CONCEPTOS BSICOS EN DISEOS FACTORIALES

Se llaman Diseos Factoriales a aquellos experimentos en los que se estudia simultneamente dos o
ms factores, y donde los tratamientos se forman por la combinacin de los diferentes niveles de cada
uno
de
los
factores.
Los Diseos factoriales se emplean en todos los campos de la investigacin, son muy tiles en
investigaciones exploratorias en las que poco se sabe acerca de muchos factores.
El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre una o varias respuestas o
caractersticas de calidad y determinar una combinacin de niveles de los factores en la cual el
desempeo del proceso sea mejor que en las condiciones de operacin actuales; es decir, encontrar
nuevas condiciones de operacin del proceso que eliminen o disminuyan ciertos problema de calidad en
la variable de salida. Los factores pueden ser de tipo
Cualitativo (mquinas, tipos de material, operador, la presencia o ausencia de una operacin previa, etc.),
o de tipo cuantitativo (temperatura, humedad, velocidad, presin, etc.). Para poder estudiar la manera en
que influye cada factor sobre la variable respuesta, es necesario elegir al menos dos niveles de prueba
para cada uno de ellos (tres mquinas, dos operadores, tres velocidades, dos temperaturas, etc.). Con el
diseo factorial completa se corren aleatoriamente en el proceso todas las posibles combinaciones que
pueden formarse con los niveles seleccionados
CONCEPTOS GENERALES:
FACTOR.- Es un conjunto de tratamientos de una misma clase o caracterstica. Ejemplo: tipos de
riego, dosis de fertilizacin, variedades de cultivo, manejo de crianzas, etc.

FACTORIAL.- Es una combinacin de factores para formar tratamientos.

NIVELES DE UN FACTOR.- Son los diferentes tratamientos que pertenecen a un determinado

factor. Se acostumbra simbolizar algn elemento i por la letra minscula que representa al factor
y el valor del respectivo subndice.

DISEOS FACTORIALES CON DOS FACTORES

Interaccin en el experimento de dos factores

En el modelo de bloques aleatorizados que se estudio en forma previa, se supuso que en cada bloque se tomaba una
observacin de cada tratamiento. Si la suposicin del modelo es correcta, es decir, si los bloques y los tratamientos
son los nicos efectos reales y la interaccin no existe, el valor esperado del error cuadrtico de la media es la
varianza, 2, del error experimental. Sin embargo, suponga que existe interaccin entre los tratamientos y los
bloques, como lo indica el modelo
yij = + i +

j+(

La interaccin y la interpretacin de los efectos principales

Desde el punto de vista del experimentador, parecera necesario llegar a una prueba significativa sobre la
existencia de interaccin, al separar la variacin del error verdadero de aquel que se debe a la
interaccin. Los efectos principales, A y B, adoptan un significado distinto en presencia de la interaccin.
En general, habra situaciones experimentales en las cuales el factor A tuviera un efecto positivo sobre la
respuesta en un nivel del factor B; en tanto que con un nivel distinto de este, el efecto de A sera negativo.
Aqu se usa el termino efecto positivo para indicar que el producto o la respuesta se incrementa
conforme los niveles de un factor dado aumentan de acuerdo con cierto orden definido. En el mismo
sentido un efecto negativo corresponde a una disminucin del producto para niveles crecientes del
factor.
Por ejemplo. Considere los datos siguientes de la temperatura (factor A con niveles t 1, t2, t3, en orden
creciente) y tiempo de secado d 1, d2, d3 (tambin en orden creciente). La respuesta se expresa en
porcentaje de slidos. Estos datos son hipotticos por completo y se dan para ilustrar un aspecto.

Es evidente que el efecto de la temperatura es positivo sobre el porcentaje de slidos con el tiempo de
secado d1, pero negativo para el tiempo alto d 3. Esta interaccin clara entre la temperatura y el tiempo de
secado tiene un inters notorio para el bilogo; pero, con base en los totales de las respuestas para las
temperaturas t1, t2, t3, la suma de los cuadrados de la temperatura, SSA, producira un valor de cero.

Necesidad de observaciones mltiples

En el experimento de dos factores, la interaccin y el error experimental solo se separan si se hacen
observaciones mltiples con las distintas combinaciones de tratamiento. Para mxima eficiencia, con
cada combinacin debe haber el mismo nmero n de observaciones.

