Diseos factoriales a dos niveles

DISEOS FACTORIALES GENERALES Y DISEOS A DOS NIVELES Para realizar un diseo factorial general, el investigador selecciona un nmero fijo de niveles (o versiones) para cada conjunto de variables (factores) y luego hace experimentos con todas las combinaciones posibles. Si hay m sub 1 niveles para la primera variable, m sub 2 para la segunda y ......m sub k para la k-sima variable, el conjunto de todas las m sub uno por m sub dos por ...........m sub k condiciones experimentales se llama diseo factorial. Por ejemplo, un diseo factorial 2 x 3 x 5 comprende 2 x 3 x 5 = 30 factores experimentales elementales y un diseo 2 x 2 x 2= 2 comprende 8 experimentos elementales. Un ejemplo de un experimento factorial a dos factores es el que estudia la supervivencia de cuatro animales a los que se ha asignado al azar tres venenos y cuatro tratamientos. El diseo factorial es un 3 x 4 y se repite cuatro veces,. Ya que ambos factores, venenos y tratamientos son de igual inters, podra interesar si existe interaccin entre ellos. Tiempo de supervivencia (unidad igual a 10 horas) de los animales en un experimento factorial 3 x 4 con 4 repeticiones. Veneno I Trat. A 0.31 0.45 0.46 0.23 0.36 0.29 0.40 0.23 0.22 0.21 0.18 0.23 Trat.B 0.82 1.10 0.88 0.72 0.92 0.61 0.49 1.24 0.30 0.37 0.38 0.29 Trat.C 0.43 0.45 0.63 0.76 0.44 0.35 0.31 0.40 0.23 0.25 0.24 0.22 Trat.D 0.45 0.71 0.66 0.62 0.56 1.02 0.71 0.38 0.30 0.36 0.31 0.33

II

Tabla del Anlisis de la variancia del diseo factorial de dos factores con repeticin

Fuente de Variacin Venenos Tratamientos Interaccin Error Total

Suma Cuadrados 1033.0 922.4 250.1 800.7 3006.2 2 3 6 36

Grados de libertad

Cuadrados Medios 516.5 307.5 41.7 22.2

Cociente Cuadrados Medios 23.2 13.8 1.9

(Los valores estn multiplicados por 1000 )

Los diseos factoriales son importantes por varias razones 1. Requieren relativamente pocos experimentos elementales para cada factor, y permiten explorar factores que pueden indicar tendencias y as determinar una direccin prometedora para experimentos futuros. 2. Si existe interaccin entre los factores estudiados permite medirla . 3. Cuando el nmero de factores (variables) suelen ser importantes para estudiar todas las variables, los diseos factoriales fraccionados permiten estudiarlas a todas para estudiarlas superficialmente en lugar de hacer experimentos mas pequeos que pueden no incluir las variables importantes. 4. Estos diseos y sus correspondientes fraccionados pueden ser utilizados en bloques para construir diseos de un grado de complejidad que se ajuste a las necesidades del problema. 5. La interpretacin de las observaciones producidas por estos diseos se puede realizar en gran parte a base de sentido comn y aritmtica elemental. Ejemplo de un diseo factorial 2 en una planta piloto. La tabla siguiente representa un experimento factorial 2 en el que hay dos variables cuantitativas - temperatura y concentracin y una cualitativa catalizador. La respuesta es la cantidad de producto. Los datos se obtuvieron de una investigacin en una planta piloto de un proceso. En las variables cuantitativas un menos significa el nivel mas bajo y un ms el nivel ms alto. Para variables cualitativas las dos versiones, niveles, se pueden codificar tambin con signos menos y ms. Una tabla de este tipo se llama matriz de diseo.

Experimento 1 2 3 4 5 6 7 8

T + + + +

C + + + +

K + + + +

T 0 1 0 1 0 1 0 1

C 0 0 1 1 0 0 1 1

K 0 0 0 0 1 1 1 1

Experimento de la planta piloto Temperatura Concentracin Catalizador ( -) 160 ( - ) 20 (-)A (+) 180 (+) 40 (+)B

En general es importante la replica de los experimentos elementales ya que permite estimar la variacin total que afecta a las observaciones . La aleatorizacin garantiza que las repeticiones sean genuinas. Por ello a los experimentos factoriales generalmente se los puede realizar en forma completamente aleatorizado en bloques.