DISEÑOS EXPERIMENTALES

T i t u l ode d
Diseño e l factores
dos mate r i a l
 Tema 1

Diseño de dos factores

Temario

Diseño de dos f a c t o r e s
_ Conceptos generales

Análisis estadístico
- V e r i f i c a c i ó n de supuestos
- A n á l i s i s de v a r i a n z a ( A n á l i s i s d e l a
interacción)
o Caso con i n t e r a c c i ó n
o Caso s i n i n t e r a c c i ó n
- Comparaciones
Tiempo de duración de la pintura de las piezas de
las aeronaves.
Un ingeniero sospecha que el tipo de pintura
tapaporos y el método de aplicación afectan
el tiempo de duración de la pintura de las
piezas de las aeronaves. El está interesado
en determinar si algún tipo de pintura con
algún nivel del método de aplicación influyen
en el tiempo de duración de la pintura de las
piezas de las aeronaves. Por este motivo,
idea dos experimentos, obteniendo las
siguientes gráficas.
¿En cuál de las gráficas se logra apreciar el
interés del ingeniero?
Tiempo de duración de la pintura de las piezas

Se puede presentar cualesquiera de las dos situaciones siguientes :

Sin interacción Con interacción

Gráfica de interacción para el tiempo de duración de la pintura Gráfica de interacción para el tiempo de duración de la pintura

Método de Aplicación Método de Aplicación

Para cualesquiera de los métodos de Para el método de aplicación T1 y T2 la

aplicación que se use, el tipo de pintura pintura P2, obtiene la mayor duración;
P1 seria la que presenta mayor tiempo mientras para T3 la pintura P1 obtiene la
de duración. mayor duración.
Pautas generales para diseñar un experimento
Planeación
1. Identificacióny 2. Elección de los factores, previa
del
exposición del problema los niveles y los rangos experimento

4. Elección del diseño 3. Selección de la

experimental variablerespuesta

5. Realizacióndel
experimento

6. Análisisestadístico 7. Conclusiones y
de los datos recomendaciones

El paso 2 y 3 suelen hacerse simultáneamente o en el orden inverso

Diseño factorial A x B

Los diseños de dos factores producen investigaciones más

eficientes, pues cada observación proporciona información
sobre todos los factores y es posible apreciar las respuestas de
un factor en los diferentes niveles de otro factor.
Diseño de dos factores

Mide el efecto de dos factores en estudio (variables

Objetivo independientes de naturaleza cualitativa o cuantitativa) sobre la

variable respuesta (variable dependiente de naturaleza
cuantitativa).

En un experimento factorial los tratamientos son las diversas

combinaciones de los niveles de los factores en estudio.
En cada ensayo o réplica completa del experimento se
investigan todas las combinaciones posibles de los niveles de
Definición
los factores.
Es decir: Sean los factores: A (“a” niveles) y B (“b” niveles),
entonces cada réplica contendrá (a x b) combinaciones de los
tratamientos.
Conceptos generales
Variable independiente que afecta los resultados del
experimento: controlables o no controlables. En un
experimento de dos factores
Factor
• Susceptible a la manipulación
• Sus valores son controlados
• Sus efectos son evaluados en los resultados
del experimento

Tratamiento Es la combinación de los niveles de dosfactores.

Variable Es la variable en la cual se evaluarán los efectos de los

respuesta tratamientos.

Unidad Es la unidad (sujeto u objeto) al cual se le aplica un

Experimental tratamiento.
Modelo lineal

𝑌𝑖𝑗𝑘 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗

donde: i = 1, 2,3, …., a ; j= 1, 2, 3,…., b; k= 1, 2, 3, ..., n

Donde:
u es el efecto promedio global
ti es el efecto del nivel i-ésimo del factor A de las filas
j es el efecto del nivel j-ésimo del factor B de las columnas
(t )ij es el efecto de la interacción entre ti y bj
eijk es una variable aleatoria con media cero y varianza constante
Esquema de análisis estadístico de datos

Comprobar el o Normalidad de errores

cumplimiento de los o Homogeneidad de varianzas
supuestos o Independencia de errores

Verificación del
problema de o Realización del análisis
investigación de varianza (Anva o
Anova)

Comparaciones de los o Prueba de Tukey

tratamientos en pares
Supuestos del modelo
NORMALIDAD DE LOS Se debe verificar si los residuos o
RESIDUOS
errores siguen una distribución normal

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

Estadístico de prueba: Anderson Darling Si
P-valor > alfa No se rechaza H0

Se cumple el supuesto de Normalidad de errores.

