Carrera: Ing. de Sistemas Msc.

Manuel Morales Martínez

UNIVERSIDAD NACIONAL DE INGENIERÍA

RECINTO UNIVERSITARIO PEDRO ARAUZ PALACIOS

Asignatura: Estadística II
Unidad II: Diseño y Análisis de Experimentos
Tema: Diseño Factoriales 2K y 3K.

INTRODUCCIÓN:
En casi cualquier estudio experimental en el cual se aplican los procedimientos estadísticos
a un conjunto de datos científicos, los métodos involucran la realización de ciertas
operaciones o cálculos sobre la información muestral, para posteriormente realizar
inferencias acerca de la población o poblaciones estudiadas. Con frecuencia, existen
características del experimento que están sujetas al control del experimentador, cantidades
tales como tamaño de la muestra, número de niveles de los factores, combinaciones de
tratamientos a utilizar, etcétera. Muchas veces, estos parámetros experimentales pueden
tener un efecto notorio sobre la precisión con la cual se prueban las hipótesis o se realiza
la estimación.

Los diseños factoriales se desarrollan ampliamente en experimentos en los cuales

intervienen varios factores para estudiar el efecto conjunto de estos sobre una respuesta.
El experimento factorial permite que el efecto de cada factor se estime y pruebe en forma
independiente en el análisis de varianza usual. Además, los efectos de interacción se
evalúan con facilidad.

DISEÑOS FACTORIAL 2K:

Existen varios casos especiales del Diseño Factorial General, uno de ellos ocurre cuando
se tienen K factores, cada uno con 2 niveles. Estos niveles pueden ser cuantitativos o
cualitativos, también pueden ser denominados “superior” o “inferior”; o quizás “presencia” o
“ausencia” de un factor. Una réplica completa de tal diseño requiere que se recopilen 2 ×
2 × 2 ×. . .× 2 = 2𝐾 observaciones y se conoce como Diseño factorial 2K.

DISEÑOS FACTORIAL 22:

Un diseño específico conocido como Diseño Factorial 22 es aquel en el que solo están
involucrados dos factores A y B, cada uno con dos niveles, los que arbitrariamente pueden
llamarse: “superior” e “inferior”.

El efecto principal de un factor se define como el cambio en la respuesta, producida por un

cambio en el nivel de ese factor, promediado sobre los niveles del otro factor.

En principio consideremos un diseño factorial 22 en el cual se tienen n observaciones

experimentales por combinación de tratamiento. Se usa una nueva notación, se deben
interpretan los símbolos (1), a, b y ab como los resultados totales para cada una de las cuatro
combinaciones de tratamiento. Se definen los siguientes contrastes entre los totales de
tratamientos:
Contraste A = ab + a – b – (1)
Contraste B = ab – a + b – (1)
Contraste AB = ab – a – b + (1)

La tabla siguiente muestra en dos direcciones los resultados del diseño:

1
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

B Media
Inferior Superior
𝑏 + (1)
Inferior (1) b
2𝑛
A
𝑎𝑏 + 𝑎
Superior a ab
2𝑛
𝑎 + (1) 𝑎𝑏 + 𝑏
Media
2𝑛 2𝑛

El modelo estadístico es el mismo que se utiliza para el diseño factorial de 2 factores. La

tabla ANOVA es como sigue:

Fuente de Suma de Grados de Cuadrados Estadístico FO

variación cuadrados libertad medios
Factor A SCA. 1 CMA = SCA 𝐶𝑀𝐴
𝐹0 =
𝐶𝑀𝐸
Factor B SCB. 1 CMB = SCB 𝐶𝑀𝐵
𝐹0 =
𝐶𝑀𝐸
Interacción AB SCAB 1 CMAB = SCAB 𝐶𝑀𝐴𝐵
𝐹0 =
𝐶𝑀𝐸
Error SCE 4 (n – 1) 𝑆𝐶𝐸
CME =
4(𝑛 − 1)
TOTAL SCT 4n - 1

donde:
𝑎 𝑏 𝑛
2
𝑦.2. . [𝑎𝑏 + 𝑎 − 𝑏 − (1)]2 [𝑎𝑏 + 𝑏 − 𝑎 − (1)]2
𝑆𝐶𝑇 = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘 − 𝑆𝐶𝐴 = 𝑆𝐶𝐵 =
4𝑛 4𝑛 4𝑛
𝑖=1 𝑗=1 𝑘=1

