CURSO: DISEÑOS

EXPERIMENTALES
TEMA: DISEÑO FACTORIAL 2𝑘

SEMESTRE : VII
Ms. Ing. Bladimir Sandoval Serva
bsandoval@uncp.edu.pe
 DISEÑO FACTORIAL 𝟐𝒌

Es la familia de diseño que comprende k factores con dos niveles de prueba cada
uno; los factores 2𝑘 son útiles principalmente cuando el número de factores a
estudiar está entre dos y cinco (𝟐≤𝒌≤𝟓)rango en el cual su tamaño se encuentra
entre cuatro y 32 tratamientos. Si el número de fatores es mayor que cinco se
recomienda utilizar un factorial fraccionado 2𝑘−𝑝
 DISEÑO FACTORIAL 𝟐𝟐

Se estudia el efecto de dos factores considerando dos niveles cada uno. Cada
réplica de este diseño es de 2x2 =4 combinaciones o tratamientos que se
puede denotar de diferentes maneras
 DISEÑO FACTORIAL 𝟐𝟐

REPRESENTACIÓN GEOMÉTRICA
El diseño factorial 22 se representa de manera geométrica por los vértices
de un cuadrado. Cada vértice representa un punto de diseño o tratamiento
El área limitada por este cuadrado se conoce como región experimental
 DISEÑO FACTORIAL 𝟐𝟐
MODELO ESTADÍSTICO

𝑌𝑖𝑗𝑘 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 +𝜀𝑖𝑗𝑘

Para i = 1,2,3,…a para j = 1,2,3,…,b para k = 1,2,3,…,n

Donde:
𝑌𝑖𝑗𝑘 : Son las observaciones
µ : Es la media global o media general
𝜏𝑖 : Es el efecto del i-ésimo nivel del factor A
𝛽𝑗 : Es el efecto del i-ésimo nivel del factor B
(𝜏𝛽)𝑖𝑗 : Es el efecto de la interacción del factor A y B
𝜀𝑖𝑗𝑘 : Error aleatorio
 SUMA DE CUADRADOS
2 2 𝑛
2
𝑆𝑆𝑇 = ෍ ෍ ෍ 𝑌𝑖𝑗𝑘 −𝐶 σ2𝑖=1 𝑌𝑖2
𝑆𝑆𝐴 = −𝐶
𝑖=1 𝑗=1 𝑘=1 2𝑛
2
𝑌𝑜𝑜𝑜
σ2𝑗=1 𝑌𝑗2 𝐶=
𝑆𝑆𝐵 = −𝐶 4𝑛
2𝑛 𝑁 = 4𝑛
𝑷
SST : Suma de cuadrados totales
SSA : Suma de cuadrados del factor A
SSB : Suma de cuadrados del factor B
 SUMA DE CUADRADOS

SSAB = SSS- SSA - SSB

σ𝑎𝑖=1 σ𝑏𝑗=1 𝑌𝑖𝑗2
𝑆𝑆𝑆 = −𝐶
𝑛
σ𝑎𝑖=1 σ𝑏𝑗=1 𝑌𝑖𝑗2
𝑆𝑆𝐴𝐵 = − 𝐶 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵
𝑛
𝑀𝑆𝐸
=
SSE = SST- SSAB - SSA - SSB

SST : Suma de cuadrados totales

SSS : Suma de cuadrados de los subtotales
SSA : Suma de cuadrados del factor A
SSB : Suma de cuadrados del factor B
SSAB: Suma de cuadrados de la interacción entre A y B
SSE : Suma de cuadrados del error.
 SUMA DE CUADRADOS

Se puede aplicar también:

𝑎 + 𝑎𝑏 − 𝑏 − (1) 2
𝑆𝑆𝐴 =
4𝑛
𝑏 + 𝑎𝑏 − 𝑎 − (1) 2
𝑆𝑆𝐵 =
4𝑛
𝑎𝑏 + 1 − 𝑎 − 𝑏 2
𝑆𝑆𝐴𝐵 =
4𝑛
Donde:
SSA: Suma de cuadrados de l factor A
SSB : Suma de cuadrados del factor B
SSAB: Suma de cuadrados de la interacción de A con B
 DISEÑO FACTORIAL 𝟐𝟐

Tablas de signos algebraicos para calcular los efectos de un diseño 22

 MEDIA DE CUADRADOS
𝑆𝑆𝐴 𝑆𝑆𝐵
𝑀𝑆𝐴 = 𝑀𝑆𝐵 =
2−1 2−1
𝑆𝑆𝐴𝐵 𝑆𝑆𝐸
𝑀𝑆𝐴𝐵 = 𝑀𝑆𝐸 =
(2 − 1)(2 − 1) 4(𝑛 − 1)

