Estudio del crecimiento bacteriano. Enfoque de análisis de datos con medidas repetidas.
Ver/
Fecha
2016-07Palabras Clave
Medidas repetidas, Estructura de covarianza, Crecimiento bacterianoRepeated measures, Covariance structure, Bacterial growth
Metadatos
Mostrar el registro completo del ítemResumen
Los análisis de datos para medidas repetidas se aplican a un conjunto de mediciones de la misma variable tomadas sobre la misma unidad experimental a lo largo de tiempo, donde los períodos de observación son establecidos por el investigador. Esta estructura de datos, por lo general causa que las varianzas y correlaciones sean diferentes en el tiempo y, por tal razón, no es apropiado analizar los datos mediante un análisis estadístico clásico. Este artículo explica la metodología adecuada haciendo uso de datos de crecimiento bacteriano en el jamón de pavo, mediante un modelo factorial con errores aleatorios dependientes del tiempo usando la estructura de covarianza ANTE(1) elegido por medio de los criterios AIC, BIC y AICC. El procesamiento de los datos se realizó con el PROC MIXED del SAS, que usa como método de estimación de los parámetros la Máxima Verosimilitud Residual (REML) por defecto, empleado para modelos de efectos mixtos, debido a que admite el modelamiento de la estructura de covarianza de los datos. Aplicar esta metodología estadística a la variable crecimiento bacteriano, nos llevó a la conclusión de que el uso de aceites esenciales con película favorece en la conservación del jamón de pavo en el tiempo.
Información Adicional
Otros Títulos | Study of bacterial growth. Analysis approach repeated measures data. |
Correo Electrónico | yolima@ula.ve orlandon@ula.ve |
ISSN | 0543-517-X |
Resumen en otro Idioma | Data analysis for repeated measures apply to a set of measurements of the same variable taken on the same experimental unit over time, where the observation periods are set by the researcher. This data structure usually causes the variances and correlations are different in time, and for this reason it is not appropriate to analyze the data using classical statistical analysis. This article explains the proper methodology using data of bacterial growth in turkey ham, using a factorial model with time-dependent random errors through a covariance structure model ANTE (1) chosen by the AIC criteria, BIC and AICC. The data processing was performed using PROC MIXED of SAS, using as a method of estimating the parameters Maximum Residual Likelihood (REML) by default, employed for mixed effects models because modeling supports the covariance structure of the data. Apply this to variable growth methodology, took us to the conclusion that the use of essential oils without film promotes the conservation of turkey ham in time. |
Colación | 8 - 17 |
Periodicidad | Semestral |
País | Venezuela |
Institución | Universidad de Los Andes (ULA) |
Publicación Electrónica | Revista de la Facultad de Farmacia |
Sección | Revista de la Facultad de Farmacia: Artículo Original |