[𝑎𝑏 + (1) − 𝑎 − 𝑏]2

𝑆𝐶𝐴𝐵 = 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐴𝐵
4𝑛
Ejemplo 6:
Se llevó a cabo una investigación para estudiar el efecto que tiene la concentración de un
reactivo y la presencia de un catalizador sobre el tiempo de reacción de un proceso químico.
Sea la concentración del reactivo el factor A, con dos niveles de interés (15% y 20%); el
catalizador (sustancia que acelera (positivos) o retarda (negativos) una reacción química
sin participar en ella) constituye el factor B, el nivel alto (o superior) denota el uso de 2 sacos
de catalizador y el nivel bajo (o inferior) denota el uso de sólo un saco. El experimento se
realiza (o repite) tres veces, realice un análisis de los resultados utilizando un nivel de
significancia de 0.05 si los datos son como sigue:

Combinación de tratamientos Replica Total

A bajo B bajo 28 25 27 80
A alto B bajo 36 32 32 100
A bajo B alto 18 19 23 60
A alta B alto 31 30 29 90
Total 330
Solución:

2
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

a = 100, b = 60, ab = 90, (1) = 80

3302
𝑆𝐶𝑇 = [282 2
+ 25 + ⋯ + 29 2]
− = 323.00
12

[90 + 100 − 60 − 80]2 [90 + 60 − 100 − 80]2

𝑆𝐶𝐴 = = 208.33 𝑆𝐶𝐵 = = 75.00
12 12

[90 + 80 − 100 − 60]2

𝑆𝐶𝐴𝐵 = = 8.33 𝑆𝐶𝐸 = 323.00 − 208.33 − 75.00 − 8.33 = 31.34
12

Fuente de Suma de Grados de Cuadrados Estadístico FO

variación cuadrados libertad medios
Concentración 208.33 1 208.33 53.18
Catalizador 75.00 1 75.00 19.14
Interacción AB 8.33 1 8.33 2.13
Error 31.34 8 3.9175
TOTAL 323.00 11

Las Hipótesis por probar son:

𝐻 0 : 𝜏1 = 𝜏2 = 𝜏3 = 0
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝜏𝑗 ≠ 0

𝐻0 : 𝛽 1 = 𝛽 2 = 𝛽 3 = 𝛽 4 = 0
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝛽𝑘 ≠ 0

𝐻0 : (𝜏𝛽)11 = (𝜏𝛽)12 = (𝜏𝛽)21 = (𝜏𝛽)22 = 0

𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 (𝜏𝛽)𝑖𝑗 ≠ 0

Con un 95% de confianza y estableciendo la región crítica en el valor F0.05,1,8 = 5.32,

concluimos que la Concentración del Reactivo tiene un efecto significativo sobre el tiempo
de reacción del proceso químico, de igual manera la presencia del catalizador, ya sea uno
o dos sacos, también influyen de manera significativa sobre el tiempo de reacción del
proceso químico; no así la interacción de ambos factores, ya que el valor del estadístico de
prueba es menor que el valor crítico, no se rechaza la hipótesis nula de igualdad en las
medias de la interacción, de tal manera que la combinación: concentración del reactivo con
la presencia del catalizador no influyen significativamente sobre el tiempo de reacción de
un proceso químico.

𝑎−(1)
El efecto de A en el nivel inferior de B es mientras que en el nivel superior de B es
𝑛
[𝑎𝑏−𝑏]
. Tomando el promedio de estas dos cantidades se obtiene el Efecto Principal del
𝑛
1
Factor A = [𝑎𝑏 + 𝑎 − 𝑏 − (1)].
2𝑛

3
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

El efecto promedio de B se determina a partir de su efecto en el nivel superior de A, dado

𝑎𝑏−𝑎 [𝑏−(1)]
por , y en el nivel inferior de A dado por . Tomando el promedio de estas dos
𝑛 𝑛
1
cantidades se obtiene el Efecto Principal del Factor B = [𝑎𝑏 + 𝑏 − 𝑎 − (1)].
2𝑛

El efecto de la interacción AB se define como la diferencia promedio entre el efecto

de A en el nivel superior de B y su efecto en el nivel inferior de B,
1
𝐴𝐵 = 2𝑛 [𝑎𝑏 + (1) − 𝑎 − 𝑏].

