y Analisis

Metodos
de Diseno
de
Experimentos
Patricia Isabel Romero Mares
Departamento de Probabilidad y Estadstica
IIMAS UNAM

mayo 2013

1 / 33

Mediciones repetidas

2 / 33

Bibliografa

Statistical Methods for the Analysis of Repeated

Measurements.
Charles S.Davis. Springer Texts in Statistics. 2002.
Analysis of Repeated Measures.
M.J. Crowder y D.J. Hand. Chapman & Hall Monographs on
Statistics and Applied Probability 41. 1990.
B.S. Everitt (1995). The Analysis of repeated measures: a
practical review with examples. The Statistician. 44, No.1 pp.
113-135
Huyn Huyn & Leonard S. feldt (1970). Conditions under which
Square Ratios in Repeated Measurements Designs have Exact
F-Distributions. JASA Vol. 65, No 332

3 / 33


Introduccion

El termino
mediciones repetidas se refiere a los datos en los
cuales la respuesta en cada unidad experimental o sujeto se
observa en multiples
ocasiones o bajo multiples
condiciones.

para
El termino
datos longitudinales se utiliza tambien
describir datos de mediciones repetidas.

Algunos autores usan este termino

cuando se refieren a datos
en los que el factor de mediciones repetidas es el tiempo. Bajo
este uso, se pueden ver los datos longitudinales como un caso
especial de las mediciones repetidas.

Otros autores usan el termino

datos longitudinales para
de un periodo largo de
referirse a datos medidos a traves

tiempo, mientras que el termino

de mediciones repetidas lo
utilizan en datos medidos en un periodo relativamente corto de
tiempo, frecuentemente bajo condiciones controladas.
4 / 33


Introduccion

Ventajas.
en el que se pueden estudiar los
Es el unico
tipo de diseno

patrones individuales de cambio.

Economiza el numero
de ue.

Las ue pueden servir como sus propios controles dado que la

variable de respuesta se puede medir bajo las condiciones de
control y experimental de cada ue.
Desventajas.

El analisis
de los datos de estudios de mediciones repetidas es
complicado:
mas
1

Por la dependencia entre las observaciones de la misma

ue

El investigador, frecuentemente, no puede controlar las

circunstancias para obtener las mediciones, por lo que los
datos pueden ser desbalanceados o parcialmente
incompletos.
5 / 33


Introduccion

A pesar de que se ha estudiado el analisis

de datos de
mediciones repetidas con muchos enfoques, casi todos los
estudios se restringen al caso en que la variable de respuesta
se distribuye normalmente y los datos son balanceados y
completos.

6 / 33

Estructuras

Sujeto
1
2
.
.
n

Mediciones (tiempo)
1 2 3 ...
k
. . .
.
.
. . .
.
.
. . .
.
.
. . .
.
.
. . .
.
.

7 / 33

Estructuras

Sujeto
1
2
3
.
.
n

Tratamiento
1
1
2
.
.
t

Mediciones (tiempo)
1 2 3 ...
k
. . .
.
.
. . .
.
.
. . .
.
.
. . .
.
.
. . .
.
.
. . .
.
.

8 / 33

Estructuras

Sujeto
1
1
1
i
i
i
n
n
n

Tiempo
1
.
j
.
t1
1
.
j
.
ti
1
.
j
.
tn

Respuesta
y11
.
y1j
.
y1t1
yi1
.
yij
.
yiti
yn1
.
ynj
.
yntn

Covariables
x111 ... x11p
.
...
.
x1j1 ... x1jp
.
...
.
x1t1 1 ... x1t1 p
xi11 ... xi1p
.
...
.
xij1 ... xijp
.
...
.
xiti 1 ... xiti p
xn11 ... xn1p
.
...
.
xnj1 ... xnjp
.
...
.
xntn 1 ... xntn p

9 / 33

Modelo ANOVA mediciones repetidas una muestra

Sujeto
1
.
i
.
n

Mediciones (tiempo)
1
...
j
...
t
y11
... y1j
... y1t
.
.
.
.
.
yi1
...
yij
...
yit
.
.
.
.
.
yn1
... ynj
... ynt

yij = + i + j + eij
i = 1, . . . , n j = 1, . . . , t
yij es la respuesta del individuo i en el tiempo j
es la media general
i es el efecto aleatorio del sujeto i y es constante para todas
las ocasiones
j es el efecto fijo del tiempo j
eij es el componente del error aleatorio especfico del sujeto i
en el tiempo j.
10 / 33

