CONCEPTOS

UNIDAD 4: CONCEPTOS BASICOS DE DISEOS FACTORIALES 24-4-2016
Contenido
4.1 Conceptos bsicos en diseos factoriales .....................................................................2
4.1. Diseos factoriales con dos factores ............................................................................3
4.2. Diseos factoriales con tres factores ..........................................................................15
4.3. Diseo factorial general .............................................................................................20
4.4. Modelos de efectos aleatorios ....................................................................................23
BIBLIOGRAFIA ..............................................................................................................28
PEREZ CORDOVA ITZAYANA 1

4.1 Conceptos bsicos en diseos factoriales
Es frecuente que en muchos procesos existan varios factores de los que es necesario
investigar de manera simultnea su influencia sobre una o varias variables de respuesta,
donde cada factor tiene la misma importancia a priori desde el momento que se decide
estudiarlo, y es poco justificable suponer de antemano que los factores no interactan
entre s. Los diseos experimentales que permiten estudiar de manera simultnea el efecto
de varios factores son los llamados diseos factoriales.
El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre una

o varias respuestas o caractersticas de calidad y determinar una combinacin de niveles
de los factores en la cual el desempeo del proceso sea mejor que en las condiciones de
operacin actuales; es decir, encontrar nuevas condiciones de operacin del proceso que
eliminen o disminuyan ciertos problema de calidad en la variable de salida.
Los factores pueden ser de tipo cualitativo (mquinas, tipos 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 incluye 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.). Con el diseo factorial completa se corren aleatoriamente en el proceso todas las
posibles combinaciones que pueden formarse con los niveles seleccionados.
Un diseo de experimentos factorial o arreglo factorial es el conjunto de puntos

experimentales o tratamientos que pueden formarse considerando todas las posibles
combinaciones de los niveles de los factores. Por ejemplo, con k = 2 factores, ambos con
dos niveles de prueba, se forma el diseo factorial , 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 dan lugar al diseo factorial 3
x 2. Observe que en el nombre del diseo factorial va implcita el nmero de tratamientos
que lo componen. Para obtener el nmero de corridas experimentales se multiplica el
nmero de tratamientos por el nmero de rplicas, donde una rplica se lleva a cabo cada
vez que se repite el arreglo completo.
Ms en general, la familia de diseos factoriales consiste de k factores, todos

con dos niveles de prueba; y la familia de diseos factoriales consiste de k factores
cada uno con tres niveles de prueba. Es claro que si los k factores no tienen la misma

cantidad de niveles, entonces no se puede factorizar de esta forma, y debe escribirse el

producto de manera ms explcita: por ejemplo con k = 3 factores, el primero con cuatro
niveles y los dos restantes con dos niveles, se tiene el diseo factorial ,
que consiste de 16 combinaciones de niveles diferentes.
4.1. Diseos factoriales con dos factores
El experimento factorial ms sencillo es en el que intervienen solamente dos factores, por

ejemplo, A y B. Hay niveles del factor A y niveles del factor B. El experimento tiene
rplicas y cada rplica contiene todas las combinaciones de tratamientos .
Considere los factores A y B con y ( ) niveles de prueba,
respectivamente. Con ellos se puede construir el arreglo o diseo factorial , que
consiste de tratamientos. Se llama rplica cada repeticin completa del arreglo
factorial. Los diseos factoriales que involucran menos de cuatro factores se corren
replicados para poder tener la potencia necesaria en las pruebas estadsticas sobre los
efecto de inters, de tal forma que si se hacen rplicas, el nmero total de corridas
experimentales es ( ).
Efecto principal y efecto de interaccin

El efecto de un factor se define como el cambio observado en la variable de respuesta
debido a un cambio de nivel de tal factor. En particular, los efectos principales son los
cambios en la media de la variable de respuesta que se deben a la accin individual de
cada factor. En trminos matemticos, el efecto principal de un factor con dos niveles es
la diferencia entre la respuesta media observada cuando tal factor estuvo en su primer
nivel, y la respuesta media observada cuando el factor estuvo en su segundo nivel.
Ejemplo
Diseo factorial . Suponga que en un proceso de fermentacin tequilera, se tienen dos
factores A: tipo de levadura y B: temperatura, cada uno con dos niveles denotados por
respectivamente. La respuesta de inters es el
rendimiento del proceso de fermentacin. En la tabla 4.1 se muestran los cuatro
tratamientos o puntos del diseo factorial , y entre parntesis se ha indicado cada nivel
con los cdigos (1, -1). En el experimento original cada tratamiento se corri tres veces
(tres rplicas), lo cual da un total de 12 corridas del proceso pero, por simplicidad, en la
ltima columna de la tabla 4.1 slo se anotaron los resultados de la primera rplica.
Tabla 4.1 Diseo factorial

