92 .

Captulo

IV

EXPERIMENTOS FACTORIALES

Objetivo del Captulo

Describir los conceptos bsicos en diseos factoriales y explicar como se hace la experimentacin factorial. Desarrollar los diseos factoriales de dos y tres factores y la manera en que se estabilice la varianza. Explicar el diseo factorial general, el modelo de efectos fijos y su diferencia con el modelo de efectos aleatorios.

Cap. IV

Experimentos factoriales

93

EXPERIMENTOS FACTORIALES En muchos experimentos, se investigan con detalle dos o ms variables. Ninguna variable se considera extraa; todas tienen el mismo inters. Cuando esto sucede, el experimento se llama un experimento factorial, para resaltar el hecho de que el inters se centra en el efecto de dos o ms factores sobre una medida de respuesta. Presentamos aqu la clasificacin de dos vias, diseo completamente aleatorio con efectos fijos. De este modo, nos ocupamos de un modelo en el que se estudian dos factores, A y B, habiendo seleccionado el experimentador, a propsito, ms que aleatoriamente, los niveles de cada factor. No se asocian las unidades experimentales. En estos experimentos los factores son simbolizados con letras maysculas A, B, C,y los niveles de los factores por i = 1,2,3,; j = 1,2,3,; k = 1,2,3, Los experiemntos factoriales para un determinado diseo se diferencian entre si por el nmero de factores y cantidad de niveles de los factores que intervienen en el experimento. Un factor es una clase de tratamiento, y en experimentos factoriales todo factor proporcionar varios tratamientos. Por ejemplo, si la dieta es un factor en un experimento, entonces se usarn varias dietas; si temperatura de horneado es un factor, entonces el horneado se hara a varias temperaturas. Ejemplo: Consideres un experimento para evaluar rendimientos de variedades de soya. En el caso de un solo factor, todas las variables diferentes a las variedades se mantienen tan uniformes como sea posible, esto es, se escoge slo un nivel de los otros factores. Supngase que tambin es de inters un segundo factor, distancia entre surcos. Se puede planear un experimento con dos factores en el que los tratamientos consisten en todas las combinaciones entre las variedades y los espaciamientos elegidos de los surcos, esto es, cada variedad se encuentra presente en todos los espaciamientos de surcos. En un experimento de un solo factor, todas las variedades se plantarn a solo un espaciamiento de un surco, o una sola variedad en todos los espaciamientos entre surcos. En suelos, puede disearse un experimento para comparar todas las combinaciones de varios niveles de fertilizantes de fsforo y potasio. En un experimento de nutricin animal, los factores en consideracin pueden ser las cantidades y clases de suplementos de protenas. El termino nivel se refiere a los diferentes tratamientos dentro de un factor, as, si se comparan 5 variedades de cultivo, usando tres diferentes prcticas de manejo el experimento se llama experimento factorial 5 x 3 , con 5 niveles del factor variedad y tres del factor manejo. El nmero de factores y niveles que pueden compararse en un experimento, slo se limita por consideraciones prcticas Formato de datos y notacin A continuacin se presenta el formato en el que se registra adecuadamente los datos recogidos adecuadamente en un diseo de clasificacin de dos vas. Obsrvese que a indica el nmero de niveles del factor A utilizados en el experiemento. b indica el numero de niveles del factor B, y a x b es el nmero total de combinaciones de tratamientos, donde una combinacin de tratamientos es un nivel del factor A aplicado en conjunto con un nivel de B. suponemos que hay n observaciones para cada combinacin de tratamientos. El nmero total de respuestas es N = a x b x n

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

94

Nivel del factor A Factor B

1 1 2 3

X111 X112

X211 X212

X311 X312

...
X11n
2

...
X21n X221 X222

...
X31n X321 X322

X121 X122

...
X12n
. . . b

...
X22n

...
X32n

... ... ... ... ... ... ... ...

Xa11 Xa12

...
Xa1n Xa21 Xa22

...
Xa2n

X1b1 X1b2

X2b1 X2b2

X3b1 X3b2

...
X1bn

...
X2bn

...
X3bn

... ... ... ...

