Académique Documents
Professionnel Documents
Culture Documents
Introduccin
En ensayos cl$nicos, para obtener el n3mero adecuado de r4plicas, algunos centros pueden ser incluidos y pacientes del mismo centro pueden ser m#s seme*antes "ue pacientes de diferentes centros no tanto por las caracter$sticas del personal sino por las diferentes practicas de tratamientos o los estilos de mane*os. Que ejemplos de bloques son de variacin sistemtica ``inducida'' o introducida por el investigador ? (n investigador en un experimento industrial puede decidir obtener el material experimental de diferentes suministradores "uienes usan diferentes procesos de produccin. En un ensayo de alimentacin de ganado puede ser importante incluir animales de diferentes ra as. . En un experimento para probar diferentes marcas de llantas se "uieren incluir carros de diferentes fabricantes y diferentes modelo de cada fabricante. 1a situacin m#s com3n es cuando !ay un slo factor extrao. A"u$ la precisin del estimado de puede me*orarse usando un diseo de blo"ues al a ar. ,or medio del agrupamiento de las unidades experimentales en subgrupos !omog4neos, la variacin asociada con este factor puede ser removida del estimado del error experimental. Adem#s, las comparaciones intrablo"ues de los tratamientos son insesgadas por el efecto del factor. 1os diseos de blo"ues al a ar )D5A+ son clasificados de acuerdo al n3mero de tratamientos "ue pueden ser colocados en el blo"ue. En general, un diseo de blo"ues al a ar consiste en blo"ues "ue contienen unidades experimentales, con cada uno de los
tratamientos replicados veces, 1os diseos de blo"ues pueden ser clasificados as$2 1. Diseo de 5lo"ues Completamente al a ar. En 4ste cada tratamiento ocurre una sola ve en cada blo"ue 2. Diseo de 5lo"ues al A ar 6enerali ado. 1os tratamientos aparecen todos en cada blo"ue peropueden ocurrir mas de una ve . . Diseo de 5lo"ues 7ncompletos. Es caracteri ado por"ue no todos los tratamientos ocurren en cada blo"ue. Estos diseos son llamados diseos no ortogonales . Entre estos tenemos2 a! Diseo de 5lo"ue 7ncompleto 5alanceado. b! Diseo de 5lo"ue 7ncompleto de 8ratamiento 5alanceado c! Diseo de 5lo"ue 7ncompleto ,arcialmente 5alanceado d! Diseo 1atice e! Diseo de 5lo"ue Extendido. Si cada blo"ue contiene el mismo numero de (E "ue es mayor "ue el n3mero de tratamientos "! Diseo de 5lo"ue 8rend9free. #e"inicin de bloques completos al a$ar Este es el m#s simple y "ui #s el ampliamente usado de los diseos de blo"ues al a ar "ue es definido por :in;elman)-..<+ as$2 El material experimental es dividido en grupos de unidades experimentales )(E+ cada uno, donde es el n3mero de tratamientos , tales "ue las (E dentro de cada grupo son lo m#s !omog4nea posible y las diferencias entre las (E sea dada por estar en diferentes grupos. 1os con*untos son llamados blo"ues. Dentro de cada blo"ue las (E son asignadas aleatoriamente, cada tratamiento ocurre exactamente una ve en un blo"ue. Si la variacin entre las (E dentro de los blo"ues es apreciablemente pe"uea en comparacin con la variacin entre blo"ues, un diseo de blo"ue completo al a ar es m#s potente "ue un diseo completo al a ar. ,ara este diseo el modelo lineal esta dado por
Donde
es el efecto del
tratamiento el tratamiento, es el
cual es constante para todas las observaciones dentro del efecto del blo"ue,
es el t4rmino del error aleatorio, el cual se distribuye . 1as restricciones del modelo son
%stimacin de parmetros Al aplicar el m4todo de m$nimos cuadrados, se obtiene como estimadores de los par#metros
6rados de libertad
Suma de cuadrados
Cuadrado medio
5lo"ues
Error
8otal
ya "ue si
es cierta
es un estimador insesgado de
entonces de tienen dos estimadores insesgados de y por tanto su cociente deber ser un valor estad$sticamente cercano a -. 'upuestos del modelo El residual en un diseo de blo"ues completos al a ar es dado por
1os supuestos del modelo son2 El modelo es aditivo, es decir no existe interaccin entre blo"ues y tratamientos 1as variables aleatorias error se distribuyen normal con media cero
1as variables aleatorias error son no correlacionadas)independientes+ @tra manera de enunciar los supuestos es2 . 1os efectos de tratamientos y blo"ues son aditivos; las respuestas dentro de los blo"ues tienen la misma tendencia con respecto a los efectos de los tratamientos. 1as observaciones en las una de las poblaciones celdas constituyen muestras aleatorias de tamao - de cada poblaciones son normalmente distribuidas,
8odas las
1as varian as de cada una de las poblaciones son iguales Si la primera condicin se tiene se dice "ue los efectos de blo"ues y tratamientos no interact3an y una prueba para la no aditividad es debida a 8u;ey)-.<.+ y Ascombe.
