Captulo 6

Diseos factoriales con tres

factores
Supongamos que hay a niveles para el factor A, b niveles del factor B y c niveles para
el factor C y que cada rplica del experimento contiene todas las posibles combinaciones
de tratamientos, es decir contiene los abc tratamientos posibles.

6.1.

El modelo sin replicacin

El modelo estadstico para este diseo es:
yijk = + i + j + k + ( )ij + ( )ik + ()jk + ( )ijk + uijk
con i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , c

donde

i , j y k : Son los efectos producidos
por
el
nivel
i-simo
del
factor
A,
(
i i = 0),



por el nivel j-simo del factor B,
j j = 0 y por el nivel k-simo del factor C,


( k k = 0), respectivamente.

( )ij , ( )ik , ()jk y ( )ijk : Son los efectos producidos por las interacciones
entre A B, A C, B C y A B C, respectivamente


( )ij =


j


i

( )ij =


i

( )ijk =

( )ik =

( )ik =

( )ijk =


k

()jk =

( )ijk = 0


k

()jk =

Diseos factoriales con tres factores

Supondremos que se toma una observacin por cada combinacin de factores, por
tanto, hay un total de n = abc observaciones.
Parmetros a estimar:
Parmetros

i
j
k
( )ij
( )ik
()jk
( )ijk
2
Total

6.1.1.

Nmero
1
a1
b1
c1
(a 1)(b 1)
(a 1)(c 1)
(b 1)(c 1)
(a 1)(b 1)(c 1)
1
abc + 1

A pesar de las restricciones impuestas

al modelo, el nmero de parmetros
(abc + 1) supera al nmero de obsevaciones
(abc). Por lo tanto, algn parmetro no ser
estimable.

Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de los parmetros del modelo son

El E.M.V. de es
 = y...

Los E.M.V. de los efectos principales son:

j = y.j. y... ;
i = yi.. y... ;

k = y..k y...

 
Los E.M.V. de las interacciones de segundo orden son: 

= y ij. yi.. y.j. + y...

ij
 

(
)ik = y i.k yi.. y...k + y... ;
= y.jk y.j. y...k + y...
jk

El E.M.V. de la interaccin de tercer orden



 
 
j



= yijk

i
k 

(
)ik
ijk

ij

jk

= yijk y ij. yi.k y.jk + yi.. + y.j. + y..k y...

6.1.2.

Descomposicin de la variabilidad
En este modelo la variabilidad total se descompone en:

SCT = SCA + SCB + SCC + SC(AB) + SC(AC) + SC(BC) + SC(ABC) + SCR

6.1 El modelo sin replicacin

Estas sumas de cuadrados se pueden expresar como:

SCT =
SCB =

2
i,j,k yijk



SC(AB) =
SC(AC) =
SC(BC) =

 2
y...
/(abc)

SCA =


 2
2
y
j .j. /(ac) y... /(abc)





2
i yi..

SCC =

 2
/bc y...
/(abc)



2
k y..k

 2
/(ab) y...
/(abc)


 2
2
y
i,j ij. /c y... /(abc)SCASCB: S. C. de la interaccin AB

2
i,k yi.k



SC(ABC) =



 2
/(abc)SCASCC: S. C. de la interaccin AC
/b y...


 2
2
y
j,k .jk /a y... /(abc)SCBSCC: S. C. de la interaccin BC

2
i,j,k yijk

 2
y... /(abc) SCA SCB SCC SC(AB) SC(AC)

SC(BC): S. C. de la interaccin A B C

Al tratarse de un modelo sin replicacin, los contrastes slo se pueden realizar si se

supone que la interaccin de tercer orden es cero. En esta hiptesis, CM(ABC) = CMR
y los contrastes de cada uno de los factores e interacciones comparan su cuadrado medio
correspondiente con la varianza residual para construir el estadstico de contraste.
El objetivo del anlisis es realizar los contrastes de hiptesis nula que se muestran a
continuacin junto con el estadstico de contraste correspondiente:
i) H0A 1 = = a = 0 : FA =

CMA H0A


F(a1),(a1)(b1)(c1)
CM R

ii) H0B 1 = = b = 0 : FB =

CMB H0B


F(b1),(a1)(b1)(c1)
CMR

iii) H0C 1 = = c = 0 : FC =

CMC H0C


F(c1),(a1)(b1)(c1)
CMR

iv) H0(AB) ( )ij = 0, i, j : F(AB) =

CM (AB) H0(AB)


F(a1)(b1),(a1)(b1)(c1)
CMR

v) H0(AC) ( )ik = 0, i, k : F(AC) =

CM(AC) H0(AB)


F(a1)(c1),(a1)(b1)(c1)
CMR

vi) H0(BC) ()jk = 0, j, k : F(BC) =

CM(BC) H0(ACB)


F(b1)(c1),(a1)(b1)(c1)
CMR

Fijado un nivel de significacin , se rechaza la H0 correspondiente, si Fexp > Fterica .