Una muestra

Suposiciones:
Los efectos aleatorios i son independientes y se
distribuyen N(0, 2 ).
Los errores aleatorios eij son independientes y se
distribuyen N(0, e2 ).
i y eij son independientes.
Las varianzas y covarianzas de las observaciones son:
V(yij ) = V( + i + j + eij ) = 2 + e2
Cov(yij , yi0 j ) = 0, para i 6= i0
Cov(yij , yij0 ) = 2 , para j 6= j0

11 / 33

Una muestra
0

La matriz de covarianzas del vector yi = (yi1 , . . . , yit ) esta dada

por:

2
+ e2 ..
2

..
=
2
2
2

.. + e

1 ..

..
= (2 + e2 )
.. 1
donde
=

2
= Corr(yij , yij0 )
2 + e2

12 / 33

Una muestra

Las observaciones repetidas de un mismo sujeto estan

correlacionadas.
La matriz de covarianzas anterior con elementos en la diagonal
fuera de la diagonal se dice
iguales y tambien los que estan
que tiene simetra compuesta.
entre
Esta estructura de covarianzas implica que la correlacion
cualquier par de observaciones es la misma, sin importar el
espaciamiento entre ellas.
es muy poco realista, especialmente cuando
Esta suposicion
del tiempo.
las mediciones repetidas se hacen a traves
La tabla de ANOVA para este modelo es la misma que para un
y una
modelo mixto con dos factores sin interaccion
por celda.
observacion
13 / 33

Una muestra

FV
Tiempo
Sujetos
Error

gl
t1
n1
(n 1)(t 1)

SC
SCT
SCS
SCE

E(CM)
e2 + n2
e2 + t2
e2

SCT

= n (y.j y .. )2
j=1
n

SCS = t (yi. y .. )2
i=1
n t

SCE =

(yij y i. y .j + y .. )2
i=1 j=1

de bloques donde los sujetos son

Nota. Es lo mismo que un diseno
los bloques, solo que no se aleatorizan los tiempos (tratamientos)
dentro de bloques. Pero si hay simetra compuesta no hay problema.
14 / 33

Una muestra

suficiente para que

La simetra compuesta es una condicion

la estadstica F, usada para probar la hipotesis

nula de no
diferencias entre las observaciones en el tiempo, tenga una
Ft1,(n1)(t1) , mas no es una condicion
necesaria.
distribucion

La simetra compuesta es un caso especial de una situacion

general, la esfericidad, bajo la cual la prueba F es valida.

mas
de esfericidad se puede expresar de diferentes
La condicion
formas, una de ellas es que las varianzas de todas las
diferencias entre las variables son iguales, esto es,
V(yij yij0 ) es constante para toda j, j0 .

15 / 33

Una muestra

de esfericidad
Un ejemplo de matriz que cumple la condicion
es:

5.0 2.5 5.0 7.5

2.5 10.0 7.5 10.0

=
5.0 7.5 15.0 12.5
7.5 10.0 12.5 20.0
V(Y1 Y2 ) = 5 + 10 2(2.5) = 10
V(Y2 Y3 ) = 10 + 15 2(7.5) = 10
V(Y3 Y4 ) = 15 + 20 2(12.5) = 10

16 / 33

Una muestra

Una medida del grado en que se aleja de la simetra

compuesta una matriz, se denota con , donde
=

[traza(C0 C)]2
(t 1) [traza(C0 C)2 ]

con C una matriz ortonormal de coeficientes para expresar la

nulidad de los efectos de tratamientos.
Se puede demostrar que 1/(t 1) 1.
a
Cuando = 1 se tiene esfericidad. Se hace una correccion
los grados de libertad de la F a:
F(t1),(t1)(n1)

17 / 33

Una muestra

Greenhouse and Geisser(1959)1 sugieren el siguiente

procedimiento para el uso de ANOVA en mediciones repetidas:
1

Haga una prueba F univariada asumiendo que las

suposiciones del ANOVA para mediciones repetidas se
satisfacen.

Si la prueba no es significativa, no rechace H0

Si la prueba es significativa, haga una prueba
conservadora usando = 1/(t 1), lo que lleva a la
F1,n1
distribucion

Si la prueba conservadora es significativa, rechace H0

Si la prueba conservadora no es significativa, entonces
estime y haga una prueba aproximada

1 Greenhouse,

S.W. and Geisser, S.(1959). On methods in the analysis of

profile data. Psychometrika, 24:95-112.
18 / 33

Ejemplo una muestra

Los siguientes datos son los pesos de 13 ratones machos

medidos cada 3 das desde el nacimiento hasta el destete.