Xab1 Xab2

...
Xabn

El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre una o varias respuestas o caractersticas de calidad, es decir, lo que se busca es estudiar la relacin entre factores y la respuesta con la finalidad de conocer mejor como es esta relacin y generar conocimientos que permitan tomar acciones y decisiones que mejoren el desempeo del proceso. Los factores pueden ser de tipo cualitativo (mquinas, tipo de material, operador, la presencia o ausencia de una operacin previa, etc.) o de tipo cuantitativo (temperatura, humedad, velocidad, presin, etc). Para poder estudiar la manera en que influye cada factor sobre la variable respuesta, es necesario elegir al menos dos niveles de prueba para cada uno de ellos (tres mquinas, dos operadores, tres velocidades, dos temperaturas, etc). Definicin de experimento factorial: es el conjunto de puntos experimentales o tratamientos que pueden formarse considerando todas la posibles combinaciones de los niveles de los factores. Por 2 ejemplo, con K = 2 factores ambos con dos niveles de prueba, se forma el diseo factorial 2 x 2 = 2 que consiste de cuatro combinaciones o puntos experimentales. Considerando otra vez K = 2 factores, pero ahora uno con tres niveles y el otro con dos niveles se pueden construir 3 x 2 combinaciones que da lugar al diseo factorial 3 x 2 Para escribir el modelo para el diseo se tiene la siguiente notacin: efecto medio global media para el i-simo nivel del factor A, i = 1,2,3,a i. . media para el j-simo nivel del factor B, j = 1,2,3,b . j.
i. j

media para la (i-j)- i-esima conbinacion de tratamientos

i
. j. ij i. j

=efecto debido al hecho de que la unidad experimental esta i-simo nivel del factor A =efecto debido al hecho de que la unidad experimental esta en el j-simo nivel del factor B
i. . . j.

=efecto de interaccin entre el i-simo nivel del factor A y el j-simo nivel del

factor B

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

95

Ei j k xi j k

i. j

= error residual o aleatorio.

Utilizando esta notacin podemos expresar el modelo en la forma siguiente. donde i = 1,2,,a ; j = 1,2,,b ; k = 1,2,,n Xi j k i j i k j Ei j k El modelo expresa simbolicamente la idea de que cada observacin puede dividirse en 5 componentes: Un efecto medio global , un efecto debido al factor A ( i ), un efecto debido al factor B ( j ), un efecto debido a la interaccin ( ) i j , y una desviacin aleatoria debida a orgenes inexplicables E i j k . Supuestos del modelo. Admitimos los siguientes supuestos: 1. Las observacines para la combinacin de tratamientos constituyen muestras aleatorias independientes, cada una de tamao n, de a - b poblaciones con medias i j. , donde i = 1,2,a : j = 1,2,,b. 2. Cada una de las a x b poblaciones es normal. 3. Cada una de las a x b problaciones tienen la misma varianza. Contraste de los efectos principales e interaccin La primera hiptesis nula a contrastar es la de no interaccin. Matemticamente, esta hiptesis es
0 Ho: i = 1,2,,a j = 1,2,,b ij Si no se rechaza esta hiptesis, se contina el anlisis contrastando la hipteisis nula de que no hay diferencias entre los niveles del factor A

Ho:

1. .

2. .

...

a. .

La hiptesis nula de no diferencia entre niveles del factor B Ho:

.1. . . .2.

...

.b.

El formato del anlisis de varianza para este diseo se muestra a continuacin: ANALISIS DE VARIANZA: CLASIFICACION DE DOS VIAS, DISEO COMPLETAMENTE ALEATORIO CON EFECTOS FIJOS
Origen de la variacin Tratamientos a Suma de cuadrados
b

Grados de libertad

Cuadrado medio

Cociente F

Tt 2j n
SCA

i 1 j 1

T. 2. abn

ab -1 a-1 b-1 (a-1)(b-1) ab (n-1) abn-1

A B SCB AB SCA.B Error SCE Total SCT

S CT R ab 1 S CA a 1 S CB b 1
S C AB . ( a 1)(b 1) S CE a b(n 1)

