Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEO DE EXPERIMENTOS
0
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
1.1.3 TRATAMIENTO
1.1.4 FACTOR
1
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
1. Errores de experimentacin
2. Errores de observacin
3. Errores de medicin
4. La variacin del material experimental
5. Los efectos combinados de todos los factores extraos que pudieran influir
en las caractersticas en estudio.
2
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
3
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
4
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
(x ij ) 2 = n j ( j ) 2 + ( xij j ) 2
en donde:
(Xij - )2 = Suma de cuadrados total = SCT
nj (j - )2 = Suma de cuadrados entre Tratamientos = SCE
(Xij - j)2 = Suma de cuadrados Residual = Error = SCR
de donde:
SCT = SCE + SCR.
En general, las suposiciones bsicas del anlisis de varianza son las mismas
asociadas con el anlisis de regresin:
Aditividad
Independencia
Linealidad
Varianzas homogneas
Normalidad
5
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Bajo este diseo se encuentran los experimentos cuyos tratamientos tienen igual
nmero de observaciones cada tratamiento, de forma que el nmero de observaciones
y de unidades experimentales es igual al nmero de observaciones por tratamiento
multiplicado por el nmero de tratamientos. La funcin matemtica que define este
modelo es:
X ij = + j + ij
TRATAMIENTO
OBSERV. T1 T2 > Tj >. Ta
1 X11 X12 .. X1j F. X1a
2 X21 X22 F X2j F. X2a
i Xi1 Xi2 F Xij F. Xia
:
n Xn1 Xn2 ... Xnj .... Xna
6
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
(x ij ) 2 = n j ( j ) 2 + ( xij j ) 2
( x ij ) 2
FC =
n
SCT = xij2 FC
x 2j
SCE = FC
nj
SCR = SCT SCE
7
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
1. Formulacin de la Hiptesis:
Por lo general, el problema plantea la dcima de que los promedios de los diferentes
tratamientos del diseo experimental, "a" nmero de tratamientos, son iguales; si esto
es verdad, entonces el promedio poblacional tambin lo es, de forma que la hiptesis
nula (H0) recoge ste enunciado y lo contrasta con la hiptesis alternativa (HA) tal que
la formulacin matemtica propuesta ser:
H0 : 1 = 2 = j = ..... = a
HA : 1 2 j ..... a
Si todos los promedios son iguales se aceptar las hiptesis nula, basta que uno de
ellos no sea igual para que se rechace la hiptesis nula. Vale hacer notar que en la
hiptesis alternativa descrita (HA) se propone que los promedios de todos los
tratamientos son entre si diferentes; sin embargo, pudiera suceder que dos o ms
promedios sean iguales y que uno o ms de los restantes sean diferentes, pudiera
suceder que todos los promedios menos uno sean iguales, basta que uno de ellos sea
diferente al resto para que en efecto se rechace la hiptesis nula planteada.
Situaciones que no estn representadas por la formulacin propuesta para la
hiptesis alternativa.
H0 : 1 = 2 = j = ..... = a
HA : Por lo menos una j es diferente
H0 : j - = 0
HA : j - 0
H0 : j = 0
HA : j 0
8
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
3. Criterio de Decisin
El criterio de decisin para la aceptacin o el rechazo de la hiptesis planteada en el
problema es:
Rechazar la H0 si : Fc F, v1, v2
en el que v1, corresponde a los grados de libertar del numerador, grados de libertad de
tratamientos (a - 1); y, v2, corresponde a los grados de libertad en el denominador,
grados de libertad del error (n - a). El valor tabular de F se lo obtiene directamente de
tablas pre calculadas, las mismas que se encuentran en las tablas del Anexo de
cualquiera de los textos de bibliografa presentados para el curso.
4. Ejecucin de clculos
Con los datos que el problema proporciona deben calcularse todas las sumas de
cuadrados, los cuadrados medio y el valor de la estadstica de prueba conforme se
present en el cuadro de anlisis de varianza.
5. Decisin
El proceso de prueba no termina si el estadstico no toma una decisin sobre la
aceptacin o rechazo de la hiptesis nula planteada y si no responde al interrogante
que plantea el problema. Con la decisin concluye el proceso de prueba y del anlisis
de varianza.