A: Levadura B: Temperatura Y: Rendimiento
28
41
63
45

Para los datos de la tabla 4.1, los efectos principales estn dados por

Efecto A =
Efecto B =
por lo que en trminos absolutos el efecto principal de B es mayor. Por otra parte, se dice
que dos factores interactan entre s o tienen un efecto de interaccin sobre la variable de
respuesta, cuando el efecto de un factor depende del nivel en que se encuentra el otro. Por
ejemplo, los factores A y B interactan si el efecto de A es muy diferente en cada nivel
de B, o viceversa. Ahora veamos esto con los datos de la tabla
4.1: el efecto de A cuando B es baja est determinado por
Efecto A (con B bajo) = 41 - 28 = 13
y cuando la temperatura es alta, el efecto de A es
Efecto A (con B alta) = 45 - 63 = 13
Como estos dos efectos de A en funcin del nivel de B son muy diferentes, entonces es
evidencia de que la eleccin ms conveniente del nivel de A depende del nivel en que
est B, y viceversa. Es decir, eso es evidencia de que los factores de A y B interactan
sobre Y. En la prctica, el clculo del efecto A en cada nivel de B no se hace, y ms bien
se calcula el efecto global de la interaccin de los dos factores, que se denotan por AB y
se calculan como la diferencia entre la respuesta media cuando ambos factores se
encuentran en el m ismo nivel: (-1, -1); (1, 1), y la respuesta media cuando los factores se
encuentran en niveles opuestos: (-1, 1) (1, -1). Para el ejemplo, el efecto de interaccin
levadura x temperatura est dado por
Los valores absolutos (sin importar el signo) de los efectos principales y del efecto de
interaccin son una medida de importancia de su efecto sobre la variable de respuesta.
Sin embargo, como se tienen estimaciones muestrales, para saber si los efectos son
estadsticamente significativos (diferentes de coro) se requiere el anlisis de varianza
(ANOVA).
Modelo estadstico
Con un diseo factorial se pueden estudiar los dos efectos individuales y el efecto
de interaccin de ambos factores. En trminos estadsticos, lo que se afirma es que el
comportamiento de la respuesta Y en el experimento con k rplicas se podra describir
mediante el modelo de efectos:

donde es la media general, es el efecto debido al i-simo nivel del factor es el

efecto del j-simo nivel del factor B, representa al efecto de interaccin en la
combinacin es el error aleatorio que supone sigue una distribucin con media
cero y varianza constante y son independientes entre s. Para que la
estimacin de los parmetros en este modelo sea nica, se introducen las restricciones:
Es decir, los efectos dados en el modelo son desviaciones respecto de la media

global. Puede usarse el anlisis de varianza para probar hiptesis relativas a los efectos
principales de los factores A y B y la interaccin AB.
En este modelo, las hiptesis de inters para los tres efectos son:
Estas hiptesis se prueban mediante la tcnica de anlisis de varianza que para un diseo
factorial con rplicas resulta de descomponer la variacin total como,
donde los respectivos grados de libertad de cada una de ellas son:
El factor en los grados de libertad de la suma de cuadrados del error (

) seala que se necesitan al menos dos rplicas del experimento para calcular ese
componente y, por ende, para construir una tabla de ANOVA. Recordemos que las sumas
de cuadrados divididas entre sus correspondientes grados de libertad se llama cuadrados
medios . Al dividir stos entre el cuadrado medio del error se obtienen
estadsticos de prueba con distribucin F. Toda esta informacin se sintetiza en la
siguiente tabla:

ANOVA para el diseo factorial

FV SC GL CM Valor-p
Efecto A
Efecto B
Efecto AB
Error
Total
Si el valor-p es menor al nivel de significancia prefijado, se rechaza la hiptesis

nula y se concluye que el correspondiente efecto est activo o influye en la variable de
respuesta.
Recordemos la notacin de puntos para representar sumas y medias:
Con esta notacin la suma de cuadrados totales es:
donde N = es el total de observaciones en el experimento. Las sumas de cuadrados

de efectos son:

y al final, al restar stas del total, se obtiene la suma de cuadrados del error como:
Ejemplo
Consideremos un experimento en el que se quiere estudiar el efecto de los factores A:
profundidad de corte sobre el acabado de un metal y B: velocidad de alimentacin.
Aunque los factores son de naturaleza continua, en este proceso slo se puede trabajar en
4 y 3 niveles, respectivamente. Por ello, se decide correr un factorial completo 4 x 3 con
tres rplicas, que permitir obtener toda la informacin relevante en relacin al efecto de
esos factores sobre el acabado. Al aleatorizar las 36 pruebas se obtienen los datos de la
siguiente tabla:
Datos del experimento factorial 4 x 3
B: velocidad
0,20 0,25 0,30 Total
0,15 74 92 99
64 198 86 266 98 299 763
60 88 102
0,18 79 98 104
68 220 104 290 99 298 808
73 88 95
0,21 82 99 108 881

88 262 108 302 110 317
92 95 99
0,24 99 104 114
104 299 110 313 111 332 944
96 99 107
Total 979 1 171 1 246
El acabado ( ) est en unidades de gramos e interesa minimizar su valor
De acuerdo a esto para obtener el ANOVA para el ejemplo, calculemos los totales
necesarios. De donde:

