ANALISIS DE BLOQUES INCOMPLETOS BALANCEADOS USANDO RANGOS PONDERADOS Y PUNTAJES EXPONENCIALES* Julia Jadue', Claudio Silva! y Dana Quade* RESUME! Aprovechando puntajes exponenciales propuestos por Downton (1976), se proponen dos estadisticas originadas en la estadistica de rangos ponderados de Quade (1972, 1979). En el contexto de un disefio de bloques incompletos, balanceados (BIB), se comparan estas décimas con otras paramétricas y hoparamétricas. Para este efecto se estiman, mediante simulacién Montecarlo, las respectivas eficiencias relativas asint6ticas (ERA), bajo varias distribuciones del error, Palabras clave: Bloques incompletos balanceados. rangos ponderados, puntajes exponenciales, ABSTRACT: aking use of exponential scores as studied by Downton (1976), we propose two test statistics based on the weighted rankings statistics of Quade (197: 1979). We compare these test with others both parametric and nonparametric in the context of a balancaded incomplete blocks designs (BIB). For this purpose we estimate, by Montecarlo simulation, the respective asymptotic relative efficiencies (AREs) under various error distributions. 1. INTRODUCCION Los disefios experimentales con estructura de bloques aleatorizados han recibido gran atencién de los estadisticos desde hace muchos aitos. Tal interés se mantiene vigente en aspectos te6ricos como lo muestran las obras de Dey (1986) y Nigam, Puri y Gupta (1988) y en aplicaciones especificas como se ve en Fleiss (1981) 0 Giesbrecht (1986). “Trabajo financiado por el proyecto FONDECYT N° 0749-89 ' Univ. de Santiago de Chile, Depto. Matematica y Cs. de la Computacién. ? Univ. of North Carolina, Dept. of orHabitualmente se parte del supuesto de un modelo lineal en que la variable dependiente tiene distribucién normal con esperanza: H+G,+ Prisha jlJ para cada uno de los J tratamientos que han sido aleatoriamente asignados a I parcelas, de cada uno de los I bloques (disefio en bloques completos aleatorizados, BCA). En esta seccién presentaremos los principales métodos noparamétricos propuesto para docimar la hipdtesis de “ausencia de efectos de tratamientos” en disefios BCA; en la seccién 2 haremos lo propio para disefios en bloques incompletos balanceados (BIB) incluyendo un procedimiento nuevo. Finalmente en la seccién 3 compararemos los diferentes procedimientos utilizando las eficiencias relativas asint6ticas (ERA’S).. El procedimiento clasico para el andlisis noparamétrico de disefios BCA con una observacién por celda es el propuesto por Friedman (1937). Usando rankings independientes al interior de cada bloque (Rij), podemos derivar del conjunto de respuestas observadas: (x5; I, J} el valor de la estadistica FR. Jceldas 0 ope 2 ad Riga UR Ze OF con {Ry/Ry= 1 J.i=lby R= Ri/l Argumentos permutacionales justifican su carfcter de “procedimiento libre del supuesto de distribucién” y permiten determinar su distribucién exacta bajo la hipétesis nula: “ausencia de efecto de tratamientos” o Hy: D, t} = 0. Asintoticamente FR ~ x3 1) Claramente FR s6lo usa informacién “intra-bloques”. Como una forma de “recuperar informaci6n inter-bloques”, Hodges y Lehmann (1962) propuesieron el uso de rangos conjun- tos para las IJ observaciones, después de “alinear” éstas. El alineamiento consiste en sustraer cada observacidn una constante caracteristica del bloque, por ejemplo, la media aritmé- tica (u otra estadistica de posici6n) y tiene por