DISEÑO FACTORIAL

Niveles de B
Niveles de A 1 2 3 4 5
Todos los niveles de cada factor
1 y11 y12 y13 y14 y15
están combinados con todos los
2 y21 y22 y23 y24 y25
niveles de los restantes factores
3 y31 y32 y33 y34 y35
4 y41 y42 y43 y44 y45

MODELO JERÁRQUICO (0 ANIDADO)

Ciertos niveles de B están ligados a ciertos niveles de A.

Niveles de B
Niveles de A 1 2 3 4 5
1 y11 y12
2 y23
3 y34
4 y45
La presencia de un nivel de B depende de la de un cierto nivel de A; en este
caso diremos que el factor B está anidado en el factor A, y con Bj(i) indicaremos
que el j¡ésimo nivel de B corresponde al i-ésimo de A.
Modelo equilibrado: Un factor anidado con el mismo número de obser-
vaciones por celda
Modelo no-equilibrado: Un factor anidado con distinto número de ob-
servaciones por celda

1
 DISEÑO JERÁRQUICO CON UN FACTOR ANIDADO Y
EL MISMO NÚMERO DE OBSERVACIONES POR CELDA

1) Distinto no de niveles del factor anidado por cada nivel del factor principal

MODELO ESTADÍSTIC0

yijk = µ + τ i + β j(i) + u(ij)k

µ : la media global
τi : el efecto del nivel i¡ésimo del factor A; (i = 1, 2, ¢ ¢ ¢ , a)
β j(i) : el efecto producido por el nivel j¡ésimo del factor B dentro del nivel
i¡ésimo del factor A, (j = 1, 2, ¢ ¢ ¢ , bi )

(k = 1, 2, ¢ ¢ ¢ , r) : r es el número de réplicas
X
n: número de observaciones: n = r i
bi

u(ij)k : el error experimental. Variables aleatorias independientes N(0,σ)

NO HAY INTERACCIÓN: CADA NIVEL DE B NO APARECE

CON CADA NIVEL DE A.

MODELO DE EFECTOS FIJOS

Xa Xri
A y B son fijos: i=1
τ i = 0;
j=1
β j(i) = 0 (para i = 1, 2, ¢ ¢ ¢ , a).

2
 ECUACIÓN BÁSICA DEL ANÁLISIS DE LA VARIANZA
SCT = SCA + SCB(A) + SCR

H0 ´ τ i =0 ; 8i ; H0 ´ β j(i) =0 ; 8i,j

Tabla ANOVA para el modelo de efectos fijos

F. V. S. C. G. L. C. M. Fexp
a
1 X yi:: 2 2
y::: CMA
Fac. A SCA = ¡ a¡1 CM A
r b n CM R
à i=1 i a
!
1 X 2 X 2
yi:: CMB(A)
B en A SCB(A) = yij: ¡ R ¡ a CM B(A)
r i;j i=1 i
b CM R
X 1X 2
2
Error SCR = yijk ¡ y R(r ¡ 1) CM R
r i;j ij:
i;j;k
X 2
y:::
2
TOT. SCT = yijk ¡ n¡1 CMT
n
i;j;k

X
R : el número total de niveles del factor B R = bi
i
X
n el número total de observaciones. n = r £ bi
i

SCA SCB(A)
CM A CM B(A)
Fexp(A)= a ¡ 1 = ; Fexp(A(B)) = R ¡ a =
SCR CM R SCR CM R
R(r ¡ 1) R(r ¡ 1)

Bajo H0 Fexp(A) Ã Fa¡1;R(r¡1)

Bajo H0 Fexp(A(B)) Ã FR¡a;R(r¡1)

3
 MODELO DE EFECTOS ALEATORIOS

Los niveles de A son una muestra aleatoria de una población N(0; σ A)

Los niveles de B son una muestra aleatoria de una población N(0; σ B )
Contrastes: H0 ´ σ2A = 0 y H0 ´ σ2B = 0, respectivamente
MODELO DE EFECTOS MIXTOS

