Upload
josef-krause
View
216
Download
2
Embed Size (px)
Citation preview
Lateinquadrate
Lateinquadrate• Nur eine Standardanordnung für k=3 A B C
B C A
C A B
A C B B C A C A B C B AB A C
A B C
C A B
B C A
A C B B C A C A B C B AB A C
(Anzahl der Quadrate mit Standardanordnung) x k! x (k-1)! = 12
Lateinquadrate
• Standardanordnung, k=4
A B C DB A D CC D B AD C A B
A B C DB C D AC D A BD A B C
A B C DB D A CC A D BD C B A
A B C DB A D CC D A BD C B A
Jedes dieser Quadrate führt bei Festhalten der ersten Zeile auf 6 mögliche Permutationen der Zeilen 2 - 4.Zusammen mit den 24 Permutationen der ersten Zeile ergibt dies 144 mögliche Quadrate. Insgesamt : 4x24x6 = 576 Quadrate
Orthogonale Lateinquadrate
k=3A B C
B C A
C A B
A B C
C A B
B C A
Legt man die Quadrate übereinander, so taucht jede Kombination von Behandlungen gleich oft auf, z.B. hier AA, AB, BA, AC, CA … je einmal.
Wenn k eine Primzahl oder eine Potenz einer Primzahl ist lassen sich orthogonale Lateinquadrate konstruieren.
Konstruktion orthogonaler Lateinquadratek=5
A B C D EB C D E A
C D E A B
D E A B C
E A B C D
A B C D E
C D E A B
E A B C D
B C D E A
D E A B C
Konstruktion, k=5
A B C D ED E A B C
B C D E A
E A B C D
C D E A B
A B C D E
E A B C D
D E A B C
C D E A B
B C D E A
Bei Übereinanderlegen von zwei Quadraten kommt in den k2
Feldern jeweils ein Paar AA, BB, CC, DD, EE, sowie jeweils eines der k(k-1) Paare AB, BA, AC, CA, … vor.Die Konstruktion funktioniert für jede mögliche erste Zeile.
Williams-Quadrate
A B C DC A D BD C B AB D A C
k=4
In den Zeilen folgt jede Behandlung unmittelbar auf jede andere genau einmal, AB, BA, AC, CA, … .
Ausgewogenheit bezüglich einfacher Nachwirkungseffekte
Williams-Quadrate, k gerade
• Erste Zeile i1(1), …, ik(1) Permutation von 0, …, k-1
Z.B.: 0, 1, k-1, 2, k-2, 3, k-3, …, k/2 k=6: 0, 1, 5, 2, 4, 3 1 4 3 2 5
Bedingung: (ij(1)-ij-1(1))|mod k, j=2,…,k: Permutation von 1, …, k-1
Algorithmus zur Konstruktion: ij
(r+1)=ij(r)+1|mod k
Williams-Quadrate (Einschub)
• Erste Zeile nicht eindeutig ij(1) → „Prime to k“ x ij(1)|mod k
z.B. k=6: Multiplizieren mit 2
0, 1, 5, 2, 4, 3 0, 2, 4, 4, 2, 0 auch nicht mit 3!
