Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo5 PDF
Capitulo5 PDF
En general, los diseos factoriales combinan todos los niveles de todos los factores de
inters para determinar si existen diferencias significativas entre los diferentes
tratamientos. Aqu, un tratamiento es un experimento en el cual se fijan los niveles de
los factores en un valor particular y se realiza el experimento. Por ejemplo, si un
ingeniero qumico est interesado en investigar los efectos del tiempo de reaccin y de
la temperatura de reaccin sobre el rendimiento de un proceso, y se consideran
importantes los dos niveles de tiempo (1 y 1.5 horas) y los dos niveles de temperatura
(125 F y 150 F), entonces el experimento factorial consiste en hacer corridas
experimentales para cada una de las cuatro combinaciones posibles de los niveles de
tiempo y temperatura de reaccin.
5.1.2.1
A: Temperatura
B: Presin
Baja
Alta
Baja
50
70
Alta
60
80
Tabla 5.1 Ejemplo de un diseo factorial a dos niveles sin interaccin entre factores
A=
70 + 80 50 + 60
= 20
2
2
(5-1)
B=
60 + 80 50 + 70
= 10
2
2
(5-2)
85
80
80
10 unidades
75
75
20 unidades
70
70
65
T Baja
65
P Baja
60
T Alta
60
P Alta
55
55
50
50
45
45
40
40
P Baja
P Alta
T Baja
T Alta
Las dos figuras dan la misma informacin y en ambas se puede apreciar que no existe
interaccin entre los dos factores de inters. Note que el efecto de la temperatura
sobre el rendimiento siempre es de 20 unidades independientemente de la presin y
que el efecto de la presin siempre es de 10.unidades independientemente de la
temperatura
Una regla que resulta de utilidad a la hora de identificar si existe o no interaccin entre
los factores estudiados en un diseo experimental es observar si en la grfica de los
factores (como la Figura 5.1) las lneas son casi paralelas. Si las lneas se cruzan
entonces es porque existe una interaccin entre los dos factores de inters
5.1.2.2
A: Temperatura
B: Presin
Baja
Alta
Baja
50
70
Alta
60
40
Tabla 5.2 Ejemplo de un diseo factorial a dos niveles con interaccin entre factores
A=
70 + 40 50 + 60
=0
2
2
(5-3)
Lo que lleva, de manera tentativa, a concluir que el factor A no tiene ningn efecto. Sin
embargo, cuando se examinan los efectos de A para diferentes niveles del factor B, se
observa que ste no es el caso. Observe que el efecto de A en el nivel bajo de B es de
A = 70 50 = 20
y en el nivel alto es de
A = 40 60 = 20
lo que lleva a un valor promedio de cero.
En este ejemplo se aprecia que el efecto del factor A depende de los niveles del factor
B. Por tanto, el conocimiento de la interaccin AB es ms til que el conocimiento del
efecto principal. Una interaccin significativa puede enmascarar la significancia de los
efectos principales. En consecuencia, cuando la interaccin est presente, los efectos
principales de los factores involucrados en ella tal vez no tengan mucho significado.
Es fcil estimar el efecto de interaccin en experimentos factoriales tales como los
ilustrados en los ejemplos anteriores (Tabla 5.1 y Tabla 5.2). En este tipo de
experimento, cuando ambos factores tienen dos niveles, el efecto de la interaccin AB
es la diferencia entre los promedios de las diagonales. Esto representa la mitad de la
diferencia entre los efectos de A para los dos niveles de B. Por ejemplo, en Tabla 5.1
se tiene que el efecto de la interaccin AB es
AB =
50 + 80 60 + 70
=0
2
2
(5-4)
AB =
50 + 40 60 + 70
= 20
2
2
(5-5)
75
70
70
65
65
60
60
55
55
50
50
T Baja
T Alta
45
45
P Baja
P Alta
40
40
P Baja
P Alta
T Baja
T Alta
Ntese que las rectas Pbajo y Palto (o Tbajo y Talto) no son paralelas, lo que indica que
existe interaccin entre los factores Temperatura (A) y Presin (B). Estas grficas
reciben el nombre de grficas de interaccin de dos factores, y a menudo son tiles
para presentar los resultados de los experimentos. Muchos de los paquetes
estadsticos utilizados para el anlisis de datos construyen estas grficas de manera
automtica.
Los experimentos factoriales son la nica manera de descubrir la interaccin
entre las variables.
60
95%
50
Direccin del ptimo
90%
40
85%
80%
30
70%
20
10
Condiciones
60%
100
200
300
400
500
Actuales
600
700
Temperatura
La Figura 5.3 cada punto representa una corrida que se realiza en busca del ptimo.
