DISEO FACTORIAL.

Por diseo factorial se entiende aquel en el que se investigan todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o rplica
del experimento.
Efecto de un factor.
El efecto de un factor se define como el cambio en la respuesta producida por
un cambio en el nivel del factor.

Ventajas de los diseos factoriales

Los diseos factoriales poseen algunas ventajas.

Son ms eficientes que los experimentos de un factor a la vez.

Los diseos factoriales son necesarios cuando alguna interaccin

puede estar presente, para evitar hacer conclusiones engaosas.

Los diseos factoriales permiten estimar los efectos de un factor

en

diversos

niveles

de

los

otros

factores,

produciendo

conclusiones que son vlidas sobre toda la extensin de las

condiciones experimentales.

Diseo factorial de dos factores 2n

El primer diseo de la serie 2 2 es aquel en el que solo dos factores, A y B, cada
uno con dos niveles. Este diseo se conoce como diseo factorial 2 2.
Arbitrariamente, los niveles del factor pueden llamarse bajo y alto.

EJEMPLO
Considrese una investigacin llevada a cabo para estudiar el efecto que tiene
la concentracin de un reactivo y la presencia de un catalizador sobre el
tiempo de reaccin de un proceso qumico. Sea la concentracin del reactivo el
factor A con dos niveles de inters, 15% y 20%. El catalizador constituye el

factor B; el nivel alto o superior denota el uso de dos sacos de catalizador y el

nivel bajo o inferior denota el uso de un solo saco. El experimento se realiza
(replica o repite) tres veces, y los datos son como sigue:
Nivel bajo: -
Nivel alto: +
Combinacin de

Replica

tratamientos

II

III

Total

A baja, B baja

-,-

28

25

27

80

A alta, B baja

+,-

36

32

32

100

A baja, B alta

-,+

18

19

23

60

A alta, B alta

+,+

ab

31

30

29

90

MODELO MATEMTICO.
Este modelo y las hiptesis se aplican cuando existen dos factores A y B. Si
existe ms factores se aumenta las combinaciones correspondientes.

Y ijk=+ A i +B j + AB ij + Rk +
HIPTESIS.

H 0 : A=0

H 0 : B=0

H 0 : AB=0

H0: A 0

H0: B 0

H0: A B 0

En el diseo 22 los niveles bajo y alto de A y B se denotan por - y +

respectivamente, en los ejes A y B. As en el eje B representa el nivel bajo de
catalizador mientras que + denota el nivel alto.

Alto (2 sacos) +

bajo (1 saco) -

b = 60(18+19+23)

ab = 90(31+30+19)

(1) = 80(28+25+27)

a = 100(36+32+32)

bajo (15%)

+
alto (20%)

Concentracion de reactivo A
Figura 1: Combinaciones de tratamiento en el diseo factoriall
Las cuatro combinaciones de tratamientos en el diseo pueden
representarse por letras minsculas, as:

a representa la combinacin de tratamientos, en la que A se

encuentra en el nivel superior y B en el nivel inferior;

b representa aquella en la que A se halla en el nivel inferior y B

en el superior, y

ab representa a ambos factores en el nivel superior.

Por convencin (1) se usa para representar a ambos factores en el

nivel inferior.

El efecto promedio de un factor se define como el cambio en la

respuesta producida por un cambio en el nivel de ese factor, promediado

sobre los niveles del otro factor.
Efecto A

1
2n

ab b a (1) 1 ab a b (1)
2n

Efecto B

1
2n

ab a b (1)

1
2n

ab b - a (1)

El efecto de la interaccin AB: se define como la diferencia promedio entre el

efecto de A en el nivel superior de B y su efecto en el nivel inferior de B

AB

1
2n

ab b a (1)

Con los datos que aparecen

1
2n

ab (1) a (b)

en la figura 1, las estimaciones de los efectos

promedio son:

1
2(3)

1
2(3)

90 100 60 80 8.33

90 60 100 80 5.00

AB

1
2(3)

90 80 100 60 1.67

El efecto de A (concentracin de reactivo) es positivo; esto sugiere que al

elevar A del nivel bajo (15%) al nivel alto (25%) incrementar el rendimiento. El
efecto de B (catalizador) es negativo; esto sugiere que elevar la cantidad del
catalizador agregada al proceso reducir el rendimiento. Al parecer, el efecto
de interacciones es pequeo comparado con los dos efectos principales.

