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:

yij = + i + j + ( )ij + uij

i = 1, 2, , a ; j = 1, 2, , b , donde

yij : 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 i = 0).



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

=
0
.
j
j
( )ij : Efecto producido por la interaccin entre AB,



uij son vv aa. independientes con distribucinN(0, ).

1

i ( )ij =


(
)
=
0
.
j
ij

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

i
j
( )ij
2
Total

6.1.1.

Nmero
1
a1
b1
(a 1)(b 1)
1
ab + 1

A pesar de las restricciones impuestas al modelo,

i i

j =

i ( )ij

( )ij = 0,

el nmero de parmetros (ab + 1) supera al

nmero de obsevaciones (ab). Por lo tanto, algn
parmetro no ser estimable.

Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de los parmetros del modelo son
 j = y.j y.. y

 = y.. , 
i = yi. y.. ,

 


= yij yi. y.j + y..

ij

 
 j 
Los residuos de este modelo son: eij = yij yij = yij

i

=0 .
ij

Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y
no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates
slo pueden realizarse si:
a) Suponemos que la interaccin entre A B es cero. Entonces eij = yij yi. 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:

yijk = + i + j + ( )ij + uijk ; 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

6.2.1.

Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de losparmetros

del modelo son




 = y... , 
i = yi.. y... , j = y.j. y... y
= yij. yi.. y.j. + y...
ij

donde

) y ij. es la media de las r observaciones en la celdilla ij: y ij. = ( k yijk ) /r
) yi.. es la media de las observaciones del nivel i del factor A :



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



y.j. =
i,k yijk /(ar) ; j = 1, , b



/r .
) y... es la media total de las observaciones : y... =
y
ijk
i,j,k
Los residuos de este modelo son:

 
 j 
eijk = yijk yijk = yij

i

= yijk y ij. .
ij

Se verifica 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 verifican las mismas propiedades para los estimadores mximo-verosmiles que en
los modelos anteriores. La varianza residual tiene la siguiente expresin

2
SR
=

6.2.2.

a 
b 
r


e2ijk

i=1 j=1 k=1

ab(r 1)

Descomposicin de la variabilidad
La ecuacin bsica del anlisis de la varianza es:
a
b



2
2
(yijk y... ) = br
(
yi.. y... ) + ar
(
y.j. y... )2 +
i,j,k

i=1

j=1



r
(yijs yi.. y.j. + y... )2 +
(yijk yij. )2
i,j

i,j,k

que simblicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas
sumas de cuadrados tambin se pueden expresar como:

Diseos factoriales con dos factores

SCT =

SCA =



SCB =



i,j,k

SC(AB) =

 
2 y 2 /r : Suma total de cuadrados.
yijk
...


 
2 /(br) y 2 /(abr) : S. C. entre niveles de A.
yi..
...


 2
2
y.j.
/(ar) y...
/(abr): S. C. entre niveles de B.



i,j


 2
2
/(abr)SCASCB: S. C. de la interaccin AB
yij.
/r y...

SCR = SCT SCA SCB SC(AB) : S. C. del error.

A partir de la ecuacin bsica del ANOVA se pueden construir los cuadrados medios
definidos como:
Cuadrado medio total: CMT = (SCT ) /(n 1)
Cuadrado medio de A: CM A = (SCA) /(a 1)
Cuadrado medio de B: CMB = (SCB) /(b 1)
Cuadrado medio de la interaccin A B: 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) H0A 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
FA =

(SCA) /(a 1)
CMA
=
(SCR) / (ab(r 1))
CMR

H0A F(a1),ab(r1)

Se rechaza H0A al nivel si F(exp) > F(a1),ab(r1)

ii) H0B 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
FB =

(SCB) /(b 1)
CMB
=
(SCR) / (ab(r 1))
CMR

H0B F(b1),ab(r1)

6.2 El modelo con replicacin

Se rechaza H0B al nivel si F(exp) > F(b1),ab(r1) .

para todo i, j. Es decir, contrastar si los efectos de las
iii) H0(AB) ( )ij = 0
interacciones entre los factores A y B son nulos. El estadstico de contraste es
F(AB) =

(SC(AB)) / ((a 1)(b 1))

CM(AB)
=
(SCR) / (ab(r 1))
CMR

H0(AB) F(a1)(b1),ab(r1)

Se rechaza H0(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.
Fexp
Factor A
SCA
a1
CMA
CMA/CMR
Factor B
SCB
b1
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 influyen en la resistencia de
un tipo particular de fibra. Se eligen al azar cuatro mquinas y tres operarios y se realiza
un experimento factorial usando fibras de un mismo lote de produccin. Los resultados
obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas.

Operario
1
2
3

A
109
110
110
112
116
114

Tipos de mquinas
B
C
D
110
108
110
115
109
108
110
111
114
111
109
112
112
114
120
115
119
117

Para realizar el anlisis organizamos los datos en forma tabular de la manera siguiente:

Diseos factoriales con dos factores

Operario
1
2
3
y.j.

A
109
219
110
110
222
112
116
230
114
671

Tipos de mquinas
B
C
110
108
225
217
115
109
110
111
221
220
111
109
112
114
227
233
115
119
673
670

D
110
218
108
114
226
112
120
237
117
681

yi..
879
889
927
2695

Las Sumas de Cuadrados y la Tabla ANOVA se muestran a continuacin


 (2695)2
= 262,97
SCT = 1092 + 1172
24
SCA =

8792 + 8892 + 9272 (2695)2

= 12,46
32
24

SCB =

6712 + 6732 + 6702 + 6812 (2695)2

= 160,33
42
24

SC(AB) =

2192 + + 2372 (2695)2

12,46 160,33 = 44,67 y SCR = 45,5.

2
24
F. V.
Factor A
Factor B
Interaccin
Residual
TOTAL

S. C.
12,46
160,34
44,67
45,50
262,97

G. L.
3
2
6
12
23

C. M.
4,15
80,17
7,45
3,79

Fexp
1,10
21,14
1,96

Realizando los contrastes al nivel de significacin del 5 %, se concluye que es significativo el efecto principal del operario (factor B) (F0,05,2,12 = 3,49), pero no son significativos
el efecto principal del tipo de mquina (factor A) (F0,05,3,12 = 3,89) y la interaccin entre
el tipo de mquina y operario (factor A B) (F0,05,6,12 = 3,00).
Bibliografa utilizada
Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Varianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto
Sur de Ediciones.