objeto remover el efecto aditivo de bloques, requiriendo que la constante mencionada sea una funcién simétrica de los J argumentos y itisfaga g(x + a) = g(x) + &. Se supone ademas que el vector de “observaciones alineadas” dentro de cada bloque tiene distribuci6n conjunta simétrica. i, (=1....L) es el rango conjunto de la j-ésima observacién alineada dentro del i-ésimo bloque, entonces la estadistica propuesta (“ranking after alignment seria: G-DING-Fa+ ya (1.2) RAL=— 68La distribuci6n exacta de RAL, bajo Ho, depende de la “configuracién” observada (conjunto de rangos localizados en cada bloque) y por lo tanto RAL es sélo condicionalmente libre de distribucién, Asint6ticamente, bajo Hy, RAL ~ X2, ,,. Este procedimiento es re-estudiado por Salter y Fawcett (1985) en su propuesta de “transformacién por rangos con alineacién” (aligned rank transform) que incorpora a la idea de “alinear” y luego “asignar rangos”. la idea de “transfor macion via rangos” (rank transform) de Conover e Iman (1981), Hora y Conover (1984), Hora e Iman (1988). Salter y Fawcett proponen que después de alinear las observaciones en cada bloque y asignar rangos a los residuos resultantes, se use la estadistica de razén de varianzas de un ANOVA tradicional ALY by -%) Yn P7d- v1 (1.3) ART= (Le -EP- WY ey - WYP -1- Ie), o 7 , Esta estadistica no es “libre de distribucién” y asintoticamente se distribuye Fy.s, yassiy La consideraremos como uno de los métodos competidores en la seccién 2. Otro procedimiento que recupera informacién interbloques y que si es estrictamente “libre de distribucidn” es el propuesto por Quade (1972) introduciendo la idea de rangos ponderados. Aunque se puede rastrear su origen hasta Tukey (1953), esta propuesta se hace operativa en el trabajo referido y en Silva (1977), Quade (1979), Silva y Quade (1980, 1983) siendo ademas estudiada en Ferretti y Yohai (1986) y en Tardif (1987). La idea basica en este procedimiento es tomar en cuenta la variabilidad muestral dentro de cada bloque y suponer que una mayor variabilidad reflejaré una mayor discriminabilidad del bloque en que ella ocurre, respecto a diferencias de efecto de los “tratamientos”, En consecuencia, si D es Ia estadistica de variabilidad que hayamos escogido (invariante bajo en sus J argumentos), podemos asociar a ella un “score” s(Q,) siendo traslaciones y simétrics Q el rango del valor de D observado en el i-ésimo bloque. Tal puntaje para el i-¢simo bloque servird de ponderacién para el puntaje asociado a la respuesta observada para el j-ésimo tratamiento en ese bloque. Apelando a los siguientes supuestos: D_—_Los bloques (xi1.....X) i= ....J Son mutuamente independientes. I) _ Existen cantidades B,....B; tales que los vectores (x;:-B,. mente distribuidos. IIL) No hay empates dentro de los bloques: P(X = Xi) = 0 para j #3" IV) No hay empates entre las medidas de variabilidad (D,): P(D,=D,) = 0 para i #i? .I son idéntica- se puede demostrar que la estadistica GD YUY soh,P (1.4) QQ=——+—+— rspcde) 5 9es estrictamente libre de distribucién y asintéticamente X24.) Los supuestos III y IV son convenientes pero no indispensables. Las condiciones de regularidad que deben satisfacer los conjuntos de scores {So} y {tg,}, Se estudian en Silva (1977) y se verifican, en particular, si en ambos casos se usan rango lineales. La distribucién exacta de esta estadistica para diseftos pequeiios (J en ) fue evaluada por Quade en su articulo