1. Estadístico Anderson Darling: Es más efectiva en tamaño de muestras pequeñas.

2. Estadístico de prueba Kolmogorov Smirnov: Es más efectivo a tamaño de
muestras grandes.
3. Estadístico de prueba Shapiro Wilk: Se basa en regresión y correlación. Cuando
la muestra es como máximo 50 datos.
 Supuestos del modelo

HOMOGENEIDAD DE Se debe verificar la homogeneidad de

VARIANZAS las varianzas

H0: σ12 =σ22 = …= σ 𝑘

2

H1: Al menos una varianza

diferente

Estadístico de prueba: Bartlett

Si P-valor > alfa No se rechaza H0
Se cumple el supuesto de Homocedasticidad
u Homogeneidad de varianzas.

1. Si cumple el supuesto de normalidad de errores, el estadístico de prueba a analizar es

Bartlett.
2. Si no se cumple el supuesto de normalidad de errores, el estadístico de prueba a
analizar es Levene.
Supuestos del modelo

INDEPENDENCIA DE Se debe verificar que los residuos o

LOS RESIDUOS errores son independientes (cumple
el supuesto)

En este supuesto se observa la gráfica de residuos vs orden temporal en el que han

sido recopilados los datos.

Cumple con el supuesto:

Si la gráfica no tiene tendencia y los valores se encuentran alrededor de la línea central
(comportamiento aleatorio).
Supuestos del modelo

No cumple el supuesto:
Si la gráfica tiene un comportamiento con tendencia (comportamiento no aleatorio)
Realización del análisis de varianza

Primero se evalúa la hipótesis:

Ho: No existe interacción entre los niveles de los factores

H1: Existe interacción entre los niveles de los factores

Analizar los efectos de cada

¿Se Rechaza Ho? No
factor por separado
Si
Ho: El factor A no afecta a Ho : El factor B no afecta
la variable respuesta. a la variable respuesta.
Prueba de H1: El factor A afecta a la H1: El factor B afecta a la
comparaciones variable respuesta. variable respuesta.
para la interacción

Prueba de comparaciones
para el factor
Disposición de los datos en el experimento factorial

A1 A2
Repeticiones B1 B2 B1 B2
1
2
…
n
Totales

En la práctica se suele trabajar con diseños de dos factores, A y B, donde

cada factor tiene dos o más niveles.
Hay “a” niveles del factor A y “b” niveles del factor B y cada una de las “n”
réplicas contiene “axb” combinaciones de tratamientos
Análisis de varianza
1. Planteamiento de hipótesis

H0: No existe interacción entre los niveles de los factores

H1: Existe interacción entre los niveles de los factores

2. Nivel de significación

3. Estadístico de prueba

CM (AB)
F calculado 
CM E

Para obtener el valor del estadístico de prueba, se debe elaborar la

tabla del Anva (la tabla se va obtener con el software Minitab)
Tabla del análisis de varianza (ANVA O ANOVA)

Fuente de Grados de Suma de Cuadrado

F
variación libertad cuadrados medio

A a-1 SC(A) CM(A) CM(A)/CME

B b -1 SC(B) CM(B) CM(B)/CME

AB (a -1) (b -1) SC(AB) CM(AB) CM(AB)/CME

Error ab (n – 1) SCE CME

Total abn – 1 SCT

Análisis de varianza
4. Criterio de decisión (Región crítica)