Anlisis de varianza de dos factores

Para presentar las formulas generales para el anlisis de varianza de un experimento de dos factores se
utiliza observaciones repetidas en un diseo por completo aleatorio, debe considerarse el caso de n
repeticiones de las combinaciones de tratamiento determinadas por a niveles del factor A y b niveles el
factor B. las observaciones pueden clasificarse usando un arreglo rectangular, donde los reglones
representan los niveles del factor A y las columnas los del factor B. cada combinacin de tratamiento
define una celda del arreglo. As, se tienen ab celdas, cada una de las cuales contiene n
abn

observaciones. En la tabla 14.1 se muestran las

Tabla 14.1: Experimentos con dos factores con

observaciones.

repeticiones

Las observaciones en la celda (ij)-sima constituyen una muestra aleatoria de tamao n de una poblacin
que se supone tiene distribucin normal con media ij y varianza 2. Se supone que todas las ab
poblaciones tienen la misma varianza

Se definen los smbolos siguientes, que son de utilidad y algunos de los cuales se utilizaron en la tabla
14.1:
Y ij .= suma de las observaciones en la (ij)-sima celda
Y i

..= suma de las observaciones para el i-simo nivel del factor A.

Y. j .= suma de las observaciones para el j-simo nivel del factor B.

Y= suma de todas las

abn

observaciones.

ij . = media de las observaciones en la (ij)-sima celda.

i..= media de las observaciones para el i-simo nivel del factor A.
. j .= media de las observaciones para el j-simo nivel del factor B.
= media de todas las

abn

observaciones

Modelo e hiptesis para el problema con dos factores

Cada observacin de la tabla 14-1 puede escribirse en la siguiente forma:

yijk=ij+ ijk

ijk

Donde

mide las desviaciones con respecto de la media

observaciones en la

( ij ) + sima

nivel del factor A y l

jsimo

efecto del

jsimo

celda. Si

( ) ij

nivel del factor B,

nivel del factor B,

ij=+ i+ j+

ij

de los valores

denota el efecto de la interaccin del

i

el efecto del

( ) ij+ ijk

Y entonces,
yijk=+ i+ j+ ( ) ij+ ijk

Para cada:
i = 1,2,..., a; j = 1,2,..., b; k = 1,2,..., n,
Con restricciones:

Donde:

: Es la media general.

: Es el efecto (positivo o negativo) debido al isimo

: Es el efecto (positivo o negativo) del

isimo

isimo nivel del factor A,

la media conjunta escribimos

nivel del factor A.

jsimo nivel del factor B.

yijk

el

( ) ij : Representa al efecto de interaccin en la combinacin ij .

ijk

: Es el error aleatorio que supone sigue una distribucin con media cero
y varianza constante

(N ( 0, ) )

y son independientes entre s.

Las tres hiptesis por probar son las siguientes:

Participacin de la variabilidad en el caso de dos factores

Teorema 14.1 Identidad de la suma de cuadrados.

Simblicamente la suma de cuadrados se escribe as:

SST =SSA+ SSB+ SS ( AB )+ SSE

Donde:

SSA y SSB

SS ( AB )

SSE

se denominan la suma de cuadrados para los efectos principales A y B.

suma de cuadrados de la interaccin para A y B.

es la suma de errores al cuadrado.

La suma de los grados de libertad se efecta de acuerdo a la identidad:

abn1=( a1 ) + ( b1 )+ ( a1 ) ( b1 )+ ab( n1)

Formacin de los cuadrados de la media

Si dividimos cada una de las sumas de los cuadrados en el lado derecho de la identidad de la suma de
cuadrados entre su nmero correspondiente de grados de libertad, obtenemos los cuatro estadsticos

Los clculos del problema de anlisis de la varianza para un experimento de dos factores con
repeticiones, por lo general, se resume como se ilustra en la tabla 14.2.
Tabla 14.2 Anlisis de varianza para el experimento de los factores con

repeticiones.

Ejemplo. De diseos factoriales con dos factores

Se aplican pinturas tapa poros para aeronaves en superficies de aluminio, con dos mtodos: inmersin y
rociado. La finalidad del tapa poros es mejorar la adhesin de la pintura, y puede aplicarse en algunas
partes utilizando cualquier mtodo. El grupo de ingeniera de procesos responsable de esta operacin
est interesado en saber si existen diferencias entre tres tapa poros diferentes en cuanto a sus
propiedades de adhesin.
Para investigar el efecto que tienen el tipo de pintura tapa poros y el mtodo de aplicacin sobre la
adhesin de la pintura, se realiza un diseo factorial. Para ello, se pintan tres muestras con cada tapa
poro utilizando cada mtodo de aplicacin, despus se aplica una capa final de pintura y a continuacin
se mide la fuerza de adhesin. Los datos son los siguientes:

Entonces,

= 3,

= 2,

= 3,

Las medias de las observaciones son:

Las sumas de cuadrados son:

SST =

SS A =

SS B =

= 18.