La suma de cuadrados totales y la suma de cuadrados del error estn dadas por
Con esta informacin se construye el anlisis de varianza de la tabla 4.2. Del ANOVA
se concluye que los tres efectos A: velocidad, B: profundidad y AB estn activos o
influyen en el acabado. Dado que el efecto de integracin AB resulta significativo,
prcticamente toda la informacin relevante del experimento se aprecia en su
representacin grfica (figura 4.1). Ntese que aparecen tantas lneas como niveles tenga
el factor que se dibuja en la parte de arriba, que en este caso es la profundidad con sus
cuatro niveles que se denotan con la escala de -1 a 1. La significancia de la interaccin
detectada por el ANOVA se observa en el hecho de que las lneas en la figura 5.1 tienen
pendientes relativamente diferentes. Como lo que interesa es minimizar la variable de
respuesta, se observa que a mayor velocidad y profundidad hay una tendencia a obtener
peores acabados. Adems se ve que cuando se tiene velocidad alta ( ) el efecto de
profundidad es menor (vase la dispersin de las lneas en la figura cuando la velocidad
es alta). Por lo tanto, las condiciones de operacin o tratamiento que convienen es
profundidad y velocidad bajas ( ).
El ANOVA de la tabla 5.2 se dice que no est desglosado, ya que cuando en un

experimento hay factores cuantitativos con ms de dos niveles, el ANOVA se puede
desglosar para estudiar con mayor detalle en el efecto de tal factor.
Tabla 5.2 ANOVA para el ejemplo

FV SC GL CM Valor-p
B: velocidad 3 160.5 2 1 580,25 55,02 0,0000
A: profundidad 2 125,10 3 708,37 24,66 0,0000
AB 557,07 6 92,84 3,23 0,0180
Error 689,33 24 28,72
Total 6 532,0 35
El planteamiento de hiptesis quedara de la siguiente manera:

Con su nivel de significancia como con sus grados de libertad respectivamente

tenemos que el valor de F crtica es: y
Se concluye que
Se rechaza
Se rechaza
Se acepta
Resultado arrojado en Minitab para el ejemplo anterior
Factores: 2 Rplicas: 3
Corridas base: 12 Total de corridas: 36
Bloques base: 1 Total de bloques: 1
Nmero de niveles: 4; 3
Modelo lineal general: RESPUESTA vs. PRFUNDIDAD; VELOCIDAD
Factor Tipo Niveles Valores

PRFUNDIDAD A fijo 4 0.15; 0.18; 0.21; 0.24
VELOCIDAD B fijo 3 0.20; 0.25; 0.30
Anlisis de varianza para RESPUESTA, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P
PRFUNDIDAD A 3 2125,11 2125,11 708,37 24,66 0,000
VELOCIDAD B 2 3160,50 3160,50 1580,25 55,02 0,000
PRF.*VEL. AB 6 557,06 557,06 92,84 3,23 0,018
Error 24 689,33 689,33 28,72
Total 35 6532,00
Comparacin de medias
Las comparaciones de medias se introdujeron en la seccin Diseo completamente al

azar y ANOVA del captulo 2, para despus de un ANOVA en el que se rechaza ,
investigar cules medias causa las diferencias detectadas. El ANOVA slo indica que al
menos un par de niveles del factor significativo son diferentes entre s, pero no dice cules
son. Por facilidad, denotemos los cuatro niveles de la profundidad (A) del ejemplo
anterior como as como los tres niveles de la velocidad (B) como
Entonces es, los seis pares de hiptesis para comparar las medias del factor A
son:

mientras que para el factor B se tienen los tres pares de hiptesis,
Para probar estas hiptesis con el mtodo LSD habra que calcular las diferencias
muestrales en el valor absoluto y compararlas con la diferencia mnima significativa.
Cabe aclarar que este anlisis es engaoso cuando el efecto de interaccin es significativo.
Por ello, y slo por ilustrar el mtodo, se prueban las hiptesis del factor A ignorando por
el momento la interaccin. La diferencia mnima significativa para comparar los niveles
del factor A, est dada por:
Donde es el punto porcentual 100( de la distribucin T de

Student, los grados de libertad del cuadrado medio del error, y son el
total de observaciones en los niveles del factor A, que estn comparando. De esta
manera, en el ejemplo, como es un diseo balanceado = = 9; entonces,

Comparacin de medias
De los totales marginales dados en el rengln inferior de la tabla donde se representan

los datos del experimento factorial 4 x 3, se obtienen las medias del factor A, al dividir
entre 9, que son el nmero de mediciones involucradas en cada total. As, las seis posibles
diferencias muestrales en valor absoluto resultan ser:
donde slo la primer diferencia resulta no significativa, es decir, se acepta

; en cambio, en las cinco comparaciones restantes se rechaza .
Ejercicios
1.- La pintura tapaporo de aviones se aplica en superficies de aluminio utilizando dos

mtodos: por inmersin y por aspersin. El objeto de la pintura tapaporo es mejorar la
adherencia de la pintura, y en algunas partes puede aplicarse utilizando cualquiera de los
dos mtodos. Al grupo de ingenieros responsable del proceso de esta operacin le interesa
saber si tres pinturas tapaporo diferentes difieren en sus propiedades de adherencia. Se
realiz un experimento factorial para investigar el efecto que tiene el tipo de pintura
tapaporo y el mtodo de aplicacin sobre la adherencia de la pintura. Se pintaron tres
ejemplares de prueba con cada pintura utilizando cada uno de los mtodos de aplicacin,
se aplico la pintura final, y se midi la fuerza de adherencia. Probemos la hiptesis
apropiada y saquemos conclusiones
Tipo de Inmersin Aspersin

tapaporo
1 4.0, 4,5 4.3 5.4, 4.9, 5.6 28.7
2 12.8 15.9 34.1
3 5.6, 4.9, 5.4 5.8, 6.1, 6.3 27.0
15.9 18.2
3.8, 3.7, 4.0 5.5, 5.0, 5.0
11.5 15.5
40.2 49.6 89.8 =
Resultado en Minitab