Diseos factoriales con tres factores

Tabla
F. V.
Factor A
Factor B
Factor C
AB
AC
B C
ABC
TOTAL

ANOVA: Modelo factorial con tres

S. C.
G. L.
SCA
a1
SCB
b1
SCC
c1
SC(AB)
(a 1)(b 1)
SC(AC)
(a 1)(c 1)
SC(BC)
(b 1)(c 1)
SC(ABC) (a 1)(b 1)(c 1)
SCT
abc 1

factores (sin
C. M.
CMA
CMB
CMC
CM(AB)
CM(AC)
CM(BC)
CMR
CMT

replicacin)
Fexp
CMA/CMR
CMB/CMR
CMC/CMR
CM(AB)/CMR
CM(AC)/CMR
CM(BC)/CMR
CM(ABC)/CMR

Ejemplo 6.1
Se estn investigando los efectos sobre la resistencia del papel que producen la concentracin de fibra de madera (factor A), la presin del tanque (factor B) y el tiempo de
coccin de la pulpa (factor C). Se seleccionan dos niveles de la concentracin de madera
( 1 , 2 ), tres niveles de la presin ( 1 , 2 , 3 ) y dos niveles del tiempo de coccin ( 1 , 2 ).
Pueden considerarse todos los factores fijos. Analizar los resultados y obtener las conclusiones apropiadas.

1
2

1
y111 = 10
y211 = 26

1
2
y121 = 20
y221 = 28

3
y131 = 2
y231 = 30

2
2
y122 = 23
y222 = 34

1
y112 = 6
y212 = 30

3
y132 = 2
y232 = 32

Vamos a calcular los totales marginales y las sumas de cuadrados

AB
1
2
B
AC
1
2
C

1
y11. = 16
y21. = 56
y,1. = 72

1
y1,1 = 32
y2,1 = 84
y.,1 = 116

2
y12. = 43
y22. = 62
y,2. = 105

2
y1,2 = 27
y2,2 = 96
y.,2 = 123

3
y13. = 0
y23. = 62
y,3. = 62
BC
1
2
3

A
y1.. = 59
y2.. = 180
y... = 239

1
y,11 = 36
y,21 = 48
y,31 = 32

2
y,12 = 36
y,22 = 57
y,22 = 30

6.1 El modelo sin replicacin

SCT =
SCA =
SCB =

2
i,j,k yijk

2
i yi..

bc

2
j y.j.

2
y...
(239)2
= 6513
= 1752,9
abc
12

2
y...
(59)2 + (180)2 (239)2
=

= 1220,08
abc
6
12

2
y...
(72)2 + (105)2 + (62)2 (239)2
=

= 253,17
abc
4
12

ac

2
y
y2
(116)2 + (123)2 (239)2
SCC = k ..k ... =

= 4,083
ab
abc
6
12


2
y2
(16)2 + + (62)2 (239)2
i,j yij.
SC(AB) =
... SCA SCB =

c
abc
2
12
SCA SCB = 231,16


2
y2
(36)2 + + (30)2 (239)2
j,k y.jk
SC(BC) =
... SCB SCC =

a
abc
2
12
SCB SCC = 17,16


2
y2
(32)2 + + (96)2 (239)2
i,k yi.k
SC(AC) =
... SCA SCC =

b
abc
3
12
SCB SCC = 24,08
SCR = SCT SCA SCB SCC SC(AB) SC(AC) SC(BC)
SC(ABC) = 3,167.
La Tabla ANOVA resultante es:
F. V.
Factor A
Factor B
Factor C
AB
AC
BC
Residual
TOTAL

S.C.
1220,08
253,16
4,083
231,16
24,083
17,167
3,167
1752,9

G.L.
1
2
1
2
1
2
2
11

C.M.
1220,08
126,58
4,083
115,58
24,083
8,583
1,583

Fexp
770,579
79,947
2,579
73,00
15,211
5,421

Realizando los contrastes al nivel de significacin del 5 %, se concluye que son significativos los efectos de los factores A (F0,05,1,2 = 18,51), B y A B (F0,05,2,2 = 19).

