𝑘

Diseño Factorial 3
DÍA 7
Contexto
Estudiaremos otros diseños factoriales, en los que al menos uno de los
factores tiene más de dos niveles. Para iniciar recordemos que en un
diseño factorial general, la matriz de diseño que contiene el total de
tratamientos a evaluar se obtiene encontrando todas las posibles
combinaciones que se pueden formar con los niveles de los k factores de
interés, donde cada factor tiene al menos dos niveles. Por ejemplo (4 × 4 ×
3 = 48)
Iniciamos con el caso especial donde cada factor estudiado tiene tres
niveles, antes de discutir el caso donde los factores usan diferentes
cantidades de niveles (Segundo tema de hoy factoriales mixtos).
 𝑘
CASO 1 Diseño Factorial 3
Contexto
Este diseño considera k factores con tres niveles cada uno y tiene 3𝑘
tratamientos. La primera desventaja de los diseños 3k es que al
aplicarse requieren mayor cantidad de pruebas que el diseño 2𝑘 . De
esta forma, cuando se tienen muchos factores, cuatro o más,
prácticamente es prohibitivo pensar en correr un diseño 3𝑘 .
Sin embargo, cuando se tienen pocos factores, tres como máximo, o
en el peor de los casos cuatro, hay algunas situaciones prácticas en
las que el diseño 3𝑘 es una buena alternativa. De manera específica,
hay dos razones que hacen viable el diseño 3𝑘 :
En qué casos se utilizan:
1. Se tienen factores de tipo continuo e interesa
estudiar efectos cuadráticos como 𝐴2 , 𝐵2 ,…, 𝐴2 𝐵,
𝐵2 𝐴, 𝐴2 𝐵2 ,… (efectos de curvatura). Esto se hace
cuando se cree que la variable de respuesta no es
lineal, ni aproximadamente lineal en el rango de
variación de los factores estudiados.
2. Los factores son categóricos o discretos y de
manera natural tienen tres niveles cada uno.
Efectos lineales y cuadráticos
Problema…?
De antemano no se sabe cómo será el efecto del factor y a veces se corre
el riesgo de utilizar dos niveles, cuando en realidad se requerían de al
menos tres. Entonces, se recomienda contar con una estrategia
experimental que permita detectar de manera económica la presencia de
curvatura (Cuál?). Sin embargo, con esta estrategia sólo se detecta si hay
curvatura, pero no es posible estudiarla (modelarla).
El diseño factorial 3k es una de las alternativas experimentales que
permite estudiar efectos de curvatura, además de efectos lineales y de
interacción. (Otros diseños: Box-Benhken y el diseño central compuesto)
 2
Diseño Factorial 3
3 N I V E LES DE CA DA FAC TOR
2 FAC TOR ES
9 T R ATA MIENTOS
El diseño
Sean A y B los factores, cada uno con tres niveles, a los cuales se les suele llamar bajo, medio y
alto. Los nueve tratamientos se pueden escribir de varias maneras, algunas de las cuales se
muestran en la tabla siguiente:
El diseño (geométricamente)
ANOVA
El modelo
𝑦𝑖𝑗𝑘 = 𝜇 + 𝛾𝑖 + 𝛿𝑗 + 𝛾𝛿𝑖𝑗 + 𝜀𝑖𝑗𝑘

𝑖 = 1,2,3 𝑗 = 1,2,3 𝑘 = 1, … , 𝑛

donde 𝛾𝑖 es el efecto del factor A en su nivel i, 𝛿𝑗 representa el efecto

del factor B en su nivel j, 𝛾𝛿𝑖𝑗 es el efecto de interacción de ambos
en los niveles ij y n es el número de repeticiones de cada
tratamiento.
Suma de cuadrados
Suma de cuadrados
Tabla ANOVA
Importante

1. Observe que este diseño también requiere al menos de dos

repeticiones para que haya grados de libertad para el error.
2. Note que las sumas de cuadrados de los efectos A y B tienen 2
grados de libertad (número de niveles menos 1) y que los grados
de libertad para la interacción AB se obtienen con el producto 2 ×
2 = 4.
Descomposición a
efectos con 1 grado de
libertad
Desagregación

El ANOVA anterior considera los efectos A, B y AB de manera global,

es decir, sin especificar si influyen de manera lineal, cuadrática o de
ambas formas.
Ahora, lo que buscamos es descomponer las sumas de cuadrados de
cada efecto a un grado de libertad. Esto se logra al desglosar cada
factor en los componentes 𝐴𝐿 y 𝐴2 (efecto lineal y cuadrático) cada
uno con un grado de libertad. Para el caso interactivo: 𝐴𝐿 𝐵𝐿 , 𝐴𝐿 𝐵2 ,
𝐵𝐿 𝐴2 y 𝐴2 𝐵2 .
ANOVA
desglosado
Gráficamente
Tomar nota que