9
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
En este modelo se supone que los tratamientos incluidos en el experimento son todos
los posibles o constituyen la poblacin de tratamientos. El atributo que lo distingue es
que los efectos de los tratamientos o clases medidos por j, se consideran cantidades
fijas pero desconocidas para ser estimadas.
X ij = + j + ij i = 1,2 F n
j = 1,2 F a
La hiptesis que se plantea para dcima es:
H0 : j = 0
HA : j 0
Los cuadrados medios esperados, del cuadro de Anlisis de Varianza, para cada
fuente de variacin operndose con igual nmero de repeticiones o diferente nmero
de repeticiones por tratamiento son los siguientes:
X ij = + A j + ij i = 1, 2 F n
j = 1, 2 F.a
en donde:
= Es el promedio general o promedio poblacional
Aj = Es el efecto del j-simo tratamiento, que es variable aleatoria
independiente normalmente distribuida con (0, 2A),
ij = Es el error o valor residual de la i-sima observacin del j-simo
tratamiento, que se considera es independiente de observacin a
10
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Los cuadrados medios esperados, del cuadro de Anlisis de Varianza, para cada
fuente de variacin operndose con igual nmero de repeticiones o diferente nmero
de repeticiones por tratamiento son los siguientes:
Adicionalmente a las pruebas citadas, existe otra de mayor versatilidad porque permite
la comparacin entre pares de tratamientos y/o entre subconjuntos de tratamientos, sin
las limitaciones y restricciones de aplicacin que los mtodos anteriores exigen, ste
mtodo es conocido como Funcin Lineal, el mismo que ser examinado con algn
detenimiento.
11
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
DMS = t / 2 ,v * x1 x 2
DMS = t / 2,v 2 / r
2
DMS = t / 2 ,v CMR en el que v = 2r 2
r
H0 : 1 = 2
HA : 1 2
Si Dij DMS
Dij x1 x2 x3 x4 xj
x1 - D12 D13 D14 D1j
SI x2 - - D23 D24 D2j DMS
x3 - - - D34 D3j
xi - - - Dij
La funcin lineal puede expresarse en trminos de los totales de los tratamientos o del
promedio de cada tratamiento. Utilizando los promedios de los tratamientos tenemos:
L = 1 y 1 + 2 y 2 + j y j + ... + a y a
La comparacin que se realiza a travs de la funcin lineal puede incluir todas las
medias de los tratamientos o slo una parte de stas. Las posibles comparaciones
que puede realizar el investigador con las hiptesis nulas y los correspondientes
coeficientes ortogonales, en un diseo con tres tratamientos, son los siguientes:
El clculo del error estndar de la funcin lineal depende de si los tratamientos tienen
o no igual nmero de repeticiones por tratamiento.
L =
r
* 2
j
L =
* 12 + 22 + ... + 2a
r
en donde : = CMR
2j
L = * r
j
13
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
12 22 2a
L = * r +
r2
+ ... +
ra
1
t c t / 2, v
En la que los grados de libertad del valor tabular de t est dado por la suma del
nmero de repeticiones de los tratamientos involucrados en la prueba menos el
nmero de tratamientos considerados.
14
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Conocido tambin como Modelo de dos vas o como Diseo en Bloque Completo
Azarizado, es aquel en el que el diseo experimental mantiene bajo control a dos
factores, cada uno con sus propios niveles de factor o categoras de variable, uno de
stos factores es denominado como Tratamientos y el segundo Bloques, de
manera que:
X ij = + i + j + ij
en el que:
15
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
El efecto del i-simo tratamiento est dado por la diferencia entre su promedio y el
promedio general, esto es: - i , diferencia que est representada por i ; de similar
manera, el efecto del j-simo bloque est dado por la diferencia entre su promedio y el
promedio general, esto es: - j , diferencia que es representada por j . Lo que se
probar es si los efectos de los tratamientos y de los bloques son estadsticamente
significativos
Al igual que en el modelo de una va, ste modelo supone: aditividad, linealidad,
normalidad, independencia y varianzas homogneas.
Se acepta adems que para cada tratamiento j = 0 y que para cada bloque i = 0;
por lo tanto: j = i = 0.
B L O Q U E
TRATAMIENTO B1 B2 Bj ... Bb Xi
X11 X12 X1j ... X1b X1
T1
T2 X21 X22 X2j ... X2b X2
Ti Xi1 Xi2 Xij ... Xib Xi
> ... ... ... ... ... ...
