c






   ! 

Un diseño factorial es un método de selección de tratamientos (es decir, combinaciones

factor-nivel) que se incluirán en un experimento. Un experimento factorial completo es uno
en el que los tratamientos consisten en todas las combinaciones factor- nivel.

" #$$ %&"!'()* $

# $+, 

Se pueden estudiar 7 efectos en este modelo y son A, B, C, AB, AC, BC y A BC.

-
 . / 0 - 

Efecto A SCA a-1 CMA CMA/ CME r
   
Efecto B SCB b-1 CMB CMB/ CME r
   
Efecto C SCC c-1 CMC CMC/ CME r
   
Efecto AB SC AB (a-1)(b-1) CMAB CMAB/ CME r
   
Efecto AC SC AC (a-1)(c-1) CMAC CMAC/ CME r
   
Efecto BC SC BC (b-1)(c-1) CMBC CMBC/ CME r
   
(a-1)(b-1)(c- r

Efecto ABC SCABC CMABC CMABC/ CME
1)   
Error SCE abc(n-1) CME
Total SCT abcn-1

& / +)$ 1 * 2$

+ +, 

1. Y †ermiten estudiar el efecto individual y de interacción de los distintos factores.

2. Y Son diseños que se pueden aumentar para formar diseños compuestos en caso de
que se requiera una exploración más completa.
3. Y La interacción y el cálculo de los efectos en los experimentos factoriales se puede
hacer con aritmética elemental, en particular cuando cada factor se prueba en dos
niveles.

% #   1$ , + $* 2$$

$$!

Si un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o sea
que su efecto individual no se puede descomponer; pero, si tuviera tres niveles su efecto
marginal se puede descomponer en una parte lineal y otra cuadrática pura.


Ë3($ , $ $21$ 
 +!
+42 $ $21 1
 $ $!

†orque cuando son cualitativos no se puede hacer un análisis minucioso sobre el

comportamiento de la variable de respuesta alno tener datos numéricos. Con el modelo de
regresión podemos obtener una predicción más acertada del comportamiento de cierta
variable en cambio con el modelo de efectos solo nos sirve para determinar qué tan
significativos son los factores involucrados.

516 2#$$1$* !1! 

En el eje de las abscisas se coloca el factor A denotando los niveles que tenga, en el eje de
las ordenadas la variable de respuesta del experimento y en el plano aparecerán tantas
líneas como niveles tenga el factor B. Según el problema debe seleccionarse la combinación
de niveles donde se obtenga el resultado óptimo.

7 #  $ $ $8 6 2$

$$+$$! 

Los supuestos del modelo son normalidad, varianza constante e independencia de los
residuos y se pueden verificar graficando los residuos contra los predichos en las graficas de
normalidad en la que se cumple el supuesto del modelo si caen todos los residuos alineados
en la línea recta de la grafica y la varianza constante al caer todos l os puntos distribuidos
dentro de una banda horizontal.

9  241+: 26 )$

*!


 
 



„ !"

  
 
 



 

„

 






 












_ 
_  
 _ 
„

 
  
 




 





„

 




 








 
 _    


 _
_ 
 

„

 
 
  

  
U c $ $ 4# $# #  $
 !

Los supuestos de normalidad y varianza constante

0 $  $ $$6+,

$;+*  # 6  $*$! 

Existen al menos tres maneras de solucionar o minimizar el problema por falta de

normalidad y varianza heterogénea en los residuos:

1. Y Utilizar métodos de análisis no parametritos, que no requieren las suposiciones de

normalidad y varianza constante
2. Y Hacer el análisis mediante modelos lineales generalizados(GLM), en los que se ajusta
un modelo lineal usando otras distribuciones diferentes a la normal, donde la
varianza no tiene por qué ser constante
3. Y Hacer el análisis sobre la respuesta transformada a una escala en la que los
supuestos se cumplan.

*($1$$$ 
$  ! 

†ara corregir o minimizar los problemas de falta de normalidad y de varianza constante

depende del tipo de relación que existe entre la media y la varianza de y. Esta relación se
puede visualizar en la gráfica de residuos vs. †redichos. Según lo pronunciado que sea la
͞forma de corneta͟ de los puntos en dicha gráfica, se determina la transformación más
adecuada.

" 2( $ $:$ !(*

;1$ )! 

Cuando los niveles de prueba utilizados en un factor son una muestra aleatoria de la
población de niveles para ese factor.

La diferencia entre las hipótesis aleatorias y fijas son: en las fijas se basa en el efecto sobre
la variabilidad de respuesta y en las aleatorias se basa en la varianza.

