor e ( o ebe ser feror al umeraor. S los r so terpretaos como probablaes esta restrccó o represeta tal fculta. S embargo, como veremos, los r puee ser terpretaos como resgos relatvos y amte, por tato, valores postvos arbtraros. La expresó (3 puee ser correga el sguete moo: r σ ε (4 r Puee coserarse expresoes e Sea G R 3 R más geerales. :, etoces ( se geeralza tomao G( σ, ε, r. Es ecesaro mpoer a la fucó G la restrccó G( x, y, z x, oe x eota la suma e las compoetes el vector x y x, y, z represeta tres vectores e R. S se elge, por eemplo, G ( x, y, z g( xy, yz (xy proucto escalar e x, y, se obtee g(, R, oe, como es usual, es el úmero e cesuras e el tervalo y R es la pealzacó correspoete al tervalo. La fucó g ebe satsfacer g( u, v u. El estmaor e Tabla e Va Clásco Austao lo efmos como: F ˆ ( tk Sˆ( tk (5 k oe puee estar ao por algua e las expresoes escrtas... El estmaor tabla e va austao para la tasa eta E ua stuacó e resgos compettvos, el estmaor tpo Tabla e Va para la Tasa Neta se efe e Farley [986] como: 90

Fˆ oe: ( t k Ŝ ( t k k ( (6 : úmero e evetos por cualquer causa ocurros e el tervalo t, t [ : úmero e evetos por la causa e terés e el tervalo t, t : úmero e cesuras e el tervalo t, t [ [ : úmero e suetos e resgo al eveto, por la causa e terés, al co el tervalo t, t [ E ua stuacó e resgos compettvos epeetes, poemos austar el estmaor ateror e la sguete forma: l ˆ ( tk F Sˆ l ( t k k l l (7 σ σ σ, σ 0 s al vuo le co l G( σ l, ε, rl, l ( l,..., l r l ( r l,..., r l, l ocurró el eveto l, uo e otro caso. Las compoetes e r l ca ua pealzacó mpuesta a caa vuo por el hecho e ser ua cesura potecal co respecto a la causa l. Casos partculares:. Tomao l σ lε, se obtee el estmaor Tabla e Va para la Tasa Neta efa e (6.. Puee efrse l σ lε rl ; e este caso ebe cumplrse r l. rl 3. El caso puee corregrse s se efe l σ lε, co r l R rl 3. PROPIEDAD DE MÁXIMA VEROSIMILITUD DE LOS ESTIMADORES Fˆ Y Fˆ E Xe-Lu [000] y Ibrahm [005], se emuestra que el estmaor clásco tpo Tabla e Va, Fˆ efo e (, maxmza la sguete fucó e pseuoverosmltu: Doe, L S ( t.f ( t S ( t 9

S ( t P(T > t : t extremo zquero el tervalo -ésmo t : u mometo e tempo cualquera a la erecha e t : u mometo e tempo a la erecha e t y etro el tervalo [ t, t t y etro el tervalo [ t, t Por pseuoverosmltu se etee que es la fucó e verosmltu bao certos supuestos: la mta e las cesuras ocurre ates e toas las muertes y la otra mta espués e toas las muertes. El estmaor Fˆ posee ua propea smlar lo cual se euce el hecho e que tee ua estructura étca a la e Fˆ. Proposcó: El estmaor Fˆ efo e (5 maxmza la sguete fucó e pseuoverosmltu. L S( t Demostracó:. f ( t f ( τ (8 0 t t t. Sea y el úmero e evetos que ocurre etro e caa tervalo; y el úmero e vuos que se cesura e caa tervalo. Sea S ( t P(T > t. Supogamos, para smplfcar, se tee tervalos e tempo [ t, y [, La fucó e pseuoverosmlu puee ser escrta como: L A S ( t0. f ( t0. S ( t0. S ( t. f ( t. S ( t. B. C. D. E. F S(t B A E C D F t 0 t 0 t 0 t t t t Dagrama. Cofguracó Optma Doe, 9

93 : t extremo zquero el tervalo -ésmo oe ocurre la mta e las cesuras. : t u mometo e tempo cualquera a la erecha e t y etro el tervalo [ t t, e el que ocurre toas los evetos que correspoe a ese tervalo. : t u mometo e tempo a la erecha e t y etro el tervalo [ t t, oe ocurre la segua mta e las cesuras. El agrama represeta la cofguracó óptma que ebe poseer S para maxmzar L. De oe se obtee que: F E D C C B A Aemás se verfca las sguetes gualaes: ( Sea:.D f F e.d E Etoces, f e C B f e C B L Hemos utlzao os veces la sguete propea: N M, s N M Aemás, el máxmo e la expresó N M se alcaza para M y N Obteemos:,,, f e C B

