7.

Diseño factorial completo de dos factores

7. Diseño factorial completo con dos factores

Dr. Martin Taboada Neira

Trujillo, junio del 2021

 7. Diseño factorial completo de dos factores

Es un modelo que busca conocer si los efectos de cada factor y el efecto

de su interacción a diferentes niveles de tratamiento, son significativos.
Los niveles pueden ser cuantititavos y/o cualitativos.

Un Factor cualitativo es aquel en que sus niveles toman valores discretos

o tipo nominal, que no pueden ser fracciones (ejemplos: muestras de
materiales, máquinas, personas, operarios, etc.).

Un Factor cuantitativo, es aquel en que sus niveles de prueba pueden

tomar cualquier valor dentro de un intervalo, es decir su escala es
continua (ejemplos: presión, temperatura, kilogramos, metros, etc.).
 7. Diseño factorial completo de dos factores

Matriz del modelo Modelo

Factor A Factor B
El modelo se representa de la siguiente manera:
1 2 .. b

yijk =  + i + j + ()ij + ijk 1 Y111

Y112
Y121
Y122
…
…
Y1b1
Y1b2
… … … …
y11r y12r … y1br
i = 1; 2; …; a j = 1; 2; …; b k =1; 2; …; r
2 Y211 Y221 … Y2b1
Donde:  es la media general, i es el efecto Y112 Y222 … Y2b2
del i-ésimo nivel del factor del renglón A,  j es el … … … …
y21r y22r … y2br
efecto del j-ésimo efecto del factor columnar B,
( )ij es el efecto de la intersección entre i y  j , . … … … …
ijk es el componente del error aleatorio. . … … … …
. … … … …
a Ya11 Ya21 … Yab1
Efectos principales de A y B Efecto ade interacción AB Ya12 Ya22 … Yab2

 ( )
a b
…

i =1
i =0 y 
j =1
j =0
ij
=0
…
Ya1r
…
Ya2r …
…
Yabr
i =1
 7. Diseño factorial completo de dos factores

Definición de hipótesis
De la matriz de diseño de muestra: factor A, factor B, a niveles del factor A, b
niveles del factor B, r número de réplicas.
Para contrastar la hipótesis se considera:

Tratamientos de renglón H0: 1 = 2 =. . . = a = 0

(para el factor A) H1: al menos un i  0

Tratamiento de columna H0:  1 =  2 = . . . =  b = 0

(para el factor B) H1: al menos una  j  0

Interacción renglón-columna H0 : ( )ij = 0 para todo i, j

(para los factores AB) H1: al menos ( )ij  0
 7. Diseño factorial completo de dos factores

Estadístico de prueba
Se aplica el estadístico F0 de Fisher:
Varianza entre muestras (entre tratamientos,ˆ B = VEM) / varianza dentro de las
muestras (dentro de los tratamientos, ˆW = VDM)

k
( yi − y ) 2
n.
ˆ B k −1 VEM
F0 =VEM/VDM F0 = = k i =n1 =
ˆW ( yij − yi ) 2 VDM

i =1 j =1 N −k

Donde: y , media general; yi, media del nivel i; N, tamaño de muestra; k, número de
niveles.
Debe rechazarse H0 a un determinado nivel de significación = 0,05; cuando F0>F;
k-1; ab(r-1) o p ˂ 0,05.
 7. Diseño factorial completo de dos factores
Diseño de muestra
Primero se debe determinar el parámetro  en función de n (número de réplicas),
teniendo fijados los valores de , , y los niveles a, b; la D (diferencia máxima entre
dos medias cualesquiera); sea para filas (i) o columnas (ii).
rbD2 raD2
 =
2
 =
2

2 a 2
2b 2
(i) (ii)
luego asignando valores a r, por aproximaciones sucesivas, se determina el valor
de N, k-1 y N-k grados de libertad que cumplen con el valor  límite (fijado) de
aceptar H0 (= 0,1) en las curvas características de operación (CO). El tamaño de
muestra será: N = abr.
Aproximaciones sucesivas para determinación del numero de réplicas
r Φ2 Φ V1= k-1 V2=ab(r-1)  P(1- )
2
3
..
r
 7. Diseño factorial completo de dos factores