MSA = Media de cuadrado del Factor A

MSB = Media de cuadrado del Factor B
MSAB = Media de cuadrado de la interacción de A con B
MSE = Media de cuadrados del error
a - 1 = Grados de libertad del Factor A
b – 1 = Grados de libertad del Factor B
(a-1)(b - 1) = Grados de libertad de la interacción de A con B
ab(n-1) : Grados de libertad del error
TABLA DE ANALISIS DE VARIANZA
 CRITERIO DE HIPÓTESIS

PARA LOS TRATAMIENTOS DEL FACTOR A

Ho : No existe diferencia significativa entre los tratamientos del factor A.
Hi : Existe diferencia significativa entre los tratamientos del factor A.
Se rechaza Ho con un nivel de significancia α si:
FA > F α, 1, 4(n-1)

PARA LOS TRATAMIENTOS DEL FACTOR B

Ho : No existe diferencia significativa entre los tratamientos del factor B.
Hi : Existe diferencia significativa entre los tratamientos del factor B.
Se rechaza Ho con un nivel de significancia α si:
FB > F α, 1, 4(n-1)
PARA LA INTERACCIÓN DE LOS FACTORES A Y B
Ho : No existe diferencia significativa entre la interacción de A y B
Hi : Existe diferencia significativa entre la interacción de A con B.
Se rechaza Ho con un nivel de significancia α si:
FAB > F α, 1, 4(n-1)
 DISEÑO FACTORIAL 𝟐𝟑
Modelo estadístico

𝑌𝑖𝑗𝑘𝑙 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + 𝛾𝑘 + (𝜏𝛽)𝑖𝑗 +(𝜏𝛾)𝑖𝑘 +(𝛽𝛾)𝑗𝑘 +(𝜏𝛽𝛾)𝑖𝑗𝑘 +𝜀𝑖𝑗𝑘𝑙

Para: i=1, 2, 3, . . . . a j=1, 2, 3, . . . . b
k=1, 2, 3, . . . . c l=1, 2, 3, . . . . n
Donde:
𝜏𝑖 : Es el efecto del i ésimo nivel del factor A
𝛽𝑗 : Es el efecto del j ésimo nivel del factor B
𝛾𝑘 : Es el efecto del k ésimo nivel del factor C
(𝜏𝛽)𝑖𝑗 : Es el efecto de la interacción del factor A y B
(𝜏𝛾)𝑖𝑘 : Es el efecto de la interacción del factor A y C
(𝛽𝛾)𝑗𝑘 : Es el efecto de la interacción del factor B y C
(𝜏𝛽𝛾)𝑖𝑗𝑘 : Es el efecto de la interacción de los factores A, B y C
𝜀𝑖𝑗𝑘𝑙 : Error aleatorio
 SUMA DE CUADRADOS
2 2 2 𝑛
2
𝑆𝑆𝑇 = ෍ ෍ ෍ ෍ 𝑌𝑖𝑗𝑘 −𝐶 σ2𝑖=1 𝑌𝑖2
𝑆𝑆𝐴 = −𝐶
𝑖=1 𝑗=1 𝑘=1 𝑙=1 4𝑛
2
σ2𝑗=1 𝑌𝑗2 𝑌𝑜𝑜𝑜𝑜
𝑆𝑆𝐵 = −𝐶 𝐶=
4𝑛 8𝑛
σ2𝑘=1 𝑌𝑘2 𝑁 = 8𝑛
𝑆𝑆𝐶 = −𝐶
4𝑛
𝑷
SST : Suma de cuadrados totales
SSA : Suma de cuadrados del factor A
SSB : Suma de cuadrados del factor B
SSC : Suma de cuadrados del factor C
 SUMA DE CUADRADOS

σ2𝑖=1 σ2𝑗=1 𝑌𝑖𝑗2

𝑆𝑆𝐴𝐵 = − 𝐶 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵
2𝑛
σ2𝑖=1 σ2𝑘=1 𝑌𝑖𝑗2
𝑆𝑆𝐴𝐶 = − 𝐶 − 𝑆𝑆𝐴 − 𝑆𝑆𝐶
2𝑛
σ2𝑗=1 σ2𝑘=1 𝑌𝑖𝑗2
𝑆𝑆𝐵𝐶 = − 𝐶 − 𝑆𝑆𝐵 − 𝑆𝑆𝐶
2𝑛
σ2𝑖=1 σ2𝑗=1 σ2𝑘=1 𝑌𝑖𝑗𝑘
2
𝑆𝑆𝐴𝐵𝐶 = − 𝐶 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵 − 𝑆𝑆𝐶 − 𝑆𝑆𝐴𝐵 − 𝑆𝑆𝐴𝐶 − 𝑆𝑆𝐵𝐶
𝑛
SSE= SST-SSA-SSB-SSC-SSAB-SSAC-SSBC-SSABC
 2
𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏𝑐 − 𝑏 − 𝑐 − 𝑏𝑐 − 1
𝑆𝑆𝐴 =
8𝑛
𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − 𝑎 − 𝑐 − 𝑎𝑐 − 1 2
𝑆𝑆𝐵 =
8𝑛