DISEÑOS FACTORIAL 23:

Si se encuentran en estudio tres factores A, B y C cada uno con dos niveles, este diseño
se conoce como Diseño Factorial 23 y las ocho combinaciones de los tratamientos pueden
representarse gráficamente mediante un cubo, de la siguiente manera:

Figura: Representación geométrica del diseño factorial 23

Fuente: Montgomery (1997, p. 302)

Haciendo extensiva la notación del diseño factorial 22, el origen estándar de las
combinaciones de tratamientos seria:

Combinación A B C
de tratamientos
(1) - - -
a + - -
b - + -
c - - +
ab + + -
ac + - +
bc - + +
abc + + +

4
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

El ANOVA
Fuente de Suma de Grados de Cuadrados Estadístico FO
variación cuadrados libertad medios
Factor A SCA. 1 CMA = SCA 𝐶𝑀𝐴
𝐹0 =
𝐶𝑀𝐸
Factor B SCB. 1 CMB = SCB 𝐶𝑀𝐵
𝐹0 =
𝐶𝑀𝐸
Factor C SCC. 1 CMC = SCC 𝐶𝑀𝐶
𝐹0 =
𝐶𝑀𝐸
Interacción AB SCAB 1 CMAB = SCAB 𝐶𝑀𝐴𝐵
𝐹0 =
𝐶𝑀𝐸
Interacción AC SCAC 1 CMAC = SCAC 𝐶𝑀𝐴𝐶
𝐹0 =
𝐶𝑀𝐸
Interacción BC SCBC 1 CMBC = SCBC 𝐶𝑀𝐵𝐶
𝐹0 =
𝐶𝑀𝐸
Interacción ABC SCABC 1 CMABC = SCABC 𝐶𝑀𝐴𝐵𝐶
𝐹0 =
𝐶𝑀𝐸
Error SCE 8 (n – 1) 𝑆𝐶𝐸
CME =
8(𝑛 − 1)
TOTAL SCT 8n - 1

donde:
𝑎 𝑏 𝑛
2
𝑦.2. .
𝑆𝐶𝑇 = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘 −
8𝑛
𝑖=1 𝑗=1 𝑘=1
1
𝑆𝐶𝐴 = [𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏𝑐 − (1) − 𝑏 − 𝑐 − 𝑏𝑐]2
8𝑛
1
𝑆𝐶𝐵 = [𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑐 − 𝑎𝑐]2
8𝑛
1
𝑆𝐶𝐶 = [𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑏 − 𝑎𝑏]2
8𝑛
1
𝑆𝐶𝐴𝐵 = [𝑎𝑏𝑐 − 𝑏𝑐 + 𝑎𝑏 − 𝑏 − 𝑎𝑐 + 𝑐 − 𝑎 + (1)]2
8𝑛
1
𝑆𝐶𝐴𝐶 = [(1) − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐]2
8𝑛
1
𝑆𝐶𝐵𝐶 = [(1) + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐]2
8𝑛
1
𝑆𝐶𝐴𝐵𝐶 = [𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1)]2
8𝑛

𝑆𝐶𝐸 = 𝑃𝑜𝑟 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎

A continuación, se presenta el cálculo de los efectos principales y de las interacciones:

5
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

Ejemplo 7:
Una embotelladora de bebida gaseosa desea obtener mayor uniformidad en la altura de
llenado de las botellas que salen de su proceso de manufactura. En teoría, la máquina
llenadora introduce liquido en cada botella hasta la altura objetivo correcta, pero en la
práctica existe variación alrededor de este objetivo y el fabricante quisiera comprender
mejor la fuerza de esta variabilidad.
El ingeniero de proceso puede controlar tres variables durante el proceso de llenado:
Porcentaje de carbonatación (factor A), Presión de trabajo en la llenadora (factor B) y el
Número de botellas que se llenan por minuto, o velocidad de la línea (factor C).
Supongamos que sólo se usaron dos niveles de cada factor con dos réplicas por cada
combinación. Los datos son los siguientes:

Presión de operación
Porcentaje 25 lib/plg2 30 lib/plg2
de carbonatación Rapidez de línea Rapidez de línea
200 250 200 250
10 21 23 23 25
23 24 24 25

12 24 26 26 30
25 25 27 29

4002
𝑆𝐶𝑇 = [212 + 232 + ⋯ + 292 ] − = 10,078 − 10,000 = 78.00
16

6
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

1
𝑆𝐶𝐴 = [49 + 53 + 51 + 59 − 44 − 47 − 47 − 50]2 = 36.00
16
1
𝑆𝐶𝐵 = [47 + 53 + 50 + 59 − 44 − 49 − 47 − 51]2 = 20.25
16
1
𝑆𝐶𝐶 = [47 + 51 + 50 + 59 − 44 − 49 − 47 − 53]2 = 12.25
16
1
𝑆𝐶𝐴𝐵 = [59 − 50 + 53 − 47 − 51 + 47 − 49 + 44]2 = 2.25
16
1
𝑆𝐶𝐴𝐶 = [44 − 49 + 47 − 53 − 47 + 51 − 50 + 59]2 = 0.25
16
1
𝑆𝐶𝐵𝐶 = [44 + 49 − 47 − 53 − 47 − 51 + 50 + 59]2 = 1.00
16
1
𝑆𝐶𝐴𝐵𝐶 = [59 − 50 − 51 + 47 − 53 + 47 + 49 − 44]2 = 1.00
16