H0:ʍ2ɲ = 0, H 0: ʍ2 ɴ = 0 Y H0 : ʍ2ɲ ɴ = 0
& 
  $8 %% 

Representación del diseño factorial 4x4

% 1$ <-$8 &Ë$

 4 + 6 '

$
$ .$$ $$

,1
+1 $$ *$ $
A 800 2 400 15.003
B 900 % ""Ë 9 %&U
AB 300 9 &7 Ë  %05
ERROR 400 Ë "5 55 
TOTAL "%00 "U  

a)Y Suponga efectos fijos, anote el modelo estadístico apropiado y formule las hipótesis a
probar para este experimento.
Modelo estadístico
Yijk= €
r r 


 rr
r
I = 1,2,͙.,
; j =1,2,͙.,b ; k = 1,2,͙,n
Hipótesis
HO =: Efecto A = rr
HA =: Efecto A  r
HO =: Efecto B = rr
HA =: Efecto B  r
HO =: Efecto AB = rr
HA =: Efecto AB  r
 b)Y Agregue en esta tabla los grados de libertad, el cuadrado medio y la razón F para cada una
de las fuentes de variación.
c)Y Explique de manera esquemática como calcular el valor-p para A, por ejemplo.
Con la formula † (F>FAO) que dando valores quedaría † (F>F30), quiere decir que se calcula la
probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en
denominador.
d)Y Con la información disponible ¿se pueden hacer conjeturas sobre cuáles de las fuentes de
variación son significativas estadísticamente? Argumente su respuesta.
Si se tiene la suficiente información para afirmar:
Conclusiones
A = 15.003 > 3.682 V el efecto A es significativo.
B = 8.429 > 3.056 V el efecto B es significativo.
AB = 1.406 < 2.641 V el efecto AB no es significativo.

Ë $ )4;$(*
  

$
$ .$$ $$

,1
+1 $$ *$ $
A 800 " %00 0 55
B 900 % ""Ë 5
AB 300 9 &7 Ë  %05
ERROR 400 Ë "5 55 
TOTAL "%00 "U  
a)Y Supongo efectos fijos, anote el modelo estadístico apropiado y formule las hipótesis a
probar para este experimento.
Modelo estadístico
Yijk= €
r r 


 rr
r
I = 1,2,͙.,
; j =1,2,͙.,b ; k = 1,2,͙,n
Hipótesis
HO =: 2 A = rr
HA =: 2A  r
HO =: 2 B = rr
HA =: 2B  r
HO =: 2 AB = rr
HA =:  2AB  r
b)Y Agregue en esta tabla los grados de libertad, el cuadrado medio y la razón f para cada una de
las fuentes de variación.
c)Y Explique de manera esquemática como calcular el valor-p para A, por ejemplo.
Con la formula † (F>FAO) que dando valores quedaría † (F>F30), quiere decir que se calcula la
probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en
denominador.
d)Y Con la información disponible ¿se pueden hacer conjeturas sobre cuáles de las fuentes de
variación son significativas estadísticamente? Argumente su respuesta.
Si, se tiene la suficiente información para afirmar:
Conclusiones
A = 10.66 > 3.682 V el efecto A es significativo.
B = 6 > 3.056 V el efecto B es significativo.
AB = 1.406 < 2.641 V el efecto AB no es significativo.
5 $ $ )%4;2( )6 
'  

$
$ .$$ $$

,1
+1 $$ *$ $
A 800 " %00 Ë 00&
B 900 % ""Ë 5
AB 300 9 &7 Ë  %05
ERROR 400 Ë "5 55 
TOTAL "%00 "U  

a)Y Supongo efectos fijos, anote el modelo estadístico apropiado y formule las hipótesis a
probar para este experimento.
Modelo estadístico
Yijk= €
r r 


 rr
r
I = 1,2,͙.,
; j =1,2,͙.,b ; k = 1,2,͙,n
Hipótesis
HO =: Efecto A = rr
HA =: Efecto A  r
HO =: 2 B = rr
HA =: 2B  r
HO =: 2 AB = rr
HA =:  2AB  r
b)Y Agregue en esta tabla los grados de libertad, el cuadrado medio y la razón f para cada una de
las fuentes de variación.
c)Y Explique de manera esquemática como calcular el valor-p para A, por ejemplo.
Con la formula † (F>FAO) que dando valores quedaría † (F>F30), quiere decir que se calcula la
probabilidad de que Fo sea mayor que valor critico de F con 3 en el numerador y 0 en
denominador.
d)Y Con la información disponible ¿se pueden hacer conjeturas sobre cuáles de las fuentes de
variación son significativas estadísticamente? Argumente su respuesta.
Si, se tiene la suficiente información para afirmar:
Conclusiones
A = 15.003 > 3.682 V el efecto A es significativo.
B = 6 > 3.056 V el efecto B es significativo.
AB = 1.406 < 2.641 V el efecto AB no es significativo.