92

Capítulo IV
EXPERIMENTOS FACTORIALES

Describir los conceptos básicos en

Objetivo del diseños factoriales y explicar como se
hace la experimentación factorial.
Capítulo Desarrollar los diseños factoriales de
dos y tres factores y la manera en que se
estabilice la varianza.
Explicar el diseño factorial general, el
modelo de efectos fijos y su diferencia
con el modelo de efectos aleatorios.
Cap. IV Experimentos factoriales 93

EXPERIMENTOS FACTORIALES

En muchos experimentos, se investigan con detalle dos o más variables. Ninguna variable se considera
extraña; todas tienen el mismo interés. Cuando esto sucede, el experimento se llama un experimento
factorial, para resaltar el hecho de que el interés se centra en el efecto de dos o más factores sobre una
medida de respuesta. Presentamos aquí la clasificación de dos vias, diseño completamente aleatorio con
efectos fijos. De este modo, nos ocupamos de un modelo en el que se estudian dos factores, A y B,
habiendo seleccionado el experimentador, a propósito, más que aleatoriamente, los niveles de cada
factor. No se asocian las unidades experimentales.

En estos experimentos los factores son simbolizados con letras mayúsculas A, B, C,…y los niveles de
los factores por i = 1,2,3,…; j = 1,2,3,…; k = 1,2,3,…

Los experiemntos factoriales para un determinado diseño se diferencian entre si por el número de
factores y cantidad de niveles de los factores que intervienen en el experimento.

Un factor es una clase de tratamiento, y en experimentos factoriales todo factor proporcionará varios
tratamientos. Por ejemplo, si la dieta es un factor en un experimento, entonces se usarán varias dietas; si
temperatura de horneado es un factor, entonces el horneado se hara a varias temperaturas.

Ejemplo: Consideresé un experimento para evaluar rendimientos de variedades de soya. En el caso de

un solo factor, todas las variables diferentes a las variedades se mantienen tan uniformes como sea
posible, esto es, se escoge sólo un nivel de los otros factores. Supóngase que también es de interés un
segundo factor, distancia entre surcos. Se puede planear un experimento con dos factores en el que los
tratamientos consisten en todas las combinaciones entre las variedades y los espaciamientos elegidos de
los surcos, esto es, cada variedad se encuentra presente en todos los espaciamientos de surcos. En un
experimento de un solo factor, todas las variedades se plantarán a solo un espaciamiento de un surco, o
una sola variedad en todos los espaciamientos entre surcos. En suelos, puede diseñarse un experimento
para comparar todas las combinaciones de varios niveles de fertilizantes de fósforo y potasio. En un
experimento de nutrición animal, los factores en consideración pueden ser las cantidades y clases de
suplementos de proteínas.

El termino nivel se refiere a los diferentes tratamientos dentro de un factor, así, si se comparan 5
variedades de cultivo, usando tres diferentes prácticas de manejo el experimento se llama experimento
factorial 5 x 3 , con 5 niveles del factor variedad y tres del factor manejo. El número de factores y
niveles que pueden compararse en un experimento, sólo se limita por consideraciones prácticas

Formato de datos y notación

A continuación se presenta el formato en el que se registra adecuadamente los datos recogidos
adecuadamente en un diseño de clasificación de dos vías.

Obsérvese que a indica el número de niveles del factor A utilizados en el experiemento. b indica el
numero de niveles del factor B, y a x b es el número total de combinaciones de tratamientos, donde una
combinación de tratamientos es un nivel del factor A aplicado en conjunto con un nivel de B.
suponemos que hay n observaciones para cada combinación de tratamientos. El número total de
respuestas es N = a x b x n

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 94

Nivel del factor A

Factor B 1 2 3 … a
1 X111 X211 X311 ... Xa11
X112 X212 X312 ... Xa12
... ... ... ... ...
X11n X21n X31n ... Xa1n
2 X121 X221 X321 ... Xa21
X122 X222 X322 ... Xa22
... ... ... ... ...
X12n X22n X32n ... Xa2n
.
.
.
b X1b1 X2b1 X3b1 ... Xab1
X1b2 X2b2 X3b2 ... Xab2
... ... ... ... ...
X1bn X2bn X3bn ... Xabn

El objetivo de un diseño factorial es estudiar el efecto de varios factores sobre una o varias respuestas o
características de calidad, es decir, lo que se busca es estudiar la relación entre factores y la respuesta
con la finalidad de conocer mejor como es esta relación y generar conocimientos que permitan tomar
acciones y decisiones que mejoren el desempeño del proceso.

