P. 1
DiseÑo de Experimentos-notas de Clases

DiseÑo de Experimentos-notas de Clases

4.67

|Views: 99.927|Likes:
Publicado porneill_newball2344
NOTAS DE CLASE DEL PROFESOR JULIO HURTADO.
NOTAS DE CLASE DEL PROFESOR JULIO HURTADO.

More info:

Published by: neill_newball2344 on Feb 12, 2009
Copyright:Public Domain

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF or read online from Scribd
See more
See less

11/05/2015

pdf

Cuando se tienen tres factores (A, B y C) y el número de niveles de prueba en
cada uno de ellos son a, b y c, se puede construir el arreglo factorial a b c que
consiste de a b c tratamientos o puntos experimentales. Entre los arreglos de
este tipo que se utilizan con frecuencia en aplicaciones diversas se encuentran: el
factorial 23

, el factorial 33

y los factoriales mixtos con no más de cuatro niveles en
dos de los factores, por ejemplo, el factorial 4 3 3 el factorial 4 4 2, por
mencionar dos de ellos.

5.1. Modelo Estadístico. En un diseño factorial a b c se supone que el
comportamiento de la respuesta Y puede describirse mediante el modelo de efectos
dado por

Yijkl = + i + j + k + ( )ij + ( )ik + ( )jk + ( )ijk +"ijkl
i
= 1;2;:::;a; j = 1;2;:::;b; k = 1;2;:::;c; l = 1;2;:::;n

donde es la media general, i es el efecto del nivel i-ésimo del factor A, j es el
efecto del nivel j del factor B y k es el efecto del nivel k en el factor ; ( )ij;( )ik;
y ( )jk representan los efectos de interacción dobles (de dos factores) en los niveles

5. DISEÑOS FACTORIALES CON TRES FACTORES

71

ij;ik;jk, respectivamente, y ( )ijk es el efecto de interacción triple en la combi-
nación o punto ijk; "ijkl, representa el error aleatorio en la combinación ijkl y l son
las repeticiones o réplicas del experimento. Todos los efectos cumplen la restricción
de sumar cero, es decir, son desviaciones respecto a la media general. De manera
alternativa, se tiene el modelo de regresión dado por

Yijkl = 0 + 1X1i + 2X2j + 3X3k + 12X1iX2j + 13X1iX3k
+ 23X2jX3k + 123X1iX2jX3k +"ijkl
i
= 1;2;:::;a; j = 1;2;:::;b; k = 1;2;:::;c; l = 1;2;:::;n

5.2. Hipótesis de interés. El estudio factorial de tres factores (A, B y C)
permite investigar los efectos: A, B, C, AB, AC, BC y ABC, donde el nivel de des-
glose o detalle con el que pueden estudiarse depende del número de niveles utilizado
factor. Por ejemplo, si un factor se prueba en dos niveles, todo su efecto marginal
(individual) es lineal, o sea que su efecto individual no se puede descomponer; pero
si tuviera tres niveles, su efecto marginal se puede descomponer en una parte lineal
y otra cuadrática pura. En resumen, se tienen siete efectos de interés sin considerar
desglose, y con ellos se pueden plantear las siete hipótesis nulas H0 : Efecto A = 0;
H
0 : Efecto B = 0; H0 : Efecto C = 0; H0 : Efecto AB = 0; H0 : Efecto
AC
= 0; H0 : Efecto BC = 0; H0 : Efecto ABC = 0; cada una aparejada con
su correspondiente hipótesis alternativa. El ANOVA para probar estas hipótesis se
muestra en la tabla 5.

Al efecto cuyo valor-p sea menor al valor especi…cado para , se declara es-
tadísticamente signi…cativo o se dice que está activo. El ANOVA de tres factores
dado en la tabla 5.tiene cuatro renglones adicionales, por los nuevos cuatro efectos
que pueden estudiarse. Las sumas de cuadrados son muy similares a las obtenidas
para dos factores.

Tabla 5
variabilidad SC

GL

CM

F0

valor-p

Efecto A SCA a-1

CMA

CMA
CME

P(F> FA

0 )

Efecto B SCB b-1

CMB

CMB
CME

P(F> FB

0 )

Efecto C SCC c-1

CMC

CMC
CME

P(F> FC

0 )

Efecto AB SCAB (a-1)(b-1) CMAB CMAB

CME P(F> FAB

0 )

Efecto AC SCAC (a-1)(c-1) CMAC CMAC

CME P(F> FAC

0 )

Efecto BC SCBC (b-1)(c-1) CMBC CMBC

CME P(F> FBC

0 )

Efecto ABC SCABC (a-1)(b-1)(c-1) CMABC CMABC

CME P(F> FABC

0 )

Error

SCE abc(n-1)

CME

Total

SCT abcn-1

72

4. DISEÑOS FACTORIALES

donde:

SCT = a

Xi=1

b
Xj
=1

c
Xk
=1

n
Xl
=1

Y2

ijkl Y2

N

SCB = b

Xj=1

Y2

j acn Y2

N

SCAB = a

Xi=1

b
Xj
=1

Y2

ij cn Y2

N SCA SCB

SCBC = b

Xj=1

c
Xk
=1

Y2

jk an Y2

N SCB SCC

SCA = a

Xi=1

Y2

i bcn Y2

N

SCC = c

Xk=1

Y2

k acn Y2

N

SCAC = a

Xi=1

c
Xk
=1

Y2

i k bn Y2

N SCA SCC

SCABC = a

Xi=1

b
Xj
=1

c
Xk
=1

Y2

ijk n Y2

N SCAB SCAC SCBC

Ejemplo 11. El experimento Se desea investigar el efecto del tipo de sus-
pensión (A), abertura de malla (B) y temperatura de ciclaje (C) en el volumen de
sedimentación Y(%) de una suspensión. Para ello se decide correr un experimento
factorial
3 2 2 con seis réplicas, y las observaciones obtenidas en las 72 corridas
experimentales se muestran en la siguiente tabla:

Tabla 2

A1

A2

A3

B1

B2

B1

B2

B1

B2

C1 60 75 75 67 73 73 62 68 65 71 80 80 70 71 75 75 75 75
86 70 70 67 68 68 76 65 65 72 80 80 76 68 73 75 75 77
55 53 53 52 52 57 44 44 45 60 60 60 52 51 50 56 55 57
C2 55 55 55 52 54 54 48 48 45 67 67 65 52 48 54 59 50 55

Los niveles de prueba para cada fator, tanto en unidades originales como en unidades
codi…cadas se muestran en la siguiente tabla:

6. EJERCICIOS: DISEÑOS FACTORIALES

73

U. originales
U. codi…cadas

Factor

Bajo
Medio
Alto
Bajo
Medio

A: Tipo de suspensión

A1
A2
A3

1
0

B: Abertura de malla

40
60
1

C: Temperatura

0
30
1

[2;1;1;;;;c;;]

-

:

Tabla 5.ANOVA Volumen de sedimentación
variabilidad

SC

GL CM

F0

valor-p
A:Tipo de suspensi 13,8611 2 6.93056 0.49 0.6126
B: Abertura de mall 480,5 1 480.5 34.14 0.0000
C: Temperatura 60.8672 1 60.8672 432;43 0.0000
Efecto AB

788,25 2 394,125 28,00 0.0000

Efecto AC

40,8611 2 20,4306 1,45 0,2421

Efecto BC

56,8889 1 56,8889 4,04 0,0487

Efecto ABC

31,0278 2 15,5139 1,11 0,3375

Error

841,667 60 14,0278

Total

8339,78 71

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->