M S TR MSE MSA MSE MSB MSE M S AB MSE

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

96

Ejemplo: El Mirogres terrrae sanctae es un pez comercializado semejante a la sardina que se encontr en el Mar de Galilea. Se realiz un estudio para determinar el efecto de la luz y la temperatura sobre el ndice gonadosomtico (GSI), que es una medida de crecimiento del ovario. Se utilizaron dos fotoperodos(luz): catorce horas de luz, diez horas de oscuridad y nueve horas de luz, quince horas de oscuridad, y dos niveles de temperatura: 16 y 27 C. De este modo, el experimentador puede simular situaciones de verano e invierno en la regin. Se trata de un experimento factorial con dos factores, luz y temperatura que son investigados cada uno a dos niveles. El experimento se realiz recogiendo 20 hembras en junio. A continuacin se dividi aleatoriamente el grupo en cuatro subgrupos, de tamao 5 cada uno. Cada subgrupo recibi una de las cuatro posibles combinaciones de tratamientos. Despues de tres meses se determin el ndice gonadosomtico (GSI) para cada pez. Se obtuvieron los siguientes datos: Para estos datos:
2 2 5

a = 2, b = 2, n = 5 y N = a . b . n total= 20, Tambin

i 1 j 1k 1

Xi2j k 4 82 6 .

Factor A (Luz) Factor B (temperatura) 27 C 9 horas (no natural) 0,9 1,06 0,98 1,29 1,12 T11, = 5,35 16 C (invierno simulado) 1,3 2,88 2,42 2,66 2,94 T12, = 12,20 Total (factor A) 17,55 14 horas (verano simulado) 0,83 0,67 0,57 0,47 0,66 T21, = 3,2 (no natural) 1,01 1,52 1,02 T.1.=8,55 Total (factor B)

x11.

1.0 7

x21.

0.6 4

x12

2.44

1,32 1,63 T22, = 6,5 9,7

x 22

13 .

T.2.=18,7 Total global T.. =27,25

Solucin: 2 2 2 2 2 5.3 5 3.2 1 22 0 . 6.5 2 72 5 . S Sr a t 5 5 5 5 20 2 2 2 1 75 5 . 9.7 2 72 5 . SS 3.0 8 A 10 10 20 2 2 2 8.5 5 1 87 . 2 72 5 . SS 5.1 5 B 10 10 20 SS S S r a SA SB 8.8 6 3.0 8 5.1 5 0.6 3 AB t

8.8 6

S S ot al t
SS E

2 72 5 . 4 82 6 . 20

1 11 3 .

S S ot al S S r a 1 11 3 8.8 6 2.2 7 . t t

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

97

La tabla del anova se presenta a continuacin:

Origen de la variacin Tratamientos A B AB Error Total Suma de cuadrados 8,86 3,08 5,15 0,63 2,27 11,13 Grados de libertad ab -1=3 a-1=1 b-1=1 (a-1)(b-1)=1 ab (n-1)=16 abn-1=19 Cuadrado medio 2,95 3,08 5,15 0,63 0,14 Cociente F 21,07 22 36,79 4,5* Pvalue 0.000 0.000 0.000 0.051

Observamos primero el cociente F empleado para comprobar la interaccin (*) el valor Pvalue para este estadstico es (p=0.051), y la distribucin Fexperimental=4.5, la distribucin Fterica=4.49 F(1,16) =4.49 4.5 0 El valor experimental pertenece a la regin de aceptacin, por lo tanto no podemos rechazar la Ho y concluimos que no existe interaccin entre los factores es decir entre el ciclo de la luz utilizado y la temperatura. Concluimos que el efecto de la luz y la temperatura explican mejor el modelo mas no la interaccin. (InteraccinAxB: Es el efecto que sobre la variable dependiente pueden producir las diferentes combinaciones simultneas de los diversos niveles de los factores). Pasos en el SPSS Analizar< Modelo lineal general< Univariante< Pasar (V. dependiente _Tratamientos; a Factores fijos_ temperatura y luz)< Modelo< factorial completo< Tipo III< desmarcar interaccin en el modelo< continuar< aceptar.
Pruebas de los efectos inter-sujetos Variable dependiente: CRECIMIENTO Suma de cuadrados tipo III 45,991(a) 3,081 5,151 ,630 2,271 48,262 Media cuadrtica 11,498 3,081 5,151 ,630 ,142

Fuente Modelo LUZ TEMPERATURA FOTOPERIODO * TEMPERATURA Error Total

gl 4 1 1 1 16 20

F 80,991 21,704 36,285 4,439

Significacin ,000 ,000 ,000 ,051

a R cuadrado = ,953 (R cuadrado corregida = ,941)

Ejemplo: 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.