𝑐 + 𝑎𝑐 + 𝑐𝑐 + 𝑎𝑏𝑐 − 𝑎 − 𝑏 − 𝑎𝑏 − 1 2
𝑆𝑆𝐶 =
8𝑛

𝑎𝑏 − 𝑏 − 𝑎 + 𝑎𝑏𝑐 + 1 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 2
𝑆𝑆𝐴𝐵 =
8𝑛
 2
1 − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐
𝑆𝑆𝐴𝐶 =
8𝑛
1 + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 2
𝑆𝑆𝐵𝐶 =
8𝑛
𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − 1 2
𝑆𝑆𝐴𝐵 =
8𝑛

Donde:
SSA : Suma de cuadrados de l factor A
SSB : Suma de cuadrados del factor B
SSC : Suma de cuadrados del factor C

SSABC : Suma de cuadrados de la interacción de A, B y C

 MEDIA DE CUADRADOS
𝑆𝑆𝐴 𝑆𝑆𝐵
𝑀𝑆𝐴 = 𝑀𝑆𝐵 =
2−1 2−1
𝑆𝑆𝐶 𝑆𝑆𝐴𝐵
𝑀𝑆𝐶 = 𝑀𝑆𝐴𝐵 =
2−1 (2 − 1)(2 − 1)

𝑆𝑆𝐴𝐶 𝑆𝑆𝐵𝐶
𝑀𝑆𝐴𝐶 = 𝑀𝑆𝐵𝐶 =
(2 − 1)(2 − 1) (2 − 1)(2 − 1)
𝑆𝑆𝐴𝐵𝐶 𝑆𝑆𝐸
𝑀𝑆𝐴𝐵𝐶 = 𝑀𝑆𝐸 =
(2 − 1)(2 − 1)(2 − 1) 8(𝑛 − 1)
TABLA DE ANALISIS DE VARIANZA
 CRITERIO DE HIPÓTESIS
PARA LOS TRATAMIENTOS DEL FACTOR A
Ho : No existe diferencia significativa entre los tratamientos del factor A.
H1 : Existe diferencia significativa entre los tratamientos del factor A.
Se rechaza Ho con un nivel de significancia α si:
FA > F α, 1, 8(n-1)

PARA LOS TRATAMIENTOS DEL FACTOR B

Ho : No existe diferencia significativa entre los tratamientos del factor B.
H1 : Existe diferencia significativa entre los tratamientos del factor B.
Se rechaza Ho con un nivel de significancia α si:
FB > F α, 1, 8(n-1)
PARA LOS TRATAMIENTOS DEL FACTOR C
Ho: No existe diferencia significativa en los tratamientos del factor C.
H1 : Existe diferencia significativa entre los tratamientos del factor
Se rechaza Ho con un nivel de significancia α si:
FC > F α, 1, 8(n-1)
PARA LA INTERACCIÓN DE LOS FACTORES A Y B
Ho : No existe diferencia significativa entre la interacción de A y B
H1 : Existe diferencia significativa entre la interacción de A con
Se rechaza Ho con un nivel de significancia α si:
FAB > F α, F α, 1, 8(n-1)
PARA LA INTERACCIÓN DE LOS FACTORES A Y C
Ho : No existe diferencia significativa entre la interacción de A y C
H1 : Existe diferencia significativa entre la interacción de A con
Se rechaza Ho con un nivel de significancia α si:
FAC > F α, F α, 1, 8(n-1)
PARA LA INTERACCIÓN DE LOS FACTORES B Y C
Ho : No existe diferencia significativa entre la interacción de B y C
H1 : Existe diferencia significativa entre la interacción de B con
Se rechaza Ho con un nivel de significancia α si:
FBC > F α, 1, 8(n-1)
PARA LA INTERACCIÓN DE LOS FACTORES A, B Y C
Ho : No existe diferencia significativa entre la interacción de A, B y C
H1 : Existe diferencia significativa entre la interacción de A con B y C.
Se rechaza Ho con un nivel de significancia α si:
FABC > F α, 1, 8(n-1)