A es el factor de efectos fijos . H0 ´ τ i = 0

B el factor de efectos aleatorios. H0 ´ σ 2B = 0

Tabla ANOVA. Modelo de efectos aleatorios y mixtos

F. V. S. C. G. L. C. M. Fexp
a
1 X yi:: 2 2
y::: CMA
Fac. A SCA = ¡ a¡1 CM A
r bi n CMB(A)
à i=1 a
!
1 X 2 X 2
yi:: CMB(A)
B en A SCB(A) = yij: ¡ R ¡ a CM B(A)
r i;j i=1 i
b CM R
X 1X 2
2
Error SCR = yijk ¡ y R(r ¡ 1) CM R
r i;j ij:
i;j;k
X 2
y:::
2
TOT. SCT = yijk ¡ n¡1 CMT
n
i;j;k

SCA SCB(A)
CM A CMB(A)
Fexp(A) = a ¡ 1 = ; Fexp(A(B))= R ¡ a =
SCB(A) CM B(A) SCR CM R
R¡a R(r ¡ 1)
Bajo H0 Fexp(A) Ã Fa¡1;R¡a Bajo H0 Fexp(A(B)) Ã FR¡a;R(r¡1)

4
 Ejemplo. Diseños con un factor anidado (no-balanceado)
Una entidad bancaria tiene siete sucursales en tres ciudades, distinguiéndose
éstas por su distinto carácter económico. En la central del banco están intere-
sados en saber si la diferente captación de clientes, medida por el volumen de
las cuentas corrientes, entre unas sucursales y otras, así mismo entre ciudades,
se debe al hecho de ser las ciudades diferentes económicamente, a la labor de
los directores de las sucursales, o a ambas cosas a la vez. Para contrastar estas
posibles fuentes de variabilidad, se decide utilizar un diseño factorial jerárquico
(los niveles del factor sucursales no pueden combinarse con todos y cada uno de
los niveles del factor ciudades) y se toma una muestra de tres cuentas corrientes
en cada sucursal, en miles de ptas.
Ciudad 1 Ciudad 2 Ciudad 3
Sucursales Suc. 1 Suc. 2 Suc. 1 Suc. 2 Suc. 3 Suc. 1 Suc. 2
1150 1120 1060 1043 1020 800 835
1157 1119 1050 1048 1010 860 810
1148 1125 1056 1052 1030 827 870
yij. 3455 3364 3166 3143 3060 2487 2515
yi.. 6819 9369 5002
Modelo jerárquico con un factor anidado: las sucursales están jerarquizadas
según las ciudades.
X 2
y::: (21190)2
2 2 2
SCT = yijk ¡ = (1150) + ¢ ¢ ¢ + (870) ¡ = 298766,96
n 21
i;j;k

3 · ¸
1 X yi::
2 2
y::: 1 (6819)2 (9369)2 (5002)2 (21190)2
SCA = ¡ = + + ¡ =
r i=1 bi n 3 2 3 2 21
= 291204,12
a
1X 2 1 X yi::
2
1£ ¤
SCB(A) = yij: ¡ = (3455)2 + (3364)2 + ¢ ¢ ¢ + (2515)2 ¡
r i;j r i=1 bi 3
· ¸
1 (6819)2 (9369)2 (5002)2
¡ + + = 3583,5
3 2 3 2

