Diseños Factoriales

UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ
FACULTAD DE CIENCIAS NATURALES Y DE LA AGRICULTURA
CARRERA DE INGENIERÍA FORESTAL
DISEÑO EXPERIMENTAL
TEMA:
 Experimento Factorial
PRESENTADO POR:
Gutiérrez Gutiérrez Gary Lenin, Loor Mendoza Junior Alexis, Villacreses Regalado
Antonio
DOCENTE:
Ing. Otto Francisco Mero Jalca
Jipijapa-Manabí-Ecuador
Introducción
Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen
varios factores para estudiar el efecto conjunto de éstos sobre una variable de interés. Existen
varios casos especiales del diseño factorial general que resultan importantes porque se usan
ampliamente en el trabajo de investigación, además de constituir la base para otros diseños de
gran valor práctico. Uno de los más importantes de estos casos especiales ocurre cuando se
tienen k factores, cada uno con dos niveles.
Estos niveles pueden ser cuantitativos como sería el caso de dos valores de temperatura,
presión o tiempo, pero también pueden ser cualitativos como sería el caso de dos máquinas,
dos operadores, los niveles "superior" e "inferior" de un factor, o quizás, la ausencia o
presencia de un factor. Una réplica completa de tal diseño requiere que se recopilen 2 x 2 x ....
x 2 = 2k observaciones y se conoce como diseño general 2 k .

Objetivos
Objetivo General:
Describir los conceptos básicos en diseños factoriales y explicar cómo se hace la
experimentación factorial
Objetivo Especifico:
Explicar el diseño factorial el modelo de efecto fijo, y sus diferencias de modelo efecto
aleatorios
¿Qué es un diseño factorial?
Un diseño factorial es un tipo de experimento diseñado que permite estudiar los efectos
que varios factores pueden tener en una respuesta. Al realizar un experimento, variar los
niveles de todos los factores al mismo tiempo en lugar de uno a la vez, permite estudiar las
interacciones entre los factores.
Existen varios casos especiales del diseño factorial general que resultan importantes por
qué. se usan ampliamente en el trabajo de investigación, y porque constituyen la base para
otros diseños de gran valor práctico.
El más importante de estos casos especiales ocurre cuando se tienen k factores, cada uno
con dos niveles. Estos niveles pueden ser cuantitativos como sería el caso de dos valores de
temperatura presión o tiempo. También pueden ser cualitativos como sería el caso de dos
máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizás, la
ausencia o presencia de un factor.

Pueden considerarse dos tipos fundamentales de experimentos factoriales
El factorial completo, el cual ensaya todas las posibles combinaciones de tratamientos
que se generan con los distintos noveles de los factores en estudio; así, por ejemplo, si se
ensayan dos factores, digamos a y b el primero en 2 niveles y el segundo en 3, entonces el
factorial completo comprenderá 2 x3 = 6 combinaciones de tratamientos.
El factorial incompleto, el cual ensaya sólo algunas de las posibles combinaciones de
tratamientos que pueden generarse.
Modelo Aditivo Lineal
El modelo aditivo lineal es una expresión algebraica que condensa todos los factores
presentes en la investigación. Resulta útil para sintetizar que factores son independientes o
dependientes, cuáles son fijos o aleatorios, cuáles son cruzados o anidados.
Modelo estadístico
Yijk = µ + αi + ßj + αßij + Ԑijk

Donde
Yijk = Valor de la característica en estudio, observando en la
unidad experimental (ijk).
µ = Efecto común a todas las observaciones
αi = Efecto del tratamiento i
ßk = Efecto del Bloqueo k
Ԑij = Errores aleatorios con media cero, varianza σ2 y sin
correlación entre si
αißk = Interrelación
El cuadro de análisis de varianza (ANOVA)
Es un arreglo dado por las fuentes de variación, seguido de los grados de libertad, de las
sumas de cuadrados, de los cuadrados medios de cada componente, así como del valor F y su
probabilidad de significación (valor P).

Las ventajas de los experimentos factoriales son:
 Economía en el material experimental al obtener información sobre varios factores
sin aumentar el tamaño del experimento. Todas las UE .se utilizan para la
evaluación de los efectos
 Se amplía la base de la inferencia en relación a un factor, ya que se estudia en las
diferentes condiciones representadas por los niveles de otros factores. Se amplía el
rango de validez del experimento.