inicial de 1972; en el mismo contexto se han realizado estudios comparativos de este método versus competidores paramétricos y noparamétricos (Silva, 1977; Silva y Quade, 1980). Para n —> ©», los estudios comparativos se han basado en la nocién de Eficiencia Relativa Asint6tica (ERA). Silva (1977, 1981) y Silva y Quade (1983) estimaron la ERA de las estadisticas FR, RAL y QQ, comentadas previamente, respecto a la F del ANOVA clésic« utilizaron un resultado de Hannan (1956) que dice que si T,, y T,, tienen distribucién asintst X? no-central de (J-1) g.L. y pardmetros de nocentralidad ,,, ¥ Ay, entonces: (1.5) ERA(T, Ti) = Tim (Any / Ani) ellos Naturalmente, la ERA de los rangos ponderados para conoce exactamente para diversas distribuciones de error ya que esta décima se reduce a la de rangos con signo de Wilcoxon. Adicionalmente, para errores normales y el rango como medida de variabilidad intrabloque. los trabajos de Iman, Hora y Conover (1984), Ferretti y Yohai (1986) y Tardif (1987) han mostrado que la ERA de rangos ponderados respecto a Friedman es mayor que 1 para 2 < JS 7, pero menor que I para }> 8. 2. BLOQUES INCOMPLETOS BALANCEADOS 2.1, Métodos noparamét 1s previos Un disefio de innegable utilidad prictica es el de bloques incompletos balanceados (BIB) propuesto por Yales (1936) pero cuyo ai . desde una perspectiva noparamétrica, se inicia con Durbin (1951). Este adapta a esta situacién la décima de Friedman, proponiendo la estad Qn j- SK + DP siendo K = nimero de parcelas por bloque, J mero de tratamientos, R = ntimero de ocurrencias de cada tratamiento, Rj; = rango i Asint6ticamente, bajo Ho, DD ~X?,.1). La versién de la estadistica “ranking after alignment” adaptada a esta situacién (Silva, 1977) tiene la forma: (= DED 9 - IKRUK + 12/4] @2) RAL=———__——. Thyy-ay + KEP yo niimero de bloques, rabloque de la observacién x, 70donde Ij = 1, si el j-ésimo tratamiento se observa en el i-ésimo bloque, 0 en caso contrario. La distribuci6n asintética, bajo Hp, es 24.1, De igual modo, la estadistica de rangos ponderados toma en un diseito BIB, la siguiente forma (Silva, 1977, p. 76). G- DEE bsote,P 2.3) QQ=——_+1___. Td ‘Comparaciones entre estas estadisticas y la F de ANOVA en términos de ERA fueron llevadas a cabo via simulacion para tres disefios basicos y tres distribuciones de error, por Vergara y Silva (1985), 2.2 Puntajes exponenciales Downton (1976), aprovechando el enfoque de verosimilitud condicional de Cox (1972, 1975), derivé décimas noparamétricas para diversos disefios, con resultados asintéticamente 6ptimos. A partir de rangos independientes intrabloques (r). él asocié a cada uno de ellos un “puntaje ” ten definido como: Este “puntaje exponencial” es el valor esperado de la r-ésima estadistica de orden entre n observaciones de una distribucién exponencial standard, La estadfstica de Downton para un disefio BIB es: Jet (2.5) DWN =———_ U? saa Wu > ; IK ‘ con U; pT Lyk donde tg, es el puntaje exponencial correspondiente al j-ésimo trata- miento cuando éste ha sido aplicado en el i-ésimo bloque, y es 0 en otro caso. Downton demostr6 que esta estadistica es estrictamente “libre de distribucién” y asint6ticamente, bajo Ho, se distribuye como Xj. Proponemos aprovechar estos “puntajes exponenciales” para generar dos variantes de la estadistica de rangos ponderados QQ, las estadisticas QQE y QQEE. Si en la expresién (2.3) definimos: tr = puntaje exponencial