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

98

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

III

Tabla del Anlisis de la variancia del diseo factorial de dos factores con repeticin
P ruebas de l os ef ect os i nt er- suj et os V i bl dependi nt e: Ti mpo. super vi enci ar a e e e v a S a de um cuadr ados ti o III p 2. 240a 10. 840 . 979 . 990 . 271 . 824 13. 904 3. 064 Medi a cuadr t i a c . 204 10. 840 . 490 . 330 . 045 . 023

Fuent e Model cor r egi o o d I nt er secci n veneno Tr at ami nt o e veneno * Tr at ami nt o e E r or r Tot al Tot al cor r egi a d

gl 11 1 2 3 6 36 48 47

F 8. 901 473. 729 21. 402 14. 419 1. 974

S ni i aci n g i fc . 000 . 000 . 000 . 000 . 095

a. R cuadr ado = . 731 ( R cuadr ado cor r egi a = . 649) d

(Los valores estn multiplicados por 1000 ) Los diseos factoriales son importantes por varias razones 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. Si existe interaccin entre los factores estudiados permite medirla . 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. 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. La interpretacin de las observaciones producidas por estos diseos se puede realizar en gran parte a base de sentido comn y aritmtica elemental. Interpretacin de los efectos principales y la interaccin El efecto simple del Factor A cuando el Factor B toma el nivel b1: es igual al cambio en la variable respuesta y; cuando se cambia del tratamiento a1b1 al tratamiento a2b1. Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

99

El efecto simple del Factor A cuando el Factor B toma el nivel b2: es igual al cambio en la variable respuesta y, cuando se cambia del tratamiento a1b2 al tratamiento a2b2. El efecto principal del factor A: es el promedio de los efectos simples del factor A El efecto principal del factor B: es el promedio de los efectos simples del factor B La interaccin del factor A y el factor B: es la diferencia del efecto simple del factor A cuando el factor B toma el nivel b2 menos el efecto simple del factor A cuando el factor B toma el nivel b1. Es decir, si el efecto sobre la variable respuesta (y) debe cambiar del nivel al nivel a2 del factor A es igual para los dos niveles del factor B, entonces la interaccin es cero (no hay interaccin o los factores operan independientemente). Si el efecto simple del factor A depende del nivel del factor B, entonces existe interaccin entre el factor A y el factor B. Si el signo que resulta de la interaccin es positivo se dice que existe "efecto sinergizante" o "potencializacin"; sin embargo si es negativo se dice que existe "efecto antagnico" o "interferencia". Forma Grfica de observar la Interaccin. Para observar la interaccin entre el factor A y el factor B, se debe realizar una grfica de la respuesta de los datos, contra los niveles del factor A, para ambos niveles del factor B, de la siguiente manera:

En la Figura 1, podemos observar que las rectas que se forman son aproximadamente paralelas lo cual indica que no existe interaccin entre el Factor A y el Factor B; mientras que en la Figura 2, las dos rectas que se forman no son paralelas y se intersectan, lo que significa que existe interaccin entre el Factor A y el Factor B. Los "a" niveles del factor A y los "b" niveles del factor B, pueden ser elegidos aleatoriamente de poblaciones ms grandes, entonces se dice que el factor A y el factor B son aleatorios; en este caso las inferencias pueden generalizarse a todos los niveles de las poblaciones bajo estudio, porque los niveles de los factores se eligieron al azar. Tambin el experimentador puede elegir especficamente los "a" niveles del factor A y los "b" niveles del factor B usados en el experimento, entonces se dice que el factor A y el factor B son fijos; por lo tanto las inferencias hechas con base en el Anlisis de Varianza pueden aplicarse solamente a los niveles especficos del factor A y el factor B que se probaron. En consecuencia de lo anterior, se pueden dar los siguientes casos: 1) El factor A y factor B son fijos, entonces el Modelo que resulta es el Modelo de Efectos Fijos. 2) El factor A y factor B son aleatorios, entonces el Modelo que resulta es el Modelo de Efectos Aleatorios. 3) El factor A es aleatorio y el factor B es fijo, o viceversa, el Modelo que resulta es el Modelo Mixto. Ejemplo: Un agrnomo desea planear un experimento usando el diseo de bloques al azar con 4 replicaciones. l ha decidido usar 2 factores en el experimento: el factor Tipo de Suelo con 4 niveles y el factor Variedades de Maz con 3 niveles. l sabe que el diseo de bloques al azar tendr 12 tratamientos, pero no ha tomado la decisin si debe usar un Modelo factorial fijo, aleatorio o mixto. Para tomar esta decisin, l enumera el siguiente listado de las alternativas posibles para este experimento. Situacin 1 Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