Los factores pueden ser de tipo cualitativo (máquinas, tipo de material, operador, la presencia o
ausencia de una operación previa, etc.) o de tipo cuantitativo (temperatura, humedad, velocidad,
presión, etc). Para poder estudiar la manera en que influye cada factor sobre la variable respuesta, es
necesario elegir al menos dos niveles de prueba para cada uno de ellos (tres máquinas, dos operadores,
tres velocidades, dos temperaturas, etc).

Definición de experimento factorial: es el conjunto de puntos experimentales o tratamientos que

pueden formarse considerando todas la posibles combinaciones de los niveles de los factores. Por
2
ejemplo, con K = 2 factores ambos con dos niveles de prueba, se forma el diseño factorial 2 x 2 = 2
que consiste de cuatro combinaciones o puntos experimentales. Considerando otra vez K = 2 factores,
pero ahora uno con tres niveles y el otro con dos niveles se pueden construir 3 x 2 combinaciones que
da lugar al diseño factorial 3 x 2

Para escribir el modelo para el diseño se tiene la siguiente notación:

efecto medio global
i. . media para el i-ésimo nivel del factor A, i = 1,2,3,…a
. j. media para el j-ésimo nivel del factor B, j = 1,2,3,…b
i .j media para la (i-j)- i-esima conbinacion de tratamientos
i i =efecto debido al hecho de que la unidad experimental esta i-ésimo nivel del factor A
. j. =efecto debido al hecho de que la unidad experimental esta en el j-ésimo nivel del factor B
ij i .j i. . . j. =efecto de interacción entre el i-ésimo nivel del factor A y el j-ésimo nivel del
factor B

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 95

Ei j k xi j k i .j = error residual o aleatorio.

Utilizando esta notación podemos expresar el modelo en la forma siguiente.

Xi j k i j i k j Ei j k
donde i = 1,2,…,a ; j = 1,2,…,b ; k = 1,2,…,n

El modelo expresa simbolicamente la idea de que cada observación puede dividirse en 5 componentes:
Un efecto medio global , un efecto debido al factor A ( i ), un efecto debido al factor B ( j ), un efecto
debido a la interacción ( ) i j , y una desviación aleatoria debida a orígenes inexplicables E i j k .
Supuestos del modelo.
Admitimos los siguientes supuestos:

1. Las observaciónes para la combinación de tratamientos constituyen muestras aleatorias

independientes, cada una de tamaño n, de a - b poblaciones con medias i j. , donde i = 1,2,…a : j =
1,2,…,b.
2. Cada una de las a x b poblaciones es normal.
3. Cada una de las a x b problaciones tienen la misma varianza.

Contraste de los efectos principales e interacción

La primera hipótesis nula a contrastar es la de no interacción. Matemáticamente, esta hipótesis es

Ho: ij 0 i = 1,2,…,a j = 1,2,…,b

Si no se rechaza esta hipótesis, se continúa el análisis contrastando la hipóteisis nula de que no hay
diferencias entre los niveles del factor A

Ho: 1. . 2. . ... a. .

La hipótesis nula de no diferencia entre niveles del factor B

Ho: .1. . . .2. ... .b.

El formato del análisis de varianza para este diseño se muestra a continuación:

ANALISIS DE VARIANZA: CLASIFICACION DE DOS VIAS, DISEÑO COMPLETAMENTE

ALEATORIO CON EFECTOS FIJOS

Origen de la Suma de Grados de Cuadrado

variación cuadrados libertad medio Cociente F

Tratamientos a b Tt 2j T. 2.
S CT R M S TR
i 1 j 1 n abn ab -1 ab 1 MSE
S CA MSA
A
SCA a-1 a 1 MSE
S CB MSB
B
SCB b-1 b 1 MSE
S C A.B M S AB
AB
SCA.B (a-1)(b-1) ( a 1)(b 1) MSE
S CE
Error
SCE ab (n-1) a b(n 1)
Total SCT abn-1

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 96

Ejemplo:
El Mirogres terrrae sanctae es un pez comercializado semejante a la sardina que se encontró en el Mar
de Galilea. Se realizó un estudio para determinar el efecto de la luz y la temperatura sobre el índice
gonadosomático (GSI), que es una medida de crecimiento del ovario. Se utilizaron dos
fotoperíodos(luz): catorce horas de luz, diez horas de oscuridad y nueve horas de luz, quince horas de
oscuridad, y dos niveles de temperatura: 16 y 27 ºC. De este modo, el experimentador puede simular
situaciones de verano e invierno en la región. Se trata de un experimento factorial con dos factores, luz
y temperatura que son investigados cada uno a dos niveles.
El experimento se realizó recogiendo 20 hembras en junio. A continuación se dividió aleatoriamente el
grupo en cuatro subgrupos, de tamaño 5 cada uno. Cada subgrupo recibió una de las cuatro posibles
combinaciones de tratamientos. Despues de tres meses se determinó el índice gonadosomático (GSI)
para cada pez. Se obtuvieron los siguientes datos:

