que em muitos casos o algor´ıtmo desenvolvido por ele converge para dis-
tribui¸c˜oes limites. Mostramos nessa disserta¸c˜ao que esta dificuldade existe
porque h´a uma probabilidade positiva do estimador de m´axima verossimi-
lhan¸ca n˜ao assumir valores finitos e isso ocorre quando certas combina¸c˜oes
dos parˆametros levam a modelos limites. Al´em disso, os algor´ıtmos de maxi-
miza¸c˜ao da verossimilhan¸ca at´e hoje desenvolvidos n˜ao possuem convergˆencia
anal´ıtica provada, a convergˆencia para um m´aximo global ´e obtida apenas
empiricamente. Um problema num´erico encontrado no desenvolvimento de
algor´ıtmos de estima¸c˜ao ´e o n´umero de fun¸c˜oes modificadas de Bessel que
devem ser calculadas na avalia¸c˜ao da densidade. Prause (1999) utiliza uma
aproxima¸c˜ao num´erica para essas fun¸c˜oes (Teukolsky, Vetterling e Flannery
1992, p´agina 236 a 252). Uma outra solu¸c˜ao para esse problema seria con-
siderar o parˆametro de subclasse fixo e utilizar algum crit´erio de compara¸c˜ao
de modelos para escolher o mais adequado, pois com a subclasse previa-
mente escolhida os problemas num´ericos se reduzem bastante. Um programa
de computador para estima¸c˜ao por m´axima verossimilhan¸ca para subclasses
da distribui¸c˜ao, baseado em observa¸c˜oes independentes e identicamente dis-
tribu´ıdas, foi desenvolvido por Blaesied e Sorensen (1992, 1996).
O fato da verossimilhan¸ca ter muitas dificuldades associadas sugere que
devemos procurar uma maneira de calibrar a informa¸c˜ao obtida dos dados.
Uma solu¸c˜ao ´e utilizar uma distribui¸c˜ao a priori que funcionaria como peso
para a informa¸c˜ao fornecida pela verossimilhan¸ca. Mas, a elicita¸c˜ao de pri-
oris subjetivas para os parˆametros ´e uma dificuldade devido `a mudan¸ca de
interpreta¸c˜ao dos parˆametros para as diferentes subclasses. Assim, desen-
volvemos uma an´alise Bayesiana utilizando MCMC baseada na priori n˜ao
informativa de Jeffreys, sob fun¸c˜ao de perda absoluta, e portanto, a mediana
ser´a o estimador pontual ´otimo. Alguns resultados interessantes s˜ao obtidos:
6