Raton
1
2
3
4
5
6
7
8
9
10
11
12
13

3
0.190
0.218
0.211
0.209
0.193
0.201
0.202
0.190
0.219
0.225
0.224
0.187
0.278

6
0.388
0.393
0.394
0.419
0.362
0.361
0.370
0.350
0.399
0.400
0.381
0.329
0.471

9
0.621
0.568
0.549
0.645
0.520
0.502
0.498
0.510
0.578
0.545
0.577
0.441
0.606

Da
12
0.823
0.729
0.700
0.850
0.530
0.530
0.650
0.666
0.699
0.690
0.756
0.525
0.770

15
1.078
0.839
0.783
1.001
0.641
0.657
0.795
0.819
0.709
0.796
0.869
0.589
0.888

18
1.132
0.852
0.870
1.026
0.640
0.762
0.858
0.879
0.822
0.825
0.929
0.621
1.001

21
1.191
1.004
0.925
1.069
0.751
0.888
0.910
0.929
0.953
0.836
0.999
0.796
1.105

19 / 33

Ejemplo una muestra

Ejercicio 5.3 Davis.

Peso de 13 ratones

1
0.9
0.8

ML Medias

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0

12

15

18

21

Da

20 / 33

Ejemplo una muestra

Entre sujetos Prueba F < .001

Prueba de Esfericidad
Criterio de Mauchly
ChiSquare
df
Prob>Chisq
Prueba
F-test
Univar unadj Epsilon2
Univar G-G Epsilon
Univar H-F Epsilon

2 Bloques

0.0001189
88.36
20
1.432e-10

Valor
142.685
1
0.2387155
0.2621163

F exacta
166.4658
241.6672
241.6672
241.6672

gl num
6
6
1.4323
1.5727

gl den
7
72
17.188
18.872

Prob>F
<0.0001
<0.0001
<0.0001
<0.0001

al azar
21 / 33

Tratamientos y mediciones repetidas

Se realizo un experimento para probar tres drogas para el

De las 24 personas disponibles, se asignaron al azar
corazon.
8 a cada una de las drogas.
Se midio el ritmo cardiaco en 4 ocasiones.
Persona
1
2
3
4
5
6
7
8

A
T1
72
78
71
72
66
74
62
69

T2
86
83
82
83
79
83
73
75

T3
81
88
81
83
77
84
78
76

T4
77
81
75
69
66
77
70
70

T1
85
82
71
83
86
85
79
83

Droga
B
T2 T3
86 83
86 80
78 70
88 79
85 76
82 83
83 80
84 78

C
T4
80
84
75
81
76
80
81
81

T1
69
66
84
80
72
65
75
71

T2
73
62
90
81
72
62
69
70

T3
72
67
88
77
69
65
69
65

T4
74
73
87
72
70
61
68
65

22 / 33

Ejemplo flebitis

Ejemplo 15.1 Kuehl

Se disen o un experimento para explorar los mecanismos para
temprana de flebitis durante terapia de
una deteccion
Amiodarone.
de las venas que puede
La flebitis es una inflamacion
presentarse al administrar medicamentos por va intravenosa.
Se administraron tres tratamientos intravenosos a los animales
vehculo, (2) solo
de prueba: (1) Amiodarone con una solucion
vehculo y (3) una solucion
salina.
la solucion
Los conejos usados como animales de prueba se asignaron al
totalmente
azar a los tres tratamientos en un diseno
aleatorizado.
Una aguja insertada en la vena de la oreja del conejo fue el
del tratamiento.
medio de administracion
23 / 33

Ejemplo flebitis

Se monitoreo la temperatura de ambas orejas por algunas

horas. Un incremento en la temperatura de la oreja tratada era
considerado un posible indicador de flebitis.
La diferencia en las temperaturas de las orejas se uso como la
variable de respuesta. Durante el estudio se observaron las
temperaturas de cada conejo cada 30 minutos.
salina sirvio como tratamiento placebo de control
La solucion
afectaba la
para determinar si la sola administracion
La solucion
excipiente sirvio como control para
inflamacion.
separar los efectos del vehculo de los medicamentos.