Para estos datos:

2 2 5
a = 2, b = 2, n = 5 y N = a . b . n total= 20, También Xi2j k 4 8.2 6
i 1 j 1k 1

Factor A (Luz)
Factor B Total
(temperatura) 9 horas 14 horas (factor B)
27 ºC (no natural) (verano simulado)
0,9 0,83
1,06 0,67
0,98 0,57
x11. 1.0 7 x21. 0.6 4
1,29 0,47
1,12 0,66
T11, = 5,35 T21, = 3,2 T.1.=8,55
16 ºC (invierno simulado) (no natural)
1,3 1,01
2,88 1,52
2,42 1,02
x12 2.44 x 22 13
.
2,66 1,32
2,94 1,63
T12, = 12,20 T22, = 6,5 T.2.=18,7

Total Total global

(factor A) 17,55 9,7 T.. =27,25

Solución:
2 2 2 2 2
5.3 5 3.2 1 2.2 0 6.5 2 7.2 5
S St r a 8.8 6 =
5 5 5 5 20
2 2 2
1 7.5 5 9.7 2 7.2 5
S SA 3.0 8
10 10 20
2 2 2
8.5 5 1 8.7 2 7.2 5
S SB 5.1 5
10 10 20
S SAB S St r a SA SB 8.8 6 3.0 8 5.1 5 0.6 3
2
2 7.2 5
S St ot al 4 8.2 6 1 1.1 3
20
S SE S St ot al S St r a 1 1.1 3 8.8 6 2.2 7

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 97

La tabla del anova se presenta a continuación:

Origen de la Suma de Grados de Cuadrado
variación cuadrados libertad medio Cociente F Pvalue

Tratamientos 8,86 ab -1=3 2,95 21,07 0.000

A 0.000
3,08 a-1=1 3,08 22
B
5,15 b-1=1 5,15 36,79 0.000
AB
0,63 (a-1)(b-1)=1 0,63 4,5* 0.051
Error
2,27 ab (n-1)=16 0,14
Total 11,13 abn-1=19

Observamos primero el cociente F empleado para comprobar la interacción (*) el valor Pvalue para este
estadístico es (p=0.051), y la distribuciòn Fexperimental=4.5, la distribución Fteórica=4.49
F(1,16) =4.49 4.5 0
El valor experimental pertenece a la región de aceptación, por lo tanto no podemos rechazar la Ho y
concluimos que no existe interacción entre los factores es decir entre el ciclo de la luz utilizado y la
temperatura.

Concluimos que el efecto de la luz y la temperatura explican mejor el modelo mas no la interacción.
(Interacción”AxB”: Es el efecto que sobre la variable dependiente pueden producir las diferentes
combinaciones simultáneas de los diversos niveles de los factores).

Pasos en el SPSS
Analizar< Modelo lineal general< Univariante< Pasar (V. dependiente _Tratamientos; a Factores fijos_
temperatura y luz)< Modelo< factorial completo< Tipo III< desmarcar interacción en el modelo<
continuar< aceptar.
Pruebas de los efectos inter-sujetos

Variable dependiente: CRECIMIENTO

Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Modelo 45,991(a) 4 11,498 80,991 ,000
LUZ 3,081 1 3,081 21,704 ,000
TEMPERATURA 5,151 1 5,151 36,285 ,000
FOTOPERIODO *
TEMPERATURA ,630 1 ,630 4,439 ,051
Error 2,271 16 ,142
Total 48,262 20
a R cuadrado = ,953 (R cuadrado corregida = ,941)

Ejemplo:
Un ejemplo de un experimento factorial a dos factores es el que estudia la supervivencia de cuatro
animales a los que se ha asignado al azar tres venenos y cuatro tratamientos. El diseño factorial es un 3
x 4 y se repite cuatro veces. Ya que ambos factores, venenos y tratamientos son de igual interés, podría
interesar si existe interacción entre ellos.
Tiempo de supervivencia (unidad igual a 10 horas) de los animales en un experimento factorial 3 x 4
con 4 repeticiones.

