Mediante o estudo do viés e erro médio quadrático, foi com- parado o desempenho dos estimadores F-N-P* de Kaplan e Meier (1958) e de Kitchin (1980) e do estimador bayesiano** de Salinas e Pereira (1992), das curvas de sobrevivência sob dados censurados. Além disso, foi pesquisado e comparado outro estimador F-N-P para esse mesmo fim, que foi chamado estimador modificado de Kitchin (pela mudança realizada na taxa de risco acumulada do estima dor de Kitchin nos subintervalos formados pelos tempos consecutivos das ocorrências dos eventos de interesse). As estimativas são calculadas e comparadas primeiramente em um exemplo de dados clínicos reais de transplantes renais humanos e depois em amostras geradas por simulação a partir de modelos teóricos, assumindo distribuições exponencial e de Weibull. As simulações indicaram que o estimador de Kaplan e Meier é melhor que os demais, isto é, tem menor erro quadrático médio em todas as circunstâncias abordadas. Neste mesmo sentido o estimador modificado apresentou-se melhor que o de Kitchin. Com uma priori não informativa, o estimador de Salinas e Pereira teve melhor desempenho que o modificado de Kitchin. A análise simultânea do desempenho e simplicidade operacional aponta para os estimadores de Kaplan e Meier e Modificado de Kichin, nessa ordem. * A sigla refere-se à inferência estatistica segundo a metodologia desenvolvida por Fisher, Neyman e Pearson, também conhecida como "inferência clássica"(15,37). ** O termo refere-se à inferência estatística desenvolvida segundo a linha filosófica sugerida por um trabalho de Bayes (1763) (15).

The performances of F-N-P* estimators of the survival curve for censored data of Kaplan & Meier (1958), Kitchin (1980) and the bayesian estimator** of Salinas & Pereira (1992) are compared using bias and mean squared error. A F-N-P estimator, refered to as modified Kitchin, is proposed here and compared with the others. It is based on the change of Kitchin cumulative risks ratios for the sub-intervals given by the consecutive times of occurrence of the events of interest. The estimates are computed and compared for two cases: first for a real data set related to human renal transplants. And second, for simulated data sets developed from theoretical models for exponential and Weibull distributions. Simulated results indicated that the Kaplan & Meier estimator is better than the others, that is, it presented least mean squared error in all situations discussed in this work. The results also indicated that the modified estimator is better than the Kitchin estimator. Using a non-informative "a priori" distribution, the Salinas & Pereira estimator presented better performance than the modified Kitchin estimator. The simultaneous analysis of the performance and the operational simplicity point out the Kaplan & Meier and modified Kitchin estimators, in this order. * F-N-P refers to the methodology developed by Fisher, Neyman and Pearson, also known as "classical inference" (15,37). ** Bayesian inference refers to the inference whose development were based on the work of Bayes (1763) (15).