En muchos experimentos que implican diseos 2 K se examina la magnitud y la

direccin de los efectos de los factores para determinar cuales variables es
probable que sean importantes. Por lo general puede emplearse el anlisis de
varianza para confirmar esta interpretacin. En el diseo 2 k existen algunos
mtodos rpidos especiales para realizar los clculos del anlisis de varianza.
Orden estndar. Cuando se utiliza es posible apreciar que los coeficientes de
los contrastes usados para estimar los efectos son:

Efectos

(1)

Ab

A:

-1

+1

-1

+1

B:

-1

-1

+1

+1

AB:

+1

-1

-1

+1

CALCULO DE SUMA DE CUADRADOS.

Consideremos la suma de cuadrados para A, B y AB.

Obsrvese la primera

ecuacin que se utiliza un contraste para estimar A; esto es,

ContrasteA ab a b (1)

Este contraste

suele llamarse efecto total de A. A partir de la segunda y

tercera ecuacin, puede apreciarse que tambin se utilizan contraste para

estimar B y AB. Adems, estos tres contrastes son ortogonales. La suma de
cuadrados de cualquiera de ellos

puede calcularse usando la siguiente

ecuacin:

aciyi.
SSc 1

2
n a
a ci
.

Esta ecuacin establece que la suma de cuadrados de contraste es igual al

contraste elevado al cuadrado entre el producto del nmero de las
observaciones de cada total del contraste por la suma de cuadrados de los
coeficientes del mismo. En consecuencia, se obtiene que las sumas de
cuadrados de A, B y AB sean:

ab a b (1)
SSA
n*4

ab b a (1)
SSB
n*4

ab (1) a b
SSAB
n*4

Con los datos de la figura 1, las sumas de cuadrados se pueden calcular

aplicando las ecuaciones anteriores, obtenindose:

SSA

SSB

50

2
208.33

4(3)
30

SSAB

4(3)
10

75.00

4(3)

8.33

La suma total de cuadrados se determina de la manera usual mediante:

SST i21 2j1 n

k 1 Y ijk

2
Y ...
4n

En general SST tiene 4n 1 grados de libertad. La suma de cuadrados del error,

con 4(n-1) G.L. se puede calcular en la forma usual, por diferencia, mediante.

2
2 2 3
Y
2
SS E Yijk
9398.00 9075.00 323.00
i1j1k 1
4(3)

SS E SS T SS A SS B SS AB

323.00 208.33 75.00 8.33 31.34

TABLA DE ANLISIS DE VARIANZA.

El anlisis de varianza completo se presenta en la tabla siguiente.

Ambos efectos principales son significativos al 1%.

Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:

Fuente de
variacin

SS

G.L.

MS

Fo

F de tabla

208.33

208.33

53.15a

11.26

75.00

75.00

19.13a

11.26

AB

8.33

8.33

2.13

11.26

Error

31.34

3.92

Total

323.00

11
a

significativo al 1%

Signos algebraicos para calcular los efectos en un diseo 2 2

Combinacin

Efecto Factorial

De
Tratamientos

I A B AB

(1)

+ - - +

+ + - -

+ - + -

ab

+ + + +

CONCLUSIN.
Se acepta la hiptesis nula con un nivel de significancia de 0,01para el factor
AB teniendo un mejor tratamiento la combinacin de los niveles altos de A y B.
Se rechaza la hiptesis nula para el factor A y B
Cuando se rechaza la hiptesis nula se puede realizar la prueba de tuckey para
analizar que tratamiento es mejor.