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 98

Veneno Trat. A Trat.B Trat.C Trat.D

I 0.31 0.82 0.43 0.45
0.45 1.10 0.45 0.71
0.46 0.88 0.63 0.66
0.23 0.72 0.76 0.62

II 0.36 0.92 0.44 0.56

0.29 0.61 0.35 1.02
0.40 0.49 0.31 0.71
0.23 1.24 0.40 0.38

III 0.22 0.30 0.23 0.30

0.21 0.37 0.25 0.36
0.18 0.38 0.24 0.31
0.23 0.29 0.22 0.33

Tabla del Análisis de la variancia del diseño factorial de dos factores con repetición
Pruebas de l os ef ect os i nt er- suj et os

Var iable dependient e: Tiempo. super vivencia

Sum a de
cuadr ados Media
Fuent e t ipo I I I gl cuadr át ica F Signif icación
Modelo cor r egido 2. 240a 11 . 204 8. 901 . 000
I nt er sección 10. 840 1 10. 840 473. 729 . 000
veneno . 979 2 . 490 21. 402 . 000
Tr at amient o . 990 3 . 330 14. 419 . 000
veneno * Tr at amient o . 271 6 . 045 1. 974 . 095
Er r or . 824 36 . 023
Tot al 13. 904 48
Tot al cor r egida 3. 064 47
a. R cuadr ado = . 731 ( R cuadr ado cor r egida = . 649)

(Los valores están multiplicados por 1000 )

Los diseños factoriales son importantes por varias razones

Requieren relativamente pocos experimentos elementales para cada factor, y permiten explorar factores
que pueden indicar tendencias y así determinar una dirección prometedora para experimentos futuros.

Si existe interacción entre los factores estudiados permite medirla .

Cuando el número de factores (variables) suelen ser importantes para estudiar todas las variables, los
diseños factoriales fraccionados permiten estudiarlas a todas para estudiarlas superficialmente en lugar
de hacer experimentos mas pequeños que pueden no incluir las variables importantes.

Estos diseños y sus correspondientes fraccionados pueden ser utilizados en bloques para construir
diseños de un grado de complejidad que se ajuste a las necesidades del problema.
La interpretación de las observaciones producidas por estos diseños se puede realizar en gran parte a
base de sentido común y aritmética elemental.

Interpretación de los efectos principales y la interacción

• El efecto simple del Factor A cuando el Factor B toma el nivel b1: es igual al cambio en la variable
respuesta y; cuando se cambia del tratamiento a1b1 al tratamiento a2b1.

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 99

• El efecto simple del Factor A cuando el Factor B toma el nivel b2: es igual al cambio en la variable
respuesta y, cuando se cambia del tratamiento a1b2 al tratamiento a2b2.
• El efecto principal del factor A: es el promedio de los efectos simples del factor A
• El efecto principal del factor B: es el promedio de los efectos simples del factor B
• La interacción del factor A y el factor B: es la diferencia del efecto simple del factor A cuando el
factor B toma el nivel b2 menos el efecto simple del factor A cuando el factor B toma el nivel b1.
Es decir, si el efecto sobre la variable respuesta (y) debe cambiar del nivel al nivel a2 del factor A es
igual para los dos niveles del factor B, entonces la interacción es cero (no hay interacción o los factores
operan independientemente).
Si el efecto simple del factor A depende del nivel del factor B, entonces existe interacción entre el
factor A y el factor B.
Si el signo que resulta de la interacción es positivo se dice que existe "efecto sinergizante" o
"potencialización"; sin embargo si es negativo se dice que existe "efecto antagónico" o "interferencia".

Forma Gráfica de observar la Interacción.

Para observar la interacción entre el factor A y el factor B, se debe realizar una gráfica de la respuesta
de los datos, contra los niveles del factor A, para ambos niveles del factor B, de la siguiente manera:

En la Figura 1, podemos observar que las rectas que se forman son aproximadamente paralelas lo cual
indica que no existe interacción entre el Factor A y el Factor B; mientras que en la Figura 2, las dos
rectas que se forman no son paralelas y se intersectan, lo que significa que existe interacción entre el
Factor A y el Factor B.
Los "a" niveles del factor A y los "b" niveles del factor B, pueden ser elegidos aleatoriamente de
poblaciones más grandes, entonces se dice que el factor A y el factor B son aleatorios; en este caso las
inferencias pueden generalizarse a todos los niveles de las poblaciones bajo estudio, porque los niveles
de los factores se eligieron al azar. También el experimentador puede elegir específicamente los "a"
niveles del factor A y los "b" niveles del factor B usados en el experimento, entonces se dice que el
factor A y el factor B son fijos; por lo tanto las inferencias hechas con base en el Análisis de Varianza
pueden aplicarse solamente a los niveles específicos del factor A y el factor B que se probaron.
En consecuencia de lo anterior, se pueden dar los siguientes casos:
1) El factor A y factor B son fijos, entonces el Modelo que resulta es el Modelo de Efectos Fijos.
2) El factor A y factor B son aleatorios, entonces el Modelo que resulta es el Modelo de Efectos
Aleatorios.
3) El factor A es aleatorio y el factor B es fijo, o viceversa, el Modelo que resulta es el Modelo Mixto.

