Captulo 6

Diseos factoriales con dos

factores
En primer lugar vamos a estudiar los diseos ms simples, es decir aquellos en los
que intervienen slo dos factores. Supongamos que hay a niveles para el factor A y b niveles
del factor B, cada rplica del experimento contiene todas las posibles combinaciones de
tratamientos, es decir contiene los ab tratamientos posibles.
6.1. El modelo sin replicacin
El modelo estadstico para este diseo es:
y
ij
= +
i
+
j
+ ()
ij
+u
ij
i = 1, 2, , a ; j = 1, 2, , b , donde
y
ij
: Representa la observacin correspondiente al nivel (i) del factor A y al nivel (j)
del factor B.
: Efecto constante denominado media global.

i
: Efecto producido por el nivel i-simo del factor A, (

i
= 0).

j
: Efecto producido por el nivel j-simo del factor B,

j

j
= 0

.
()
ij
: Efecto producido por la interaccin entre AB,

i
()
ij
=

j
()
ij
= 0

.
u
ij
son vv aa. independientes con distribucinN(0, ).
1
2 Diseos factoriales con dos factores
Supondremos que se toma una observacin por cada combinacin de factores, por
tanto, hay un total de N = ab observaciones.
Parmetros a estimar:
Parmetros Nmero
1

i
a 1

j
b 1
()
ij
(a 1)(b 1)

2
1
Total ab + 1
A pesar de las restricciones impuestas al modelo,

i
=

j

j
=

i
()
ij
=

j
()
ij
= 0,
el nmero de parmetros (ab + 1) supera al
nmero de obsevaciones (ab). Por lo tanto, algn
parmetro no ser estimable.
6.1.1. Estimacin de los parmetros del modelo
Los estimadores mximo verosmiles de los parmetros del modelo son
= y
..
,
i
= y
i.
y
..
,

j
= y
.j
y
..
y

ij
= y
ij
y
i.
y
.j
+ y
..
Los residuos de este modelo son: e
ij
= y
ij
y
ij
= y
ij

i

ij
= 0 .
Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y
no se pueden contrastar la signicatividad de los efectos de los factores. Dichos contrates
slo pueden realizarse si:
a) Suponemos que la interaccin entre AB es cero. Entonces e
ij
= y
ij
y
i.
y
.j
+ y
..
.
b) Replicamos el experimento (Tomamos varias observaciones por cada combinacin de
factores).
6.2. El modelo con replicacin
El modelo estadstico para este diseo es:
y
ijk
= +
i
+
j
+ ()
ij
+u
ijk
; i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , r
donde r es el nmero de replicaciones y n = abr es el nmero de observaciones.
El nmero de parmetros de este modelo es, como en el modelo de dos factores sin
replicacin, ab + 1 pero en este caso el nmero de observaciones es abr.
6.2 El modelo con replicacin 3
6.2.1. Estimacin de los parmetros del modelo
Los estimadores mximo verosmiles de los parmetros del modelo son
= y
...
,
i
= y
i..
y
...
,

j
= y
.j.
y
...
y

ij
= y
ij.
y
i..
y
.j.
+ y
...
donde
) y
ij.
es la media de las r observaciones en la celdilla ij: y
ij.
= (

k
y
ijk
) /r
) y
i..
es la media de las observaciones del nivel i del factor A :
y
i..
=

j,k
y
ijk

/(br) ; i = 1, , a
) y
.j.
es la media de las observaciones del nivel j del factor B :
y
.j.
=

i,k
y
ijk

/(ar) ; j = 1, , b
) y
...
es la media total de las observaciones : y
...
=

i,j,k
y
ijk

/r .
Los residuos de este modelo son:
e
ijk
= y
ijk
y
ijk
= y
ij

i

ij
= y
ijk
y
ij.
.
Se verica que todos los residuos de una celdilla deben sumar cero es decir, en cada
celdilla hay r 1 residuos independientes. Por lo tanto, en total habr ab(r 1) residuos
independientes.
Se verican las mismas propiedades para los estimadores mximo-verosmiles que en
los modelos anteriores. La varianza residual tiene la siguiente expresin

S
2
R
=
a

i=1
b

j=1
r

k=1
e
2
ijk
ab(r 1)
.
6.2.2. Descomposicin de la variabilidad
La ecuacin bsica del anlisis de la varianza es:

i,j,k
(y
ijk
y
...
)
2
= br
a

i=1
( y
i..
y
...
)
2
+ar
b

j=1
( y
.j.
y
...
)
2
+
r

i,j
(y
ijs
y
i..
y
.j.
+ y
...
)
2
+

i,j,k
(y
ijk
y
ij.
)
2
que simblicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas
sumas de cuadrados tambin se pueden expresar como:
4 Diseos factoriales con dos factores
SCT =

i,j,k
y
2
ijk

y
2
...

/r : Suma total de cuadrados.

SCA =

i
y
2
i..

/(br)

y
2
...

/(abr) : S. C. entre niveles de A.

SCB =

j
y
2
.j.