Diseos factoriales con tres factores

6.2.

El modelo con replicacin

El modelo estadstico para este diseo es:
yijkl = + i + j + k + ( )ij + ( )ik + ()jk + ( )ijk + uijkl
i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , c ; l = 1, 2, , r

donde r es el nmero de replicaciones y n = abcr es el nmero de observaciones.

El nmero de parmetros de este modelo es, como en el modelo de tres factores sin
replicacin, abc + 1 pero en este caso el nmero de observaciones es abcr.
Las sumas de cuadrados tienen las siguientes expresiones:



 2
 2
2
2
/(abcr) ; SCA =
/(abcr)
SCT =
yijkl
y....
yi...
/(bcr) y....
i,j,k,l

SCB =



SC(AB) =
SC(BC) =
SC(AC) =

2
y.j..



i,j



j,k



i,k

SC(ABC) =





 2
 2
2
/(acr) y.... /(abcr) ; SCC =
y..k. /(abr) y....
/(abcr)
k

 2
2
/(cr) y....
/(abcr) SCA SCB
yij..


 2
2
y.jk.
/(ar) y....
/(abcr) SCB SCC


 2
2
/(br) y....
yi.k.
/(abcr) SCA SCC

i,j,k


 2
2
yijk.
/r y....
/(abcr) SCA SCB SCC SC(AB)

SC(AC) SC(BC)

SCR = SCT SCA SCB SCC SC(AB) SC(AC) SC(BC) SC(ABC).

En este modelo, el objetivo del anlisis es realizar los contrastes de hiptesis nula que,
junto al estadstico de contraste, se muestran a continuacin:
i) H0A 1 = = a = 0 : FA =

CMA H0A


F(a1),abc(r1)
CM R

ii) H0B 1 = = b = 0 : FB =

CMB H0B


F(b1),abc(r1)
CMR

iii) H0C 1 = = c = 0 : FC =

CMC H0C


F(c1),abc(r1)
CMR

iv) H0(AB) ( )ij = 0, i, j : F(AB) =

CM (AB) H0(AB)


F(a1)(b1),abc(r1)
CMR

6.2 El modelo con replicacin

v) H0(AC) ( )ik = 0, i, k : F(AC) =

CM(AC) H0(Ac)
F(a1)(c1),abc(r1))


CMR

vi) H0(BC) ()jk = 0, j, k : F(BC) =

CM(BC) H0(BC)
F(b1)(c1),abc(r1)


CMR

vii) H0(ABC) ()ijk = 0, i, j, k : F(ABC) =

CM(ABC) H0(ABC)


F(a1)(b1)(c1),abc(r1)
CMR

Tabla ANOVA: Modelo factorial con tres factores (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
Factor C
SCC
c1
CMC
CM C/CM R
AxB
SC(AB)
(a 1)(b 1)
CM(AB)
CM(AB)/CMR
AxC
SC(AC)
(a 1)(c 1)
CM(AC)
CM(AC)/CMR
BxC
SC(BC)
(b 1)(c 1)
CM(BC)
CM(BC)/CMR
AxBxC
SC(ABC) (a 1)(b 1)(c 1) CM(ABC) CM(ABC)/CMR
Residual
SCR
abc(r 1)
CMR
TOTAL
SCT
abcr 1
CMT
La diagnosis y validacin del modelo se realiza igual que en los modelos anteriores.
Ejemplo 6.2
Supongamos de nuevo la situacin del Ejemplo 6.2 en la que, en este caso, se seleccionan tres niveles de la concentracin de madera ( 1 , 2 , 3) y dos niveles de la presin
( 1 , 2 ) y del tiempo de coccin ( 1 , 2 ). Pueden considerarse todos los factores fijos. Se realiza un experimento factorial con dos rplicas y se recoplan los siguientes datos. Analizar
los resultados y obtener las conclusiones apropiadas.
1
Operario
1
2
3