La figura muestra claramente que la direccin del ptimo no concuerda con la
direccin que se obtiene al mover un factor a la vez y que, en general, mover un factor
a la vez no necesariamente lleva al ptimo del proceso.
El enfoque de mover un factor a la vez ha fallado porque no puede detectar la
interaccin entre los dos factores de inters (la temperatura y la presin). Los
experimentos factoriales son la nica manera de detectar las interacciones. Por
otra parte, el mtodo de un factor a la vez es insuficiente, requiere ms
experimentacin que un experimento factorial, y no existe garanta de que produzca
los resultados correctos.
Si no existiera interaccin entre los factores de inters en el experimento, el diseo
factorial y el enfoque de mover un factor a la vez nos llevaran al mismo valor ptimo.
Sin embargo, como esto no esta garantizado, y lo usual es que exista interaccin entre
los factores considerados (sobretodo en fenmenos complejos) el procedimiento de
mover un factor a la vez no conduce a resultados correctos.
1
1
2
Factor A
y111
y211
.
.
.
a
y112
y11n
y212
y21n
.
.
.
ya11
ya12
ya1n
Factor B
2
y121 y122
y12n
y221 y222
y22n
.
.
.
ya21 ya22
ya2n
Totales
y1
y 2
Promedios
y 1
y 2
y1b1
y2b1
.
.
.
y1b2
y1bn
y2b2
y2bn
yab1
yab2
yabn
yb
y b
Totales
Promedios
y1
y1
y 2
y 2
.
.
.
.
.
.
ya
y a
Tabla 5.3 Arreglo de datos para el diseo factorial con dos factores
ejemplo yij =
y
k =1
ijk
ejemplo en, y ij =
y
k =1
ijk
Yijk = + i + j + ( )ij
i = 1,2,..., a
+ ijk j = 1,2,..., b
k = 1,2,..., n
(5-6)
donde es la media global o la gran media, i es el efecto del i-simo nivel del factor
A, j es el efecto del j-simo nivel del factor B, ()ij es el efecto de la interaccin entre
A y B y ijk es un componente de error aleatorio que tiene una distribucin normal con
media cero y varianza 2.
El objetivo es determinar si no existe efecto de principal de A, B y no hay interaccin
entre ellos.
H 0 : 1 = 2 = ... = a = 0 ( A no influye)
H1 : i 0 al menos para un i
(5-7)
H 0 : 1 = 2 = ... = b = 0 (B no influye)
H 1 : j 0 al menos para un j
(5-8)
(5-9)
(y
a
i =1 j =1 k =1
bn (y .. y...)
ijk
i =1
Medida de
y...
an y. j. y...
j =1
Medida de
Medida de
variabilidad
variabilidad
variabilidad
total
debida al factor A
debida al factor B
n y ij . y i .. y. j. + y...
i =1 j =1
(y
a
i =1 j =1 k =1
Medida de variabilidad
(5-10)
ijk
y ij .
Medida de
debida a la interaccin
variabilidad debida
entre A y B
al error aleatorio
i =1
cuadrados de las diferencias entre los promedios del primer factor, y i y la gran
media, y ; si esta sumatoria es diferente de cero es precisamente debido al efecto del
primer factor, A. De igual forma, si B no influyera sobre la variable respuesta, entonces
todos los sus promedios serian iguales a la gran media y por lo tanto la cantidad
b
valores
en
verde
son
aproximadamente
iguales
entonces
la
cantidad
(y. . y...)
cantidad an
j =1
variable respuesta.
1
1
2
Factor A
y111
y211
.
.
.
a
y112
y11n
y212
y21n
.
.
.
ya11
ya12
ya1n
Factor B
2
y121 y122
y12n
y221 y222
y22n
.
.
.
ya21 ya22
ya2n
Totales
y1
y 2
Promedios
y 1
y 2
y1b1
y2b1
y1b2
y1bn
y2b2
y2bn
.
.
.
yab1
yab2
yabn
yb
y b
Totales
Promedios
y1
y1
y 2
y 2
.
.
.
.
.
.
ya
y a
Tabla 5.4 Trminos involucrados en la valuacin de los efectos principales en un diseo con dos factores. En
verde el factor A y en azul B
(y . y .. y. . + y...) en la ecuacin
a
i =1 j =1
ij
Factor B
Factor A
y ij
y i
.
.
.
.
.
.
y j
Tabla 5.5 Trminos involucrados en la evaluacin de los efectos de interaccin en un diseo con dos factores.
) (
y. j. y... es una medida del efecto promedio de B para cualquier nivel de A. Si estas
dos cantidades son diferentes es porque el cambio en la variable respuesta debido a B
depende de nivel escogido de A, lo cual indica que existe interaccin entre A y B.