Distribución F ( F i s he r )
0 .9

0 .8

0 .7

0 .6

0 .5

0 .4

0 .3

0 .2

0 .1

0 .0
0

Punto crítico:
F(, grado de libertad Tratamiento AB) , grado de libertad Error)

5. Decisión
o Se Rechaza H0 Si Fcal > F(, gl Tratamiento AB, gl error)
caso contrario No se Rechaza H0

6. Conclusión
 Análisis de varianza para efectos principales
Solo se realiza esta prueba si No existe interacción entre los factores:
1. Planteamiento de hipótesis
No hay diferencia en las El factor en estudio no afecta a
H0: 1 = 2 =… = k
medias poblacionales la variable respuesta
Al menos un i es Hay diferencia en al menos El factor en estudio afecta a la
H1:
diferente una media poblacional variable respuesta

2. Nivel de significación
3. Estadístico de prueba C M (A) C M (B)
F calculado  F calculado 
CME CME

Fuente de Grados de Suma de Cuadrado F

variación libertad cuadrados medio
A a-1 SC(A) CM(A) CM(A)/CME
B b -1 SC(B) CM(B) CM(B)/CME
AB (a -1) (b -1) SC(AB) CM(AB) CM(AB)/CME
Error ab (n – 1) SCE CME
Total abn - 1 SCT
Análisis de varianza

4. Criterio de decisión (Región crítica)

Distribución F (Fisher) Distribución F (Fisher)

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0.0 0.0
0 0

Punto crítico: Punto crítico:

F(, grado de libertad Tratamiento A) , grado de libertad Error) F(, grado de libertad Tratamiento B) , grado de libertad Error)

5. Decisión 5. Decisión
o Se Rechaza H0 Si Fcal > F(, gl Tratamiento A, gl error) o Se Rechaza H0 Si Fcal > F(, gl Tratamiento B, gl error)
Caso contrario No se Rechaza H0 caso contrario No se Rechaza H0

6. Conclusión 6. Conclusión
 Comparaciones: Prueba de Tukey

Permite evaluar si existen diferencias significativas entre las medias de cada

“par de tratamientos”.
H0: 𝝁𝒊 = 𝝁𝒋
Para todo i diferente de j
H1: 𝝁𝒊 ≠ 𝝁𝒋

Cuando se realiza el análisis con intervalos:

o Si: µi - µj  IC(µi - µj) = [LI, LS] = [- , -]  µi - µj < 0  µi < µj
o Si: µi - µj  IC(µi - µj) = [LI, LS] = [+, +]  µi - µj > 0  µi > µj
o Si: µi - µj  IC(µi - µj) = [LI, LS] = [- , +]  µi - µj ≈ 0  µi = µj

Cuando se realiza el análisis con la probabilidad:

o Si Probabilidad < α  Se Rechaza H0 (Existen diferencias significativas)

o Si Probabilidad ≥ α  No se Rechaza H0 (No Existen diferencias significativas)

Nota: LI (límite inferior) y LS (límite superior)

 Ejemplo de aplicación
Un ingeniero está diseñando una batería que se usará en un dispositivo el cuál se
someterá a variaciones de temperatura extrema. El único parámetro de diseño que
puede seleccionar en este punto es el material de la placa o ánodo de la batería y
tiene tres elecciones posibles. Cuando el dispositivo esté fabricado y se envíe al
campo, el ingeniero no tendrá control sobre las temperaturas extremas en las que
operará el dispositivo, pero sabe por experiencia que la temperatura probablemente
afectará la vida efectiva de la batería.

El ingeniero decide probar los tres materiales de la placa (M1, M2 y M3) con tres
niveles de temperatura (15°F, 70°F y 125°F), ya que estos niveles de temperatura son
consistentes con el medio ambiente donde se usará finalmente el producto.
Se prueban cuatro baterías con cada combinación del material de la placa y la
temperatura, y las 36 pruebas se corren de manera aleatoria. La tabla siguiente
muestra los resultados obtenidos de la vida de las baterías en horas.
Ejemplo de aplicación
Tipo de Temperatura
material 15 °F 70 °F 125 °F
130 155 34 40 20 70
M1
74 180 80 75 82 58
150 188 136 122 25 70
M2
159 126 106 115 58 45
138 110 174 120 96 104
M3
168 160 150 139 82 60

Utilice nivel de significación 5%.

