“Instituto Tecnológico de Comitancillo”

Asignatura: Diseños experimentales

Unidad 5: Análisis de varianza, experimentos factoriales.

Parte 1

Facilitador: Ing. Juan Cruz Rendón

Alumno: Josué Nolasco Luis.

Semestre: 5° Sistema Abierto

Carrera: Ingeniería en Agronomía

30 de octubre del 2020

Experimentos factoriales.
Un factor es una clase de tratamiento, y en experimentos factoriales, todo factor proporcionará
varios tratamientos. Por ejemplo, si la dieta es un factor en un experimento, entonces se usarán
varias dietas; si temperatura de horneado es un factor, entonces el horneado se hará a varias
temperaturas.

El termino nivel se refiere a los diferentes tratamientos dentro de un factor. Se deriva de alguno de
los primeros experimento factoriales.

Así, un experimento factorial es aquel en el que el conjunto de tratamientos consiste en todas las
combinaciones posibles de los niveles de varios factores. En la palabra “factorial” está implicado el
concepto de un diseño de tratamientos.

Los experimentos factoriales se usan prácticamente en todos los campos de investigación. Son de
gran valor en trabajo exploratorio cuando se sabe poco sobre nivele óptimos de los factores, o ni
siquiera cuales son importantes.

Los sistemas de notación que se usan en experimentos factoriales generalmente son similares,
pero presentan diferencias suficientes como para que el lector tenga que comprobar con cuidado
cuando utilice nuevas referencias. Las letras mayúsculas se usan para designar factores. Las
combinaciones de letras minúsculas y subíndices numéricos, o simplemente los subíndices, se
usan para denotar combinaciones de tratamientos y medias. A menudo, el cero se usa para el
primer nivel de un subíndice.

Para un experimento con dos factores con dos niveles de cada factor, o sea, para un factorial 2x2 o
22, cualquiera de las siguientes notaciones es adecuada, la primera y la tercera pueden
generalizarse fácilmente a muchos factores y niveles; la segunda puede extenderse fácilmente a
muchos factores, pero sólo a dos niveles de cada factor.

Los tres grados de libertad y las

sumas de cuadrados para la varianza entre las cuatro medias de tratamientos en un factorial 2 2
pueden particionarse en grados de libertad únicos e independientes y sus correspondientes y sus
correspondientes sumas de cuadrados cuya interpretación general tiene sentido, y es relativamente
simple. Para el experimento factorial general, se particionan los grados de libertad y las sumas de
cuadrados en subconjuntos o componentes aditivos, no necesariamente con grados de libertad
únicos.

Cuando se promedian efectos simples, los resultados se llaman efectos principales. Estos se
detectan con letras mayúsculas, como los factores.
Los efectos principales por unidades.

Los efectos principales son promedios en una

variedad de condiciones, lo mismo que cualesquiera
otras medias de tratamiento. Para un experimento
factorial en un diseño de bloques al azar o en
cuadrado latino, la variedad de condiciones se da
dentro de los bloques, así como también entre los
bloques; de este modo el factor A se replica dentro
de cada bloque ya que está presente a ambos
niveles para cada nivel del factor B. Esta es una
replicación oculta. El hecho de promediar implica
que las diferencias, esto es, los efectos simples, varían sólo debido al azar de un nivel a otro del
factor o factores. Esta es, en efecto, una hipótesis usualmente sometida a una prueba de
significancia cuando los tratamientos están dispuestos factorialmente; la hipótesis es la de que no
hay interacción entre factores.

Para los datos en I y II, los efectos simples difieren para ambos factores, clase y una. En III, los
efectos simples para A son iguales, lo mismo que para los de B; aquí también son iguales al efecto
principal correspondiente. Cuando los efectos simples para un factor difieren más de lo que pueda
ser atribuible al azar, esta respuesta diferencial se llama interacción de los factores. Esta relación
es simétrica; esto es, la interacción de A con B es lo mismo que la de B con A. En nuestra
notación, la interacción de A y B se define en:

Se usa el
valor ½ de modo que la interacción, lo mismo que los efectos principales, se da por unidad. Para
los datos en 1,

Para los datos en II, encontramos:

Y en III

Observe que la interacción también es la mitad de la diferencia entre las sumas de las dos
diagonales de la tabla 2x2 que es la mitad de la diferencia entre las masas de los tratamientos,
donde A y B están presentes a los niveles más alto y más bajo y de los tratamientos donde uno
está presente al nivel más alto. Esto siempre es cierto para el factorial 2 2.

La interacción mide el que no logre el efecto A, o la respuesta a A, de ser la misma para cada nivel
de B, o, al contrario, el no lograr el efecto B de ser el mismo para cada nivel de A. En términos de
medias de tratamientos presentadas en una tabla de dos factores, variaciones suficientemente
grandes en las magnitudes de las diferencias entre medias de tratamientos en una columna (o fila),
al pasar de columna a columna (o de fila a fila), pueden constituir una interacción. Además, los
cambios de rango de cualquier media de tratamiento de una columna (o fila), al pasar de columna a
columna (o filas) puede constituir una interacción.

La presencia o ausencia de interacción no nos dice nada respecto a la presencia o ausencia de

efectos principales, pero nos dice algo acerca de la homogeneidad de los efectos simples.

Una interacción significante es aquella que es lo suficientemente grande como para que se pueda
explicar con base en el azar y la hipótesis nula de que no hay interacción. Cuando la interacción es
significante, los factores no son independientes entre sí; los efectos simples de un factor difieren y
la magnitud de un efecto simple depende del nivel del otro factor del término de la interacción.
Cuando los factores interactúan, un experimento de un solo factor conduce a información
desconectada y posiblemente confusa.