Por tato Ŝ ( t Ŝ ( t C F fd fc Por últmo el estmaor Fˆ maxmza ua fucó e pseuoverosmltus smlar a (8, ebo a que tee la msma estructura e Fˆ. 4. EJEMPLO Supogamos que exste ua covarable cotómca Zcuya asocacó co ( Z tee a tomar el valor 0 ( cuao σ tee a tomar el valor 0 (. σ es altamete postva Defamos P( E / Z r P( E / Z 0 Z y e la probabla e que ocurra el eveto e terés ao que Z 0, es ecr, r es el cocete e la probabla e que ocurra el eveto e terés ao que. El parámetro r se puee terpretar como el resgo relatvo e ocurreca el eveto etre los vuos que se cesura y los que o se cesura. Defamos aemás, R ( σ Z ε / ( σ ( Z ε / Z ε ( Z ε (9 r R, tal que ε Asgemos al vuo la pealzacó. Es ecr, a los vuos que se cesura e u msmo tervalo les correspoe el msmo valor e r. Susttuyeo e la fórmula (4 se obtee ua expresó reuca para esta e la sguete forma: R R Al susttur lo ateror e (5, se obtee el estmaor tpo Tabla e Va Clásco Austao. 4.. Smulacó Usao las faclaes e programacó que bra el leguae S, mplemetacó R, versó.4., R Developmet Core Team [004], se geeró ua muestra e tamaño 000 como sgue: Se geeraro 000 observacoes proceetes e la strbucó expoecal co parámetro, que correspoe co los tempos latetes e ocurreca el eveto e terés. Las covarables Z para t caa vuo fuero geeraas a partr e ua strbucó Beroull como: ~ ( Z B t. Las varables caoras e ocurreca el eveto se geeraro e os formas feretes. 94

0.75 s Z P( σ / Z (0 0.5 s Z 0 0.5 s Z P( σ / Z ( 0.5 s Z 0 El tempo cesurao e ocurreca el eveto se efó como: X t t s σ 0 s σ Se vó el ee real postvo e 5 tervalos: [ 0,, [,, [,3, [3,4, [4,5 Caa observacó se clasfcó e acuero al tervalo a que perteecía, para obteer los caores Los cógos escrtos e R que permtero esta smulacó puee cosultarse e el Apéce. 4.. Resultaos y scusó ε. Coserao la varable e cesura efa como e (0, es ecr s asocamos la covarable co la ocurreca e la cesura, se obtee los resultaos que se muestra e la Fgura No.. E esta prmera sala la covarable está altamete correlacoaa co la cesura e maera postva, por ello, los estmaores e los resgos relatvos so e geeral meores que uo, por lo que las probablaes e supervveca austaas resulta mayores que las cláscas. Note que co el auste propuesto se obtee estmacoes e la veraera supervveca más precsas que las obteas usao el métoo clásco. Lo ateror eveca que es posble usar formacó a pror para explcar la terepeeca etre las causas compettvas S por el cotraro geeramos las varables caoras e la cesura como (, o sea, la covarable se cosera epeete e la ocurreca el eveto, etoces los estmaores cláscos y austaos coce y subestma levemete la veraera probabla. Ver Fgura No.. E este eemplo se ha utlzao ua covarable como susttuta e la cesura (formacó acoal requera para realzar el auste. E lugar e esto puee ofrecerse como formacó acoal rectamete los valores e los resgos relatvos observaos e caa vuo ( R y susttur la expresó correspoete e los. Otro efoque poría ser estmar los resgos relatvos e vez e ofrecer rectamete sus valores umércos, a partr e algua efcó para ellos e térmos e las probablaes e cesura y supervveca. Por eemplo, puee efrse los δ -resgos relatvos como el cocete e las probablaes: P( E / C P( u < T < u δ / u < U < T P( E / NC P( u < T < u δ / T < U El problema se traslaa etoces a estmar chas probablaes a partr e los atos; estos o puee cosstr e los tempos cesuraos solamete. El estuo e qué tpo e atos bastaría para estmar satsfactoramete chas probablaes es u problema compleo. 95

Supervveca 0. 0.4 0.6 0.8.0 Clásco Aust. Real [0, [, [,3 [3,4 [4,5 3 4 5 6 Itervalo Fgura. Comparacó e las estmacoes e la supervveca usao el estmaor clásco y el austao co respecto a la supervveca real, para atos smulaos co cesuras efas e (0. Supervveca 0. 0.4 0.6 0.8.0 Clásco Aust. Real 3 4 5 6 [0, [, [,3 [3,4 [4,5 Itervalo Fgura. Comparacó e las estmacoes e la supervveca usao el estmaor clásco y el austao co respecto a la supervveca real para atos smulaos co cesuras epeetes efas e (. 96