/(ar)

y
2
...

/(abr): S. C. entre niveles de B.

SC(AB) =

i,j
y
2
ij.

/r

y
2
...

/(abr)SCASCB: S. C. de la interaccin AB
SCR = SCT SCASCB SC(AB) : S. C. del error.
A partir de la ecuacin bsica del ANOVA se pueden construir los cuadrados medios
denidos como:
Cuadrado medio total: CMT = (SCT) /(n 1)
Cuadrado medio de A: CMA = (SCA) /(a 1)
Cuadrado medio de B: CMB = (SCB) /(b 1)
Cuadrado medio de la interaccin AB: CM(AB) = (SC(AB)) / ((a 1)(b 1))
Cuadrado medio residual: CMR = (SCR) / (ab(r 1))
6.2.3. Anlisis estadstico
El objetivo del anlisis es realizar los contrastes de hiptesis nula:
i) H
0A

1
= =
a
= 0. Es decir, considerando la presencia de las interacciones
con el factor B, contrastar si los efectos de los niveles del factor A son nulos. El
estadstico de contraste es
F
A
=
(SCA) /(a 1)
(SCR) / (ab(r 1))
=
CMA
CMR

H
0A
F
(a1),ab(r1)
Se rechaza H
0A
al nivel si F
(exp)
> F
(a1),ab(r1)
ii) H
0B

1
= =
b
= 0. Es decir, considerando la presencia de las interacciones
con el factor A, contrastar si los efectos de los niveles del factor B son nulos. El
estadstico de contraste es
F
B
=
(SCB) /(b 1)
(SCR) / (ab(r 1))
=
CMB
CMR

H
0B
F
(b1),ab(r1)
6.2 El modelo con replicacin 5
Se rechaza H
0B
al nivel si F
(exp)
> F
(b1),ab(r1)
.
iii) H
0(AB)
()
ij
= 0 para todo i, j. Es decir, contrastar si los efectos de las
interacciones entre los factores A y B son nulos. El estadstico de contraste es
F
(AB)
=
(SC(AB)) / ((a 1)(b 1))
(SCR) / (ab(r 1))
=
CM(AB)
CMR

H
0(AB)
F
(a1)(b1),ab(r1)
Se rechaza H
0(AB)
al nivel si F
(exp)
> F
(a1)(b1),ab(r1)
.
Tabla ANOVA para el modelo bifactorial con replicacin
F. V. S. C. G. L. C. M. F
exp
Factor A SCA a 1 CMA CMA/CMR
Factor B SCB b 1 CMB CMB/CMR
Interaccin SC(AB) (a 1)(b 1) CM(AB) CM(AB)/CMR
Residual SCR ab(r 1) CMR
TOTAL SCT abr 1 CMT
La diagnosis y validacin del modelo se realiza igual que en los modelos anteriores.
Ejemplo 6.1
En unos laboratorios se est estudiando los factores que inuyen en la resistencia de
un tipo particular de bra. Se eligen al azar cuatro mquinas y tres operarios y se realiza
un experimento factorial usando bras de un mismo lote de produccin. Los resultados
obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclu-
siones apropiadas.
Tipos de mquinas
Operario A B C D
1
109
110
110
115
108
109
110
108
2
110
112
110
111
111
109
114
112
3
116
114
112
115
114
119
120
117
Para realizar el anlisis organizamos los datos en forma tabular de la manera siguiente:
6 Diseos factoriales con dos factores
Tipos de mquinas
Operario A B C D y
i..
1
109
110
219
110
115
225
108
109
217
110
108
218 879
2
110
112
222
110
111
221
111
109
220
114
112
226 889
3
116
114
230
112
115
227
114
119
233
120
117
237 927
y
.j.
671 673 670 681 2695
Las Sumas de Cuadrados y la Tabla ANOVA se muestran a continuacin
SCT =

109
2
+ 117
2

(2695)
2
24
= 262,97
SCA =
879
2
+ 889
2
+ 927
2
3 2

(2695)
2
24
= 12,46
SCB =
671
2
+ 673
2
+ 670
2
+ 681
2
4 2

(2695)
2
24
= 160,33
SC(AB) =
219
2
+ + 237
2
2

(2695)
2
24
12,46 160,33 = 44,67 y SCR = 45,5.
F. V. S. C. G. L. C. M. F
exp
Factor A 12,46 3 4,15 1,10
Factor B 160,34 2 80,17 21,14
Interaccin 44,67 6 7,45 1,96
Residual 45,50 12 3,79
TOTAL 262,97 23
Realizando los contrastes al nivel de signicacin del 5 %, se concluye que es signicati-
vo el efecto principal del operario (factor B) (F
0,05,2,12
= 3,49), pero no son signicativos
el efecto principal del tipo de mquina (factor A) (F
0,05,3,12
= 3,89) y la interaccin entre
el tipo de mquina y operario (factor AB) (F
0,05,6,12
= 3,00).
Bibliografa utilizada
Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Va-
rianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto
Sur de Ediciones.