SCR = SCT ¡ SCA ¡ SCB(A) = 3979,33

5
 F. V. S. C. G. L. C. M.
Factor A SCA = 291204,12 2 CM A = 145602,06
Fact B en A SCB(A) = 3583,50 7 ¡ 3 = 4 CMB(A) = 895,8750
Error SCR = 3979,33 2 £ 7 = 14 CMR = 284,2381
TOTAL SCT = 298766,96 20
Modelo de efectos fijos: Ciudades (factor A) y Sucursales (factor B ). son
de efectos fijos.
H0A ´ τ i = 0 y H0B(A) ´ β j(i) = 0
F.V. g.l. C.M. Fexp
Factor A 2 CM A = 145602,06 CMA/CM R = 512,254
Fact B en A 4 CM B(A) = 895,8750 CM B(A)/CMR = 3,152
Error 14 CM R = 284,2381
Si α = 0.05, como Fexp(A) = 512,254 > F0,05;2,14 = 3,74, la captación de clientes
es significativamente distinta en los tres tipos de ciudades, debido al hecho de
su distinto carácter económico y Fexp(A(B)) = 3,152 > F0,05;4,14 = 3,11 la labor de los
directores de sucursal también es significativamente distinta.
Modelo de efectos aleatorios: Ciudades (A) y Sucursales (B) son de
efectos aleatorios
H0A ´ σ 2A = 0 y H0B(A) ´ σ2B = 0
F.V. g.l. C.M. Fexp
Factor A 2 CM A = 145602,06 CMA/CM B(A) = 162,525
Fact B en A 4 CM B(A) = 895,8750 CM B(A)/CM R = 3,152
Error 14 CM R = 284,2381
Si α = 0.05, como Fexp(A) = 162,525 > F0,05;2,4 = 6,94, los distintos niveles del factor
A (Ciudades) son significativamente distintos y Fexp(B(A)) = 3,152 > F0,05;4,14 = 3,11
también son significativamente distintos los efectos del factor B (sucursales).
Modelo de efectos mixtos: Ciudades (A): Efectos fijos y Sucursales
(B): Efectos aleatorios. Los contrastes H0A ´ τ i = 0 8i y H0B ´ σ2B = 0 se
resuelven como en el modelo de efectos aleatorios llegándose a las mismas
conclusiones.

6
2) Igual no de niveles del factor anidado en todos los niveles del factor principal

MODELO ESTADÍSTIC0
8
< i = 1, 2, ¢ ¢ ¢ , a
yijk = µ + τ i + β j(i) + u(ij)k j = 1, 2, ¢ ¢ ¢ , b
:
k = 1, 2, ¢ ¢ ¢ , r
Diseño anidado balanceado: El mismo no de niveles de B dentro de cada
nivel de A y el mismo no de réplicas.

EJEMPLO
Consideremos una compañía que compra su materia prima a tres diferentes
proveedores. La compañía desea determinar si la pureza de la materia prima de
cada uno de los proveedores es la misma. Hay cuatro lotes de materia disponible
de cada proveedor y se hacen tres determinaciones de la pureza de cada lote.

Modelo Jerárquico con un factor anidado (balanceado)

Proveed. 1 2 3
Lotes 1 2 3 4 1 2 3 4 1 2 3 4
y111 y121 y131 y141 y211 y221 y231 y241 y311 y321 y331 y341
Observ. y112 y122 y132 y142 y212 y222 y232 y242 y312 y322 y332 y342
y113 y123 y133 y143 y213 y223 y233 y243 y313 y323 y333 y343
Es un modelo jerárquico con un factor anidado, donde los lotes están jerar-
quizados según los proveedores.
Los lotes de un proveedor son únicos para ese proveedor en particular, es
decir, el lote 1 del proveedor 1 no tiene relación con el lote 1 de cualquier otro
proveedor (igual para los restantes lotes).
Si los factores fuesen cruzados el lote 1 siempre sería el mismo para cualquier
proveedor y lo mismo ocurriría con los demás lotes)

7
 Ejemplo: Diseños con un factor anidado (balanceado)
Un compañía compra su materia prima por lotes a tres proveedores. La
pureza de la materia prima varía considerablemente, se desea determinar si la
variabilidad en la pureza puede atribuirse a diferencias entre los proveedores.
Para ello, selecciona al azar cuatro lotes de materia prima y se hacen tres
determinaciones de la pureza sobre cada lote.

Proveedores 1 2 3
Lotes 1 2 3 4 1 2 3 4 1 2 3 4
1 ¡2 ¡2 1 1 0 ¡1 0 2 ¡2 1 3
Observaciones ¡1 ¡3 0 4 ¡2 4 0 3 4 0 ¡1 2
0 ¡4 1 0 ¡3 2 ¡2 2 0 2 2 1

Modelo de efectos mixtos: el factor proveedor es fijo y el factor lote es aleato-

rio. El efecto lote-dentro-proveedor también se trata como de efecto aleatorio
porque contiene un factor aleatorio.