𝑆𝐶𝐸 = 78.00 − 36.00 − 20.25 − 12.25 − 2.25 − 0.25 − 1.00 − 1.00 = 5.00

Fuente de Suma de Grados de Cuadrados Estadístico FO

variación cuadrados libertad medios
P. carbonatación 36.00 1 36.00 57.60
Presión 20.25 1 20.25 32.40
Rapidez 12.25 1 12.25 19.60
Interacción AB 2.25 1 2.25 3.60
Interacción AC 0.25 1 0.25 0.40
Interacción BC 1.00 1 1.00 1.60
Interacción ABC 1.00 1 1.00 1.60
Error 5.00 8 0.625
TOTAL 78.00 15

El análisis de varianza confirma la significancia de los factores principales. La interacción

AB es significativa a un nivel de confianza del 10% (F0.10,1,8 = 3.46), por lo tanto, existe ligera
interacción entre Porcentaje de carbonatación y Presión de trabajo. El proceso se interpreta
como que se decide ejecutar este proceso a baja presión y alta velocidad de la línea a fin
de reducir la variación en el llenado de los envases controlando de manera más precisa el
porcentaje de carbonatación.

DISEÑOS FACTORIAL 3K:

Es un diseño que consta de K factores cada uno con tres niveles. Sin pérdida de
generalidad, los tres niveles de factores pueden referirse como: “nivel inferior”, “nivel
intermedio” y “nivel superior” (0, 1, 2 respectivamente). Cada combinación de tratamientos
de un diseño 3K se representa mediante K dígitos, donde el primero indica el nivel del factor

7
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

A, el segundo dígito representa el nivel del factor B, etcétera, y el k – ésimo dígito,

representa el nivel del factor K.

DISEÑOS FACTORIAL 32:

Es el diseño más simple y consta de dos factores A y B con tres niveles cada uno. En la
siguiente gráfica se muestran las combinaciones de tratamientos de este diseño.

02 12 22
2
Factor B

1
01 11 21

0
00 10 20

0 1 2
Factor A

La tabla ANOVA y las sumas de cuadrado son como sigue:

Fuente de Suma de Grados de Cuadrados Estadístico FO

variación cuadrados libertad medios
Tratamiento A SCA. 2 CMA 𝐶𝑀𝐴
𝐹0 =
𝐶𝑀𝐸
Tratamiento B SCB. 2 CMB 𝐶𝑀𝐵
𝐹0 =
𝐶𝑀𝐸
Interacción AB SCAB 4 CMAB 𝐶𝑀𝐴𝐵
𝐹0 =
𝐶𝑀𝐸
Error SCE 9 (n – 1) CME
TOTAL SCT (9n) - 1

en donde
𝑎 𝑏 𝑛 𝑎 𝑏
2
𝑦.2. . 𝑦𝑖2. . 𝑦.2. . 𝑦.2𝑗 . 𝑦.2. .
𝑆𝐶𝑇 = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘 − 𝑆𝐶𝐴 = ∑ − 𝑆𝐶𝐵 = ∑ −
9𝑛 𝑏𝑛 9𝑛 𝑎𝑛 𝑏𝑛
𝑖=1 𝑗=1 𝑘=1 𝑖=1 𝑗=1

2 𝑎 𝑏
𝑦𝑖𝑗 . 𝑦.2. .
𝑆𝐶𝐴𝐵 = (∑ ∑ − ) − 𝑆𝐶𝐴 − 𝑆𝐶𝐵
𝑛 9𝑛
𝑖=1 𝑗=1

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐴𝐵

8
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

Ejemplo 8:
Se cree que la duración efectiva de una herramienta de corte instalada en una máquina
controlada por computadora se ve afectada por la rapidez (o velocidad) de corte y por el
ángulo de la herramienta. Se seleccionan tres niveles de rapidez de corte y tres ángulos
de la herramienta y se realizan dos réplicas. Los datos codificados aparecen en la tabla
siguiente:
Angulo de Rapidez de corte
corte 125 150 175
15 22 35 44
31 34 45
20 32 25 50
43 29 58
25 55 40 46
47 37 36
Solución:
El análisis de varianza permite medir el efecto principal de los factores y su influencia
significativa en los resultados de la duración efectiva de la herramienta.

