Diseños óptimos para modelos no lineales con estructura de correlación: estudio de robustez

En este artículo se propone una metodología para comparar diseños D-óptimos exactos cuando no se cumple el supuesto de incorrelación del término de error en el modelo y se tienen bajo consideración cuatro estructuras de covarianza para modelarlo. Se halla una expresión simplificada de la matriz de información de Fisher para el caso general de observaciones correlacionadas y se utiliza en las cuatro estructuras de covarianza consideradas. Con cada estructura de covarianza se halla el respectivo diseño óptimo, conocido como diseño nominal, y se evalúa la robustez de los otros diseños óptimos hallando la eficiencia de éstos con relación al diseño nominal. Se concluye que los cuatro diseños óptimos son competitivos con respecto a las otras estructuras de covarianza consideradas, al observar una mínima pérdida de eficiencia de cada uno de estos diseños y mostrando que los diseños óptimos, al menos con las estructuras de covarianza consideradas, son robustos a la elección de la estructura de covarianza. Adicionalmente, se muestra, vía simulación, que, con los diseños óptimos, bajo cada estructura de covarianza se obtienen buenos estimadores para los parámetros del modelo al evaluar la magnitud del coeficiente de variación y el error cuadrático medio relativo.