Na pesquisa agropecuária, comumente aparecem experimentos em que a variável resposta é o tempo de vida de plantas sujeitas a diferentes tratamentos, e concomitantemente, são avaliadas variáveis possivelmente relacionadas com esta resposta. O objetivo deste tipo de pesquisa é verificar se os tratamentos em estudo diferem quanto ao tempo de vida. Mas, em geral, a maioria destes experimentos são conduzidos de forma a não permitir a observação do tempo exato de vida, e sim do intervalo em que ocorreu a morte. Dados deste tipo apresentam um grande número de empates e são conhecidos como agrupados ou de sobrevivência com censura intervalar. A análise de dados empatados pode ser feita ajustando o modelo de riscos proporcionais de Cox com aproximações da verossimilhança parcial. Quando, porém, o número de observações empatadas é muito grande devem-se ajustar os modelos discretos, de Cox e logístico, à probabilidade de o indivíduo morrer no intervalo, dado que ele sobreviveu ao intervalo anterior (Lawless, 1982). Neste trabalho, foi feita uma comparação empírica, através de simulações, entre o ajuste do modelo de Cox considerando as aproximações para a verossimilhança parcial e o ajuste dos modelos discretos citados acima. Obtendo, assim, que para proporção de empates menor que 20% devem-se usar os modelos contínuos com aproximações e maiores do que 25% devem-se usar modelos discretos. Além da comparação empírica entre os modelos, foram construídos testes escores partindo da família assimétrica de Aranda-Ordaz (1981) para discriminar entre os dois modelos discretos.

In Agricultural research, experiments are commonly found in which the response variable is the survival time of plants submitted to different treatments and in which other variables possibly related to such time are analysed. This work aims at verifying if treatments may differ according to survival time. However, most of these experiments are generally carried out in such a way that permits the observation of the failure interval, but not that of the exact survival time. Data of this sort show a large number of ties and are known as grouped or interval-censored survival time. The analysis of tied data can be made by fitting the Cox proportional hazards model to partial likelihood approximation. Furthermore, when the number of tied observations is too large, discrete models, the Cox and logistic models should be fitted to the probability of the individual die in the interval, once it the survived in the previous one (Lawless, 1982). In this work, an empirical comparison was made by simulation between the Cox model fitting the partial likelihood approximations and discrete models. In addition, score tests were suggested from the Aranda-Ordaz asymmetric family in order to discriminate two discrete models.