intrabloque menos 1 (ya que el promedio de los puntajes exponenciales en cada blogue es 1) ‘obtenemos: (I= DELE ty soltexe-DP (ere (yx?) (2.6) QQE= ny sien (2.6) definimos ademés sg = tg, obtenemos la estadistica: G-D YL Hi ton tak - DP (2.7) QQEE = ——+_1_______ Ce CE Gx - A) ‘en ambas estad ianza del lidad de dicho bloque. jcas usaremos la v! imo bloque (Di), como medida de variabi 3. ESTUDIO COMPARATIVO DE LAS ERA’s 3.1. Plan de trabajo Consideraremos en esta secci6n las siguientes estadisticas competitivas frente al problema de docimar la hipétesis nula de “ausencia de efecto de tratamientos” en un disefio BIB: (1) F del andlisis de varianza paramétrico, (2) DD de Durbin, (3) RAL “ranking after alignment”, (4) QQ rangos ponderados con puntajes lineales para tratamientos y para bloques, (5) DWN de Downton, (6) QQE rangos ponderados con puntajes exponenciales para los tratamientos y lineales para los bloques, (7) QQEE rangos ponderados con puntajes exponenciales para los tratamientos y los bloques, (8) RTF nsform” (Conover ¢ Iman, 1981) y (9) ART aligned rank transform”. Tendremos presente que, de ellas, slo DD, QQ, DWN, QQE, y QQEE son estrictamen te libres de supuestos distribucionales. Por otra parte, J-D)F, DD, RAL. QQ. DWN, QQE, U-DRTF y U-D)ART se distribuyen asintsticamente como X?, ;,, bajo la hipétesis En resumen, bajo Hy € Ie T,~X2y.,0= 1.9. Bajo hipstesis alternativas locales Hy: t) = 1 / VI tenemos que asintéticamente T,X;).1, a: Procediendo como en Silva y Quade (1983) consideremos para I suficientemente grande, K vectores de pardmetros de tratamientos de la forma Dy x, x = ank wy weak; entonces los a cada Tw, En otras respectivos pardimetros de no centralidad Ack seran proporcionales « °k p pall GD du = Bue por lo tanto si tuvigramos estimadores Ay, para |: estimar B,. Un estimador insesgado de varianza minima de los_parémetros de no centralidad de estadisticas T, con distribucién asintotica X? (Silva y Quade, 1983) es: Fa sucesién de valores de @,, seria directo Zt G2) Ay= -0-D=Yu donde L es el nimero de observaciones independientes de la estadistica T, y Jes el mimero de tratamientos. Andlogamente puede razonarse para T,, y segtin Hannan (1956), la ERA(Ty, Ty) seria estimable por Ayy/A, = BY/BySi Les suficientemente grande de modo de poder asumir que la distribucién de las Y, es aproximadamente normal, entonces podemos aplicar un teorema de Fieller para obtener intervalos fiduciales para las ERA (T,,T,), u = 2,....9, estimadas puntualmente por: G3) Ry=Py/ i= by /b, y en que las Bs se obtienen ajustando el siguiente modelo de regresi6n miiltiple BA) EY ug) = Bo + Bi Zi + Bo Zax +--+ By Zax donde: Zu, =D, si u =v y en otro caso. Limites fiduciales del (1-0) 100% para la ERA (Ty, T)), u=2,...,9 son (Finney, 1978): G5) RD. RUS) = (Ry _ ia EME 4 -2) donde: wy: es el elemento ij de la matriz inversa de suma de cuadrados y productos cruzados corregidos de la Z's tt es el percentil (1-0/2) de la t-Student CME: cuadrados medio del error en el modelo (3.4) PCME wy, 22 oF Az wy = RW + Ry? + By wi 3.2. Desarrollo experimental y resultados Los valores para las estadisticas T,, u = 1.....9, se obtuvieron simulando computacionalmente tres disefio BIB, los cuales corresponden a extensiones de los planes 11*, 11.la* y 11.4 de Cochran y Cox (1957), replicados, cada uno de ellos, un miimero adecuado de veces de manera gue los tres disefios estuvieran constituidos