DISEÑO CON ARREGLO FACTORIAL

MARIA CLAUDIA ATENCIA PINEDA

DINA MARCELA RICARDO CALDERA
YESICA LÓPEZ MEJÍA

UNIVERSIDAD DE CÓRDOBA
MAESTRÍA EN MICROBIOLOGÍA TROPICAL
2016
 DISEÑO CON ARREGLO FACTORIAL

 Experimentos en los que se estudia simultáneamente dos o más factores.

 Los experimentos factoriales en si no constituyen un diseño experimental si no un Diseño de Tratamiento.

 Los arreglos factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para
estudiar el efecto conjunto de estos sobre una respuesta.

 En general un experimento factorial permite la separación y la evaluación de los efectos de cada uno de los
factores, que afectan solo a una unidad experimental.

 Distribuciones más utilizadas: completamente al azar, bloques al azar y cuadrado latino.

 DISEÑO CON ARREGLO FACTORIAL

Conceptos generales:

 Factor: es un conjunto de tratamientos de una misma clase o característica. Ejemplo: tipos de riego, dosis de
fertilización, variedades de cultivo, manejo de crianzas, métodos de enseñanza, tipos de liderazgo, tipos raciales,
etc.
 Factorial: es una combinación de factores para formar tratamientos.

 Niveles de un factor: son los diferentes tratamientos que pertenecen a un determinado factor.
 DISEÑO CON
ARREGLO
FACTORIAL

Criterios de
clasificación

Por la cantidad de Cantidad de

Tipo de control
niveles combinaciones

Factorial
Factorial incompleto Factorial de bloques Factorial de cuadrado
Constante Variable Factorial completo completamente al
y fraccionado aleatorios latino
azar

Realiza todas las

Cantidad de niveles posibles Solo ejecutan una
Los factores actúan
por factor es la combinaciones entre parte del total de las
con mas de 2 niveles
misma los valores de las combinaciones
variables
 DISEÑO CON ARREGLO FACTORIAL

Efectos factoriales estimables

 1. Efectos simples: - Es una medida de cambio en los promedios de los niveles de un factor, manteniendo
constante, uno de los niveles del otro factor.

 2. Efectos principales: Es una medida del cambio en el promedio entre los niveles de un factor, promediado
sobre los diferentes niveles del otro factor.

 3. Efectos secundarios: El efecto secundario o de interacción se define por la relación entre los factores, es
decir, el efecto cruzado.
 DISEÑO CON ARREGLO FACTORIAL
 Interacción
 Es el efecto combinado de dos o más factores.
 Es la combinación de dos o más variables independientes para generar un efecto diferente al que ellos tienen
cuando actúan independientemente.

Interacción nula Interacción débil Interacción fuerte

B1 B2
B1
B2 B2

B1
A1 A2 A1 A2 A1 A2
 DISEÑO CON ARREGLO FACTORIAL

Ventajas Desventajas

1. Permiten estudiar los efectos principales, efectos de interacción de 1. Se requiere un mayor número de unidades experimentales que los experimentos simples y
factores, efectos simples. por lo tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.

2. Todas las unidades experimentales intervienen en la determinación de 2. 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
los efectos principales y de los efectos de interacción de los factores, por tendrá que algunas de las combinaciones no tiene interés práctico pero deben incluirse para
lo que el número de repeticiones es elevado para estos casos. mantener el balance.

3. El análisis estadístico es más complicado que en los experimentos simples y la interpretación

3. Este tipo de experimento tiene mayor precisión. de los resultados se hace más difícil a medida de que aumenta el número de factores y niveles
por factor en el experimento.
DISEÑO FACTORIAL COMPLETAMENTE AL AZAR 2X2

 Combinación de tratamientos por grupo o casilla

Diseño factorial 2x2

A1B1 A1B2

A2B1 A2B2
DISEÑO FACTORIAL COMPLETAMENTE AL AZAR 2X2
 DISEÑO FACTORIAL COMPLETAMENTE AL AZAR 2X2

 El modelo estadístico para un experimento factorial, con dos factores A y B, en un diseño completamente al azar
sería:

 Yijk= µ + αi + βj + αβij + εijk

 donde:
 Yijk= es la ijk-esima observación en el i-esimo nivel del factor A y j-esimo nivel del factor B;
 µ = es la media general
 αi= es el efecto del i-esimo nivel del factor A
 βj= es el efecto del j-esimo nivel del factor B
 αβij = es la interacción del i-esimo nivel del factor A con el j-esimo nivel del factor B
 εijk= es el error aleatorio.
 DISEÑO FACTORIAL COMPLETAMENTE AL AZAR 2X2

 Modelo de prueba de hipótesis

Según la estructura del diseño son estimables tres efectos. Por esa razón, se plantean tres hipótesis de
nulidad relativas a la variable A, variable B e interacción AXB:
H0: α1 = α2
Ha: α1 ≠ α2
H0 : ß 1 = ß 2
Ha: ß1 ≠ ß2
H0: (αß)11 = (αß)12 = (αß)21 = (αß)22
Ha: (αß)11 = (αß)12 = (αß)21 ≠ (αß)22
DISEÑO FACTORIAL COMPLETAMENTE AL AZAR 2X2

 Tabla de análisis de varianza.