Matriz diseño
Factor A Factor B Los totales promedios
1 2 .. b b r
yi
1 Y111 Y121 … Y1b1 Renglón yi =  yijk yi =
Y112 Y122 … Y1b2 j =1 k =1 br
… … … …
y11r y12r … y1br a r yj
Columna y j =  yijk yj =
2 Y211 Y221 … Y2b1 i =1 k =1 ar
Y112 Y222 … Y2b2 r yij
…
y21r
…
y22r
…
…
…
y2br
Celda yij =  yijk yij =
k =1 r
a b r
y
y =    y ijk
. … … … …
. … … … … General y=
. … … … … i =1 j =1 k =1 abr
a Ya11 Ya21 … Yab1
Ya12 Ya22 … Yab2
… … … …
Ya1r Ya2r … Yabr
 7. Diseño factorial completo de dos factores

Prueba de hipótesis
1. Definición de hipótesis:
Para los tratamientos de renglón H0:1 = 2 = 3 = 0 y H1: i  0 o al menos un 1  0.
Para los tratamientos de columna H0: 1 = 2 = 3 = 4 = 0 y H1:j  0 o al menos un j  0.
Para las interacciones H0: ()11 = ()12 = ()13 = ()14 = ()21 = ()22 = ()23 = ()14 =
()31 = ()32 = ()33 = ()34 = 0 y H1: ()ij  0 o al menos un ( )ij  0

2. Nivel de significancia:  = 0,05

3. Criterios de rechazo:
Para el efecto principal del factor A: Fo > F ;( a−1);ab( r −1)
Para el efecto principal del factor B: Fo > F ;(b−1);ab( r −1)
Para el efecto de interacción AB: Fo > F ;( a−1)(b−1);ab( r −1)
4. Cálculos
5. Decisión
 7. Diseño factorial completo de dos factores

Fórmulas para el análisis de varianza

Se usa el criterio de suma de cuadrados der los residuos:

SST = SSA + SSB + SSAB + SSE

a b r
y2
SST =    y 2
ijk − Suma total de cuadrados
i =1 j =1 k =1 N
a
yi2 y 2
SS A =  − Suma de cuadrados de A
i = 1 br N
b y 2j
y2
SS B =  − Suma de cuadrados de A
j =1 ar N
a b y ij2y2
SS AB =  − − SS A − SS B Suma de cuadrados de AxB
i =1 j =1 r N

SSE = SST - SSAB - SSA - SSB Suma de cuadrados del error

 7. Diseño factorial completo de dos factores

Matriz para el análisis de varianza

Fuente de Grados de Suma de Media de F0 FC Valor p
Variación Libertad Cuadrados Cuadrados F ;v1;v2

SS A MS A
Tratam. A a-1 SSA MS A = F ;( a−1);ab( r −1) p ˂ 0,05
a −1 MS E

SS B MS B
Tratam. B b-1 SSB MS B = F ;(b−1);ab( r −1) p ˂ 0,05
b −1 MS E

SS AB MS AB
Int. AB (a-1)(b-1) SSAB MS AB = F ;( a−1)(b−1);ab( r −1) p ˂ 0,05
(a − 1)(b − 1) MS E

SS E
Error ab(r-1) SSE MS E =
ab(r − 1)

Total abr-1 SST

 7. Diseño factorial completo de dos factores

Ejercicio de aplicación: diseño factorial completo de dos factores

1. Plantear el problema (caso de estudio)
2. Definir variables y niveles
3. Determinar tamaño de muestra (Matriz)
4. Prueba de hipótesis.
a. Definición de hipótesis: H0 y H1.
b. Definición del nivel de significancia NS: α = 0,05.
c. Criterio de rechazo de H0 de acuerdo al estadístico F.
d. Cálculos para aplicar el estadístico de prueba (F0).
e. Decisión con base al criterio de rechazo y al (ANOVA).
5. Análisis gráfico.
6. Conclusión.
7. Diseño factorial completo de dos factores

Tarea 7

Aplicación: diseño factorial completo de dos factores

1. Título
2. Planteamiento del problema.
3. Problema (objetivos)
4. Hipótesis.
5. Definir variables y niveles
6. Diseño de muestra (matriz).
7. Prueba de Hipótesis.
8. Análisis gráfico de las variables.
9. Modelo matemático.
10.Análisis de residuos.
11.Resultados
12.Conclusiones.
13. Bibliografía.
 7. Diseño factorial completo de dos factores

7. Diseño factorial completo con dos factores

Dr. Martin Taboada Neira

Trujillo, junio del 2021