F.V. S. C. G. L. C.M Fexp

Factor A 15,056 2 7,528 7,528/7,769 = 0,969
Fact. B en A 69,917 4 £ 3 ¡ 3 = 9 7,769 7,769/2,639 = 2,944
Error 63,3333 12(3 ¡ 1) = 24 2,639
TOTAL 148,306 35

Si α = 0,05 se observa que el efecto proveedor (F0,05;2,9 = 4,26) no es significativo

y el efecto lotes-dentro-proveedor (F0,05;9,24 = 2,30) si es significativo.

8
 Ejemplo: Diseños con un factor anidado (balanceado)
Con el propósito de estudiar el rendimiento de cinco máquinas diferentes, se
realiza un experimento en el que cada máquina es operada por cuatro diferentes
operarios y se seleccionan y prueban cuatro piezas de cada operador y se mide el
tiempo que tardan en realizarlas. Debido a que las máquinas están en diferente
localidad no es posible usar los mismos operarios en cada máquina; además los
operarios se eligen al azar.
Máquinas
Operario A B C D E
1 6,2,0,8 10,9,7,12 0,0,5,5 11,0,6,4 1,4,7,9
2 13,3,9,8 2,1,1,10 10,11,6,7 5,10,8,3 6,7,0,3
3 1,10,0,6 4,1,7,9 8,5,0,7 1,8,9,4 3,0,2,2
4 7,4,7,9 0,3,4,1 7,2,5,4 0,8,6,5 3,7,4,0

Modelo de efectos mixtos: El factor “Máquina” es de efectos fijos y el factor

“Operario” es de efectos aleatorios.

F.V. S. C. G. L. C.M Fexp

Factor A 45,075 4 11,269 11,269/18,858 = 0,598
Fact. B en A 282,875 20 ¡ 5 = 15 18,858 18,858/10,700 = 1,762
Error 642,000 20(4 ¡ 1) = 60 10,700
TOTAL 969,950 79

Si α = 0,05 ni el efecto máquina (F0,05;4,15 = 3,06) ni el efecto operario-dentro-

máquina (F0,05;15,60 = 1,84) son significativos.

9
 DISEÑO JERÁRQUICO FACTORIAL
DISEÑO JERÁRQUICO Y FACTORES CRUZADOS

MODELO ESTADÍSTICO

yijkl = µ + τ i + β j + γ k(j) + (τ β)ij + (τ γ)ik(j) + u(ijk)l

µ : la media global
τi : el efecto del nivel i¡ésimo del factor A; (i = 1, 2, ¢ ¢ ¢ , a)
βj : el efecto producido por el nivel j¡ésimoel factor B ;(j = 1, 2, ¢ ¢ ¢ , b)
: el efecto producido por el nivel k¡ésimoel factor C dentro del nivel
γ k(j)
j¡ésimo del factor B; (k = 1, 2, ¢ ¢ ¢ , c)
(τ β)ij : el efecto producido por la interacción A £ B
(τ γ)ik(j) : el efecto producido por la interacción del factor A £ C dentro
del factor B
(l = 1, 2, ¢ ¢ ¢ , r) donde r denota el número de réplicas
: el error experimental. Se suponen variables aleatorias independi-
u(ijk)l
entes N(0, σ)
C está anidado en B ) no existen las interacciones B £ C ni A £ B £ C.
A está cruzado con B y C ) Puede existir interacción entre A£B y A £ C

ECUACIÓN BÁSICA DEL ANÁLISIS DE LA VARIANZA

SCT = SCA + SCB + SC(A £ B) + SC(C(B)) + SC(A £ C(B)) + SCR

10
 X 2 a
X
2 y:::: y2 i:::
2
y::::
SCT = yijkl ¡ SCA = ¡
abcn i:=1
bcn abcn
i:j:k:l

Xb 2 X y:jk:
2 Xb 2
y:j:: y2 y:j::
SCB = ¡ :::: SC(C(B)) = ¡ .
j=1
acn abcn an j=1
acn
j;k

X yij::
2 2
y::::
SC(A £ B) = ¡ ¡ SCA ¡ SCB
i;j
cn abcn

X yijk:
2 X y:jk:
2 X yij::
2 Xb 2
y:j::
SC(A £ C(B)) = ¡ ¡ + ;
n an i;j
cn j=1
acn
i;j;k j;k

SCR = SCT ¡ SCA ¡ SCB ¡ SC(A £ B) ¡ SC(C(B)) ¡ SC(A £ C(B))