por 200 bloques. Las simulaciones se realizaron para cinco distribuciones del error: normal, uniforme, Laplace (doble exponencial), logistica y valor extremo; todas ellas con media 0 y varianza 1. Por consideraciones sefaladas en Silva y Quade (1983) se tomé K=2 (con S*; = | y O*y = 2). Se usaron ademés dos semillas generadoras de niimeros aleatorios. Se conté por tanto con cuatro estimaciones independientes de Ay, u 9, para ajustar el modelo de regresi6n (3.4). Utilizando un programa FORTRAN ad-hoc (BIB200), se simularon L = 500 experi- mentos independientes para cada hipstesis alternativa (2 hipdtesis), cada semilla (2 semillas) y cada distribuci6n del error (5 distribuciones). Las simulaciones se realizaron en un computa- dor IBM 4381 bajo VM/SP, Rel.5.0 de la Universidad de Santiago de Chile (USACH). Los niimeros aleatorios fueron generados usando las subrutinas VARGEN (TUCC, 1971) y se utiliz6 el paquete estadistico SAS para ajustar el modelo de regresi6n (3.4) y estimar puntual- mente (3.3) y por intervalos (3.5) las ERA's. BLos disejios BIB utilizados fueron los siguientes DISENO 1 DISENO 2 DISENO 3 1203 12 3 4 1 2°55 12 4 tess 1-21-16 1 3 4 12 4 55 1 3 4 203 4 103 4 = 5 13 6 203 4 °5 1 4 5 203 4 alais| 2 4 6 3.5 6 4 5 6 K i de réplicas = 50 i de réplicas = 40 10, Ro R=150 R= 160 # de réplica: 200, 1= 200 i R=100 1 Los vectores de tratamientos tilizados bajo HI fueron: DISENO | HI: 2, T=@-0.06250, -0.03125, 0.03 125, 0.06250) DISENO 2 HI: Q; t= @j(-0.06250, -0.03125, 0.0, 0.03125, 0.06250) DISENO 3 HI: , t= @(-0.06250, -0.03125. -0.015625, 0.015625, 0.03125, 0.06250) con 2, y 2 para i= ly 2 resps en los tres disefios. En las TABLAS A_I, A_2 y A_3 del apéndice se presentan las estimaciones de I tivamente ERA(T,/T,), u=2.....9 y los valores exactos disponibles en la literatura. Estos son, para el c: de errores normales: : 3K Fi ERA(DD,F) = —>"— (van Elteren y Noether, 1979) mK +1) ERA(RAL.DD) < + (Puri and Sen, 1971) 3K 7 sen“! —! _ RK = [1 + 6/z8e0"! ET) ERA(RAL.F) (Puri and Sen, 1971) En la TABLA 1 se ordenan las estadisticas (de mayor a menor ERA estimada), para las distribuciones del error consideradas y los tres disefios. 74Observando los resultados resumidos en la TABLA | podemos coneluir, en general, que para distribucién normal del error las ocho estadisticas analizadas son menos eficientes que la estadistica F del ANOVA clisico (como es de esperar) y que entre éstas las de mayor ERA estimada son las estadisticas ART, RTF Y RAL, en ese orden en general; entre QQ, QQE QQEE, DD y DWN les sigue en eficiencia Ia estadistica de rangos ponderados de Quade (QQ). En dos de los tres disefios analizados la estadistica DWN resulta ser la de menor ERA estimada. Para distribuciones del error Laplace, logistica y valor extremo, las estadisticas RTF, ART (estadisticas construidas a partir de la F) y RAL Cranking after alignment”) son las que presentan una mayor ERA estimada, de hecho mayor que 1 (superior en eficiencia que la F), Para distribucin uniforme del error, las estadisticas QQE (rangos ponderados con puntajes exponenciales para los tratamientos y lineales para los bloques) y QQEI ponderados con puntajes exponenciales para los tratamientos y los bloques) y QQ (rangos ponderados con puntajes lineales para tratamientos y para bloques), son las de mayor eficiencia asintética y en el orden indicado (excepto QQ que en el disefto 3 es ligeramente superada por RTF). Las