mit 5 0 , 5, 1, 4, 2, 3
• Andere Anfangszeile 0, 2, 1, 4, 5, 3
Konstruktion eines Williams-Quadrats k=6
0A
1B
5F
2C
4E
3D
1 2 0 3 5 4
2 3 1 4 0 5
3 4 2 5 1 0
4 5 3 0 2 1
5 0 4 1 3 2
+1|mod 6
1 4 3 2 5
Williams-Quadrate, k ungerade• Zwei Quadrate zu Block zusammenfassen• Z.B.: k=3
0 1 2
1 2 0
2 0 1
2 1 0
0 2 1
1 0 2
1 1 2 2
Allgemein: Quadrat 1, 1.Z.: 0,1,k-1,2,k-2,…,(k-1)/2,(k+1)/2Quadrat 2, 1.Z.: (k+1)/2,(k-1)/2,…,k-2,2,k-1,1,0
Algorithmus: ij(r+1)=ij
(r)+1|mod k
Modell für ein LQ
Yijk= μ + ρi+ πj + τk + εijk
“Row”: Proband
“Column”: Periode
Behandlung
Zufallsfehler
Ausgewogene unvollständige Blöcke
• t Behandlungen• b Blöcke (z.B. Patienten)• k (<t) Behandlungen pro Block• Jede Behandlung einmal pro Block• r Wiederholungen jeder Behandlung insgesamt• λ mal jedes Behandlungspaar in den Blöcken
N=rt=bk λ(t-1)=r(k-1) b≥t
Ausgewogene unvollständige Blöcke
A B
B A
A C
C A
B C
C B
Blöcke(Patienten)
t=3b=6k=2r=4λ=2
N=12
Modell
Yij= μ + τi + βj + εij
Messung, wenn im Block jdie Behandlung i angewandt wurde
Behandlung
Block (Proband)
Zufallsfehler
Blöcke mit Behandlungswiederholungen(individuelle Bioäquivalenz)
R T R TT R T RT R T RR T R T
Abschätzung der Variabilität innerhalb der Blöcke zwischen verschiedenen Anwendungen der gleichen Behandlung oder bei Wechsel der Behandlungen.
BehandlungenR :Referenz
T: Test
Blöcke z.B. Probanden
Modell
Enthält
• Variabilität innerhalb der Probanden getrennt nach Behandlung
• Varianzkomponente für die Wechselwirkung Proband x Behandlung (Variabilität durch Wechseln der Behandlungen, “Switchability”)
Die Analyse von Fall-Kontroll-Studien
)|(?)|(
KXPXKP
• s “Fälle” mit der Erkrankung K
• r x s (r≥1) gematchte Kontrollen ohne Erkrankung
• X: Einflussvariablen, einschließlich der Exposition
Fall-Kontroll-Studie (Forts.)
• Z: Indikatorvariable ob Person in Fall-Kontroll-Studie• π1 = P(Z=1|K=1,X)• π0 = P(Z=1|K=0,X)
)|0()|1()|1(
)|0(),0|1(),1(),1|1()|1(),1|1(
),1|1(
01
1XKPXKP
XKPXKPXKZPXKPXKZP
XKPXKZPXZKP
Fall-Kontroll-Studie (Forts.)
1))|0(/)|)1()(/())|0(/)|1()(/(
)|0()|1()|1(
01
01
01
1
XKPXKPXKPXKP
XKPXKPXKP
1)...exp()/()...exp()/(1))|0(/)|)1()(/(
))|0(/)|1()(/(),1|1(
1101
1101
01
01
mm
mmxxxx
XKPXKPXKPXKP
XZKP
exp [α*]
Fall-Kontroll-Studie (Forts.)
1)...*exp()...*exp(
),1|1(
11
11
mm
mmxxxx
XZKP
Fall-Kontroll-Studie Bedingte logistische Regression
k-tes “Stratum” mit Fällen und Kontrollen, k=1,…,skn kn
s
k
nnn
n
setauss
m
lsll
n
j
m
lkjll
cond
kkk
k
k
x
x
L1
1
1 1
]exp[
]exp[
Wahrscheinlichkeit, dass gerade die nk beobachtenen Fälle im Stratum auftreten, bedingt dass irgend welche nk aus dem Stratum Fälle sind
Bedingte logistische Regression1 kk nn
s
Expositionerdiskordant
mitPaareKoIFallI
FallI
s
kKoI
KoI
FallIKoIFallI
FallI
KoIFallI
FallI
s
k
ee
e
e
e
eee
eee
e
k
k
kkk
k
kk
k
.)exp(.)exp(
.)exp(
1.)exp(
.)exp(
.)exp(.)exp(.)exp(
.)exp(
.)exp(.)exp(
.)exp(
1
11
1
1
1
1
1
1
1
Nur Exposition (ja/nein), keine weiteren Kovariablen
Lcond =