Diseo factorial de mltiples niveles
Nmero de niveles: 3; 2
Modelo lineal general: Respuesta vs. Tapaporo; Adherencia

Tapaporo fijo 3 1; 2; 3
Adherencia fijo 2 Inmersin; Aspersin
Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Tapaporo 2 4,5811 4,5811 2,2906 27,86 0,000
Adherencia 1 4,9089 4,9089 4,9089 59,70 0,000
Tapaporo*Adherencia 2 0,2411 0,2411 0,1206 1,47 0,269
Error 12 0,9867 0,9867 0,0822
Total 17 10,7178
S = 0,286744 R-cuad. = 90,79% R-cuad.(ajustado) = 86,96%
Dado que utilizamos un = 0.05 y puesto que el valor de tanto para el factor A
(tipo de pintura) como para el factor B(tipo de aplicacin), con su nivel de significancia
como con sus grados de libertad respectivamente tenemos y
. Se concluye que los efectos principales del tipo de pintura tapaporo
y del mtodo de aplicacin afectan la fuerza de adherencia. Adems, puesto que 1,5
, no hay indicios de interaccin entre estos factores. En la ltima
columna del ANOVA se muestra el valor P para cada cociente F. Obsrvese que los
valores P de los dos estadsticos de prueba para los efectos principales son
considerablemente menores que 0,05 mientras que el valor P para el estadstico de prueba
de la interaccin es mayor que 0,05.
Se rechaza
Se rechaza
Se acepta
2.- Se presentan los resultados de un experimento en el que interviene una batera de

almacenamiento usada en el mecanismo de lanzamiento de un misil tierra-aire para cargar
al hombro. Pueden usarse tres tipos de materiales para hacer las placas de la batera. El
objetivo es disear una batera que se mantenga relativamente sin alteraciones por la
temperatura ambiente. La respuesta de salida de la batera es la vida efectiva en horas. Se
seleccionan tres niveles de temperatura y se corre un experimento factorial con cuatro
replicas. Los datos son los siguientes:

Material Temperatura (
Baja Media Alta
1 130 155 34 40 20 70
74 180 80 75 82 58
2 150 188 136 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60
a) Pruebe las hiptesis apropiadas y saque conclusiones utilizando el anlisis de

Ejercicios 123
b) varianza con = 0.05

c) Analice grficamente la interaccin
d) Analice los residuales de este experimento
3.- En un artculo se describe un experimento para investigar el efecto de dos factores

(tipo de cristal y tipo de fsforo) sobre la brillantez de un cinescopio. La variable de
respuesta media es la corriente (en microamperes) necesaria para obtener un nivel
especifico de brillantez. Los datos se presentan en la siguiente tabla:
Tipo Tipo de fsforo

de 1 2 3
cristal
1 280 300 290
290 310 285
285 295 290
2 230 260 220
235 240 225
240 235 230
a) Enuncie las hiptesis de inters en este experimento

b) Pruebe las hiptesis anteriores y saque conclusiones utilizando anlisis de
varianza con = 0.05
c) Analice los residuales de este experimento
4.- Se condujo un experimento para determinar si la temperatura del fuego o la posicin

en el horno afectan la densidad de endurecimiento de un nodo de carbono. Los datos
son los siguientes:
Posicin Temperatura ( )
800 825 850

1 570 1 565
565 063 510
583 1 590
080
1
043
2 528 988 526
547 1 538
521 026 532
1
004
a) Enuncie las hiptesis de inters

b) Pruebe las hiptesis anteriores utilizando el anlisis de varianza con = 0.05. A
qu conclusiones se llega?
c) Utilizando el mtodo de la LSD de Fisher, investigar las diferencias entre la media
de la densidad del endurecimiento de los nodos en los tres diferentes niveles de
temperatura
4.2. Diseos factoriales con tres factores
Cuando se quiere investigar la influencia de tres factores (A, B y C) sobre una o ms

variables de respuesta, y el nmero de niveles de prueba en cada uno de los factores es a,
b y c, respectivamente, se puede construir el arreglo factorial , que consiste de
tratamientos o puntos experimentales. Entre los arreglos de este tipo que se
utilizan con frecuencia en aplicaciones diversas se encuentran: el factorial , el factorial
y los factoriales mixtos con no ms de cuatro niveles en dos de los factores, por
ejemplo, el factorial 4 x 3 x 2 y el factorial 4 x 4 x 2, por mencionar dos de ellos.
Hiptesis de inters
El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B, C, AB,
AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden estudiarse depende
del nmero de niveles utilizando en cada factor. Por ejemplo, si un factor se prueba en
dos niveles, todo su efecto marginal (individual) es lineal, o sea que su efecto individual
no se puede descomponer; pero, si tuviera tres niveles su efecto marginal se puede
descomponer en una parte lineal y otra cuadrtica pura.
En resumen, se tienen siete efectos de inters sin considerar desglose, y con ellos
se pueden plantar las siete hiptesis nulas

cada una aparejada con su correspondiente hiptesis alternativa. El ANOVA para probar
estas hiptesis se muestran en la siguiente tabla.
ANOVA para el diseo a x b x c
FV SC GL CM Valor-p
Efecto A
Efecto B
Efecto C
Efecto AB
Efecto AC
Efecto BC
Efecto ABC
Error
Total
Al efecto cuyo valor-p sea menor al valor especificado para alfa, se declara
estadsticamente significativo o se dice que est activo. Las sumas de cuadrados son muy
similares a las obtenidas para dos factores; habr que considerar un subndice adicional
para el tercer factor, y comenzando otra vea, por la suma total de cuadrados, stas resultan
ser:
donde N = es el total de observaciones en el experimento. Las sumas de cuadrados