Ejemplo:
Un agrónomo desea planear un experimento usando el diseño de bloques al azar con 4 replicaciones. Él
ha decidido usar 2 factores en el experimento: el factor Tipo de Suelo con 4 niveles y el factor
Variedades de Maíz con 3 niveles. Él sabe que el diseño de bloques al azar tendrá 12 tratamientos, pero
no ha tomado la decisión si debe usar un Modelo factorial fijo, aleatorio o mixto. Para tomar esta
decisión, él enumera el siguiente listado de las alternativas posibles para este experimento.

Situación 1
Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro
Cap. IV Experimentos factoriales 100

El agrónomo selecciona 4 Tipos de Suelo y 3 Variedades de maíz según el objetivo del experimento.
Las conclusiones que se obtengan de este experimento solamente serán válidas para los 4 Tipos de
Suelo y las 3 Variedades de maíz.
Decisión: Usar un Modelo de Efectos Fijos

Situación 2
El agrónomo selecciona 4 Tipos de Suelo al azar a partir de un listado de todos los tipos de suelos que
existen en la zona donde se va a hacer este experimento. Asimismo la selección de 3 Variedades de
maíz se hace en forma aleatoria usando un listado que contiene todas las posibles variedades de maíz
que existen en la zona.
Las conclusiones que se obtengan de este experimento solamente serán válidas para todos los Tipos de
Suelo y todas las Variedades de maíz que existen en la zona experimental.
Decisión: Usar un Modelo de Efectos Aleatorios

Situación 3
El agrónomo selecciona 4 tipos de suelos al azar a partir de todos los tipos de suelos que existen en la
zona donde se va a hacer este experimento, pero usa 3 variedades de maíz que fueron nombradas en el
objetivo del experimento.

Las conclusiones que se obtengan de este experimento serán válidas para todos los tipos de suelo que
existen en la zona de experimentación, pero solamente para 3 variedades de maíz que fueron usadas en
el experimento.
Decisión: Usar un Modelo Mixto tomando variedad de maíz como Factor Fijo y tipos de suelo como
Factor Aleatorio.
Nota: Obsérvese que existe también la posibilidad de usar otro Modelo Mixto en el cual se puede tomar
el Factor tipo de suelo como Factor Fijo y el Factor variedad de maíz como Factor Aleatorio.

Ejemplo:
Se llevó a cabo un estudio del efecto de la temperatura sobre el porcentaje de encogimiento de telas
teñidas, con dos réplicas para cada uno de cuatro tipos de tela en un diseño totalmente aleatorizado. Los
datos son el porcentaje de encogimiento de dos réplicas de tela secadas a cuatro temperaturas; Los
cuales se muestran a continuación.
Factor A Factor B (temperatura)
(tipos de
tela) 210ºF 215ºF 220ºF 225ºF
1,8 2,0 4,6 7,5
1
2,1 2,1 5,0 7,9
2,2 4,2 5,4 9,8
2
2,4 4,0 5,6 9,2
2,8 4,4 8,7 12,3
3
3,2 4,8 8,4 13,0
3,2 3,3 5,7 10,9
4
3,6 3,5 5,8 11,1

Solución
En este ejemplo el análisis se hará como un Modelo de Efectos Fijos; ya que el investigador define con
su propio criterio las temperaturas y los tipos de telas que va ha utilizar para llevar a cabo este
experimento.
Variable Respuesta: Porcentaje de encogimiento de la tela teñida.

Planteamiento de las hipótesis

a) Ho : El tipo de tela no influye en el porcentaje de encogimiento de la tela teñida.
Ha : El tipo de tela influye en el porcentaje de encogimiento de la tela teñida .
b) Ho : Los niveles de temperatura no influyen en el porcentaje de encogimiento de la tela teñida.
Ha : Los niveles de temperatura influyen en el porcentaje de encogimiento de la tela teñida.
Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro
Cap. IV Experimentos factoriales 101

c) Ho : La combinación del tipo de tela teñida y la temperatura no influye significativamente en el

porcentaje de encogimiento de la tela.
Ha : La combinación del tipo de tela teñida y la temperatura influye significativamente en el
porcentaje de encogimiento de la tela.