ERA’s estimadas de las dos primeras estadisticas es mayor que I y la de QQ es pricticamente I. Las estadisticas menos eficientes bajo esta distribucién del error son: DD (Durbin) y DWN (Downton). ngos Este estudio ha confirmado el buen comportamiento de la estadistica de Quade (QQ) frente a competidores estrictamente libres de distribucién para errores uniformes, normales 0 logisti- cos, Esta afirmacién abarca también a los competidores condicionalmente libres de distribu- cidn en el caso de errores uniformes. Precisamente en tal caso, el uso de puntajes exponenciales incrementa en una magnitud importante la eficiencia relativa de la estadistica de rangos ponderados. Tabla 1 RANKING DE LAS ERA’s ESTIMADAS PARA LAS DIFERENTES, ESTADISTICAS Y DISTRIBUCIONES DE ERROR. EN LOS TRES DISENOS DISTRIBUCION DEL ERROR Ranking et Normal Uniorme Laplace Logistica Valor Extremo { treo |, 1 RTE Q0E* RIF* RTE RIF | 2 ART QQEE* ART ART ARTY) g 3 RAL 2g RAL* RAL* RAL") B 4 20 RIF pps QQ DWN) 3 QQE ART DWN* DD QQ oO 6 ore RAL 2 DWN pp 7 DD DD QQE QQE QQEE 8 DWN DWN QQEE QQEE QQE | 8DISTRIBUCION DEL ERROR Ranking § | Normal Uniforme Laplace Logistica Valor Extremo} D I 1 ART QQE* RTF RIF* rrr} S 2 RIF QQEE* ART* ART* arts| E 3 RAL QQ* RAL* RAL* RAL*| N 4 QQ RIF bps QQ DwN| oO 5 Dp ART DWN* DD Db 6 DWN RAL QQ" DWN 20 2 7 QQE pp QQE QQE QQEE| 8 QQEE DWN QQEE QQEE QQE | DISTRIBUCION DEL ERROR | Ranking; Normal Uniforme: Laplace Logistica Valor | Extremo] D. 1 1 ART QQE* RTF* RIF ART*| 2 RIF QQEE* ART* ART* RTF | og 3 RAL, RIF RAL* RAL* RAL*| 4 QQ Q DWN DWN QQ 7 5 QQE ART pb pp Dp 6 QQEE RAL QQ QQ DWN 7 pp DWN QQEE QQEE age} 3 8 DWN pp QQE QQE QQEE) *:BRA> 1 APENDICE, Tabla A-1 ESTIMACION PUNTUAL Y POR INTERVALO DE LA ERA PARA DIFERENTES ESTADISTICAS Y DISTRIBUCIONES DEL ERROR, DISENO | | Distribucion Estimacion Lim, Fidueiales (05%) | Error are(Ts, TH) RD Ru(S) QQ 0.869 0819 0.921 pp 0.684 (0.716) 0.636 0.732 RAL, 0.034 (0.966) 0.883 0.988 NORMAL RIF 0.988 0.936 1.043 ART 0.967 0916 1.022 DWN 0.671 0.623 0.719 16QQE 0.791 0.743 0842 QQEE 0.785 0.736 0.835 QQ 1,001 0.956 1.049 DD 0.699 (0.750) 0.658 0741 RAL 0.877 0.834 0921 UNIFORME RTF 0.972 0927 1018 ART 0.901 0.858 0.946 DWN 0.670 0.629 om QQE 1.289 1.236 1.345 QQEE 1.228 1177 1.282 QQ 0.954 0.881 1.034 pp 1.058 (1.125) 0.981 1142 RAL, 1147 1,066 1.235 LAPLACE, RIF 1.476 1.379 1584 ART 1175 1,093 1.265 DWN 1.012 0.936 1.094 QQE, 0.730 0.661 0.802 QQEE 0.709 0641 0.780 QQ 0.874 0.829 0.920 ppb 0.781 0.738 0.825 RAL 1.018 0.970 1.067 LoGisTICA RTF 1.094 L045 1.146 ART Loa 0.997 1.096 DWN 0.750 0.707 0.794 QQE 0.720 0.678 0.768 QQEE 0.700 0.657 0.743 QQ 0.954 0827 1.098 pp 0.942 ois 1.086 RAL 1.074 0.940 1.130 VALOR RIF 1.243 1.098 1416 EXTREMO ART Lad 0978 1274 DWN 0973 084s Lug QQE 0.732 0.612 0.861 QQEE 0.753 0.632 0.883 NOTA: Los ntimeros entre paréntesis son los valores exactos de esas ERAS. nTabla A-2 ESTIMACION PUNTUAL Y POR INTERVALO DE LA ERA PARA, DIFERENTES ESTADISTICAS Y DISTRIBUCIONES DEL ERROR. 