Los métodos actuales de modelado de covarianza funcionan bien en el análisis de datos longitudinales. En el análisis de datos sin un orden natural, un método común de modelado de covarianza sería inadecuado. En este artículo, se implementa un estudio para investigar los efectos de las permutaciones de datos en la estimación de la matriz de covarianza. Basado en el método de descomposición de hiperesfera (HPC), este estudio sugiere que el cambio de la permutación de los datos rompe la consistencia de la estimación de covarianza. Un método alternativo de descomposición de hiperesfera con invarianza de permutación se introduce más adelante en este artículo. La consistencia y normalidad asintótica del método alternativo se estudian cuando las observaciones siguen una distribución normal. Estos resultados se prueban utilizando algunos estudios de ejemplo. Además, se realiza un análisis de datos reales con fines ilustrativos.