Ta Xa1 Xa2 Xaj ... Xab Xa
Xj X 1 X 2 X j ... X b X
( x ij ) 2
FC =
ab
SCT = xij2 FC
16
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
x2
SCE = i FC
b
x2j
SCB = FC
a
SCR = SCT SCE SCB
Ntese que el total marginal de cada tratamiento es utilizado para calcular la suma de
cuadrados para tratamientos, SCE, luego de ser elevado al cuadrado y dividido su
resultado por el nmero de bloques, b; y que el total marginal de cada bloque, elevado
al cuadrado y dividido para el nmero de tratamientos, a, se utiliza para estimar la
suma cuadrado de bloques, SCB.
Los Cuadrados Medios esperados para el Modelo I, o de efectos fijos, son los
siguientes:
1. Los efectos de los tratamientos no estn influidos por las j , porque la suma de
stas en cada tratamiento es igual a cero, esto es: j = 0; de manera que Xi es
un estimador imparcial de + i
2. De igual forma, los efectos de los bloques no estn influidos por las i , porque la
suma de stas en cada bloque es igual a cero: i = 0; de manera que Xj es un
estimador imparcial de + j
17
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
1. Formulacin de la Hiptesis:
H0 : i = 0
HA : i 0
y H0 : j = 0
HA : j 0
3. Criterio de Decisin
Rechazar la H0 si : Fc F , v1,v 2
4. Ejecucin de clculos
Con los datos que el problema proporciona deben calcularse las sumas de cuadrados,
los cuadrados medios y el valor de la estadstica de prueba conforme se present en
el cuadro de anlisis de varianza.
5. Decisin
18
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
L = 1T1 + 2 T2 + i Ti + ... + a Ta
Es una comparacin entre lo totales de tratamientos, sujeta a la restriccin de que:
i = 0
L2
Entonces la relacin:
r 2i
Es parte de la suma de cuadrados de tratamientos asociado con 1 grado de libertad,
en la que:
i = Coeficiente ortogonal correspondiente al i-simo tratamiento.
Ti = Total del i-simo tratamiento.
r = Nmero de observaciones en uno cualquiera de los tratamientos
L1 = 11T1 + 12 T2 + 1i Ti + ... + 1a Ta
L 2 = 21T1 + 22 T2 + 2i Ti + ... + 2 a Ta
11 21 + 12 22 + 1i 2i + ... + 1a 2 a = 0
o lo que es lo mismo: 1i 2i = 0
Por lo tanto, si dos comparaciones son ortogonales, sus contribuciones
L12 L22
r 12i r 22i
19
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Lo que implica que para cualquier tratamiento, los bloques no tienen efecto debido a
que los efectos parciales de los bloques en el tratamiento se compensan; de igual
manera, el efecto de la interaccin es nulo en cada tratamiento. De forma anloga,
20
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
para cada bloque, los tratamientos no tienen efectos porque los efectos parciales de
los tratamientos se compensan al igual que los de interaccin. La representacin
simblica de datos de ste diseo es la siguiente:
BLOQUE
TRATAMIENTO Repeticin
B1 B2 ... Bj ... Bb
X1 X2 Xj Xb X
( x ij ) 2
FC =
abc
SCT = xijk
2
FC
x2
SCE = i FC = A
bc
x2j
SCB = FC = B
ac
x ij
2
SCI = FC ( A + B ) = C
c
SCR = SCT ( A + B + C ) = D
21
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
H0 : i = 0
HA : i 0
H0 : j = 0
HA : j 0
H0 : Iij = 0
HA : Iij 0
Con esta formulacin se prueba la hiptesis de que los dos criterios de clasificacin,
tratamientos y bloques, son mutuamente independientes y que por lo tanto no existe
interaccin entre estos factores.
Rechazar la H0 si : Fc F , v1,v 2
22
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Este diseo permite controlar los tratamientos de experimentacin con dos factores
adicionales ubicados uno en filas y otro en columnas; difiere de los diseos antes
descritos porque controla dos fuentes de variacin de las cuales el investigador tiene
algn conocimiento lo que le permite ganar eficiencia, aumentar la precisin del
anlisis y explicar con mayor profundidad la variacin en la variable respuesta.