8 DISENO 2 Distribucion Estimacién Lint. Fiduciales (05%) Error ay) are(T, 71) Ru Ru(S) Qa 0.826 om 0.952 pp 0.748 (0.764) 0.635, 0.869 RAL 0939 (0.965) 0.820 1.073 NORMAL RIF 0.950 0831 1.085 ART 0.967 0.846 1.103, DWN: 0.726 014 0.846 QQE 0.692 0.580 O.81L QQEE 0.669 0.557 0.786 Qe 1.085 1.028 1.145 pp om (0.800) 0678 078 RAL 0.858 0.807 oon UNIFORME RTF 0973 0919 1.030 ART 0879 03827 0.933 DWN: 0.704 0.655 0.755 QQE 1.309 1.245 1.378 QQEE 1.284 1.221 1,352 QQ 1.29 Laas 1.348 pp 1.426 (1.200) 1.310 1.560 RAL 1.508 1.386 1.649 LAPLACE RIF 1929 17 2.108 ART 1s71 1.445 17s DWN 1318 1.208 1443 Qk 0.859 om 0.995 QQEE 0.847 0.738 0.942 a 0853 0812 0.896 pp 0812 or 0.854 RAL 1.012 0.967 1.058 LoGisticA RTF 1.087 1041 1135 ART 1.083, 0.998 1.090 DWN 0.756 o716 0.797 QQe 0.656 0616 0.696 QQEE 0.633 0.594 0.673| aq 0.44 0.883 1.009) | Db 0.947 0.886 1012 | RAL 1.094 1.028 L164 | VALOR RIF 1.200 1131 1.275 \EXTREMO ART 1124 1.057 L195 DWN 0.980 o918 1.046 | QQE 0.678 0.622 0.736, QQEE 0.205 0.648 0.763, NOTA: Los niimeros entre paréntesis son los valores exactos de esas ERA'S Tabla A-3 ESTIMACION PUNTUAL Y POR INTERVALO DE LA ERA PARA DIFERENTES ESTADISTICAS Y DISTRIBUCIONES DEL ERROR. DISENO 3 Distribucién Estadistica Estimacion Lim Fiduciales (95%) Error (To are(Tw. T1) Ru) RuS)] | QQ 0.851 0.656 1.083) pp 0.694 0.716) 0.501 0.906 | RAL 0.924 (0.966) 0.726 1.167 NORMAL RTF 0.949 0.749 1.196) | ART 0971 0.70 1221 DWN 0.694 0.501 0.906, QQE 0.734 o.s41 0.950, QQEE 0.730 0.538 046} a 0.926 0.822 host) bp 0.647 (0.750) 0.549 0.748 | RAL, 0.871 0.769 0.982 UNIFORME RTF 0.969 0.863 1.087 ART 0.913 0810 1.027 | DWN 0.649 0.552 0751 QQ. Lass 1.067 1317 QQEE L140 1.026 1.270 | eg 0.841 0.736 0.955 DD 0.927 (1.125) 0.819 1.046 RAL 1.176 1.056 1314| LAPLACE RTF 1.406 1271 1,566, ART 1.238 ng 1381 9DWN 0.929 0.822 1.049 QQE 0377 0.476 0.680 (QQEE 0.596 0.495 0.699 2a 0.806 1.070 pp 0.820 1.086 RAL 0.947 1.232 LocisTicA RTF 1.078 1.387 ART 0.987 1279 DWN 0.865 1.138 QQ 0.582 0.824 QQEE 0.590 0.833 a 0.751 0.893 pp 0672 osit RAL 0.951 1.108 VALOR RIF 0.992 1152 EXTREMO ART 0.998 1.158 DWN 0.667 0.806 QQe 0.570 0.705 | QQEE 0.569 0.704 NOTA: Los nuimeros entre paréntesis son los valores exactos de esas ERA’s BIBLIOGRAFIA Cocirax, W., and Cox, G. (1957). Experimental Designs, John Wiley & Sons, New York. Conover, W.J. (1971). Practical Nonparametric Statistics, John Wiley & Sons, New York. Conover, W.J. and IMAN, R.L. (1981). Rank Transformations as a Bridge between Parametric and Nonparametric Statistics, The Amer. Stat., 35(3), 124-133, Cox, DR. (1972). Regression models and life tables, J.R. Statist. Soc., B 34, 187-220. (1975). Partial likelihood, Biometrika, 62, 269-276. Dey, ALOKE (1986). Theory of Blocks Design, John Wiley & Sons. Downton, F (1976). Nonparametric Tests for Block Experiments, Biometrika, 63(1), 137-141 DURBIN, J. (1951). Incomplete Blocks in Ranking Experiments, British Journal of Psychology, 4:85-90. FeRRerm, N. and YouAl, V. (1986). Efficiency of Tests Based on Weighted Rankings for the Equality of Treatments Effects in a Complete Randomized Block Layout, Comm. Stat., A. 15, 1179-1200, FINNEY, DJ. (1978). Statistical Methods in Biological Assays, 3rd. Ed., MacMillan, New York. Feiss, LL. (1981). Balanced Incomplete Block Design for Inter-rater Reliability Studies, App. Psych. Meas., 5, 105-112. FRIEDMAN, M. (1937). The Use of Ranks to Avoid the Assumption of Normality Implicit in the Analysis of Variance, J.A.S.A., 32, 675-699. 80GiesaRECHT, FG. (1986). Analysis of Data from Incomplete Block Designs, Biometrics, 42, 431-448. HANNAN, EJ. (1956). The Aymptotic Power of Certain Tests Based on Multiple Correlation, LRSS, B(18), 227-233. Hopoes, J. and LEHMMAN, E.L. (1962). Rank Methods for Combination of Independent Experiments in Analysis of Variance, Annals of Math, Stat., 33, 482-497. Hora, S.C, and Conover, W.J. (1984), The F Statistics in the Two-way Layout with Rank-score Transformed Data, 1.8.8... 