Antes de conocer los m4todos de validacin de supuestos es importante !acer las siguientes observaciones2 -. 1a desviacin relativamente grande del supuesto de !omogeneidad de varian as tiene muy poco efecto sobre el nivel de significancia, aun"ue este puede ser mayor "ue el nivel dado, el poco efecto es debido a "ue los tratamientos son igualmente replicados. >. 1a no aditividad puede ser m#s seria ya "ue puede aumentar el estimado del error experimental )CA resultando en posibles fallas para detectar diferencias reales de los tratamientos. 0. Antes de probar cual"uier supuesto se debe asegurar "ue no existan valores outlier en los datos. Algunos traba*os !an venido desarroll#ndose para detectar outlier en clasificaciones a dos v$as "ue incluyen el D5C. Cuando el diseo tiene residuales con varian a com3n, como podr$a ser el caso de diseos balanceado, la me*or prueba para detectar un solo outlier es basada en el m#ximo residuo normali ado )ABC+ Stefans;y )-.D>+ describe un m4todo general para calcular valores cr$ticos del ABC y provee tablas para el caso de dos v$as de clasificacin con una observacin por celda. ,ara algunos valores de solamente acotados para valores cr$ticos pueden ser obtenidos. Esas tablas son reproducidas en Aartin 8ablas C9 Ea y C9 Eb. 1as clasificaciones filas y columnas son intercambiables. El m#ximo residuo normali ado es dado por2
Donde2 y es el mayor residual en valor absoluto. Si este valor excede el valor cr$tico de tabla, la observacin es declarada como un outlier potencial. Estas deben ser locali adas y examinadas para buscar causas asignables. La eliminacin arbitraria de valores extremos debe evitarse. (omogeneidad de varian$a 1a prueba gr#fica de igualdad de varian a es graficar los residuales contra los valores predic!os ) si existe alg3n patrn especial "ue muestre mayor dispersin para un lado de la gr#fica se puede decir "ue no !ay !omogeneidad de varaian a. 1as pruebas anal$ticas para igualdad de varian a dadas por el DCA no son aplicables a blo"ues ya "ue no se tienen estimadores independientes de las varian as de los tratamientos. Existen algunos procedimientos, pero "ui # el m#s simple es el desarrollado por :an ) . Esta prueba es especialmente para un D5C y asume2
1as poblaciones muestreadas sean normalmente distribu$das 1os errores son igualmente correlacionados dentro de los blo"ues, pero son independientes entre blo"ues. 1a prueba estad$stica es2
es2
Donde es el n3mero de blo"ues y los son los residuales en el tratamiento . Cote "ue la varian a no es calculada directamente de los datos, por ello la no independencia de las varian as. @bserve "ue para el calculo de la varian a del tratamiento - utili a a la medias de los blo"ues, , y para el tratamiento > utili a tambien a a la medias de
los blo"ues . Los valores crticos de la prueba estadstica son basados sobre puntos de porcentaje de la distribucin rango estudentizado en vez de la distribucin Fmax. si !an sido tabulados por :arter )-.E=+
Se rec!a a la !iptesis de !omogeneidad de varian as . 1os puntos de porcenta*e de y pueden ser obtenidos en la tabla C9D de Aartin. )8omado de Aartin+
%jemplo
1os datos presentados son tomados de 6raybill )-.F<+ de ensayos de variedades de trigo. Cuatro variedades de trigo crecieron en cada una de trece localidades del estado de @;la!oma. 1as respuestas en bus!els por acre, son dadas en la tabla. variedades 1oc. > 0 < <0.E= ><.=F -..<D -..<> <=.<= >-.DE -E.E- >0./< 0 -/.=/ -<.-. -E.E. -E.=/ < -..FD -/.E- -D.D/ -/.>. F <F.>= >..00 >=.-. 0=.=/ E >F./D >F.E= >0.0- >D.=< D FF.>= 0/.DD >-.-F 0...F / FF.0> 0<.-. -/.FE >F.-> . -..D. >-.EF >0.0- >>.<F -= <E.>< 0-.F> >>.</ >..>/ -- -<.// -F.E/ -..D. >>.FE -> D.F> <.E. >=.F0 >>.=/ -0 <-.-D 0>.F. >..>F <0..F 00.>. ><.=F >=.D= >E.-E 1as varian as muestrales de los tratamientos son2
. 8omando
Debido a "ue la construccin de blo"ues se !a diseado para controlar el efecto de una variable extraa, la pregunta natural a formular es G:a tenido 4xito la construccin de blo"uesH En caso afirmativo, su ve reduce explicar$a una parte sustancial de la . Este a
de medias de tratamientos y posibilitando "ue se rec!ace . Se me*orar# la potencia de la prueba. 8ambi4n se puede ver "ue el n3mero de grados de libertad para el error en un DCA es ; en el D5C es m#s pe"ueo "ue 4ste, es decir . En la tabla %, se puede observar "ue a medida "ue disminuye el n3mero de grados de libertad asociados con el denominador de %, el valor % de la tabla aumenta. Esto implica "ue aumente el valor del punto cr$tico para rec!a ar decir, es m#s dif$cil rec!a ar es )m#s probable no rec!a arla+ y la potencia de la prueba sea
menor )la probabilidad de rec!a ar dado "ue es %alsa+ o disminucin en la sensibilidad de la comparacin entre tratamientos. ,or lo anterior !ay "ue tener cuidado de no reali ar blo"ueo o innecesario. ,arece ra onable sugerir "ue si las medias de los blo"ues son iguales, entonces la construccin de blo"ues es innecesaria; de lo contrario la construccin de blo"ues es 3til. Sin embargo, no existe una forma v#lida conocida para probar la !iptesis real )igualdad de medias de blo"ues+. (n m4todo utili ado para investigar la efectividad de la construccin de blo"ues es estimar la eficiencia )o eficacia+ relativa )EB+ del D5C comparada con la del DCA