100

El agrnomo selecciona 4 Tipos de Suelo y 3 Variedades de maz segn el objetivo del experimento. Las conclusiones que se obtengan de este experimento solamente sern vlidas para los 4 Tipos de Suelo y las 3 Variedades de maz. Decisin: Usar un Modelo de Efectos Fijos Situacin 2 El agrnomo selecciona 4 Tipos de Suelo al azar a partir de un listado de todos los tipos de suelos que existen en la zona donde se va a hacer este experimento. Asimismo la seleccin de 3 Variedades de maz se hace en forma aleatoria usando un listado que contiene todas las posibles variedades de maz que existen en la zona. Las conclusiones que se obtengan de este experimento solamente sern vlidas para todos los Tipos de Suelo y todas las Variedades de maz que existen en la zona experimental. Decisin: Usar un Modelo de Efectos Aleatorios Situacin 3 El agrnomo selecciona 4 tipos de suelos al azar a partir de todos los tipos de suelos que existen en la zona donde se va a hacer este experimento, pero usa 3 variedades de maz que fueron nombradas en el objetivo del experimento. Las conclusiones que se obtengan de este experimento sern vlidas para todos los tipos de suelo que existen en la zona de experimentacin, pero solamente para 3 variedades de maz que fueron usadas en el experimento. Decisin: Usar un Modelo Mixto tomando variedad de maz como Factor Fijo y tipos de suelo como Factor Aleatorio. Nota: Obsrvese que existe tambin la posibilidad de usar otro Modelo Mixto en el cual se puede tomar el Factor tipo de suelo como Factor Fijo y el Factor variedad de maz como Factor Aleatorio. Ejemplo: Se llev a cabo un estudio del efecto de la temperatura sobre el porcentaje de encogimiento de telas teidas, con dos rplicas para cada uno de cuatro tipos de tela en un diseo totalmente aleatorizado. Los datos son el porcentaje de encogimiento de dos rplicas de tela secadas a cuatro temperaturas; Los cuales se muestran a continuacin.
Factor A (tipos de tela) 1 2 3 4 Factor B (temperatura) 210F 1,8 2,1 2,2 2,4 2,8 3,2 3,2 3,6 215F 2,0 2,1 4,2 4,0 4,4 4,8 3,3 3,5 220F 4,6 5,0 5,4 5,6 8,7 8,4 5,7 5,8 225F 7,5 7,9 9,8 9,2 12,3 13,0 10,9 11,1

Solucin En este ejemplo el anlisis se har como un Modelo de Efectos Fijos; ya que el investigador define con su propio criterio las temperaturas y los tipos de telas que va ha utilizar para llevar a cabo este experimento. Variable Respuesta: Porcentaje de encogimiento de la tela teida. Planteamiento de las hiptesis a) Ho : El tipo de tela no influye en el porcentaje de encogimiento de la tela teida. Ha : El tipo de tela influye en el porcentaje de encogimiento de la tela teida . b) Ho : Los niveles de temperatura no influyen en el porcentaje de encogimiento de la tela teida. Ha : Los niveles de temperatura influyen en el porcentaje de encogimiento de la tela teida. Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

101

c) Ho : La combinacin del tipo de tela teida y la temperatura no influye significativamente en el porcentaje de encogimiento de la tela. Ha : La combinacin del tipo de tela teida y la temperatura influye significativamente en el porcentaje de encogimiento de la tela. Datos: a = 4, b = 4, n = 2, N = abn = 4 x 4 x 2 = 32
P ruebas de l os ef ect os i nt er - suj et os V i bl dependi nt e: encogi nt o ar a e e e i S a de um cuadr ados ti o III p 1346, 805a 275, 631 38, 993 14, 048 1, 025 1347, 830 Medi a cuadr t i a c 84, 175 91, 877 12, 998 1, 561 , 064