CUADRADOS LATINOS
3X3 4X4
COLUMNA COLUMNA
FILA 1 2 3 FILA 1 2 3 4
1 A B C 1 A B C D
2 B C A 2 B C D A
3 C A B 3 C D A B
4 D A B C
X ijk = + i + j + k + ijk
en el que:
23
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
La suposicin aditividad del modelo implica que los tres factores: tratamientos, filas y
columnas son aditivos; y, se infiere que la media de tratamientos Xk es una estimatriz
imparcial de + k , en la que los efectos de filas y de columnas se cancelan debido a
la simetra del diseo. Las dems caractersticas del modelo a dos criterios son
similares.
Las formulaciones de clculo para las sumas de cuadrados son las siguientes:
( x ij ) 2
FC =
a2
SCT = xijk
2
FC
x2
SCF = i FC = A
a
x2j
SCC = FC = B
a
x
2
SCE = k FC = C
a
SCR = SCT ( A + B + C ) = D
24
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
El anlisis de varianza del cuadrado latino permite aislar las variaciones debidas al
factor fila, las variaciones del factor columna y aquellas debidas a los tratamientos; en
consecuencia disminuye la variacin del error experimental y la prueba resulta ms
sensible para detectar cualquier diferencia significativa.
1. Formulacin de la Hiptesis:
Se realizarn tres pruebas de hiptesis, una para cada factor. En la primera se prueba
que el factor fila no tiene un efecto diferencial significativo en la variable respuesta y
por tanto se dcima que i = 0:
Para el factor fila H0 : i = 0
HA : i 0
2. Estadstica de prueba
CME
Fc = para tratamientos
CMR
CMF
Fc = para factor fila
CMR
CMC
Fc = para factor columna
CMR
3. Criterio de Decisin
4. Ejecucin de clculos
Con los datos que el problema proporciona deben calcularse las sumas de cuadrados,
los cuadrados medios y el valor de la estadstica de prueba conforme se present en
el cuadro de anlisis de varianza.
5. Decisin
25
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
DISEO FACTORIAL
Por ejemplo, si el factor A interviene con dos niveles: a1 y a2; y el factor B interviene
con niveles b1 y b2, entonces el nmero de tratamientos del experimento es cuatro,
formado por las combinaciones: a1b1, a1b2, a2b1 y a2b2; si el factor B tuviese tres
niveles, entonces el nmero de tratamientos del experimento ser de seis: a1b1, a1b2,
a1b3, a2b1, a2b2 y a2b3.
Un experimento factorial es aquel que se realiza con dos o ms factores y los ensayos
del experimento se realizan en todas las combinaciones de los niveles de los factores.
Los conceptos estadsticos presentados en los captulos precedentes son vlidos para
el diseo factorial y en particular se continuar con el uso del anlisis de varianza
como herramienta bsica para el anlisis estadstico de datos.
Entre las principales ventajas de la utilizacin del diseo factorial est en que este
significar un ahorro considerable de tiempo y material dedicado a los experimentos;
permite detectar e identificar los efectos simples y principales, as como aquellos
debidos a una combinacin particular de niveles de los factores, proporcionando
informacin sobre los efectos de los factores y sobre sus relaciones entre s.
1
Luis Romo Saltos, Mtodos de Experimentacin Cientfica, captulo XI, pgina 261.
26
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
experimental que estime tanto los efectos principales como las interacciones, ste
diseo es el factorial.
Cuando los factores que se van a investigar son numerosos, la principal desventaja del
experimento factorial estriba en su tamao y complejidad; otra, radica en la dificultad
que tienen los experimentadores en interpretar los resultados porque parecen
presentar una confusa variedad de comparaciones de tratamientos.
FACTOR A
FACTOR B
a1 a2
b1 a1b1 a2b1
b2 a1b2 a1b2
Si a1 representa el nivel inferior del factor A y a2 el nivel superior del factor, entonces la
diferencia (a2 - a1) proporciona una medida del cambio del factor A. De similar
manera, si b1 representa el nivel inferior del factor B y b2 el nivel superior del factor,
entonces la diferencia (b2 - b1) proporciona una medida del cambio del factor B.