¿El tipo de material o la temperatura o el tipo de material y la temperatura
influyen en el tiempo de duración de las baterías? ¿Qué tipo de material o
temperatura o tipo de material y temperatura recomendaría utilizar?
Interpretación

• ¿El tipo de material o la temperatura o el tipo de material y la

temperatura influyen en el tiempo de duración de las
baterías?

• ¿Qué tipo de material o temperatura o tipo de material y

temperatura recomendaría utilizar para que el tiempo de
duración de las baterías sea el mejor?
Representación
Variable Respuesta Tiempo de duración (en horas)
Factor A Tipo de material
Niveles del Factor A M1 , M2, M3
Factor B Temperatura
Niveles del Factor B 15 °F, 70°F, 125°F
Tratamientos M1 con 15°F, M1 con 70°F ,M1 con 125°F
M2 con 15°F, M2 con 70°F, M2 con 125°F
M3 con 15°F, M3 con 70°F, M3 con 125°F
Unidad experimental Una batería
Número de réplicas por tratamiento 4 réplicas
Modelo Diseño Factorial AXB
𝑌𝑖𝑗𝑘 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗
Hipótesis alterna H1: Existe interacción entre los niveles de
temperatura y los tipos de materiales que
influya en el tiempo promedio de
fabricación
Cálculo y Análisis

• Verificación de supuestos

• ANOVA

• Comparaciones por pares (sujeto al resultado delANOVA)

 Verificación de supuestos
Prueba de normalidad de errores:
H0: Los errores se distribuyen
normalmente

H1: Los errores no se distribuyen

normalmente

Estadístico de prueba: AD = 0.340

Probabilidad: P-valor = 0.478 > 0.05

Decisión: No se rechaza H0
Conclusión: A un nivel de
significación del 5%, los errores se
distribuyen normalmente.
Se cumple el supuesto de
Normalidad de errores.
 Verificación de supuestos

Prueba de homogeneidad de varianzas:

Ho: Las varianzas son similares
H1: Al menos una varianza es diferente

Estadístico de prueba: Bartlett = 5.24

Probabilidad: P-valor = 0.732 > 0.05

Decisión: No se rechaza H0
Conclusión: A un nivel de significación
del 5%, existe homogeneidad de
varianzas (son similares).

Pruebas
Se cumple el supuesto de Estadística
Método de prueba Valor p
homogeneidad de varianzas.
Bartlett 5.24 0.732
 Verificación de supuestos

Prueba de independencia de los

errores:

En la gráfica de residuos vs
orden, se observa que los
residuos presentan un
comportamiento aleatorio
alrededor de la línea central. No
presenta tendencia.

Se cumple el supuesto de
independencia de los errores.
 El tipo de material o la temperatura o el tipo de material y la
temperatura influyen en el tiempo de duración de las baterías

H0: No existe interacción entre el tipo de material y la temperatura

H1: Existe interacción entre el tipo de material y la temperatura
α=0.05
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Tipo de 2 10684 5341.9 7.91 0.002
material
Temperatura 2 39119 19559.4 28.97 0.000
Tipo de 4 9614 2403.4 3.56 0.019
material*Temp
eratura
Error 27 18231 675.2
Total 35 77647

Estadístico de prueba: F=3.56

El tipo de material o la temperatura o el tipo de material y la
temperatura influyen en el tiempo de duración de las baterías
Se puede tomar la decisión con el punto crítico (buscando en tabla
estadística) o con la probabilidad
Criterio de decisión:

F(0.05,4,27)=2.73 (Minitab)
Se aproxima
F(0.05,4,30)=2.69 (Tabla estadística)