1
y1111 = 3
y1112 = 1
y2111 = 0
y2112 = 1
y2111 = 5
y3112 = 4

2
2
y1211 = 1
y1212 = 0
y2211 = 2
y2212 = 1
y3211 = 7
y3212 = 6

1
y1121 = 1
y1122 = 0
y2121 = 2
y2122 = 3
y3121 = 7
y3122 = 9

Vamos a calcular los totales marginales y las sumas de cuadrados

2
y1221 = 1
y1222 = 1
y2221 = 6
y2222 = 5
y3221 = 10
y3222 = 11

Diseos factoriales con tres factores

ABC

1
2
3
AB
1
2
3
B

y111. = 4
y211. = 1
y311. = 9

y121. = 1
y221. = 3
y321. = 13

y112. = 1
y212. = 5
y312. = 16

y122. = 2
y222. = 11
y322. = 21

4
20
59

1
y11.. = 5
y21.. = 6
y31.. = 25
y,1.. = 26

2
y12.. = 1
y22.. = 14
y32.. = 34
y,2.. = 49
BC
1
2

SCT =

SCA =

SCB =

SCC =

i,j,k,l

2
yijkl

y2
i i...

bcr

2
y.j..

1
y,11. = 6
y,21. = 15

AC
1
2
3
C

1
y1,1. = 5
y2,1. = 4
y3,1. = 22
y.,1. = 21

2
y....
752
= 571
= 336,62
abcr
24

2
y....
(4)2 + (20)2 + (59)2 752
=

= 252,75
abcr
8
24

2
y....
(26)2 + (49)2 752
=

= 22,042
abcr
12
24

2
y....
(21)2 + (54)2 752
=

= 45,37
abcr
12
24

acr

2
y..k.
k

2
yij..

2
y1,2. = 1
y2,2. = 16
y3,2. = 37
y.,2. = 54

2
y,12. = 20
y,22. = 34

abr


2
y....
(5)2 + + (34)2 752
SCA SCB =

cr
abcr
4
24
252,75 22,042 = 0,583

y2
y2
(6)2 + + (34)2 752
j,k .jk.
SC(BC) =
.... SCB SCC =

ar
abcr
6
24
22,042 45,37 = 1,042

y2
y2
(5)2 + + (37)2 752
i,k i.k.
SC(AC) =
.... SCA SCC =

br
abcr
4
24

SC(AB) =

i,j

6.3 Diseos factoriales con ms de tres factores

252,75 45,37 = 5,25


y2
y2
i,j,k i.jk.
SC(ABC) =
.... SCA SCB SCC SC(AB)
r
abcr
(4)2 + (1)2 + + (21)2 752
SC(AC) SC(BC) =

4
24
252,75 22,042 45,37 0,583 5,25 1,042 = 1,083
SCR = SCT SCASCBSCC SC(AB)SC(AC)SC(BC)SC(ABC) = 8,5.
La Tabla ANOVA resultante es:
F. V.
Factor A
Factor B
Factor C
AB
AC
BC
ABC
Residual
TOTAL

S. C.
252,75
22,042
45,375
0,583
5,25
1,042
1,083
8,5
336,625

G. L.
2
1
1
2
2
1
2
12
23

C. M.
1265,375
22,042
45,375
0,292
2,625
1,042
0,542
0,708

Fexp
178,412
31,118
64,059
0,412
3,706
1,471
0,765

Realizando los contrastes al nivel de significacin del 5 %, se concluye que son significativos los efectos de los factores A (F0,05,2,12 = 3,89), B y C (F0,05,1,12 = 4,75) pero no
son significativos los efectos de todas las interacciones.

6.3.

Diseos factoriales con ms de tres factores

Las ideas anteriores se extienden inmediatamente para modelos factoriales con

cualquier nmero de factores1 . Para ms de tres factores, las interacciones superiores a
tres suelen suponerse nulas, lo que permite obtener una estimacin del error experimental.
Consideremos un diseo con cuatro factores a niveles N1 , N2 , N3 , N4 . Las N1 N2
N3 N4 observaciones permiten estimar:

La media general

4

4
i=1 (Ni 1) =
i=1 Ni 4 efectos principales

Vase Pea (1989) pgina 116.

10

Diseos factoriales con tres factores


4
(Ni 1) (Nj 1) interacciones de segundo orden para cada una de las
parejas
2
de interacciones de segundo orden


4
(Ni 1) (Nj 1) (Nk 1) interacciones de tercer orden para cada una de las
3
interacciones de tercer orden
Si suponemos que las interacciones de cuarto orden son cero, tendremos:
(N1 1) (N2 1) (N3 1) (N4 1)
grados de libertad para calcular los residuos y efectuar los contrastes.
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.