Fuente Suma de Gl Cuadrado Razón-F Valor-P

Cuadrados Medio
A: Angulo 208,444 2 104,222 4,11 0,0541
B: Rapidez 530,111 2 265,056 10,44 0,0045
INTERACCIÓN
AB 711,222 4 177,806 7,00 0,0076
RESIDUOS 228,5 9 25,3889
TOTAL (CORREGIDO) 1678,28 17

Las Hipótesis por probar son:

𝐻 0 : 𝜏1 = 𝜏2 = 𝜏3 = 0
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝜏𝑗 ≠ 0

𝐻0 : 𝛽 1 = 𝛽 2 = 𝛽 3 = 0
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝛽𝑘 ≠ 0

𝐻0 : (𝜏𝛽)11 = (𝜏𝛽)12 = ⋯ = (𝜏𝛽)33 = 0

𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 (𝜏𝛽)𝑖𝑗 ≠ 0

Con los resultados obtenidos a partir de la tabla ANOVA y utilizando un nivel de significancia
de 0.05 se tiene que F0.05,2,9 = 4.26; F0.05,4,9 = 3.63, talque no se debe rechazar la hipótesis
relacionada con el ángulo de corte, pero si se rechaza la hipótesis relacionada con la
rapidez de corte, esto significa que ninguno de los diferentes ángulos de corte implican
diferentes duraciones efectivas de la herramienta, y que cualquiera de los niveles en la
rapidez de corte si tienen efecto significativo sobre la duración efectiva de la herramienta,
así mismo la interacción de ambos factores tienen efecto significativo en los valores de la
variable que se está calculando.

En los siguientes gráficos se visualiza la interacción entre ambos factores como se había
concluido con el análisis de varianza.

9
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

Gráfico de Interacciones

56 rapidez
1
2
51
3

46
duración
41

36

31

26
1 2 3
angulo

Gráfico de Interacciones

56 angulo
1
2
51
3

46
duración

41

36

31

26
1 2 3
rapidez

DISEÑOS FACTORIAL 33:

Ahora supongamos que se están estudiando tres factores (A, B y C) y que cada factor tiene
tres niveles los que pueden representarse con los dígitos 0 (para el nivel inferior), 1 (para
el nivel intermedio) y 2 (para el nivel superior) acomodados en un experimento factorial.
Este diseño es un diseño 33 y se puede expresar gráficamente de la siguiente manera:
Factor C

002 012 022

102 112 122

202 212 222

001 011 021

101 111 121

201 211 221

Factor B
000 010 020
100 110 120

200 210 220

10
 Carrera: Ing. de Sistemas Msc. Manuel Morales Martínez

Las 27 combinaciones de tratamiento tienen 26 grados de libertad, cada efecto principal

tiene 2 grados de libertad, cada interacción de 2 factores tiene 4 grados de libertad y la
interacción de tres factores tiene 8 grados de libertad. Si hay n réplicas, habrá un total de
(33n) – 1 grados de libertad y el error tendrá 33 (n – 1) grados de libertad.

Las sumas de cuadrados pueden calcularse usando los métodos estándar para un diseño
factorial de tres factores.

Ejercicio:
Una máquina se usa para llenar con diluyente recipientes plásticos de 5 galones. La variable
de interés es la cantidad de diluyente que se derrama debido a que este proceso produce
espuma en el diluyente. Se cree que los tres factores que influyen en la producción de
espuma son: la forma de la boquilla (factor A), el operador (factor B) y la presión de
operación (factor C). Se eligen tres boquillas, tres operadores y tres niveles de presión, y
se recopilan dos réplicas de un experimento factorial 33, los datos codificados son:

Boquilla (A)
0 1 2
Presión (C) Operador (B)
0 1 2 0 1 2 0 1 2
0 -35 -45 -40 17 -65 20 -39 -55 15
-25 -60 15 24 -58 4 -35 -67 -30
1 100 -10 80 55 -55 110 90 -28 110
75 30 54 120 -44 44 113 -26 135
2 4 -40 31 -23 -64 -20 -30 -61 54
5 -30 36 -5 -62 -31 -55 -52 4

Realice el análisis de varianza correspondiente y realice un informe de los resultados

obtenidos.

11