Los diseños 3k

María Aurora Martínez Trujillo

Noviembre, 2017
Características generales
—  Considera k factores con tres niveles cada
uno
—  En su aplicación se deben realizar 3k
tratamientos o experimentos, y en total
se tienen N = 3kn datos.
¿Qué lo hace viable?
—  Cuando se tienen factores contínuos e
interesa estudiar sus efectos de curvatura,
porque se cree que la variable de
respuesta no es lineal en el rango de
variación de los factores estudiados.
—  Cuando los factores son discretos y de
manera natural tienen tres niveles cada
uno (marcas, operadores, etc)
 -  Efecto lineal de X sobre -  Efecto cuadrático de X
Y sobre Y
-  Basta con tener dos -  Es necesario tener tres
puntos o niveles de X puntos o niveles de X
para verificarlo para verificarlo

¡¡Nunca sabemos cómo es realmente ese efecto!!

Veamos un diseño factorial 32

Tratami A B A B A B
ento
1 Bajo Bajo -1 -1 0 0
2 Medio Bajo 0 -1 1 0
3 Alto Bajo 1 -1 2 0
4 Bajo Medio -1 0 0 1
5 Medio Medio 0 0 1 1
6 Alto Medio 1 0 2 1
7 Bajo Alto -1 1 0 2
8 Medio Alto 0 1 1 2
9 Alto Alto 1 1 2 2
El problema…
—  En un proceso de fabricación de cajas se
utiliza pegamiento; con la idea de mejorar el
desempeño de las cajas, se realiza un
experimento para estudiar la fuerza de
adhesión del pegamento en diferentes
condiciones de humedad y temperatura. La
variable de respuesta es la fuerza necesaria
(en libras) para despegar la caja. Los datos
obtenidos en cada una de las nueve
combinaciones de un diseño factorial 32 con
n = 2 réplicas se muestran a continuación:
 ¿Cómo acomodamos los datos?
B:Temperatura
A: Humedad Frío Ambiente Caliente Total
50 % 1.5, 1.2 3.5, 3.2 4.0, 4.2 Y1.. =
70 % 1.4, 1.3 2.9, 2.5 3.8, 3.4 Y2.. =
90 % 0.8, 1.2 1.8, 2.0 2.7, 3.0 Y3.. =
Totales Y.1. = Y.2. = Y.3. = Y… =

Considerando que:

Factor A: Humedad, tiene a = 3 niveles

Factor B: Temperatura, tiene b = 3 niveles
Hay dos repeticiones de cada experimento (n = 2)
Entonces N = 32· 2 = 18 datos (Yijk)
 Y el ANOVA…
Fuente de
SC gl MC F p
variación
yi..2
a
y...2 SC A MC A
SC A = ∑ − 2
A i=1 3n n·3 a -1 a −1 MC Error

b
y.2j. y...2 SC B MC B
B SC B = ∑
3n
−
n·32
b-1 MC Error
j=1
b −1

b a
yi..2 y2 SC AB MC AB
SC AB = ∑∑ − ...2 − SC A − SC B
AB j=1 i=1 3n n·3 (a-1)(b-1) (a −1)(b −1)
MC Error

SCT − SC A − SC B − SC AB SC Error
Error 32(n-1)
32 n

c b a
y...2
Total ∑∑∑ y 2
ijk
− 2 n· 32 - 1
k=1 j=1 i=1 n·3
 Al respecto…
—  Este ANOVA considera los efectos de A,
B y AB de manera global, sin especificar si
contribuyen de manera lineal, cuadrática o
ambas.
—  La suma de cuadrados de los efectos se
pueden descomponer en los efectos lineal
y cuadrático:
◦  A = AL y A2
◦  B = BL y B2
Con lo que el ANOVA quedaría:
Fuente de
SC gl MC F p
variación
AL SCAL 1 MCAL MCAL/MCError
BL SCBL 1 MCBL MCBL/MCError
A2 SCA2 1 MCA2 MCA2/MCError
B2 SCB2 1 MCB2 MCB2/MCError
ALBL SCALBL 1 MCALBL MCALBL/MCError
A2BL SCA2BL 1 MCA2BL MCA2BL/MCError
ALB2 SCALB2 1 MCALB2 MCALB2/MCError
A2B2 SCA2B2 1 MCA2B2 MCA2B2/MCError
Error SCError 32 (n-1) MCError
Total SCTotales n 32 - 1
¿Y cómo obtenemos los valores
lineales y cuadráticos?
—  Los efectos pueden ser:

Lineales Cuadráticos
Las pendientes de los efectos:
—  Para el lineal: y3.. − y2..
m1 = = y3.. − y2..
1− 0
y2.. − y1..
m2 = = −( y2.. − y1.. )
0 −1

Y entonces, la pendiente total:

mTotal = m1 + m2 = ( y3.. − y2.. ) + (−( y2.. − y1.. ))

mTotal = ( y3.. − y2.. ) − ( y2.. − y1.. )

mTotal = y3.. − 2 y2.. + y1..