Tabla ANOVA. Diseño jerárquico factorial

F.V. S. C. G. L. C.M Fexp
CMA
A (F) SCA a¡1 CM A
CM (AC(B))
CM B
B. (F) SCB b¡1 CM B
CM C(B)
CM C(B)
C en B SCC(B) b(c ¡ 1) CMC(B)
CM R
CM(AB)
A£B SC(AB) (a ¡ 1)(b ¡ 1) CM (AB)
CM (AC(B))
CM (AC(B))
A £ C en B SC(AC(B)) b(a ¡ 1)(c ¡ 1) CM (AC(B))
CM R
Error SCR abc(r ¡ 1) CMR
TOTAL SCT abcr ¡ 1 CM T

11
 Ejemplo: Diseños con un factor anidado y dos factores cruzados
En un experimento se trata de mejorar la rapidez de ensamblaje en una
línea de producción, para ello se estudia la intersección manual de componentes
electrónicos en circuitos impresos. Se diseñan tres aparatos para ensamblar y
dos distribuciones del lugar de trabajo. Se requiere que los operadores realicen
el ensamblaje y se decide seleccionar a cuatro para cada combinación aparato-
distribución. Sin embargo, no se pueden probar a los mismos cuatro operadores
en cada distribución de lugar de trabajo debido a que los lugares de trabajo
están en diferentes localidades dentro de la planta. Por lo tanto, los cuatro
operadores de la distribución 1 son diferentes a los de la distribución 2. Se
obtienen aleatoriamente dos réplicas de cada combinación de tratamientos de
este diseño. Los tiempos de ensamblaje se muestran en la siguiente tabla

Distribución 1 Distribución 2
Operario 1 2 3 4 1 2 3 4 yi...
22 23 28 25 26 27 28 24
Aparato 1 24 24 29 23 28 25 25 23
404
30 29 30 27 29 30 24 28
Aparato 2 27 28 32 25 28 27 23 30
447
25 24 27 26 27 26 24 28
Aparato 3 21 22 25 23 25 24 27 27
401

yij.. 149 150 171 149 163 159 151 160

y.j.. 619 633 1252 = y....

X 2
y:::: (1252)2
2
SCT = yijkl ¡ = 32956 ¡ = 299,67
abcr 48
i:j:k:l
X
2
yi:::
2
i y:::: (1252)2
SCA = ¡ = 32739,13 ¡ = 82,80
bcr abcr 48
X
2
y:j::
2
j y:::: (1252)2
SCB = ¡ = 32660,42 ¡ = 4,08
acr abcr 48
12
 X
2
yij::
2
i;j y:::: (1252)2
SC(A £ B) = ¡ ¡ SCA ¡ SCB = 32762,25 ¡ ¡
cr abcr 48
= 82,80 ¡ 4,08 = 19,04.
X X
2 2
y:jk: y:j::
j;k j
SC(C(B)) = ¡ = 32732,33 ¡ 32660,42 = 71,91
ar acr
X X X X
2 2 2 2
yijk: y:jk: yij:: y:j::
i;j;k j;k i;j j
SC(A £ C(B)) = ¡ ¡ = +
r ar cr acr
= 32900 ¡ 32732,33 ¡ 32762,25 + 32660,42 = 65,84
SCR = SCT ¡SCA¡SCB ¡SC(A£B)¡SC(C(B))¡SC(A£C(B)) = 56

F.V. S. C. G. L. C.M Fexp

Factor A (F) 82,80 2 41,40 41,40/5,49 = 7,54
Factor B. (F) 4,08 1 4,09 4,09/11,99 = 0,34
Fact. C en B 71,91 6 11,99 11,99/2,33 = 5,15
Inter. A £ B 19,04 2 9,52 9,52/5,49 = 1,73
Inter. A £ C en B 65,84 12 5,49 5,49/2,33 = 2,36
Error 56 24 2,33
TOTAL 299,67 47 CMT

Al nivel de significación del 5 %, son significativos los efectos de los aparatos

(factor A), de los operadores dentro de las distribuciones (factor C en B) y de
la interacción entre aparatos y operadores dentro de las distribuciones (factor
A £ C en B).

13