Supongamos que se realiza una sola medicin de la variable respuesta para cada
combinacin aibj , entonces la diferencia:
que se conocen como efectos simples o efectos parciales de a en cada nivel del factor
b. El efecto principal se mide promediando los efectos del factor en todos los niveles
del restante factor:
(a 2 b1 a1 b1 ) + (a 2 b2 a1 b 2 )
=
2
a 2 b 2 + a 2 b1 a1b 2 a1b1
= Es el efecto principal del factor A.
2
De similar manera:
27
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
son los efectos simples o efectos parciales de b en cada nivel del factor a. El efecto
principal se mide promediando los efectos del factor en todos los niveles del restante
factor:
(a1 b2 a1 b1 ) + (a 2 b2 a 2 b1 ) =
2
a 2 b 2 + a1 b 2 a 2 b1 a1b1
= Es el efecto principal del factor B.
2
(a 2 b 2 a1 b2 ) (a 2 b1 a 2 b1 )
AB =
2
a b + a1 b1 a 2 b1 a1 b 2
AB = 2 2
2
Este diseo es aquel en el que intervienen dos factores a dos niveles cada factor; en la
expresin 22 , la base corresponde el nmero de niveles por factor y el exponente al
nmero de factores.
Los factores son A y B, cada uno a dos niveles: a1 y a2 para el factor A; y, b1 y b2 para
el factor B. El nmero de tratamientos posibles es igual al nmero de niveles del factor
A por el nmero de niveles del factor B, esto es: 2 x 2 = 4 tratamientos especficos:
a1b1, a1b2, a2b1 y a2b2. En los que a1 representa el nivel inferior del factor A y a2 el nivel
superior del factor, b1 representa el nivel inferior del factor B y b2 el nivel superior del
factor. Cada tratamiento puede tener una o ms repeticiones.
29
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
X ijk = + i + j + ij + ijk
en el que:
Xij = Valor de la variable respuesta.
= Es el promedio general o promedio poblacional
i = Es el efecto del i-simo nivel del factor A.
j = Es el efecto del j-simo nivel del factor B.
ij = Representa el efecto de la interaccin de los factores A y B.
ijk = Es el error o valor residual que se considera es independiente de
observacin a observacin y est normalmente distribuido con
valor esperado igual a cero y varianza igual a 2 , (0,2).
X ijk = + i + k + ik
Las hiptesis que se prueban corresponden a la dcima para cada factor e interaccin
y a las replicaciones. Se comenzar probando que el factor A no tiene un efecto
significativo en la variable respuesta, esto es:
H0 : i = 0
HA : i 0
30
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
H0 : ij = 0
HA : ij 0
El diseo factorial dos al cubo es aquel en el que intervienen tres factores a dos
niveles por cada factor; en la expresin 23, la base corresponde el nmero de niveles
por factor y el exponente al nmero de factores.
Los factores son A, B y C, cada uno a dos niveles: a1 y a2 para el factor A; b1 y b2 para
el factor B; y, c1 y c2 para el factor C. El nmero de tratamientos posibles es igual 23,
que corresponde al producto del nmero de niveles de A por el nmero de niveles de
B y de C, esto es: 2 x 2 x 2 = 8 tratamientos especficos: a1b1c1, a1b1c2, a1b2c1, a1b2c2,
a2b1c1, a2b1c2, a2b2c1, a2b2c2,
31
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
32
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
en el que:
Las hiptesis que se prueban corresponden a la dcima para cada factor e interaccin
y a las replicaciones, esto es:
H0 : i = 0 H0 : j = 0 H0 : k = 0 H0 : ij = 0
HA : i 0 HA : j 0 HA : k 0 HA : ij 0
H0 : ik = 0 H0 : jk = 0 H0 : ijk = 0
HA : ik 0 HA : jk 0 HA : ijk 0
Como era de esperarse, existen 8 formulaciones de hiptesis que deben ser probadas
a un nivel de significacin determinado; cada hiptesis corresponde a un factor
determinado o a la interaccin entre stos y la ltima formulacin desea probar la
significacin de las replicaciones del experimento. Las pruebas de las interacciones
son importantes para verificar si los factores son mutuamente independientes; si la
interaccin est presente, debemos tener cuidado con el anlisis de los efectos
principales, slo aquellos que son significativos tienen sentido en su anlisis, aquellos
efectos principales no significativos en presencia de interaccin podran muy bien ser
el resultado del encubrimiento y plantear la necesidad de observar la influencia de
cada factor para niveles fijos de otro factor.