Diseos factoriales con tres factores
de efectos son:
Al restar stas del total, la suma de cuadrados del error resulta ser
cuyos respectivos grados de libertad se dan en la tabla anterior. Una vez hecho el
ANOVA, se procede a interpretar los efectos activos, y luego (aunque no necesariamente
despus) a diagnosticar la calidad del modelo.
Ejemplo
El experimento. Se desea investigar el efecto del tipo de suspensin (A), abertura de
malla (B) y temperatura de ciclaje (C) en el volumen de sedimentacin Y(%) de una
suspensin. Para ello se decide correr un experimento factorial 3 x 2 x 2 con seis rplicas,
y las observaciones obtenidas en las 72 corridas experimentales se muestran en la
siguiente tabla:
60, 75, 75 67, 73, 73 62, 68, 65 71, 80, 80 76, 71, 75 75, 75, 75
86, 70, 70 67, 68, 68 76, 65, 65 72, 80, 80 70, 68, 73 75, 75, 77

55, 53, 53 52, 52, 57 44, 44, 45 60, 60, 60 52, 51, 50 56, 55, 57
55, 55, 55 52, 54, 54 48, 48, 45 67, 67, 65 52, 48, 54 59, 50, 55
Los niveles de prueba para cada factor, tanto en unidades originales como en unidades
codificadas, se muestran en la siguiente tabla
Factor U. originales U. codificadas

Bajo Medio Alto Bajo Medio Alto
A: Tipo de suspensin -1 0 1
B: Abertura de malla 40 - 60 -1 - 1
C: Temperatura 0 - 30 -1 - 1
El anlisis de varianza para este ejemplo se muestra en la siguiente tabla. De aqu se

concluye que no influyen los efectos ABC, AC ni A, dado que su valor-p es mayor que
. Por otra parte, se encuentran activos los efectos B, C, AB y en menor medida
BC. stos son los cuatro efectos que se deben interpretar. Los efectos que no influyeron
se pueden eliminar mandndolos al trmino error. El ANOVA simplificado, pero con el
efecto A note que el en ambos ANOVAS es prcticamente igual. En general se
recomienda interpretar slo los efectos significativos.
Diseo factorial de mltiples niveles
Nmero de niveles: 3; 2; 2
Modelo lineal general: Respuesta vs. Suspensin; Abertura de malla; ...

Suspensin fijo 3 A1; A2; A3
Abertura de malla fijo 2 B1; B2
temperatura fijo 2 C1; C2
Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Suspensin 2 13,86 13,86 6,93 0,49 0,613
Abertura de malla 1 480,50 480,50 480,50 34,25 0,000
temperatura 1 6086,72 6086,72 6086,72 433,90 0,000
Suspensin*Abertura de malla 2 788,25 788,25 394,13 28,10 0,000
Suspensin*temperatura 2 40,86 40,86 20,43 1,46 0,241
Abertura de malla*temperatura 1 56,89 56,89 56,89 4,06 0,049
Suspensin*Abertura de malla* 2 31,03 31,03 15,51 1,11 0,338
temperatura
Error 60 841,67 841,67 14,03
Total 71 8339,78

S = 3,74537 R-cuad. = 89,91% R-cuad.(ajustado) =

88,06%
Observaciones inusuales de Respuesta
Residuo
Obs Respuesta Ajuste Ajuste SE Residuo estndar
23 60,0000 72,6667 1,5290 -12,6667 -3,70 R
36 76,0000 66,8333 1,5290 9,1667 2,68 R
52 86,0000 72,6667 1,5290 13,3333 3,90 R
R denota una observacin con un residuo estandarizado grande.
Diseos factoriales con tres factores
Dado que utilizamos un = 0.05 y puesto que el valor de , con su nivel de

significancia como con sus grados de libertad en tablas respectivamente tenemos
y .
Se acepta
; Se rechaza
; Se rechaza
, Se rechaza
; Se acepta
, Se rechaza
Ejercicios
1.- Se investigan el porcentaje de la concentracin de madera dura en la pulpa cruda, la
libertad de orientacin de la fibra o lof, y el tiempo de coccin de la pulpa en cuanto a
sus efectos sobre la resistencia del papel. En la siguiente tabla se muestran los datos de
un experimento factorial con tres factores.
Porcentaje de la 1.5 horas de tiempo de coccin 2.0 horas de tiempo de

coccin
Concentracin de lof lof
Madera dura 350 500 650 350 500 650
10 96.6 97.9 99.4 98.4 99.6 1000.6
96.0 96.0 99.8 98.6 100.4 100.9
15 98.5 96.0 98.4 97.5 98.7 99.0
97.2 96.9 97.6 98.1 96.0 99.0
20 97.5 95.6 97.4 97.6 97.0 98.5
96.6 96.2 98.1 98.4 97.8 99.8
a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos los
factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a