La identidad de la suma de los cuadrados de la ecuacin (5-10) se puede escribir de
manera simblica de la forma:
SCT
Suma de
Cuadrados
SCA
Suma de
=
totales
Cuadrados
SCB
Suma de
+
Factor A
Cuadrados
SCAB
Suma de
+
Factor B
Cuadrados
SCE
Suma de
interaccin
(5-11)
Cuadrados
Error
Adems, tambin se puede demostrar que existen en total abn 1 grados de libertad.
Los efectos principales A y B tienen a b y b 1 grados de libertad, mientras que el
efecto de interaccin AB tiene (a 1) (b 1) grados de libertad. Dentro de cada una de
las ab celdas de la Tabla 5.3 existen n 1 grados de libertad entre las n rplicas, y las
observaciones en la misma celda slo pueden diferir debido al error aleatorio.
Por lo tanto los grados de libertad tambin quedan divididos de acuerdo a la expresin:
SCT
SCA
SCB
SCAB
SCE
(5-12)
abn-1
(a 1)
(b 1)
(a-1)(b-1)
ab(n-1)
Fuente de
Variacin
Grados
Suma de Cuadrados
libertad
a
Factor A
SC A =
i =1
b
Factor B
SC B =
yi2 y 2
bn
abn
y2 j
j =1
Interaccin
AB
de
SC AB =
an
yij2
n
i =1 j =1
y2
abn
y2
SS A SS B
abn
Error
Total
SCT = yijk
i =1 j =1 k =1
y2
abn
Media de
F0
cuadrados
Valor P
a-1
MC A =
SC A
a 1
F0 =
MC A
MC E
Probabilidad
b-1
MC B =
SC B
b 1
F0 =
MC B
MC E
Probabilidad
(a-1)(b-1)
MC AB =
SC AB
(a 1)(b 1)
F0 =
MC AB
MC E
Probabilidad
ab(n-1)
MCE =
SCE
ab(n 1)
abn-1
Tabla 5.6 Tabla ANOVA para un diseo factorial con dos factores
(5-13)
Esto es, los residuos son precisamente la diferencia entre las observaciones y los
promedios de celda correspondientes.
i = 1,2,..., a
j = 1,2,..., b
+ ijkl
k = 1,2,..., c
l = 1,2,..., n
(5-14)
Este modelo incluye, en total, 8 fuentes de variabilidad: tres efectos principales, tres
efectos de interaccin entre dos factores, un efecto de interaccin entre tres factores y
el termino de error aleatorio. El trmino de error aleatorio incluye el efecto de aquellas
variables o factores distintos a los tres factores considerados en el diseo, que
tambin pueden influir sobre la variable respuesta, pero que se espera que su efecto
sea pequeo y aleatorio.
La Tabla 5.7 muestra la tabla del Anlisis de Varianza para los diseos factoriales con
tres factores.
Fuente de
Variacin
Grados
Suma de Cuadrados
libertad
a
Factor A
yi2 y2
bcn abcn
AB
F0 =
MC A
MC E
Probabilidad
b-1
SC B
b 1
F0 =
MC B
MC E
Probabilidad
acn
MC B =
j =1
y2
abcn
yk2 y2
abn abcn
c-1
MCC =
SC B
c 1
F0 =
MC C
MC E
Probabilidad
SC B =
SCC =
a
AC
Interaccin
BC
SC AC =
i =1 k =1
SC BC =
ABC
yij2
y 2
SS A SS B (a-1)(b-1)
abn
MC AB =
SC AB
(a 1)(b 1)
F0 =
MC AB
MC E
Probabilidad
y i2k y 2
SS A SS C
(a-1)(c-1)
bn
abn
MC AC =
SCAC
(a 1)(c 1)
F0 =
MC AC
MC E
Probabilidad
MCBC =
SCBC
(b 1)(c 1)
F0 =
MC BC
MC E
Probabilidad
F0 =
MC ABC
MC E
Probabilidad
cn
i =1 j =1
y2jk
an
j =1 k =1
Interaccin
y 2j
SC AB =
Interaccin
Valor P
SC A
a 1
k =1
Interaccin
F0
cuadrados
MC A =
Factor C
Media de
a-1
SC A =
i =1
Factor B
de
SC AB =
2
y ijk
i =1 j =1 k =1
y2
SS B SS C (b-1)(c-1)
abn
y2
SS A
abn
MC ABC =
(a-1)(b-1)(c-1)
SS B SS C SS AB SS AC SS BC
Error
abc(n-1)
Total
y2
SCT = y
abn
i =1 j =1 k =1
abcn-1
2
ijk
SC ABC
(a 1)(b 1)(c 1)
MCE =
SCE
abc( n 1)
Tabla 5.7 Tabla ANOVA para un diseo factorial con tres factores
En la tabla de Anlisis de Varianza (Tabla 5.7) se puede apreciar las 7 hiptesis nulas
en tela de juicio: las que evalan los tres efectos principales, los tres de interaccin
binarias y la interaccin entre tres factores. Cada una de estas hiptesis establece que
el efecto correspondiente no es significativo, y se deben rechazar, a favor de la
hiptesis alternativa correspondiente, si su valor P en la tabla ANOVA (Tabla 5.7) es
menor que el nivel de significancia establecido para la prueba (usualmente del 5%).