33
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
De igual manera se verifica que las sumas de cuadrados de los factores y sus
interacciones son mutuamente ortogonales y por tanto son componentes
independientes de la suma de cuadrados de tratamientos de forma que:
Este mtodo proporciona un procedimiento ms eficaz para calcular los totales de los
efectos factoriales; ste consiste en:
(1) a b ab c ac bc abc
34
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
En este diseo intervienen cuatro factores a dos niveles cada factor; es una extensin
de los diseos descritos anteriormente y su procedimiento de prueba y clculo son
similares. El nmero de tratamientos es 16 que corresponden a la multiplicacin del
nmero de niveles de cada factor: 2 x 2 x 2 x 2 = 16
TRATAMIENTO NOTACION
a1b1c1d1 (1)
a1b1c1d2 d
a1b1c2d1 c
a1b1c2d2 cd
a1b2c1d1 b
a1b2c1d2 bd
a1b2c2d1 bc
a1b2c2d2 bcd
a2b1c1d1 a
a2b1c1d2 ad
a2b1c2d1 ac
a2b1c2d2 acd
a2b2c1d1 ab
a2b2c1d2 abd
a2b2c2d1 abc
a2b2c2d2 abcd
35
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Al igual que en los casos anteriores, la presencia o ausencia de la letra del factor en la
denominacin del tratamiento determina el signo + en presencia o - en ausencia;
para las interacciones se multiplican los signos de los factores que intervienen en la
interaccin.
En todos los casos el divisor para el efecto principal es 8r, en el que el nmero 8
representa el nmero de comparaciones simples que deben efectuarse en cada factor
y r corresponde al nmero de tratamientos; el efecto principal del factor A, por
ejemplo, se obtiene multiplicando el total de cada tratamiento por el coeficiente
ortogonal de la columna A y su suma (A) la dividimos para 8r.
en el que:
36
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
El modelo supone lineal y aditividad de los efectos, se probarn hiptesis para cada
factor e interaccin entre los factores y el efecto de las replicaciones.
X ijk = + i + j + ij + ijk
en el que:
Las hiptesis que se prueban corresponden a la dcima para cada factor e interaccin
y a las replicaciones. Se comenzar probando que el factor A no tiene un efecto
significativo en la variable respuesta, esto es:
H0 : i = 0
HA : i 0
37
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
H0 : ij = 0
HA : ij 0
Es aquel en el que intervienen tres factores, el factor A con a niveles y el factor B con
b niveles y el factor C con c niveles; el nmero de tratamientos es igual a a x b x c; si
tenemos r replicaciones en el experimento, entonces el nmero de observaciones y
unidades experimentales es de a x b x c x r, en el que stas se asignan
aleatoriamente a cada tratamiento.
El modelo supone lineal y aditividad de los efectos, se probarn hiptesis para cada
factor e interaccin entre los factores y el efecto de las replicaciones. Los supuestos
presentados en el diseo general de dos factores se extienden al presente modelo
matemtico, siendo lineal y aditivo conforme se presenta:
en el que:
Xij = Valor de la variable respuesta correspondiente.
= Es el promedio general o promedio poblacional
i = Es el efecto del i-simo nivel del factor A.
j = Es el efecto del j-simo nivel del factor B.
ij = Representa el efecto de la interaccin de los factores A y B.
k = Es el efecto del c-simo nivel del factor C.
ik = Representa el efecto de la interaccin de los factores A y C.
jk = Representa el efecto de la interaccin de los factores B y C.
ijk = Representa el efecto de la interaccin de los factores A, B y C.
38
INTRODUCCION AL ANALISIS ESTADISTICO DE DISEOS EXPERIMENTALES ING. OSCAR CISNEROS GUZMAN
Las hiptesis que se prueban corresponden a la dcima para cada factor e interaccin
y a las replicaciones, esto es:
H0 : i = 0 H0 : j = 0 H0 : k = 0 H0 : ij = 0
HA : i 0 HA : j 0 HA : k 0 HA : ij 0
H0 : ik = 0 H0 : jk = 0 H0 : ijk = 0
HA : ik 0 HA : jk 0 HA : ijk 0
De igual manera se verifica que las sumas de cuadrados de los factores y sus
interacciones son mutuamente ortogonales y por tanto son componentes
independientes de la suma de cuadrados de tratamientos de forma que:
39