 Permite el estudio de la interacción, esto es, estudiar el grado y forma en la cual se
modifica el efecto de un factor por los niveles de los otros factores.
Desventaja del Diseño Factorial
 Se requiere un mayor número de unidades experimentales que los experimentos
simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del
experimento.
 Como en los experimentos factoriales cada uno de los niveles de un factor se
combinan con los niveles de los otros factores; a fin de que exista un balance en el
análisis estadístico se tendrá que algunas de las combinaciones no tienen interés
práctico, pero deben incluirse para mantener el balance.
 El análisis estadístico es más complicado que en los experimentos simples y la
interpretación de los resultados se hace más difícil a medida que aumenta el
número de factores y niveles por factor en el experimento

Conclusión:
Un diseño factoriales aquel en el que el conjunto de tratamientos está conformado por
todas las posibles combinaciones de los distintos niveles de los factores involucrados Los
mayores beneficios de los diseños factoriales completos se obtienen cuando se deben estudiar
pocas variables. El motivo es que el número de experimentos crece exponencialmente con el
número de factores.
Los diseños factoriales completos son la estrategia experimental óptima para estudiar
simultáneamente el efecto de varios factores sobre la respuesta y sus interacciones. Por su
potencia y sencillez, su campo de aplicación es muy amplio: - Identificar qué variables
influyen en una reacción, para luego poder optimizarlas hasta alcanzar el rendimiento
deseado, o para disminuir el tiempo de reacción. -Decidir qué se debe ajustar en el nuevo
proceso de fabricación para que no se produzcan tantos productos fuera de especificaciones
Referencias Bibliográficas:
 ] J. Ferré y X. Rius, "Introducción al diseño estadístico de experimentos," Técnicas
de Laboratorio, vol. 24, No. 274, pp. 648-653, septiembre de 2002.
 Cochran.G.W. and Cox.M.G.1957. Experimental Designs, Second edition. Canada.
Pág. 611. • Infante. G. S.; Zarate. De L. G.P. 2010. Métodos Estadísticos Un
enfoque interdisciplinario. Editorial Trillas, México. Pág. 646.

Diseños Factoriales

Cargado por

Copyright:

Formatos disponibles

Diseños Factoriales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseños Factoriales

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ

FACULTAD DE CIENCIAS NATURALES Y DE LA AGRICULTURA

CARRERA DE INGENIERÍA FORESTAL

Ing. Otto Francisco Mero Jalca

ampliamente en el trabajo de investigación, además de constituir la base para otros diseños de

tienen k factores, cada uno con dos niveles.

dos operadores, los niveles "superior" e "inferior" de un factor, o quizás, la ausencia o

x 2 = 2k observaciones y se conoce como diseño general 2 k .

Describir los conceptos básicos en diseños factoriales y explicar cómo se hace la

interacciones entre los factores.

qué. se usan ampliamente en el trabajo de investigación, y porque constituyen la base para

otros diseños de gran valor práctico.

máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizás, la

ausencia o presencia de un factor.

El factorial completo, el cual ensaya todas las posibles combinaciones de tratamientos

ensayan dos factores, digamos a y b el primero en 2 niveles y el segundo en 3, entonces el

factorial completo comprenderá 2 x3 = 6 combinaciones de tratamientos.

El factorial incompleto, el cual ensaya sólo algunas de las posibles combinaciones de

tratamientos que pueden generarse.

Modelo Aditivo Lineal

dependientes, cuáles son fijos o aleatorios, cuáles son cruzados o anidados.

Yijk = µ + αi + ßj + αßij + Ԑijk

Yijk = Valor de la característica en estudio, observando en la

unidad experimental (ijk).

µ = Efecto común a todas las observaciones

αi = Efecto del tratamiento i

ßk = Efecto del Bloqueo k

Ԑij = Errores aleatorios con media cero, varianza σ2 y sin

El cuadro de análisis de varianza (ANOVA)

probabilidad de significación (valor P).

 Economía en el material experimental al obtener información sobre varios factores

evaluación de los efectos

 Se amplía la base de la inferencia en relación a un factor, ya que se estudia en las

diferentes condiciones representadas por los niveles de otros factores. Se amplía el

rango de validez del experimento.

modifica el efecto de un factor por los niveles de los otros factores.

Desventaja del Diseño Factorial

 Se requiere un mayor número de unidades experimentales que los experimentos

simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del

 Como en los experimentos factoriales cada uno de los niveles de un factor se

análisis estadístico se tendrá que algunas de las combinaciones no tienen interés

práctico, pero deben incluirse para mantener el balance.

 El análisis estadístico es más complicado que en los experimentos simples y la

interpretación de los resultados se hace más difícil a medida que aumenta el

número de factores y niveles por factor en el experimento

Un diseño factoriales aquel en el que el conjunto de tratamientos está conformado por

pocas variables. El motivo es que el número de experimentos crece exponencialmente con el

simultáneamente el efecto de varios factores sobre la respuesta y sus interacciones. Por su

potencia y sencillez, su campo de aplicación es muy amplio: - Identificar qué variables

proceso de fabricación para que no se produzcan tantos productos fuera de especificaciones

 ] J. Ferré y X. Rius, "Introducción al diseño estadístico de experimentos," Técnicas

de Laboratorio, vol. 24, No. 274, pp. 648-653, septiembre de 2002.

 Cochran.G.W. and Cox.M.G.1957. Experimental Designs, Second edition. Canada.

Pág. 611. • Infante. G. S.; Zarate. De L. G.P. 2010. Métodos Estadísticos Un

enfoque interdisciplinario. Editorial Trillas, México. Pág. 646.

También podría gustarte