2.- El departamento de control de calidad de una planta de acabados textiles estudia los
efectos de varios factores sobre el teido de una tela combinada de algodn y fibra
sinttica que se usa para hacer camisas. Se seleccionan tres operadores, tres duraciones
del ciclo y dos temperaturas, y tres ejemplares de prueba pequeos de tela se tieron bajo
cada conjunto de condiciones. La tela terminada se compar con un patrn y se asigno
una puntuacin numrica. Los resultados se presentan en la tabla siguiente
Temperatura
300 350
Operador Operador
Duracin del ciclo 1 2 3 1 2
3
40 23 27 31 24 38 34
24 28 32 23 36 36
25 26 28 28 35 39
50 36 34 33 37 34 34
35 38 34 39 38 36
36 39 35 35 36 31
60 28 35 26 26 36 28
24 35 27 29 37 26
27 34 25 25 34 34
a) Enuncie y pruebe las hiptesis apropiadas usando el anlisis de varianza con
3.- Un ingeniero mecnico estudia la rugosidad superficial de una pieza producida en una
operacin de corte de metal. Son de inters tres factores: la rapidez de alimentacin (A),
la profundidad del corte (B) y el ngulo de la herramienta (C). A los tres factores se les
ha asignado dos niveles, y se corren dos rplicas de un diseo factorial
Profundidad del corte

0.025 0.04
Rapidez de pulgada pulgada
alimentacin ngulo de la herramienta
15 25 15 25
30 pulg/min 9 11 9 10 8
7 10 11
30 pulg/min 10 10 12 16
12 13 15 14
a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos los
factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a
4.3. Diseo factorial general

Lo que se ha dicho para los dos diseos factoriales con 2 y 3 factores puede extenderse
fcilmente para cuando se tienen ms factores. Considerarse factores A, B, C,, K
con niveles respectivamente, donde la letra K denota al -simo o ltimo
factor del conjunto a estudiar, no necesariamente el undcimo, que es el lugar de esta
letra en el alfabeto. Con estos niveles y factores se puede construir el diseo factorial
general que consiste de tratamientos o puntos de prueba.
Con este diseo se pueden estudiar efectos principales, interacciones
dobles, interacciones triples, y as sucesivamente hasta la
nica interaccin de los factores (ABCK). El clculo del nmero de interacciones
de cierta cantidad de factores se hace mediante la operacin combinaciones de en
que cuenta el nmero de diferentes maneras de seleccionar
factores de los , donde =
Por ejemplo, el diseo factorial tiene cinco efectos principales, 10 interacciones

dobles, 10 interacciones triples, cinco interacciones cudruples y una interaccin
quntuple, lo cual da un total de 31 efectos. Por su parte, el factorial tambin tiene este
mismo nmero de efectos, pero al contar con tres niveles en cada factor, cada efecto
principal se puede descomponer en su parte lineal y cuadrtica. Cabe destacar que
mientras el diseo factorial tiene 32 tratamientos, el factorial tiene 243, una
cantidad de tratamientos difcil de manejar. Aun si pudiera correrse, representa una
opcin muy ineficaz; adems, existen arreglos experimentales ms pequeos y eficientes.
Diseo factorial general
De acuerdo con lo antes dicho, en el factorial general se pueden

plantear hiptesis que se prueban mediante el anlisis de varianza. Si se tienen
rplicas. Las primeras tres columnas de este ANOVA se muestran en la siguiente tabla
ANOVA para el diseo factorial general
FV SC GL

Error
Total
La suma de cuadrados totales est dada por:
donde N = es el total de observaciones en el experimento. Las sumas de

cuadrados de efectos son:

Al final, la suma de cuadrados del error se calcula por sustraccin,
En el ANOVA para el factorial general se observa la necesidad de

contar con al menos dos rplicas del experimento para calcular la suma de cuadrados del
error ( ), y completar toda la tabla ANOVA. Sin embargo, esta necesidad de rplicas (
, que se ha mencionado,. Es para el caso irreal de que interesan los efectos.
Pero resulta que, con excepcin del factorial , en un factorial completo prcticamente
nunca interesan todos sus posibles efectos, puesto que en trminos generales slo algunos
de ellos estn activos. El principio de Pareto, que en este contexto tambin se llama
principio de esparcidad de efectos, dice que la mayora de la variabilidad observada se
debe a unos pocos de los efectos posibles; por lo comn se debe a algunos efectos
principales e interacciones dobles.
4.4. Modelos de efectos aleatorios
Hasta aqu los modelos de efectos que se han utilizado son modelos de efectos o factores
fijos, lo cual significa que todos los niveles de prueba en cada factor son todos los
disponibles para ese factor, o bien, se estudian todos los niveles de inters en ese factor;
es en este sentido que los niveles estn fijos. ste es el caso, por ejemplo, cuando en el
factor operador se toman los tres nicos operadores como los niveles de prueba, o cuando
los niveles del factor mquinas son las cuatro mquinas existentes. O bien, cuando se
comparan tres tipos de material porque son los que interesa comprar aunque existan otros
materiales de ese tipo. Con factores fijos, las conclusiones obtenidas slo son validas
para los niveles de prueba que se estudian en el experimento.
En ocasiones, los niveles de prueba son una muestra aleatoria de la poblacin de niveles
posibles. En este caso es ms apropiado utilizar un modelo de efectos o factores
aleatorios. Un ejemplo de esta situacin es cuando se prueban cinco instrumentos de
medicin, pero la poblacin de los mismos es de 100 instrumentos; obviamente, no es