( ) = m!( ff ! m )!
f
m
En resumen, con el diseo factorial general descrito se pueden estudiar los siguientes
2f 1 efectos:
f
= f efectos principales (A, B, K)
1
f f ( f 1)
=
interaccin entre dos factores (AB, AC, )
2
2
M
(5-15)
y cuadrtica, y cada
Fuente Variacin
Suma de cuadrados
Grados de liberta
Efecto A
SCA
a-1
Efecto k
SCK
k-1
Interaccin AB
SCAB
(a-1) (b-1)
Interaccin K(k-1)
SC(K-1)K
(l-1) (k-1)
Interaccin ABC
SCABC
(a-1)(b-1)(c-1)
Interaccin (K-2)(K-1)K
SC(K-2)(K-1)K
(m-1)(l-1)(k-1)
Interaccin ABK
SCABK
(a-1)(b-1)(k-1)
Error
SCE
abcj(n-1)
Total
SCT
(abckn)-1
SCT = L yij2Lmr
i =1 j =1
m=1 r =1
y2L
,
N
(5-16)
SC A =
i =1
yi2L
y2
L
bc L lkn
N
y2jL
j =1
ac L lkn
(5-17)
y2L
N
(5-18)
y2 kL
y2
L
ab L lkn
N
(5-19)
y2Lm
y2
L
N
m=1 abc L ln
(5-20)
SC B =
a
SCC =
i =1
M
k
SC K =
a
SC AB =
i =1 j =1
yij2L
c L lkn
y2L
SC A SC B
N
(5-21)
M
SC(k 1)K
y2L pm
y2L
=
SC(k 1) SC K
N
p =1 m=1 abc L n
l
SC ABC =
i =1 j =1 k =1
2
yijk
L
lkn
y2L
SC A SC B L SC AC SC BC
N
(5-22)
(5-23)
M
a
SC ABLK = L
i =1 j =1
p =1 m =1
yij2L pm
n
y2L
SC A L SC AB L SC ABLK 1.
N
(5-24)
(5-25)
En resumen, slo en el caso irreal de que todos los posibles efectos en el diseo
factorial general estn activos, es necesario realizar al menos dos rplicas del
experimento. En las situaciones reales se replican al menos dos veces (y no siempre)
slo los diseos factoriales consistentes de 16 o menos puntos de prueba.
F. de variacin
Suma de
Grados de
Cuadrado
cuadrados
libertad
medio
800
900
AB
300
Error
400
Razn F
Total
Porcentaje de arcilla
Temperatura
0.8
0.9
1.0
1.1
90
5.8
5.9
5.4
5.5
4.9
5.1
4.5
4.4
100
5.0
4.9
4.8
4.7
4.6
4.4
4.1
4.3
110
4.7
4.6
4.4
4.4
4.1
4.0
3.7
3.6
Temperatura
Alimento
20
1.2 1.2 0.2 0.1 0.3 0.2 0.1 0.4 0.2 0.3
a. Seale el nombre del diseo que se ha empleado y formule las hiptesis que
pueden ser apropiadas.
b. Haga un anlisis de varianza e interprtelo con detalle.
c. Verifique el supuesto de igual varianza entre los tratamientos (varianza
constante). Si se cumplen satisfactoriamente?
d. En caso de que no se cumpla el supuesto anterior, cmo afecta esto a sus
conclusiones?
4. Para el caso del problema anterior:
a. Transforme los datos con logaritmos, haga el anlisis de varianza.
b. Verifique supuestos.
c. Cules son las diferencias ms importantes que encontr en los dos anlisis?
Por qu?
d. Con los datos transformados, y en caso de que haya alguna interaccin
relevante, interprtela con detalle.
Tiempo
Producto
4 horas
8 horas
12 horas
Control
3.84,
3.72
27.63,
27.58
39.95,
39.00
4.00,
3.91
22.00,
21.83
46.20,
45.60
3.61,
3.61
21.94,
21.85
43.58,
42.98
3.57,
3.50
20.50,
20.32
45.14,
44.89
3.64,
3.61
20.30,
20.19
44.36,
44.02