Decisión: Se rechaza H0 F=3.56 > Fcrítico=2.73 ó 2.69

Observando la probabilidad:
Probabilidad=0.019 < 0.05  Se Rechaza H0

Conclusión: A un nivel de significación del 5%, existe interacción entre el

tipo de material y la temperatura.
 Comparaciones: Prueba de Tukey
¿Qué tipo de material o temperatura o tipo de material y temperatura recomendaría utilizar?
Como resultó que existe interacción, se recomendará la combinación entre el tipo de material y la
temperatura

H0: 𝝁𝒊 = 𝝁𝒋

H1: 𝝁𝒊 ≠ 𝝁𝒋 Para todo i diferente de j

Comparaciones por parejas de Tukey: Tipo de material*Temperatura
Agrupar información utilizando el método de Tukey y una confianza de 95%

Tipo de
material*Temperatura N Media Agrupación
M2 15°F 4 155.75 A
M3 70°F 4 145.75 A B
M3 15°F 4 144.00 A B
M1 15°F 4 134.75 A B
M2 70°F 4 119.75 A B
M3 125°F 4 85.50 B C
M1 125°F 4 57.50 C
M1 70°F 4 57.25 C
M2 125°F 4 49.50 C

Las medias que no comparten una letra son significativamente diferentes

Análisis
A un nivel de significación del 5%, se recomienda utilizar la combinación M2(15°F).
Comunicación / Argumentación

• El tipo de material y la temperatura influyen en el tiempo

de duración de las baterías

• Para obtener un mejor tiempo de duración de baterías, se

recomienda utilizar cualquiera de las siguiente combinaciones:
M2 con 15°F
 Ejemplo de aplicación
En el departamento de control de calidad de la planta de acabado de telas se está
estudiando el efecto de dos factores: el tiempo de ciclo (en minutos) y la temperatura (°C)
sobre el teñido de algodón y fibra sintética, la cual se utiliza en la manufactura de camisas
para caballeros. Se seleccionaron tres niveles de tiempo, tres niveles de temperatura, y
se tiñeron tres pequeñas muestras de tela dentro de cada conjunto de condiciones. La
tela teñida fue comparada con un estándar y se le asignó una calificación numérica. Los
resultados aparecen a continuación.
Temperatura
Tiempo de ciclo
80° 100° 150°
23 29 28
40 28 30 27
25 28 30
26 37 35
50 29 39 40
27 35 37
22 26 26
60 28 29 30
23 25 31
Asumiendo que se cumplen los supuestos.
A un nivel de significación 1%, ¿el tiempo de ciclo o la temperatura o el tiempo de ciclo y la
temperatura influye en la calificación obtenida en las telas? ¿Qué tiempo de ciclo o temperatura
o el tiempo de ciclo y la temperatura presenta mayores calificaciones en promedio?
Interpretación

• ¿El tiempo de ciclo o la temperatura o el tiempo de ciclo y la

temperatura influye en la calificación obtenida en las telas?

• ¿Qué tiempo de ciclo o temperatura o el tiempo de ciclo y la

temperatura presenta mayores calificaciones en promedio?
Representación
Variable Respuesta Calificación
Factor A Tiempo de ciclo
Niveles del Factor A 40, 50, 60
Factor B Temperatura
Niveles del Factor B 80 °C, 100°C, 150°C
Tratamientos 40 con 80°F, 40 con 80°F ,40 con 150°F
50 con 100°F, 50 con 100°F, 50 con 150°F
60 con 150°F, 60 con 100°F, 60 con 150°F
Unidad experimental Una muestra de tela
Número de réplicas por tratamiento 3 réplicas
Modelo Diseño Factorial AXB
𝑌𝑖𝑗𝑘 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗
Hipótesis alterna H1: Existe interacción entre los niveles del
tiempo de ciclo y la temperatura que
influya en la calificación promedio
obtenida sobre las telas teñidas.
Cálculo y Análisis

• Verificación de supuestos

• ANOVA

• Comparaciones por pares (sujeto al resultado delANOVA)

