Diseño factorial

En cualquier ámbito de estudio es importante recrear procesos variando los factores

que tenemos con el fin de conocer la magnitud de la influencia que ejercen sobre el
producto final. En cada experimento es importante conocer el nivel que cada factor por
si solo aplica por lo tanto hay que monitorearlos de manera adecuada sobre todo
cuando se estudia dos o mas factores y si existe alguna correlación entre ellos. Por eso
en un experimento factorial debemos hacer mínimo una corrida con cada una de las
probables combinaciones por ejemplo si utilizáramos dos factores y cada uno tuviera
dos variables deberíamos realizar la cantidad mínima de pruebas en la que se
replicaran todos los posibles escenarios en este caso 4.

La clasificación de los criterios se puede subdividir en 3: por la cantidad de niveles,

cantidad de controles y tipos de niveles, el diseño por criterio factorial se subdivide en
cantidad de valores, que pueden ser de cantidad variable o de cantidad constante. El
segundo criterio se refiere a las cantidades de combinaciones de tratamiento que a su
vez se subdivide en diseño factorial completo y el diseño factorial incompleto o
fraccionado. Por último, tenemos a diseños extraños por grados de control como diseño
factorial completamente al azar, diseño factorial por bloques aleatorios, diseño factorial
por orden cuadrado latino, diseño factorial jerárquico o anidado y diseño factorial de
medidas repetidas.

Como en cada experimento simulación se ocurren distintas iteraciones y siempre que

se hayan descartados los errores, se deben observar los que se conoce como efecto
positivo y negativo, el efecto se nota cuando se aumenta la magnitud de un factor y se
observa una mayor efectividad o una peor según sea el caso y se pueda ir separando
cual es la mejor, esto con el fin de encontrar la mejor combinación de factores posibles.
Siempre se debe tener mucho cuidado y conocer a fondo los fenómenos de cada
experimento esto con el fin de evitar resultados falsos o enmascarados, muchas veces
algunas variables influyen positivamente sobre otras o enmascaran sus efectos.

Es posible definir el efecto factorial simple como el efecto puntual de una variable
independiente o factor para cada valor de la otra. Los efectos factoriales principales, a
diferencia de los simples, son el impacto global de cada factor considerado de forma
independiente, es decir, el efecto global de un factor se deriva del promedio de los dos
efectos simples. El efecto secundario o de interacción se define por la relación entre los
factores o variables independientes, es decir, el efecto cruzado.

Para llegar a la verdad se pueden replicar simulaciones con los mismos factores, pero
esto siempre deben de provenir de diferentes fuentes y se deben replicar en diferentes
procesos esto con el fin de evitar errores, por ejemplo, si se hicieras un experimento
para conocer el tiempo adecuada de la cocción de un pan, sus ingredientes deben
venir de diferentes raciones esto con tal de evitar alguna falla en los productos.

Según el control de los factores extraños y la reducción de la variancia del error, el

diseño factorial puede ser, en primer lugar, completamente al azar; es decir, aquel
formato donde sólo se aplica el azar como técnica de control y donde los grupos se
forman mediante la asignación aleatoria de los sujetos En segundo lugar, el diseño
factorial de bloques aleatorizados permite el control de una variable extraña. Según esa
estrategia, cada bloque es una réplica completa del experimento, y los grupos intra
bloque (dentro de cada bloque) se forman al azar, Siguiendo con el criterio de bloques,
el diseño factorial de Cuadrado Latino o de doble sistema de bloques controla dos
fuentes de variación extrañas, aunque sólo se realiza una parte del total de
combinaciones. El diseño factorial jerárquico o anidado requiere la manipulación
experimental de la variable y, al mismo tiempo, la anidación (o inclusión) de una
variable dentro de las combinaciones de tratamientos de los factores.

Otro punto importante a tomar en cuenta son las ventajas de utilizar el diseño factorial,
primero tenemos las económicas porque se reducen las cantidades de materiales para
utilizar. El segundo es que Se amplía la base de la inferencia en relación a un factor, ya
que se estudia en las diferentes condiciones representadas por los niveles de otros
factores. Se amplía el rango de validez del experimento y la tercera es que Permite el
estudio de la interacción, esto es, estudiar el grado y forma en la cual se modifica el
efecto de un factor por los niveles de los otros factores.

Una desventaja de los experimentos factoriales es que requiere un gran número de

unidades experimentales, sobre todo cuando se prueban muchos factores o muchos
niveles de algunos factores, es decir, se tiene un número grande de tratamientos .

Conocer la interacción es más útil que conocer los efectos principales. Una interacción
significativa frecuentemente oscurece la significancia de los efectos principales.
Cuando hay interacción significativa, se deberán examinar los niveles de un factor,
digamos A, con los niveles del o de los otros factores fijos, para tener conclusiones
acerca del efecto principal A.

Uno de los temas más susceptibles de confusión en el análisis de experimentos

factoriales radica en la interpretación de los efectos principales ante la presencia de
interacción. La existencia de un valor P relativamente grande para un efecto principal,
cuando es clara la presencia de interacciones, podría tentar al analista a concluir que
“no existe efecto principal significativo”. Sin embargo, debe entenderse que, si un
efecto principal está implicado en una interacción significativa, entonces el efecto
principal está influyendo en la respuesta. La naturaleza del efecto es inconsistente a
través de los niveles de otros efectos.

Debe tenerse precaución en el análisis de un experimento factorial cuando se supone

un diseño completamente aleatorizado y en realidad no se hizo tal aleatorización. Por
ejemplo, es común que se encuentren factores que son muy difíciles de cambiar. Como
resultado, podría ser necesario mantener sin cambio los niveles de factores durante
largos periodos a lo largo de todo el experimento.