DISEÑO FACTORIAL 2​K ​CON REPLICA EN EL PUNTO CENTRAL DEL DISEÑO.

Como sabemos, en el diseño factorial a dos niveles, asume que la relación entre las
variables y la respuesta es representada por un modelo matemático lineal. De ser cierta
dicha linealidad, el modelo debe predecir adecuadamente todos los puntos del diseño,
inclusive el punto central del diseño. Por supuesto, es innecesaria la linealidad perfecta
y el sistema 2​k ​funcionara bastante bien incluso cuando la suposición de linealidad se
cumple solo de manera aproximada. De no ser cierta esta hipótesis, es decir que no
prediga adecuadamente, especialmente el punto central del diseño, podemos afirmar
que el modelo matemático lineal no es suficiente para explicar las respuestas en dicha
región experimental y podemos asumir una posible existencia de curvatura. Para ello la
adición de pruebas en el punto central del diseño nos sirve para dar una estimación
promediada del efecto curvatura.

El cálculo de los efectos e interacciones es el mismo que en el aplicado en la sección

5.1 (diseño factorial 2​k ​con replica en todos los puntos del diseño, siendo r=1) excepto
para el cálculo de la suma de cuadrados del error (SS​E​), el cual está definido por:

21
Donde: SS​E ​= Suma de cuadrados del error Y​o ​= Replicas
en el punto central del diseño n​o ​= Numero de réplicas en el
centro del diseño. Y° = Promedio de todas las réplicas.

La suma de cuadrados para la curvatura este dada

por:

22
Donde: Y​o ​= Promedio de los puntos exteriores del diseño

Ejemplo 1 ​Un ingeniero químico se encuentra estudiando el rendimiento de un

proceso. Existen dos variables de interés, tiempo y temperatura de reacción. Debido a
que tiene duda de la suposición de la linealidad en la región que explore, ella decide
realizar un diseño 2​2 ​(con una Sola replica en cada corrida) aumentada con cinco
puntos centrales. El diseño y los datos de rendimiento se muestran en figura 2.
 Fig. 2
En la matriz de variables independientes que se muestra en la siguiente tabla, nótese
que los puntos replicados en el centro del diseño no entran en el cálculo de los efectos
e interacciones, pero si para hallar la suma de cuadrados del error.

Según la ecuación 21, calculamos la suma de cuadrados del

error:

Tabla de Análisis de Variancia.

A un nivel de significancia de 0.05, 1 y 4 grados de libertad, respectivamente, el valor
de F=7.71. Por lo tanto, El tiempo y la temperatura afectan beneficiosamente la
recuperación del proceso químico; mientras la interacción entre las variables es muy
poco significativa, como lo es también la curvatura, indicando que la evidencia de
curvatura en la respuesta de la región explorada es nula.

Modelo Matemático.

A un nivel de significancia de 0.05, (95% de confianza) 1 y 4 grados de libertad,

respectivamente, el valor de F = 7.71. Por lo tanto, el modelo lineal hallado representa
o ajusta adecuadamente a los datos experimentales.

Gráfica del modelo matemático ​Utilizando las fórmulas de decodificación del

problema anterior, el modelo matemático decodificado es:

La gráfica del modelo puede observarse en la figura

3.
Fig. 3