posible experimentar con todos los equipos. Entonces se experimenta slo con cinco de
ellos elegidos al azar, y las conclusiones obtenidas se infieren como vlidas para la
poblacin entera de instrumentos.
La aplicacin de un modelo de efectos aleatorios conlleva la necesidad de considerar la

incertidumbre asociada con la eleccin aleatoria de los niveles de prueba. Es decir, ya no
tiene sentido, para un factor A, preocuparse por el efecto del nivel
Modelo de efectos aleatorios
como en efectos fijos. Lo que ahora (con efectos aleatorios) tiene sentido es hablar de la
varianza con la que el factor aleatorio contribuye a la variacin total; es decir, es
preciso estimar dicha varianza y probar si su contribucin a la variabilidad total es
significativa.
El caso de dos factores aleatorios.

Si se consideran dos factores aleatorios A y B, de los cuales se prueban niveles
elegidos de una poblacin grande de niveles, entonces si los tratamientos se
replican veces, el modelo de efectos aleatorios es
donde es la media general, es el efecto debido al nivel del factor A, es

el efecto del nivel del factor B, representa al efecto de interaccin en
la combinacin y es el error aleatorio que se supone sigue una distribucin normal
con media cero y varianza constante, y son independientes entre s. El aspecto
de este modelo es igual al de efectos fijos, pero el hecho de que los efectos sean aleatorios
implica que no tiene sentido probar hiptesis directamente sobre tales efectos (medidas),
sino que ahora el inters se enfoca en estudiar la varianza de dichos efectos.
Para ello, se supone que los trminos son variables aleatorias
independientes normales, con media cero y varianzas , y ,
respectivamente.
De esta manera, si se calcula la varianza en ambos lados del modelo anterior, se obtiene
el modelo de componentes de varianza dado por:
donde , , son las contribuciones de cada efecto a la variacin total y se llaman

componentes de varianza; es el componente de varianza debido al error aleatorio. Las
hiptesis de inters son

Los clculos necesarios para probar estas hiptesis involucran las mismas sumas
de cuadrados del modelo de efectos fijos (diseos factoriales con dos factores), de las
cuales se obtienen los correspondientes cuadrados medios. Para obtener los estadsticos
de prueba apropiados debe tomarse en cuenta que los valores esperados de los
cuadrados medios son
de tal forma que para probar la hiptesis mencionadas, los estadsticos de prueba
apropiados en el ANOVA son
respectivamente. Observe que en el modelo de efectos aleatorios los cuadrados medios

de los efectos principales se comparan con el cuadrado medio de la interaccin, y no con
el cuadrado medio del error, como se hace en el modelo de efectos fijos. En caso de
rechazar alguna de las hiptesis sobre las varianzas, se concluye que el efecto
correspondiente contribuye de manera significativa a la variacin de la respuesta. La
conclusin prctica no consiste en determinar el mejor tratamiento, sino que
generalmente se traduce en tomar medidas para que la contribucin del componente de
varianza se reduzca.
Al resolver las ecuaciones dadas por los valores esperados de cuadrados medios para los
componentes de varianza, se obtienen estimadores de stos en funcin de los cuadrados
medios del error, esto es,

Ejemplo
En una compaa dedicada a la fabricacin de bombas y vlvulas, algunos componentes
crticos tienen tolerancias muy estrechas que son difciles de cumplir. De aqu que sea
necesario estimar el error de medicin con el fin de ver la posibilidad de reducirlo para
cumplir con las especificaciones. El ancho de una pieza particular es una caracterstica
de calidad crtica, cuyas especificaciones son 69 0,4mm. Se eligen dos inspectores al
azar y siete piezas para correr un experimento, a fin de estimar la contribucin de los
inspectores, de las piezas y del error aleatorio (repetibilidad) en la variabilidad total
observada. El experimento utilizado se muestra en la siguiente tabla:
Modelo de efectos aleatorios
Nmero Inspector Z Inspector W

de piezas 1 2 1 2
1 69,38 69,62
2 69,60 69,52
3 39,72 69,78
4 69,80 69,90
5 69,58 69,70
6 69,70 69,92
7 69,50 69,46
69,50 69,50
69,48 69,50
69,40 69,42
69,56 69,68
69,40 69,64
69,90 69,94
70,02 69,88
Ntese que cada inspector mide dos veces cada pieza. Sean los inspectores el factor A y
las piezas el factor B, el primero con dos niveles y el segundo con siete niveles, en ambos
casos seleccionados al azar. El modelo de componentes de varianza propuesto para
describir estos datos es donde es el componente de varianza de los inspectores, es
el componente debido a las piezas, es el componente de interaccin de ambos
factores y es el componente aleatorio.
Interesa probar las hiptesis:

y estimar los componentes de varianza. El ANOVA para probar estas hiptesis se

muestran en la siguiente tabla.
FV SC GL CM Valor-p
A: Insp. 0,00036 1 0,00036 0,069 0,8043
B: Pieza 0,7516 6 0,1252 24,07 0,0000
AB 0,0313 6 0,0052 0,75 0,6169
Error 0,097 14 0,0069
Total 0,8803 27
Las tres primeras columnas se obtienen igual que el modelo de efectos fijos, pero
las dos ltimas deben corregirse de acuerdo con el estadstico de prueba apropiado para
un modelo de efectos aleatorios ( y
). Los valor-p indican que la variabilidad de las piezas es
estadsticamente diferente a cero, mientras que la variabilidad de los inspectores y de la
interaccin inspector x pieza no es significativa (es igual a cero). Desde el punto de vista
del objetivo del experimento, los resultados del ANOVA son los deseados: la
reproducibilidad ( ) es estadsticamente igual a cero, es decir, los inspectores no
afectan el proceso de medicin. La estimacin de los componentes de varianza, a partir
de los cuadros medios, queda como:
De aqu se concluye que la reproducibilidad ( ) no tiene contribucin y la

repetibilidad expresada como 5.15 es igual a 0,428. Si este valor se compara con la
tolerancia de 0.8, se encuentra que ocupa 53% de sta, cuando lo deseable es que este
porcentaje sea menor al 10%, por lo que el instrumento es inadecuado para discriminar
entre piezas buenas y malas.

BIBLIOGRAFIA

CONCEPTOS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CONCEPTOS

Cargado por

Copyright:

Formatos disponibles

UNIDAD 4: CONCEPTOS BASICOS DE DISEOS FACTORIALES 24-4-2016

PEREZ CORDOVA ITZAYANA 1

4.1 Conceptos bsicos en diseos factoriales

El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre una

Un diseo de experimentos factorial o arreglo factorial es el conjunto de puntos

Ms en general, la familia de diseos factoriales consiste de k factores, todos

PEREZ CORDOVA ITZAYANA 2

cantidad de niveles, entonces no se puede factorizar de esta forma, y debe escribirse el

4.1. Diseos factoriales con dos factores

El experimento factorial ms sencillo es en el que intervienen solamente dos factores, por

Efecto principal y efecto de interaccin

Tabla 4.1 Diseo factorial

PEREZ CORDOVA ITZAYANA 3

PEREZ CORDOVA ITZAYANA 4

Efecto A (con B bajo) = 41 - 28 = 13

y cuando la temperatura es alta, el efecto de A es

Efecto A (con B alta) = 45 - 63 = 13

PEREZ CORDOVA ITZAYANA 5

donde es la media general, es el efecto debido al i-simo nivel del factor es el

Es decir, los efectos dados en el modelo son desviaciones respecto de la media

donde los respectivos grados de libertad de cada una de ellas son:

El factor en los grados de libertad de la suma de cuadrados del error (

PEREZ CORDOVA ITZAYANA 6

ANOVA para el diseo factorial

Si el valor-p es menor al nivel de significancia prefijado, se rechaza la hiptesis

Recordemos la notacin de puntos para representar sumas y medias:

Con esta notacin la suma de cuadrados totales es:

donde N = es el total de observaciones en el experimento. Las sumas de cuadrados

PEREZ CORDOVA ITZAYANA 7

0,21 82 99 108 881

El acabado ( ) est en unidades de gramos e interesa minimizar su valor

PEREZ CORDOVA ITZAYANA 8

El ANOVA de la tabla 5.2 se dice que no est desglosado, ya que cuando en un

Tabla 5.2 ANOVA para el ejemplo

El planteamiento de hiptesis quedara de la siguiente manera:

PEREZ CORDOVA ITZAYANA 9

Con su nivel de significancia como con sus grados de libertad respectivamente

Resultado arrojado en Minitab para el ejemplo anterior

Modelo lineal general: RESPUESTA vs. PRFUNDIDAD; VELOCIDAD

Factor Tipo Niveles Valores

Anlisis de varianza para RESPUESTA, utilizando SC ajustada para pruebas

Las comparaciones de medias se introdujeron en la seccin Diseo completamente al

PEREZ CORDOVA ITZAYANA 10

mientras que para el factor B se tienen los tres pares de hiptesis,

Donde es el punto porcentual 100( de la distribucin T de

PEREZ CORDOVA ITZAYANA 11

De los totales marginales dados en el rengln inferior de la tabla donde se representan

donde slo la primer diferencia resulta no significativa, es decir, se acepta

1.- La pintura tapaporo de aviones se aplica en superficies de aluminio utilizando dos

Tipo de Inmersin Aspersin

PEREZ CORDOVA ITZAYANA 12

Diseo factorial de mltiples niveles

Modelo lineal general: Respuesta vs. Tapaporo; Adherencia

Factor Tipo Niveles Valores

Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

S = 0,286744 R-cuad. = 90,79% R-cuad.(ajustado) = 86,96%

2.- Se presentan los resultados de un experimento en el que interviene una batera de

PEREZ CORDOVA ITZAYANA 13

a) Pruebe las hiptesis apropiadas y saque conclusiones utilizando el anlisis de

b) varianza con = 0.05

3.- En un artculo se describe un experimento para investigar el efecto de dos factores

Tipo Tipo de fsforo

a) Enuncie las hiptesis de inters en este experimento