1. Hay un riesgo de tomar una decisión incorrecta respecto al

ANOVA a utilizar.
2. El desglose puede omitirse en la mayoría de las situaciones
prácticas, pero nos ayuda a ver la bondad de ajuste del diseño 32 .
3. Aunque en la práctica, no sabemos qué efecto es el que
predomina, el lineal o el cuadrático.
Curvatura y contraste
1. Cuando se tiene un efecto que parece ser cuadrático, no es suficiente ver la gráfica
correspondiente para saber si el efecto cuadrático es significativo, adicionalmente se
requiere respaldarlo con el análisis de varianza. Para ello, se requiere el ANOVA
desglosado.
2. El contraste comúnmente utilizado es (1, –2, 1), para medir con este contraste la
diferencia entre la respuesta observada en el nivel medio y la respuesta en los
niveles bajo y alto.
3. Para deducir los coeficientes se define la curvatura pura como la diferencia entre la
pendiente del segundo y la del primer segmento. De esto se deduce que a mayor
diferencia en tales pendientes, mayor es la curvatura, y si no hay diferencia en las
pendientes no existe curvatura.
Cálculo del contraste
Dado que queremos comparar las pendientes:

De manera análoga, la parte lineal del efecto A se puede explicar

como la suma de las pendientes de los segmentos:
Cálculo del contraste

Note que al sumar las pendientes se ignora la

curvatura y queda como resultado el cambio
observado entre los niveles –1 y 1; lo que pasó
en el nivel intermedio no importa para fines del
efecto lineal de A.
Suma de cuadrados

El efecto lineal de A se obtiene utilizando su contraste con coeficientes (1, 0, –1)

que compara el nivel alto con el nivel bajo. Para calcular la suma de cuadrados
(SCAL) se emplean las mismas operaciones que hicimos para el efecto cuadrático
puro, pero ahora usando el contraste dado por la relación lineal
Ejemplo
En un proceso de fabricación de cajas se utiliza pegamento; con la
idea de mejorar el desempeño de las cajas se realiza un experimento
para estudiar la fuerza de adhesión del pegamento en diferentes
condiciones de humedad y temperatura. La variable de respuesta es
la fuerza necesaria en libras para despegar la caja. Los datos
obtenidos en cada una de las nueve combinaciones de un diseño
factorial 32 con n = 2 réplicas, se muestran a continuación:
Datos
Transformados
Factor A Factor B Respuesta Factor A Factor B Respuesta Factor A Factor B Respuesta
Temperatura Humedad Fuerza Temperatura Humedad Fuerza Temperatura Humedad Fuerza
Frio Cincuenta 1.50 0 0 1.50 -1 -1 1.50
Frio Setenta 1.40 0 1 1.40 -1 0 1.40
Frio Noventa 0.80 0 2 0.80 -1 1 0.80
Frio Cincuenta 1.20 0 0 1.20 -1 -1 1.20
Frio Setenta 1.30 0 1 1.30 -1 0 1.30
Frio Noventa 1.20 0 2 1.20 -1 1 1.20
Ambiente Cincuenta 3.50 1 0 3.50 0 -1 3.50
Ambiente Setenta 2.90 1 1 2.90 0 0 2.90
Ambiente Noventa 1.80 1 2 1.80 0 1 1.80
Ambiente Cincuenta 3.20 1 0 3.20 0 -1 3.20
Ambiente Setenta 2.50 1 1 2.50 0 0 2.50
Ambiente Noventa 2.00 1 2 2.00 0 1 2.00
Caliente Cincuenta 4.00 2 0 4.00 1 -1 4.00
Caliente Setenta 3.80 2 1 3.80 1 0 3.80
Caliente Noventa 2.70 2 2 2.70 1 1 2.70
Caliente Cincuenta 4.20 2 0 4.20 1 -1 4.20
Caliente Setenta 3.40 2 1 3.40 1 0 3.40
Caliente Noventa 3.00 2 2 3.00 1 1 3.00
 ANOVA no desglosado

Pero de este ANOVA no es posible saber cuál de los componentes, cuadrático o

lineal, con un grado de libertad de cada efecto es el que pre domina.
Gráficamente
1. Se observa que en los efectos
predominan sus componentes
lineales, ya que las líneas tienen
una curvatura apenas perceptible.
2. Se observa que a mayor
temperatura y menor humedad,
más efectivo es el proceso de
pegado.
3. En la gráfica de interacción apenas
se aprecia un pequeño efecto (las
líneas tienen pendiente similar).
Contrastes de ANOVA desglosado
ANOVA desglosado
Utilizando la regresión
Recomendación

No es de interés desglosar las sumas de cuadrados

hasta un grado de libertad, puesto que muchas veces,
como se ha comentado, la información importante se
puede obtener de una descomposición menos
detallada y de las gráficas de efectos.
Conclusión importante
Si el componente cuadrático no es significativo, quiere
decir que no es necesario el punto intermedio analizado,
debemos hacer un modelo con 2 niveles, no tres para
futuras investigaciones.

Cómo evitar gastar recursos? Analizar un modelo con

punto en el centro…
Qué faltaría?
RECORDAR QUE PARA QUE NUESTRO TRABA JO SEA
PROFESIONAL
VERIFICAR TODOS LOS SUPUESTOS …!