Es mportate estacar que se ecesta e u estrecho vículo etre los vestgaores bomécos y los especalstas e estaístca co el f e etermar pealzacoes aecuaas para caa vuo, las que será usaas para austar el estmaor clásco e tabla e va. Receve October 007 Revse Aprl 008 REFERENCIAS [] LLORCA J, DELGADO RM. (004: Aálss e supervveca e preseca e resgos compettvos. Gac. Sat. 8, 39-397. [] CHIANG CL. (96: A stochastc stuy of the lfe table a ts applcatos: III. The follo-up stuy th the coserato of competg rsks. Bometrcs 7, 57-78 [3] FIOCCO M, PUTTER H. a VAN HOUWELINGEN J.C. (005: Reuce rak proportoal hazars moel for competg rsk. Bostatstcs 6, 465-478. [4] ZENG D. (004: Estmatg margal survval fucto by austg for epeet cesorg usg may covarates. The Aals of Statstcs 3, 533-555. [5] SATAGOPAN J M, BEN-PORAT L, BERWICK M, ROBSON M, KUTLER D a AUERBACh A D. (004: A ote o competg rsks survval ata aalyss. Brtsh Joural of Cacer 9, 9-35. [6] FARLEY T. M. M. (986: Lfe-table methos for cotraceptve research. Stat Me 5, 475-489. [7] XIE J. a LIU C. (000: Auste Kapla-Meer estmator a log-rak test th verse probablty of treatmet eghtg for survval ata. Statst. Me 00, -6. [8] IBRAHIM JG. (005: Apple Survval Aalyss. Presetato the st Aual Summer Workshop of the Amerca Statstcal Assocato. [9] R DEVELOPMENT CORE TEAM. (004: R. A laguage a evromet for statstcal computg. R Fouato for Statstcal Computg, Vea, Austra. ISBN 3-90005-00-3, Dspoble e: URL: http://.r-proect.org. 97

APÉNDICE. Cógos geeraos e R:Cógos usaos para geerar los atos bao el supuesto e epeeca # geerao el tempo latete e ocurreca el eveto e terés t<-rexp(000,0.5 # geerao la covarable z<-rep(0,000 for ( :000 z[]<-rbom(,, -t[]/(0t[] # geerao la varable caora e eveto a partr e la covarable elta<-rep(0,000 for ( :000{ f (z[] elta[]<-rbom(,, 0.9# elta es eveto co alta probabla, else elta[]<-rbom(,, 0. # es cesura co baa probabla # geerao el tempo cesurao e ocurreca el eveto x<-t for ( :000{ f (elta[]0 x[]<-t[]/ # geerao los e e<-rep(0,5000 m(e<-c(000,5 for ( :000 for ( :5 f (-<x[] & x[]< e[,]<- # úmero e vuos <-000 # úmero e tervalos t<-5 # cálculo e R r<-rep(0,t for ( :t{ s<-0;s<-0;s3<-0;s4<-0 for ( :{ s<-selta[]*z[]*e[,] s<-sz[]*e[,] s3<-s3elta[]*(-z[]*e[,] s4<-s4(-z[]*e[,] r[]<-(s/s/(s3/s4 f (s.a(r[] r[]<- 98

# cálculo el úmero e evetos e el tervalo <-rep(0,t for ( :t for ( : []<-[]elta[]*e[,] # cálculo el úmero e cesuras e el tervalo <-rep(0,t for ( :t for ( : []<-[](-elta[]*e[,] # Cálculo el úmero e resgo al co el tervalo r<-rep(0,t r[]<- for ( :t r[]<-r[-]-[-]-[-] # Cálculo la fucó e supervveca austaa para caa tervalo SA<-rep(,t laa<-rep(,t for ( :t{ laa[]<-rou((r[]/(r[]*[], SA[]<--[]/(r[]-laa[] SAA<-rep(,t SAA[]<-rou(SA[],3 for ( :t{ for ( : SAA[]<-rou(SAA[]*SA[],3 # Cálculo la fucó e supervveca clásca para caa tervalo SC<-rep(,t for ( :t SC[]<--[]/(r[]-(/*[] SCA<-rep(,t SCA[]<-rou(SC[],3 for ( :t{ for ( : SCA[]<-rou(SCA[]*SC[],3 # Cálculo e la fucó e supervveca real para caa tervalo real<-rep(0,5 SupRealAc<-rep(0,5 for ( :5{ for ( :000 f (-<t[] & t[]< real[]<-real[] for ( :5{ resgo<-000 f ( SupRealAc[]<--real[]/000 99

else { for (k : resgo<-resgo-real[k-] SupRealAc[]<-SupRealAc[-]*(-real[]/resgo # buao la tabla Tabla<ata.frame(Itervalc("[0,","[,","[,3","[3,4","[4,5", rskr,evet,lost,lostalaa, AcumLfeTableSCA,AcumALfeTableSAA, RealSupRealAc Tabla A<-rep(0,8 m(a<-c(6,3 A[,]<-c(,Tabla[,6] A[,]<-c(,Tabla[,7] A[,3]<-c(,Tabla[,8] Probabla<-A matplot(probabla, "s",ltyc(,3,5 xlab"itervalo",ylab"supervveca",type Cógos usaos para geerar los atos bao el supuesto e epeeca # geerao el tempo latete e ocurreca el eveto e terés t<-rexp(000,0.5 # geerao la covarable z<-rep(0,000 for ( :000 z[]<-rbom(,, -t[]/(0t[] # geerao la varable caora e eveto a partr e la covarable elta<-rep(0,000 for ( :000{ elta[]<-rbom(,, 0.9 r<-rep(,t # geerao el tempo cesurao e ocurreca el eveto x<-t for ( :000{ f (elta[]0 x[]<- ruf(, m0, maxt[] 00