 DISEÑO COMPLETAMENTE AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT

Se desea determinar el efecto de dos niveles de

proteína (alto y bajo) y tres fuentes de proteína
(res, cerdo vegetal) sobre el aumento de peso
(g) de ratas.

Ho: P1 = P2
Ha: P1 ≠ P2

Ho: F1 = F2 = F3
Ha F1 = F2 ≠ F3

Ho: (PF)11 = (PF)12 = (PF)13 = (PF)21 = (PF)22 = (PF)23

Ha: (PF)11 = (PF)12 = (PF)13 = (PF)21 = (PF)22 ≠ (PF)23
DISEÑO COMPLETAMENTE AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT

 Seleccionar la tabla, pegar en el programa INFOSTAT.

 Estadísticas/Análisis de varianza
 Variables de clasificación: Niveles de proteína, fuentes de proteína
 Variable dependiente (variable de respuesta): Rendimiento.
 Agregar interacciones: Niveles de proteína*fuentes de proteína
DISEÑO COMPLETAMENTE AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT

 El ANOVA indica que existe diferencia entre los niveles de proteína, pero no en la fuentes
de las mismas, ni en la interacción.
 DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL
 El modelo estadístico para un experimento factorial, con dos factores A y B, en un diseño en bloques al azar sería:

 Yijk= µ + ßi + aj + tk + atjk + εijk

 donde:
 Yijk= es la ijk-esima observación en el i-esimo bloque que contiene el j-ésimo nivel del factor A y el k-esimo nivel
del factor B
 µ= es la media general
 ßi= es el efecto del i-ésimo bloque
 aj= es el efecto del j-ésimo nivel del factor A
 tk= es el efecto del k-esimo nivel del factor t
 atjk= es la interacción del j-esimo nivel del factor A con el k-esimo nivel del factor t
 εijk = es el error estandar
DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL

A1B1 A2B1 A1B2 A2B2

Bloque 1 S11 S12 S13 S14

Bloque 2 S21 S22 S23 S24

………………………………………
….……………………………………
…….
Bloque k Sk1 Sk2 Sk3 Sk4
DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL

 Tabla de análisis de varianza.

 DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT

Se realizó un experimento con arreglo factorial con tres variedades de caña de azúcar (V) y tres niveles de
Nitrógeno, utilizando un diseño BCA con dos repeticiones (bloques).
Ho: F0 = F1 = F2
Ho: V0 = V1 = V2
Ho: (FV)00 = (FV)01 = (FV)02 = (FV)10 = (FV)11 = (FV)12= (FV)20 = (FV)21 = (FV)22

Fertilización V0 V1 V2
F0 66.52 61.45 68.60
Bloque I F1 68.98 62.55 64.54
F2 75.95 57.90 68.09
F0 56.50 53.45 58.50
Bloque II F1 58.95 51.55 54.54
F2 66.95 47.90 58.19
 DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT
Bloque Fertilización Variedades Rendimiento
I 0,0 0 66,25
I 0,0 1 61,45
I 0,0 2 68,6
I 1,0 0 68,98
I 1,0 1 62,55  Seleccionar la tabla, pegar en el programa INFOSTAT.
I 1,0 2 64,54
I 2,0 0 75,95  Estadísticas/Análisis de varianza
I 2,0 1 57,9
 Variables de clasificación: Bloques, fertilización y variedades
I 2,0 2 68,09
II 0,0 0 56,5  Variable dependiente (variable de respuesta):
II 0,0 1 53,45 Rendimiento.
II 0,0 2 58,5
II 1,0 0 58,95  Agregar interacciones: Fertilización*Variedades.
II 1,0 1 51,55
II 1,0 2 54,54
II 2,0 0 66,95
II 2,0 1 47,9
II 2,0 2 58,19
 DISEÑO DE BLOQUES AL AZAR CON ARREGLO FACTORIAL
EJERCICIO PRÁCTICO EN INFOSTAT

 Aunque los efectos principales variedad (0.0001) y fertilizante (0.0004), son significativos no se
le puede estudiar por separado, debido a que la mejor dosis de fertilización depende de la
variedad que se está investigando, según se deduce que la interacción Variedad - fertilizante es
significativa (0.0001).