Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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.
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.
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.
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.
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
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:
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,
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
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 ( ).
Se rechaza
Se rechaza
Se acepta
Factores: 2 Rplicas: 3
Corridas base: 12 Total de corridas: 36
Bloques base: 1 Total de bloques: 1
Nmero de niveles: 4; 3
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:
Comparacin de medias
Ejercicios
Resultado en Minitab
Factores: 2 Rplicas: 3
Corridas base: 6 Total de corridas: 18
Bloques base: 1 Total de bloques: 1
Nmero de niveles: 3; 2
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
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
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
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.
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:
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
Factores: 3 Rplicas: 6
Corridas base: 12 Total de corridas: 72
Bloques base: 1 Total de bloques: 1
Nmero de niveles: 3; 2; 2
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
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.
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
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
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
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
FV SC GL
Error
Total
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.
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.
De esta manera, si se calcula la varianza en ambos lados del modelo anterior, se obtiene
el modelo de componentes de varianza dado por:
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
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:
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:
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:
BIBLIOGRAFIA