Si la interacción es no significante, se puede concluir que los factores en consideración son

independientes entre sí; los efectos simples de un factor son los mismos para todos los niveles de
los otros factores, dentro de una variación aleatoria medida por el error experimental.

En el análisis de un experimento factorial, es correcto particionar los grados de libertad de los

tratamientos y la suma de cuadrados en los componentes atribuibles a efectos principales y a
interacciones aun cuando la prueba F total de que no hay diferencias entre tratamientos no sea
significante; los efectos principales y comparaciones de interacción son comparaciones plancadas.

Los resultados de un experimento factorial conducen a una explicación relativamente sencilla

debido a la variedad y naturaleza de las comparaciones de tratamientos. Si los factores son en
gran parte independientes, la tabla de medias de tratamientos y el análisis de la varianza resumen
bien los datos. Cuando los factores no son independientes, los datos necesitan de un estudio
detallado con la posibilidad de más experimentación. Aquí la dificultad está en la naturaleza
compleja de la situación y no en su enfoque factorial. El experimento factorial ha puesto de
presente la complejidad del problema, lo cual podría pasarse por alto si se hubiese usado un
enfoque de un solo factor.

El experimento factorial 2x2: un ejemplo.

La tabla tota de totales de tratamientos se puede usar en el cálculo de las sumas de cuadrados
para probar las hipótesis respecto a los efectos principales y las interacciones.
Los totales de los tratamientos se distinguen de las medias de tratamiento por los paréntesis de los
símbolos de las combinaciones de tratamiento. Así, (a 2 b2) es la suma extendida a todas las
replicaciones de las observaciones hechas en la combinación de tratamientos a 2 b2 mientras que
(a1) es la suma extendida a todas las replicaciones de observaciones hechas sobre las
combinaciones de tratamientos a1 b1 y a1b2. Por ejemplo, para el efecto principal de A, tenemos:

Sean r, a y b el número de replicaciones (número de observaciones por combinación de

tratamientos), los niveles de A, y los niveles de b, respectivamente. Entonces el número de
tratamientos es ab. El diseño es completamente aleatorio.

Paso 1. Calcular el análisis de la varianza sin tener en cuenta la disposición factorial de los
tratamientos para el diseño usado. Obtenemos:

Paso 2: A partir de los totales de la tabla, calcular las sumas de cuadrados para los efectos
principales y la interacción así:

O usar otras ecuaciones:

O bien, esta otra ecuación:

O esta ecuación:

Los resultados
se llevan a tabla de análisis de la varianza, donde también se presentan los grados de libertad para
el caso general.

La interacción significante indica que los factores no son independientes, la diferencia entre los
efectos simples de A para los dos niveles de B es significante. O sea que la diferencia en las
mediciones entre los tiempos de sangría difiere para los grupos de control y tratado o, lo que es lo
mismo, la diferencia en las mediciones entre los animales tratados y los de control es distinta para
los dos tipos de sangría. Así, todo efecto simple es dependiente del nivel del otro factor en el
experimento.

Tenemos donde los

paréntesis indican un total sobre las replicaciones y los corchetes simplemente llaman la atención
sobre los efectos simples a los cuales se refiere el texto. Como resultado de interacción significante
AB, el investigador puede decidir hacer un examen de los efectos simples, ya que se les ha
declarado heterogéneos. Las sumas de cuadrados para los efectos simples se calculan como
sigue:

Nótese que la suma de estos es igual a la de A y AB, esto es,

En el caso de A y AB, la información en los dos efectos simples ha sido dispuesta en forma
diferente en términos de su media y su varianza. Recuérdese
que y que la varianza mide dispersión,
heterogeneidad u homogeneidad de las
observaciones. También:
Aquí la suma es igual a la de B y AB, esto es,

Los resultados pueden

presentarse en una tabla auxiliar de sumas de cuadrados de tratamientos.

Cuando solo existe un grado de libertad para cada comparación, no se justifica presentar sumas de
cuadrados a menos que hagan parte de una tabla.

Factorial de 3 x 3 x 2 o 32 x 2: un ejemplo

Son los resultados de un experimento en invernadero efectuado por Wagner, para determinar la
tasa de emergencia de semillas de tres especies de leguminosas, tratadas y no tratadas con un
fungicida y sembradas en tres tipos de suelos. El diseño era un diseño de bloques completos al
azar. Los datos de la tabla corresponden a un factorial 3 x 3 x 2 o 3 2 x 2 donde cada dato es una
suma extendida a los bloques.

Los datos brutos se han organizado en una tabla de dos factores, con los tratamientos enumerados
al lado y los bloques en la parte superior. Los totales de los 18 tratamientos se incluyen en la tabla
y se obtienen varios subtotales. Esta tabla es necesaria para el cálculo de las sumas de cuadrados
de los efectos principales y las interacciones.

En los cálculos que siguen a, b, c y r representan el número de niveles de los factores A, B y C y el

número de bloques o replicaciones. Previamente se generalizaron los símbolos descritos. Así, en
un experimento de tres factores (a 1b2c1) es del total de las r observaciones de la combinación de
tratamientos con los niveles más bajos de A y C y el segundo nivel de B; (a 1b2) es el total de las rc
observaciones hechas en unidades para las cuales estaba A al nivel más bajo, B al segundo nivel;
y así sucesivamente.

Referencias bibliográficas:
Steel y Torrie, (1985). Bioestadística: principios y procedimientos. Bogotá, Colombia: McGraw-Hill