Fuent e Model o t em per at ur a t i o. t el p a t em per at ur a * t i o. t el p a E r or r Tot al

gl 16 3 3 9 16 32

F 1313, 956 1434, 177 202, 893 24, 365

S ni i aci n g i fc , 000 , 000 , 000 , 000

a. R cuadr ado = , 999 ( R cuadr ado cor r egi a = , 998) d

Tomando = 0.05, encontrando para cada hiptesis a probar sus respectivos Ftabular, se tiene: a) F( ,a-1,ab(n-1) = F(0.05,4 -1,4(4)(2 - 1) = F(0.05,3,16) = 3.24 b) F( ,b-1,ab(n-1) = F(0.05,4 -1,4(4)(2 - 1) = F(0.05,3,16) = 3.24 c) F( ,(a-1)(b-1),ab(n-1) = F(0.05,(4 -1)(4 -1),4(4)(2 - 1) = F(0.05,9,16) = 2.54 Conclusiones Se tiene: Respecto a la hiptesis a (Factor A(Tipo de Tela)) Se observa de la tabla de Anlisis de Varianza que el Fo > Ftabular (202.89 > 3.24); por lo tanto, se rechaza Ho; es decir, el tipo de tela teida influye significativamente en el porcentaje de encogimiento de ella. Respecto a la hiptesis b (Factor B(Temperatura)) Se observa de la tabla de Anlisis de Varianza que el Fo > Ftabular (1434.18 > 3.24); por lo tanto, se rechaza Ho; es decir, los niveles de temperatura influyen significativamente en el porcentaje de encogimiento de la tela teida. Respecto a la hiptesis c (Interaccin(Tipo de tela y Temperatura)) Se observa de la tabla de Anlisis de Varianza que el Fo > Ftabular (24.365> 2.54); por lo tanto, se rechaza Ho; es decir, la combinacin de el tipo de tela teida y los niveles de temperatura influyen en el porcentaje de encogimiento de la tela teida. El Modelo es posible.

Ejemplo: La salida mxima de voltaje de un tipo particular de batera, se piensa que puede ser influenciado por el material usado en los platos y por la temperatura en la localizacin en la cual la batera es colocada. se hacen cuatro replicas en el experimento en un experimento factorial, para tres tipos de temperatura (50, 65, 80) y tres materiales, los resultados son:

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

102

FACTOR B
TEMPERATURA 50 FACTOR (A) MATERIAL 1 2 3 130 74 150 159 138 168 1738 155 180 188 126 110 160 30 80 136 106 174 150 1291 65 40 75 122 115 120 139 20 82 25 58 96 82 770 80 70 58 70 45 104 60 1501 3799 1300 998 TOTAL

TOTAL

Determinar que tipo de material se comporta ms estable ante las diferentes temperaturas Los datos presentan suficiente evidencia que el tipo de material afecta el voltaje de salida? Los datos presentan suficiente evidencia que las temperaturas usadas en el experimento afectan el voltaje de salida? Los datos demuestran evidencias suficientes que el tipo de material usado y las temperaturas consideradas en el experimento tienen efecto conjunto sobre el voltaje de salida considerando a un nivel de significancia del 5%?
Contraste de Levene sobre la igualdad de las varianzas error(a) Variable dependiente: rendimiento gl1 gl2 Significacin ,910 8 27 ,523 Contrasta la hiptesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos. a Diseo: temperatura+material+temperatura * material Pruebas de los efectos inter-sujetos Variable dependiente: rendimiento Suma de cuadrados tipo III 459862,250(a ) 39103,167 10863,500 9839,333 18428,750 Media cuadrtica 9 2 2 4 27 51095,806 19551,583 5431,750 2459,833 682,546 F

Fuente Modelo temperatura material temperatura * material Error Total

gl

F 74,861 28,645 7,958 3,604

Significacin ,000 ,000 ,002 ,018

478291,000 36 a R cuadrado = ,961 (R cuadrado corregida = ,949)