 Las pendientes de los efectos:
—  Para el cuadrático: y3.. − y2..
m1 = = y3.. − y2..
1− 0
y2.. − y1..
m2 = − = y2.. − y1..
0 −1

Y entonces, la pendiente total:

mTotal = m1 + m2 = ( y3.. − y2.. ) + ( y2.. − y1.. )

mTotal = y3.. − y2.. + y2.. − y1..

mTotal = y3.. + 0 y2.. + y1..

—  Veamoslos coeficientes de cada
pendiente:

mTotal = y3.. − 2 y2.. + y1.. mTotal = y3.. + 0 y2.. + y1..

En el lineal: En el cuadrático:
y3.. Tiene un coeficiente de 1 y3.. Tiene un coeficiente de 1
y2.. Tiene un coeficiente de -2 y2.. Tiene un coeficiente de 0
y3.. Tiene un coeficiente de 1 y3.. Tiene un coeficiente de 1

¡¡¡Y las pendientes son los contrastes!!!!

 Entonces, regresemos al problema y veamos cómo
quedaría el ANOVA hasta donde lo conocemos…

Funte de SC gl MC F p
variación

A 15.94 2 7.97 169.57 0.00001

B 3.16 2 1.58 33.62 0.00001
AB 0.69 4 0.17 3.62 0.0347
Error 0.42 9 0.047
Total 20.22 17

“Ambos factores, así como su interacción son significativos”

Una interacción significativa denota cierta curvatura…

 Para no hacernos bolas, veamos cómo
calcular los coeficientes para los contrastes..
A B Total AL A2 BL B2 ALBL ALB2 A2BL A2B2
-1 -1 2.7 -1 1 -1 1 1 -1 -1 1
0 -1 6.7 0 -2 -1 1 0 0 2 -2
1 -1 8.2 1 1 -1 1 -1 1 -1 1
-1 0 2.7 -1 1 0 -2 0 2 0 -2
0 0 5.4 0 -2 0 -2 0 0 0 4
1 0 7.2 1 1 0 -2 0 -2 0 -2
-1 1 2.0 -1 1 1 1 -1 -1 1 1
0 1 3.8 0 -2 1 1 0 0 -2 -2
1 1 5.7 1 1 1 1 1 1 1 1

2
Y además…
SC Factor =
(Contraste Factor )
3 3
n∑∑ cij2
j=1 i=1
 Veamos cómo se aplica la fórmula…
2

SC A =
(−2.7 + 8.2 − 2.7 + 7.2 − 2 + 5.7) =
187.69
= 15.64
2 *((−1) 2 + (1) 2 + (−1) 2 + (1) 2 + (−1) 2 + (1) 2 ) 12

Total AL A2 ALBL ALB2 A2BL A2B2 10.89

SC A2 = = 0.30
2.7 -1 1 1 -1 -1 1 36
6.7 0 -2 0 0 2 -2 3.24
SC A B = = 0.405
8.2 1 1 -1 1 -1 1 L L
8
2.7 -1 1 0 2 0 -2
0.04
5.4 0 -2 0 0 0 4 SC A B2 = = 0.0017
L 24
7.2 1 1 0 -2 0 -2
2.0 -1 1 -1 -1 1 1 6.76
SC A2 B = = 0.282
L 24
3.8 0 -2 0 0 -2 -2
5.7 1 1 1 1 1 1 0.36
SC A2 B2 = = 0.005
72
Por lo que el ANOVA quedaría:
Fuente de
SC gl MC F p
variación
AL 15.64 1 15.64 335.14 0.00001
BL 0.30 1 0.30 6.48 0.0314
A2 3.10 1 3.10 66.43 0.00001
B2 0.062 1 0.062 1.34 0.28
ALBL 0.405 1 0.405 8.68 0.0163
A2BL 0.0017 1 0.0017 0.036 0.8529
ALB2 0.282 1 0.282 6.04 0.0363
A2B2 0.005 1 0.005 0.107 0.7529
Error 0.4243 9 0.047
Total 20.22 17

¿¿¿Conclusiones???
 Problema para evaluar el tema…
Se desea investigar de qué manera afecta el tiempo de curado
y el tipo de acelerante a la resistencia del caucho vulcanizado.
Se realiza y experimento y se obtienen los siguientes datos:
Tiempo de Acelerante
curado
1 2 3

40 3.9, 3.6 4.3, 3.7 3.7, 4.1

60 4.1, 3.5 4.2, 3.9 3.9, 4.0
80 4.0, 3.8 4.3, 3.6 3.6, 3.8

a.  Formule todas las hipótesis que se puedan probar

b.  Realice el análisis estadístico apropiado para probar las
hipótesis que formuló y genere las conclusiones
correspondientes.