Datos:
a = 4, b = 4, n = 2, N = abn = 4 x 4 x 2 = 32

Pruebas de l os ef ect os i nt er - suj et os

Var iable dependient e: encogiient o

Sum a de
cuadr ados Media
Fuent e t ipo I I I gl cuadr át ica F Signif icación
Modelo 1346, 805a 16 84, 175 1313, 956 , 000
t em per at ur a 275, 631 3 91, 877 1434, 177 , 000
t ipo. t ela 38, 993 3 12, 998 202, 893 , 000
t em per at ur a * t ipo. t ela 14, 048 9 1, 561 24, 365 , 000
Er r or 1, 025 16 , 064
Tot al 1347, 830 32
a. R cuadr ado = , 999 ( R cuadr ado cor r egida = , 998)

Tomando = 0.05, encontrando para cada hipótesis a probar sus respectivos Ftabular, se tiene:
a) F( ,a-1,ab(n-1) = F(0.05,4 -1,4(4)(2 - 1) = F(0.05,3,16) = 3.24
b) F( ,b-1,ab(n-1) = F(0.05,4 -1,4(4)(2 - 1) = F(0.05,3,16) = 3.24
c) F( ,(a-1)(b-1),ab(n-1) = F(0.05,(4 -1)(4 -1),4(4)(2 - 1) = F(0.05,9,16) = 2.54

Conclusiones
Se tiene:

Respecto a la hipótesis a (Factor A(Tipo de Tela))

Se observa de la tabla de Análisis de Varianza que el Fo > Ftabular (202.89 > 3.24); por lo tanto, se
rechaza Ho; es decir, el tipo de tela teñida influye significativamente en el porcentaje de encogimiento
de ella.

Respecto a la hipótesis b (Factor B(Temperatura))

Se observa de la tabla de Análisis de Varianza que el Fo > Ftabular (1434.18 > 3.24); por lo tanto, se
rechaza Ho; es decir, los niveles de temperatura influyen significativamente en el porcentaje de
encogimiento de la tela teñida.

Respecto a la hipótesis c (Interacción(Tipo de tela y Temperatura))

Se observa de la tabla de Análisis de Varianza que el Fo > Ftabular (24.365> 2.54); por lo tanto, se
rechaza Ho; es decir, la combinación de el tipo de tela teñida y los niveles de temperatura influyen en el
porcentaje de encogimiento de la tela teñida. El Modelo es posible.

Ejemplo:
La salida máxima de voltaje de un tipo particular de batería, se piensa que puede ser influenciado por el
material usado en los platos y por la temperatura en la localización en la cual la batería es colocada. se
hacen cuatro replicas en el experimento en un experimento factorial, para tres tipos de temperatura (50,
65, 80) y tres materiales, los resultados son:

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 102

FACTOR B
TEMPERATURA
50 65 80 TOTAL
FACTOR (A) 130 155 30 40 20 70
1 74 180 80 75 82 58 998
MATERIAL
150 188 136 122 25 70
2 159 126 106 115 58 45 1300
138 110 174 120 96 104
3 168 160 150 139 82 60 1501
TOTAL 1738 1291 770 3799

Determinar que tipo de material se comporta más estable ante las diferentes temperaturas

¿Los datos presentan suficiente evidencia que el tipo de material afecta el voltaje de salida?

¿Los datos presentan suficiente evidencia que las temperaturas usadas en el experimento afectan el
voltaje de salida?

¿Los datos demuestran evidencias suficientes que el tipo de material usado y las temperaturas
consideradas en el experimento tienen efecto conjunto sobre el voltaje de salida considerando a un nivel
de significancia del 5%?

Contraste de Levene sobre la igualdad de las varianzas error(a)

Variable dependiente: rendimiento

F gl1 gl2 Significación
,910 8 27 ,523
Contrasta la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos.
a Diseño: temperatura+material+temperatura * material

Pruebas de los efectos inter-sujetos

Variable dependiente: rendimiento

Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Modelo 459862,250(a
9 51095,806 74,861 ,000
)
temperatura 39103,167 2 19551,583 28,645 ,000
material 10863,500 2 5431,750 7,958 ,002
temperatura * material 9839,333 4 2459,833 3,604 ,018
Error 18428,750 27 682,546
Total 478291,000 36
a R cuadrado = ,961 (R cuadrado corregida = ,949)