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

103

M e d i a s m a rg i n a l e s e s t i m a d a s d e V OL T AJ E
180 160

140

120

100

M ATERI AL
1, 00 2, 00 3, 00 65 80

80

60 40 50

TEM PERAT

PROBLEMAS DE REPASO DEL CAPTULO

1. Con el fin de precisar las condiciones ptimas de un bao de niquel, los efectos de la concentracin de sulfona y la temperatura del bao en el poder de reflexin de un metal niquelado. Para tal efecto las condiciones se estudian en un experimento factorial 2 x 5. Los resultados de las tres repeticiones son los siguientes:
Concentracin Temperatura (gramos/litro) (grados F) 5 75 5 100 5 125 5 150 5 175 10 75 10 100 10 125 10 150 10 175 Poder de reflexin Rep.1 Rep.2 Rep.3 35 39 36 31 37 36 30 31 33 28 20 23 19 18 22 38 46 41 36 44 39 39 32 38 35 47 40 30 38 31

Analice estos resultados y determnese la condicin o condiciones del bao que produzcan el mayor nivel de reflexin. Constryase tambin un intervalo de confianza de 0.95 para el nivel de reflexin del bao de niquel correspondiente a las condiciones ptimas. Rpta: Los efectos significativos son la temperatura (F = 11.0, =0.01), la concentracin (F = 44.0, =0.01) y su interaccin (F = 3.5, =0.05). Condiciones ptimas para la reflexin son la concentracin a 10 gramos por litro y temperatura de bao a 75F.

2. Para probar el diseo de una raqueta de tenis, un individuo juega tenis con una raqueta determinada durante una hora y luego la evala mediante una escala de 1 al 10. Dos medidas del marco de la raqueta (estndar y grande) se prueban empleando tres tensiones de las cuerdas. Dieciocho jugadores, dotados con raquetas al azar, dan los siguientes resultados:
Marca de la raqueta Estndar Estndar Estndar Grande Grande Grande Tensin de las cuerdas Baja Media Alta Baja Media Alta

Rep.1 5 6 5 6 8 3

Rep.2 6 6 4 7 9 5

Rep.3 5 7 6 5 7 2

Realcese un anlisis de varianza adecuado y determnese las condiciones, cualesquiera que sean, en las cuales se prefiere el tamao grande del marco. Rpta: F = 14 es significativa al nivel 0.01; para Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

104

interaccin, F = 4.5 es significativa al nivel del 0.05; para repeticiones F=1.2 no es significativa al nivel de 0.05. La tensin media es preferible cuando la raqueta es grande. 3. El director de un colegio desea saber si los aos de experiencia educativa de los profesores (A1: menos de dos aos; A2: ms de dos aos) y tres mtodos de enseanza influyen en el rendimiento de una asignatura. 12 alumnos son asignados al azar a las 6 condiciones referidas. Su rendimiento acadmico a final de curso fue:
B1 4 3 2 1 B2 4 3 5 6 B3 8 10 10 10

A1 A2

a) Influye la experiencia docente del profesor sobre el rendimiento? b) Influyen los mtodos de enseanza? Cul es el mejor y el peor? c) Hay interaccin?. Haz una grfica e interprtala. 4. En un estudio sobre memoria registramos el nmero de aciertos de 6 sujetos en condiciones de reconocimiento (A1) y de recuerdo (A2) en tres periodos temporales distintos (B1: tras una hora desde la fase de estudio; B2: tras una da; B3: tras una semana). Los resultados fueron:
B1 4 6 1 2 5 1 1 3 3 1 5 2 B2 5 8 6 10 10 7 2 6 5 4 6 8 B3 7 10 5 12 10 8 4 6 4 7 5 7

A1

A2

Analiza e interpreta los resultados. La variable A influye sobre la VD: F1,5=8.17, MCe= 4.91, p=0.035, lo que quiere decir que en condiciones de reconocimiento (media A1=6.5) los sujetos rinden mejor que en condiciones de recuerdo (media A2=4.39). Los efectos principales de B tambin son significativos: F2,10=17.77, MCe= 3.53, p=0.001. Debemos comparar pues por pares las medias de B1, B2 y B3 (que son respectivamente 2.83, 6.42 y 7.08). Aplicaremos para ello 3 pruebas t para muestras relacionadas para comparar por pares las 3 condiciones. Los resultados nos muestran que no hay diferencias entre B2 y B3, pero s entre B1 con B2 y con B3. La interaccin es significativa: F2,10=5.42, MCe= 0.93, p=0.025 (ver grfica).