 El tiempo de ciclo o la temperatura o el tiempo de ciclo y la
temperatura influye en la calificación obtenida en las telas
H0: No existe interacción entre el tiempo de ciclo y la temperatura sobre la calificación
promedio obtenida sobre las telas teñidas.
H1: Existe interacción entre el tiempo de ciclo y la temperatura sobre la calificación
promedio obtenida sobre las telas teñidas.
α=0.01
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Tiempo 2 279.19 139.593 28.55 0.000
Temperatura 2 187.19 93.593 19.14 0.000
Tiempo*Temperatura 4 61.93 15.481 3.17 0.039

Error 18 88.00 4.889

Total 26 616.30

Estadístico de prueba: F=3.17

Probabilidad: P=0.039 > α=0.01
Decisión: No se rechaza H0

A un nivel de significación del 1%, no existe interacción entre el tiempo de ciclo y la

temperatura sobre la calificación promedio obtenida sobre las telas teñidas.

Se debe realizar efectos principales (Prueba para cada factor)

 Efectos principales
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Tiempo 2 279.19 139.593 28.55 0.000
Temperatura 2 187.19 93.593 19.14 0.000
Tiempo*Temperatura 4 61.93 15.481 3.17 0.039

Error 18 88.00 4.889

Total 26 616.30

Tiempo de ciclo Temperatura

H0: El tiempo de ciclo no afecta la calificación H0: La temperatura no afecta la calificación
promedio obtenida sobre las telas teñidas. promedio obtenida sobre las telas teñidas.
H1: El tiempo de ciclo afecta la calificación H1: La temperatura afecta la calificación promedio
promedio obtenida sobre las telas teñidas. obtenida sobre las telas teñidas.

F = 28.55 > F(2;18≅20;0.01)= 5.85 F = 19.14 > F(2;18≅20;0.01)= 5.85

Valor p = 0.000 <  =0.01
Decisión: Se rechaza Ho
Con un nivel de significación del 1% se puede
concluir que el tiempo de ciclo afecta la
calificación promedio obtenida sobre las telas
teñidas.
Valor p = 0.000 <  =0.01
Decisión: Se rechaza Ho
Con un nivel de significación del 1% se puede
concluir que la temperatura afecta la calificación
promedio obtenida sobre las telas teñidas.
 Comparaciones: Prueba de Tukey
¿Qué tiempo de ciclo o temperatura o el tiempo de ciclo y la temperatura presenta
mayores calificaciones en promedio?
H0: 𝝁𝒊 = 𝝁𝒋
H1: 𝝁𝒊 ≠ 𝝁𝒋 Para todo i diferente de j

Tiempo de ciclo Temperatura

Agrupar información utilizando el Agrupar información utilizando el
método de Tukey y una confianza de método de Tukey y una confianza de
99% 99%
Tiempo N Media Agrupación Temperatura N Media Agrupación
50 9 33.8889 A 150 9 31.5556 A
40 9 27.5556 B 100 9 30.8889 A
60 9 26.6667 B 80 9 25.6667 B

Con un nivel de significación del 1%, Con un nivel de significación del 1%,
Existen diferencias entre el tiempo de ciclo de 50- Existen diferencias entre la temperatura de 150-
40 80 y 100-80.
y 50-60. No existen diferencias entre el tiempo de ciclo
No existen diferencias entre el tiempo de ciclo de 150-100.
de 40-60.
Análisis:
A un nivel de significación del 1%, el tiempo de ciclo que presenta mayor calificación promedio
es de 50 y la temperatura que presenta mayor calificación promedio es 150 o 100.
Comunicación / Argumentación

• El tiempo de ciclo y la temperatura influyen en la calificación

obtenida en las telas

• Para obtener un mayor promedio de calificación, se recomienda

utilizar para el tiempo de ciclo 50 minutos y para la temperatura
100 °C o 150 °C.
 C o n t i n ú a con l a s
a c t i v i d a d e s propuestas
en l a s e s i ó n .

Material producido para la Universidad Peruana de Ciencias Aplicadas

COPYRIGHT ©UPC 2018 – Todos los derechos reservados