SS AB=

SS E =

Fuente de
variacin

Suma de
cuadrados

Grados de
libertad

Media
cuadrtica

Factor A

4.58

2.29

27.7576

Factor B

4.91

4.91

59.5152

Interaccion
AB

.24

.12

1.4545

Error

.99

12

.0825

Total

10.72

17

Calculada

DISEOS FACTORIALES CON TRES FACTORES

En esta seccin consideramos un experimento con tres factores, A, B, C, en los niveles

respectivamente, en un diseo completamente aleatorio. Suponga de nuevo
observaciones para cada una de las

abc

a,b y c,

que se tiene

combinaciones de tratamientos. Debemos proceder a realizar

las pruebas de significancia para los tres efectos principales.

Modelo para el experimento con tres factores
El modelo para el experimento con tres factores es

yijkl=+ i+ j+ k + ( ) ij+ ( ) ik + ( ) jk + ( ) ijk+ ijkl

i=1,2, ., a ; j=1,2, ., b ; k =1,2, ., c ; y l=1,2, . , n ,

Donde:

i j k

( ) ij ( ) ik ( ) jk

son los efectos principales

son los efectos de la interaccin de dos factores, que tiene la misma

interpretacin que en el experimento con dos factores.

( ) ijk

se denomina el efecto de la interaccin de tres factores y representa la no aditividad de

las ( ) ij , sobre los diferentes niveles del factor C.

La suma de todos de todos los efectos principales es igual a cero, y la suma sobre cualquiera de los
subndices de los efectos de la interaccin entre dos y tres factores es igual a cero.
Se hace la participacin de la suma de los cuadrados en ocho trminos, donde cada uno presenta una
fuente de variacin de los que se obtiene estimadores independientes de 2 cuando todos los efectos
principales y de la interaccin son iguales a cero. Si los efectos de cualquier factor dado o interaccin no
son iguales a cero, entonces la media cuadrtica estimar la varianza del error mas un componente
debido al efecto sistemtico en cuestin.

Suma de cuadrados para un experimento de tres factores

Los promedios en las formulas se definen como:

. = promedio de todas las
i

abcn

observaciones

= promedio de las observaciones para el

. j..=

promedio de las observaciones para el

isimo

nivel del factor A.

jsimo

nivel del factor B.

.. k . = promedio de las observaciones para el

k simo

nivel del factor C.

ij .. = promedio de las observaciones para el

isimo

nivel de A y el

jsimo

i. k . = promedio de las observaciones para el

isimo

nivel de A y el

k simo

nivel de C.

. jk .

=promedio de las observaciones para el

jsimo

nivel de B y el

k simo

nivel de C.

ijk .

= promedio de las observaciones para la

( ijk )sima

nivel

de B.

combinacin de tratamientos.

Los clculos en la tabla de anlisis de varianza para un problema de tres factores con
repeticin en cada combinacin de factores, se resumen en la tabla 14.7.
Tabla 14.7 ANOVA para el experimento de tres factores con
Fuente de
variacin

Suma de
cuadrados

Grados de libertad

repeticiones

Cuadrado
de la
media
cuadrtic
a

Calculada

Efecto
principal
2

SSA

SSB

f 1=

s1

a1

s 21

b1

s2

s22
f 1= 2
s

s3

C
SSC

c1

s3

f 1=

corridas de

Interaccin de
dos factores

AB

AC

SS ( AB)

( a1 ) (b1)

s 24

s24
f 1= 2
s

SS ( AC)

( a1 )( c 1 )

s 25

f 1=

s5
2

BC
SS (BC)

( b1 )( c 1 )

s6
2
s

s6

f 1=

s27
f 1= 2
s

Interaccion de
tres factores
ABC
SS ( ABC)

( a1 )( b1 ) (c1)

s 27

Error

SSE

abc (n1)

Total

SST

abcn1

Para el experimento de tres factores con una sola corrida experimental por combinacin, debe usarse el
anlisis de la tabla 14.7 con n=1 y el empleo de la suma de cuadrados de la interaccin ABC para
SSE . En este caso, suponemos que los efectos de la interaccin
de modo que

a
b
c
SS ( ABC )
n
= 2 +
( ) 2 ijk= 2

( a1 ) ( b1 )( c1 )
( a1 )( b1 ) ( c1 ) i=1 j=1 k=1

( ) ijk

son todos iguales a cero

Ejemplo. De diseos con tres factores

Fuente de
variacin

Suma de
cuadrados

Grados de libertad

Cuadrado
de la
media
cuadrtic
a

f
Calculada

Efecto
principal
2

A
B

SSA
SSB

a1

s1

b1

s2

f 1=

s1
2
s
2

f 1=

s2
2

SSC

c1
2

s 23

f 1=

s3
2
s

Interaccin de
dos factores

AB

AC

SS ( AB)

( a1 ) (b1)

s 24

s24
f 1= 2
s

SS ( AC)