24 / 33

Ejemplo flebitis

Tratamiento
Amiodarone

Vehculo

Salina

Conejo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Tiempo de obs (min)

0
30
60
90
-0.3 -0.2
1.2
3.1
-0.5
2.2
3.3
3.7
-1.1
2.4
2.2
2.7
1.0
1.7
2.1
2.5
-0.3
0.8
0.6
0.9
-1.1 -2.2
0.2
0.3
-1.4 -0.2 -0.5 -0.1
-0.1 -0.1 -0.5 -0.3
-0.2
0.1
-0.2
0.4
-0.1 -0.2 0.7
-0.3
-1.8 0.2
0.1
0.6
-0.5
0.0
1.0
0.5
-1.0 -0.3 -2.1
0.6
0.4
0.4
-0.7 -0.3
-0.5
0.9
-0.4 -0.3

25 / 33

Mediciones repetidas glucosa

Efecto de tres alimentos en los niveles de glucosa en humanos.

Cada alimento se asigno al azar a cuatro sujetos y se midio la

glucosa en suero de cada sujeto a los 15, 30 y 45 min despues

de ingerir el alimento.
dieta
1
1
1
1
2
2
2
2
3
3
3
3

sujeto
1
2
3
4
5
6
7
8
9
10
11
12

glu15m
28
15
12
21
22
23
18
25
31
28
24
21

glu30m
34
29
33
44
18
22
16
24
30
27
26
26

glu45m
32
27
28
39
12
10
9
15
39
36
36
32

26 / 33

 Cruzados
Disenos

Cruzados
Disenos

Design of Experiments: Statistical Principles of Research

Design and Analysis. Robert O. Kuehl. Duxbury Press 2000,
2a. ed.
Design and analysis of cross-over trials. Byron Jones and
Michael G. kenward. Chapman and Hall/CRC 2003, 2a. ed.

27 / 33


Introduccion

cruzados son aquellos en los

Los experimentos con disenos
que todos los tratamientos se administran en secuencia a cada
ue.
Cada tratamiento se administra a una ue por un periodo de
del cual otro tratamiento se administra a la
tiempo, despues
misma ue. Los tratamientos son administrados sucesivamente
a la ue hasta que haya recibido todos los tratamientos.
Cuando se comparan los tratamientos en la misma ue, la
entre-unidades se elimina del error experimental. De
variacion

esta manera la ue se usa como bloque en los disenos

cruzados para disminuir el error experimental y aumentar la
eficiencia del experimento.

28 / 33


Introduccion

cruzados es la posibilidad de
Una desventaja de los disenos
que un tratamiento administrado en un periodo influya la
respuesta en el siguiente periodo de tratamiento. A estos
efectos se les llama efectos acarreados.
Los tratamientos se administran por un periodo de tiempo lo
suficientemente grande para que se manifieste el efecto del
se le quita
tratamiento en los sujetos. Inmediatamente despues
el tratamiento al sujeto y se le deja descansar por un periodo
de lavado, antes de administrarle el siguiente tratamiento.
Este periodo de lavadose pretende que regrese al sujeto a su

estado fisiologico
o psicologico
original.

29 / 33

 cruzados
Disenos

cruzado cada unidad

En un experimento con diseno
tratamientos diferentes.
experimental (sujeto) recibe dos o mas
El orden en el que cada sujeto recibe los tratamientos depende
particular escogido.
del diseno
mas
simple es el diseno
2 2 en el que cada sujeto
El diseno

recibe dos tratamientos diferentes, llamemosles

A y B. La mitad
de un periodo de
de los sujetos recibe A primero y, despues
tiempo adecuado, cruza hacia B.
Los sujetos restantes reciben primero B luego cruzan hacia A.

30 / 33

 cruzados
Disenos

1
Diseno
Secuencia Periodo
1
2
1
A
A
2
B
B
3
A
B
4
B
A

2
Diseno
Secuencia Periodo
1 2 3
1
A B B
2
B A A

31 / 33

 cruzados
Disenos

3
Diseno
Secuencia
Periodo
1 2 3
1
A A B
2
B B A
3
A B B
4
B A A

4
B
A
A
B

4
Diseno
Secuencia
Periodo
1 2 3 4
1
A B B A
2
B A A B

32 / 33

 cruzados
Disenos

5
Diseno
Secuencia
Periodo
1 2 3 4
1
A B B A
2
B A A B
3
A A B B
4
B B A A

5
A
B
B
A

33 / 33