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 103

M e d i a s m a rg i n a l e s e s t i m a d a s d e V OL T AJ E
180

160

140

120

100
M ATERI AL
80
1, 00

60 2, 00

40 3, 00
50 65 80

TEM PERAT

PROBLEMAS DE REPASO DEL CAPÍTULO

1. Con el fin de precisar las condiciones óptimas de un baño de niquel, los efectos de la concentración
de sulfona y la temperatura del baño en el poder de reflexión de un metal niquelado. Para tal efecto
las condiciones se estudian en un experimento factorial 2 x 5. Los resultados de las tres repeticiones
son los siguientes:

Concentración Temperatura Poder de reflexión

(gramos/litro) (grados F) Rep.1 Rep.2 Rep.3
5 75 35 39 36
5 100 31 37 36
5 125 30 31 33
5 150 28 20 23
5 175 19 18 22
10 75 38 46 41
10 100 36 44 39
10 125 39 32 38
10 150 35 47 40
10 175 30 38 31

Analice estos resultados y determínese la condición o condiciones del baño que produzcan el mayor
nivel de reflexión. Constrúyase también un intervalo de confianza de 0.95 para el nivel de reflexión
del baño de niquel correspondiente a las condiciones óptimas.
Rpta: Los efectos significativos son la temperatura (F = 11.0, =0.01), la concentración (F = 44.0,
=0.01) y su interacción (F = 3.5, =0.05). Condiciones óptimas para la reflexión son la
concentración a 10 gramos por litro y temperatura de baño a 75ºF.

2. Para probar el diseño de una raqueta de tenis, un individuo juega tenis con una raqueta determinada
durante una hora y luego la evalúa mediante una escala de 1 al 10. Dos medidas del marco de la
raqueta (estándar y grande) se prueban empleando tres tensiones de las cuerdas. Dieciocho
jugadores, dotados con raquetas al azar, dan los siguientes resultados:

Marca de la Tensión de
raqueta las cuerdas Rep.1 Rep.2 Rep.3
Estándar Baja 5 6 5
Estándar Media 6 6 7
Estándar Alta 5 4 6
Grande Baja 6 7 5
Grande Media 8 9 7
Grande Alta 3 5 2

Realícese un análisis de varianza adecuado y determínese las condiciones, cualesquiera que sean, en
las cuales se prefiere el tamaño grande del marco. Rpta: F = 14 es significativa al nivel 0.01; para
Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro
Cap. IV Experimentos factoriales 104

interacción, F = 4.5 es significativa al nivel del 0.05; para repeticiones F=1.2 no es significativa al
nivel de 0.05. La tensión media es preferible cuando la raqueta es grande.

3. El director de un colegio desea saber si los años de experiencia educativa de los profesores (A1:
menos de dos años; A2: más de dos años) y tres métodos de enseñanza influyen en el rendimiento de
una asignatura. 12 alumnos son asignados al azar a las 6 condiciones referidas. Su rendimiento
académico a final de curso fue:

B1 B2 B3
4 4 8
A1 3 3 10
2 5 10
A2 1 6 10

a) ¿Influye la experiencia docente del profesor sobre el rendimiento?

b) ¿Influyen los métodos de enseñanza? ¿Cuál es el mejor y el peor?
c) ¿Hay interacción?. Haz una gráfica e interprétala.

4. En un estudio sobre memoria registramos el número de aciertos de 6 sujetos en condiciones de

reconocimiento (A1) y de recuerdo (A2) en tres periodos temporales distintos (B1: tras una hora
desde la fase de estudio; B2: tras una día; B3: tras una semana). Los resultados fueron:
B1 B2 B3
4 5 7
6 8 10
1 6 5
2 10 12
5 10 10
A1 1 7 8
1 2 4
3 6 6
3 5 4
1 4 7
5 6 5
A2 2 8 7

Analiza e interpreta los resultados.

La variable A influye sobre la VD: F1,5=8.17, MCe= 4.91, p=0.035, lo que quiere decir que en
condiciones de reconocimiento (media A1=6.5) los sujetos rinden mejor que en condiciones de
recuerdo (media A2=4.39).
Los efectos principales de B también son significativos: F2,10=17.77, MCe= 3.53, p=0.001.
Debemos comparar pues por pares las medias de B1, B2 y B3 (que son respectivamente 2.83,
6.42 y 7.08).
Aplicaremos para ello 3 pruebas t para muestras relacionadas para comparar por pares las 3
condiciones. Los resultados nos muestran que no hay diferencias entre B2 y B3, pero sí entre B1
con B2 y con B3.
La interacción es significativa: F2,10=5.42, MCe= 0.93, p=0.025 (ver gráfica).