( a1 )( c 1 )

s 25

f 1=

s5
2

BC
SS (BC)

( b1 )( c 1 )

s6
2
s

s6

f 1=

s27
f 1= 2
s

Interaccion de
tres factores
ABC
SS ( ABC)

( a1 )( b1 ) (c1)

s 27

Error

SSE

abc (n1)

Total

SST

abcn1

Diseo general factorial

Todos los Anlisis hechos para los Diseos de dos y tres Factores pueden extenderse al caso General en
el que existen "a" niveles del Factor A, "b" niveles del Factor B, "c" niveles del Factor C,., y as
sucesivamente, ordenados en un Experimento Factorial. Por lo tanto, en general habr un total de
abc n observaciones si existe n rplicas en el Experimento Completo.

Una generalizacin del Modelo Lineal del Diseo Factorial General estara dado por:

MODELOS DE EFECTOS ALEATORIOS

Los experimentos en los que los tratamientos o los niveles de tratamiento son preseleccionados por el
experimentador, a diferencia de aquellos que se eligen al azar, se denominan experimentos de efectos
fijos o experimentos de modelo I. Para el modelo de efectos fijos, las inferencias se hacen solo sobre
aquellos tratamientos particulares que se us en el experimento
Con frecuencia es importante que el experimentador sea capaz de hacer inferencias acerca de una
poblacin de tratamientos usando un experimento en el que los tratamientos usando un experimento en
el que los tratamientos empleados se eligieron al azar de entre la poblacin. Por ejemplo un bilogo quiz
est interesado en que si hay o no una varianza significativa en cierta caracterstica fisiolgica debida a
un tipo de animal. Los tipos de animales en realidad se usan en el experimento se eligen al azar y
representan los efectos del tratamiento.
Modelo y suposiciones para el modelo de efectos aleatorios
El modelo de efectos aleatorios de un solo factor, que con frecuencia recibe el nombre de modelo II, se
denota como el modelo de efectos fijos pero sus trminos toman significados diferentes. La respuesta
yij=+ i+ ij
Ahora es un valor de la variable aleatoria:
yij=+ A i + Eij
Con:
i=1,2 , k y j=1,2 ,n ,

Donde
Ai

Tiene distribucin normal y son independientes con media=0 y varianza

de la

Eij

. Al igual q para el efecto de modelos fijos, las

Eij

y son independientes

tambin tienen distribucin normal y son

2
independientes, con media igual a cero y varianza .

Observe que para un experimento del modelo II, la varianza aleatoria

k

Ai
i=1

Adopta el valor
n

i
i=1

Y ya no se aplica la restriccin de que la suma de estas

sea igual a cero.

Teorema para el modelo del anlisis de varianza de un solo factor, de efectos aleatorios,

E ( SSA )=( k 1 ) 2 +n ( k 1 ) 2 y E ( SSE )=K (n1) 2

La tabla 13.14 muestra los cuadrados esperados de la media para un experimento tanto del modelo I
como del modelo II. Los clculos para un experimento de los modelos II se ejecutan exactamente de la
misma forma que para el experimento del modelo I.

Tabla 13.14

Para el modelo de efectos aleatorios, las hiptesis de que todos los efectos del tratamiento son iguales a
cero se escriben como sigue:

Hiptesis para un experimento del modelo II.

H 0 : 2 =0
H 1 : 2 0

Esta hiptesis indica que los tratamientos diferentes no contribuyen en absoluto a la variabilidad de la
respuesta. De la tabla 13.14, es evidente que tanto
H0

f=

s 21

como

son estimadores de

cuando

es verdad y que la razn

s 21
s2

Es un valor de la variable aleatoria F que tiene la distribucin f con

k 1 y k ( n1) grados de

libertad.

Estimacin de los componentes de la varianza

La tabla 14.13 tambin se utiliza para estimar los componentes de la varianza
2
2
2
estima +n y s estima

y . Como s 1

s21s
=s , =
n
2

Diseo aleatorio por bloques, con bloques al azar

En un experimento completo con bloques aleatorios, donde los bloques representan das, es concebible
que el experimentador quisiera que los resultados se apliquen no solo a los das reales utilizados en el
anlisis, sino a cada da del ao. Entonces el seleccionara al azar los das en que se aria el experimento,
as como los tratamientos y el uso de modelos de efectos aleatorios

yij=+B j + ij

Los cuadrados esperados de la media para un modelo II de diseo por bloques por completo aleatorios
se obtienen, usando el mismo procedimiento que para el problema de un solo factor, y se presenta junto
con aquellos para un experimento del modelo I como se aprecia en la tabla 13.17

Tabla 13.17 cuadrados esperados de la media para un diseo por bloques completamente aleatorios.