79, 668-673. Hora, $.C. and IMAN, RL. (1988). Asymptotic Relative Efficiencies of the Rank Transformation Proce: dure in Randomized Complete Block Designs, JAS.A., 83, 462-470, IMAN, R.L., Hora, $.C. and Conover, W.J. (1984). Comparison of Asymptotically Distribution- Free Procedures for the Analysis of Complete Blocks, .A.S.A., 79, 764-685. NaYtok, T., BALINTFY, J. BURDICK, D. and CHU, K, (1966). Computer Simulation Techniques, John. Wiley & NIGAM, A.K., PURI, PD, and GUPTA, V.K. (1988), Character Wiley & Sons. cations and Analysis of Block Designs, John Puri. MLL. and $.PK. (1971). Nonparametric Methods in Multivariate Analysis, Jobn Wiley & Sons, New York. QavE, D, (1972). Analysing Randomized Blocks by Weighte Rankings, Report SW 18-72 Math. Centrum, Amsterdam, (1984). Nonparametric Methods in Two-Way Layouts in PR. Krisnaiah and PK. Sen (Eds) “Handbook of Statistics”, Vol. 4, 185-228, Elsevier Science Publischers. SALtER, K. and FAWCETT, R. (1985). A Robust and Powerfid Rank Test of Treatment Effects in Balanced Incomplete Block Designs, Technomettics, 23, 171-177. SAS INSTITUTE INC. SAS User s Guide: Statistics, 1982 Edition, Cary, N.C.: SAS Institute Ine., 1982. SEN PK, (1967). A Note on the Asymptotic Efficiency of Friedman's Test, Biometrika, 54, 677-678. —— (1968). On a class of aligned rank order tests in two-way layouts, Ann. Math. Statist., 39, 115-1124, Na, C.(1977). Analysis of Randomized Blocks Design Based on Weighted Rankings, N.C. Institute of Statistics Mimeo Series 1137 (1981), Aplicacién de Rangos Ponderados al Anilisis de Bloques Aleatorizados. Distribucio- nes Asintoticas, J. Int-Amer, Stat, Inst,, 124, 25-35. Suva, C. and QuAvE, D. (1980). Evaluation of Weighted Rankings Using Expected. Significance Level, ‘Comm. in Stat., A, 9, 1087-1096. __ (1983). Estimating the Asymptotic Relative Efficiency of Weighted Rankings, Comm. in Stat., B, 12, 427-431 TaroIF, 8. (1980). On the Asymptotic Distribution of a Class of Aligned Rank Order Test Statistics in Randomized Blocks Designs, Canad. J. Statist, 8(1), 7-2: (1985). On the Asymprotic Efficiency of Aligned-Rank Tests in Randomized Block Layouts Canad. J. Statist,, 13(2): 217-232. (1987), Efficiency and Optimality Results for Tests Based on Weighted Rankings, LAS.A., 82, 637-644 (1988). Conditionally and Strictly Distribution-Free Tests for Randomized Blocks Designs that area Asymptotically Optimal, Report MS-R8802, Centre for Mathematics and Computer Science, Amsterdam, 81TU.CC. (1971). VARGEN: Random Variable Distribution Generator, TUCC Memorandum LS-110-0, Research Triangle Park, North Carolina, Triangle Universities Computation Center, ‘TuKey, J.W. (1957). Sums of Random Partitions of Ranks, Annals of Math. Stat., 28: 987-992. VAN ELTEREN, Ph., and NOETHER, G.E. (1959). The Asymprotic Efficiency of the test for a Balanced Incomplete Block Design, Biometrika, 46, 475-477. VerGaRa, P. and Sitva, C. (1985). Eficiencia relativa asintética de los rangos ponderados en bloques incompletos aleatorios, Rev. Soc. Chil. Estad., 2(1), 49-58, YATES, F. (1936). Incomplete Randomised Blocks, Annals of Eugenics, 7, 121-140. Youal, V. and FERRETTI, N. (1987). Tests Based on Weighted Rankings in Complete Blocks. Exact Distribution and Monte Carlo Simulation, Conmm, in Statist, B (16): 333-347. 82