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

105

5. Comparamos la eficacia de dos tipos de entrenamiento deportivo en 8 deportistas amateurs (A1: entrenamiento slo fsico; A2: entrenamiento fsico+psiclogico). Asignamos al azar 4 sujetos a cada condicin. A lo largo de 4 semanas (B1, B2, B3, B4) dichos 8 sujetos fueron evaluados en un test de rendimiento deportivo (escala de 0 a 15 puntos). Sus resultados fueron:
B1 3 6 3 3 1 2 2 2 B2 4 5 4 3 2 3 4 3 B3 7 8 7 6 5 6 5 6 B4 7 8 9 8 10 10 9 11

A1

A2

Analiza e interpreta los resultados. La variable A no influye sobre la VD: F(1,6)=2, MCe= 1.56, p=0.35, lo que quiere decir que no hay diferencias en el tipo de entrenamiento. Los efectos principales de B son significativos: F(3,18)=127.89, MCe= 0.51, p<0.001. Debemos comparar pues por pares las medias de B1, B2, B3 y B4 (que son respectivamente 2.75, 3.5, 6.25 y 9). Aplicaremos para ello 6 pruebas t para muestras relacionadas para comparar por pares las 4 condiciones tomando como significativas slo aquellas sig que sean menores o iguales a 0.05. Los resultados nos muestran que todas las diferencias son significativas. Ello podra interpretarse en el sentido de que el rendimiento deportivo mejora a lo largo del tiempo. La interaccin de AB es significativa F3,18=12.74, MCe= 0.51, p<0.001 (ver grfica).

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro

Cap. IV

Experimentos factoriales

106

Para analizarla aplicaremos 4 pruebas t para muestras independientes. Al hacerlas nos daremos cuenta de que todas son significativas excepto en la segunda semana. La interpretacin global de esta interaccin apunta a la idea de que el entrenamiento psicolgico slo comienza a ser eficaz a partir de la cuarta semana. 6. En un estudio sobre memoria verbal se seleccionaron al azar 50 personas mayores y 50 jvenes (factor 1: edad). Dentro de cada uno de estos grupos se asignaron, al azar, 10 personas a 5 distintos grupos a los que se les present una misma lista de 27 palabras. A cada uno de los 5 grupos se les dieron las siguientes instrucciones (factor 2: mtodo) Grupo 1 (contar): se les pidi que contasen el n de letras de cada palabra Grupo 2 (rimar): se les pidi que rimasen cada palabra con otra Grupo 3 (adjetivar): se les pidi que a cada palabra le asignasen un adjetivo Grupo 4 (imaginar): se les pidi que a cada palabra le asignasen una imagen Grupo 5 (recordar): se les pidi que memorizasen las palabras. A los 4 primeros grupos no se les dijo que deberan recordar las palabras. Finalmente, tras revisar la lista 3 veces, se recogi el n de palabras recordadas por cada grupo (variable respuesta). Eysenck (1974). 7. Se est investigando cual es el efecto de tres tipos de abono sobre dos tipos de suelo. Se espera que el efecto de los distintos abonos se manifieste de forma diferente dependiendo del tipo de suelo. Para el presente estudio tomaremos dos tipos de suelo, cido y alcalino y tres tipos de abono que denotaremos con A, B y C. Tenemos as dos factores (suelo y abono) con 2 y 3 niveles respectivamente, que resultan en 6 combinaciones. Tomaremos un diseo factorial con dos factores y tres rplicas en cada una de las combinaciones de los niveles de los dos factores. La respuesta es un ndice de abundancia de una determinada especie tras la aplicacin de los distintos abonos. Los resultados se muestran en la tabla siguiente. ABONO B 5 4 5 6 5 6

A 7 cido TIPOS DE SUELO Alcalino 4 3 4 7 5

C 8 6 8 10 7 6

a. b. c. d. e.

Formule los supuestos bsicos para que se pueda usar un anlisis paramtrico Existe interaccin entre el factor tipo de suelo y el factor abono? Existe al menos un par de medias de abono que haga una diferencia significativa? .Existe diferencia significativa entre los diferentes tipos de suelo? Ud. Recomendaria algn tipo de abono y un tipo especial de suelo para un mejor ndice de abundancia?, diga con que prueba lo realizara para recomendar.

Mtodos estadsticos aplicados a lainvestigacin - Mg. Rosa Padilla Castro