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 105

5. Comparamos la eficacia de dos tipos de entrenamiento deportivo en 8 deportistas amateurs (A1:

entrenamiento sólo físico; A2: entrenamiento físico+psicólogico). Asignamos al azar 4 sujetos a
cada condición. A lo largo de 4 semanas (B1, B2, B3, B4) dichos 8 sujetos fueron evaluados en un
test de rendimiento deportivo (escala de 0 a 15 puntos). Sus resultados fueron:

B1 B2 B3 B4
3 4 7 7
6 5 8 8
3 4 7 9
A1 3 3 6 8
1 2 5 10
2 3 6 10
2 4 5 9
A2 2 3 6 11

Analiza e interpreta los resultados.

La variable A no influye sobre la VD: F(1,6)=2, MCe= 1.56, p=0.35, lo que quiere decir que no
hay diferencias en el tipo de entrenamiento.
Los efectos principales de B son significativos: F(3,18)=127.89, MCe= 0.51, p<0.001. Debemos
comparar pues por pares las medias de B1, B2, B3 y B4 (que son respectivamente 2.75, 3.5, 6.25
y 9).
Aplicaremos para ello 6 pruebas t para muestras relacionadas para comparar por pares las 4
condiciones tomando como significativas sólo aquellas sig que sean menores o iguales a 0.05.
Los resultados nos muestran que todas las diferencias son significativas. Ello podría
interpretarse en el sentido de que el rendimiento deportivo mejora a lo largo del tiempo.
La interacción de AB es significativa F3,18=12.74, MCe= 0.51, p<0.001 (ver gráfica).

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro

Cap. IV Experimentos factoriales 106

Para analizarla aplicaremos 4 pruebas t para muestras independientes. Al hacerlas nos daremos
cuenta de que todas son significativas excepto en la segunda semana. La interpretación global de
esta interacción apunta a la idea de que el entrenamiento psicológico sólo comienza a ser eficaz
a partir de la cuarta semana.

6. En un estudio sobre memoria verbal se seleccionaron al azar 50 personas mayores y 50 jóvenes

(factor 1: edad). Dentro de cada uno de estos grupos se asignaron, al azar, 10 personas a 5 distintos
grupos a los que se les presentó una misma lista de 27 palabras. A cada uno de los 5 grupos se les
dieron las siguientes instrucciones (factor 2: método)
Grupo 1 (contar): se les pidió que contasen el nº de letras de cada palabra
Grupo 2 (rimar): se les pidió que rimasen cada palabra con otra
Grupo 3 (adjetivar): se les pidió que a cada palabra le asignasen un adjetivo
Grupo 4 (imaginar): se les pidió que a cada palabra le asignasen una imagen
Grupo 5 (recordar): se les pidió que memorizasen las palabras.
A los 4 primeros grupos no se les dijo que deberían recordar las palabras. Finalmente, tras
revisar la lista 3 veces, se recogió el nº de palabras recordadas por cada grupo (variable
respuesta). Eysenck (1974).

7. Se está investigando cual es el efecto de tres tipos de abono sobre dos tipos de suelo. Se espera que
el efecto de los distintos abonos se manifieste de forma diferente dependiendo del tipo de suelo. Para
el presente estudio tomaremos dos tipos de suelo, ácido y alcalino y tres tipos de abono que
denotaremos con A, B y C. Tenemos así dos factores (suelo y abono) con 2 y 3 niveles
respectivamente, que resultan en 6 combinaciones. Tomaremos un diseño factorial con dos factores
y tres réplicas en cada una de las combinaciones de los niveles de los dos factores. La respuesta es
un índice de abundancia de una determinada especie tras la aplicación de los distintos abonos. Los
resultados se muestran en la tabla siguiente.

ABONO
A B C
7 5 8
Ácido 4 4 6
TIPOS DE 3 5 8
SUELO 4 6 10
Alcalino 7 5 7
5 6 6

a. Formule los supuestos básicos para que se pueda usar un análisis paramétrico
b. ¿Existe interacción entre el factor tipo de suelo y el factor abono?
c. ¿Existe al menos un par de medias de abono que haga una diferencia significativa?
d. .¿Existe diferencia significativa entre los diferentes tipos de suelo?
e. Ud. Recomendaria algún tipo de abono y un tipo especial de suelo para un mejor índice
de abundancia?, diga con que prueba lo realizaría para recomendar.

Métodos estadísticos aplicados a lainvestigación - Mg. Rosa Padilla Castro