RESUMO
N = 1 designs imply repeated registrations of the behaviour of the same experimental unit and the measurements obtained are often few due to time limitations, while they are also likely to be sequentially dependent. The analytical techniques needed to enhance statistical and clinical decision making have to deal with these problems. Different procedures for analyzing data from single-case AB designs are discussed, presenting their main features and revising the results reported by previous studies. Randomization tests represent one of the statistical methods that seemed toper form well in terms of controlling false alarm rates. In the experimental part of the study a new simulation approach is used to test the performance of randomization tests and the results suggest that the technique is notal ways robust against the violation of the independence assumption. Moreover, sensitivity proved to be generally unacceptably low for series lengths equal to 30 and 40. Considering the evidence available, there does not seem to be an optimal technique for single-case data analysis (AU)
Los diseños de caso único implican registrar la conducta de la misma unidad experimental. Las mediciones obtenidas suelen ser pocas debido a los costes temporales y también es probable que presenten dependencia serial. Estos problemas tienen que ser superados por las técnicas analíticas necesarias para mejorar la toma de decisiones estadísticas y clínicas. En la primera parte del artículo se discuten diferentes procedimientos para el análisis de diseños AB, presentando sus características y revisando resultados de estudios anteriores. Las pruebas de aleatorización son unos de los métodos estadísticos que se consideran apropiados debido a que parecen controlar las tasas de error Tipo I. En la parte experimental del artículo se utiliza una nueva manera de simular con el objetivo de analizar las propiedades estadísticas de las pruebas de aleatorización. Los resultados sugieren que la técnica no es siempre robusta contra la violación del supuesto de independencia y además presenta tasas de error Tipo II inaceptables. Teniendo en cuenta las evidencias disponibles, no parece existir una técnica óptima para el análisis de datos de N = 1 (AU)
