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, j j = 0 .



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

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

1
2 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 Nmero A pesar de las restricciones impuestas al modelo,

1





i a1 i i = j j = i ( )ij = j ( )ij = 0,
j b1
( )ij (a 1)(b 1) el nmero de parmetros (ab + 1) supera al
2 1 nmero de obsevaciones (ab). Por lo tanto, algn
Total ab + 1 parmetro no ser estimable.

6.1.1. Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de los parmetros del modelo son
 
 = y.. , 
 j = y.j y.. y
i = yi. y.. , 
= yij yi. y.j + y..
ij

 
Los residuos de este modelo son: eij = yij yij = yij
  j 
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 3

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.. = j,k ijk /(br) ; i = 1, , a
y

) y.j. es la media de las observaciones del nivel j del factor B :



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


) y... es la media total de las observaciones : y... = i,j,k yijk /r .
Los residuos de este modelo son:
 
eijk = yijk yijk = yij
  j 
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
a 
 b 
r
e2ijk
i=1 j=1 k=1
SR
2
= .
ab(r 1)

6.2.2. 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:
4 Diseos factoriales con dos factores

  
SCT = 2 y 2 /r : Suma total de cuadrados.
yijk
i,j,k ...
   
SCA = 2 /(br) y 2 /(abr) : S. C. entre niveles de A.
yi..
i ...
   2
SCB = 2
y.j. /(ar) y... /(abr): S. C. entre niveles de B.
j
   2
SC(AB) = 2
yij. /r y... /(abr)SCASCB: S. C. de la interaccin AB
i,j

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
(SCA) /(a 1) CMA
FA = =
H0A F(a1),ab(r1)
(SCR) / (ab(r 1)) CMR

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
(SCB) /(b 1) CMB
FB = =
H0B F(b1),ab(r1)
(SCR) / (ab(r 1)) CMR
6.2 El modelo con replicacin 5

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

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

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

F(AB) = =
H0(AB) F(a1)(b1),ab(r1)
(SCR) / (ab(r 1)) CMR

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 conclu-
siones apropiadas.

Tipos de mquinas
Operario A B C D
109 110 108 110
1
110 115 109 108
110 110 111 114
2
112 111 109 112
116 112 114 120
3
114 115 119 117

Para realizar el anlisis organizamos los datos en forma tabular de la manera siguiente:
6 Diseos factoriales con dos factores

Tipos de mquinas
Operario A B C D yi..
109 110 108 110
1 219 225 217 218 879
110 115 109 108
110 110 111 114
2 222 221 220 226 889
112 111 109 112
116 112 114 120
3 230 227 233 237 927
114 115 119 117
y.j. 671 673 670 681 2695
Las Sumas de Cuadrados y la Tabla ANOVA se muestran a continuacin
  (2695)2
SCT = 1092 + 1172 = 262,97
24
8792 + 8892 + 9272 (2695)2
SCA = = 12,46
32 24
6712 + 6732 + 6702 + 6812 (2695)2
SCB = = 160,33
42 24
2192 + + 2372 (2695)2
SC(AB) = 12,46 160,33 = 44,67 y SCR = 45,5.
2 24
F. V. S. C. G. L. C. M. Fexp
Factor A 12,46 3 4,15 1,10
Factor B 160,34 2 80,17 21,14
Interaccin 44,67 6 7,45 1,96
Residual 45,50 12 3,79
TOTAL 262,97 23
Realizando los contrastes al nivel de significacin del 5 %, se concluye que es significati-
vo 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 Va-

rianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto
Sur de Ediciones.