UNIDAD III

k-p
Diseños factoriales 2

Ing. Juan Gaibor Chávez PhD

Ingeniería Agroindustrial
1
Universidad Estatal de Bolívar
Diseños factoriales

DISEÑOS FACTORIALES FRACCIONADOS 2k - p

p: fracción en la cual se va a trabajar

> P > fracción

𝑝=0 2𝑘 −1 → 2𝑘 ∗ 20 → 2𝑘 ∗ 1 → 2𝑘 Diseño completo

𝑝=1 2𝑘 −1 → 2𝑘 ∗ 2−1 →
2𝑘 Fraccionado a la mitad
2

𝑝=2 2𝑘 −2 → 2𝑘 ∗ 2−2 →
2𝑘
Fraccionado a la un cuarto
4

𝑝=3 2𝑘 −3 → 2𝑘 ∗ 2−3 → 𝑘
=
2 2
3

Ingeniería Agroindustrial
2
Universidad Estatal de
 Diseños factoriales
2𝑘 8 Fraccionado a la un octavo

Sacrificar información con el objetivo de analizar menos tratamientos pero tener respuestas
similares a las que se tendría si se trabajará con el diseño completo

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Diseños factoriales
fraccionados
Concepto. Diseños en los que se elige adecuadamente una parte o fracción de los
tratamientos de un factorial completo, con la intención de estudiar el efecto de los
factores utilizando menos corridas experimentales.

Las corridas en los factoriales fraccionados

son una parte o una fracción de los
tratamientos de los factoriales completos

La teoría de diseños fraccionados se basa en una jerarquización de los efectos: son

más importantes los efectos principales, seguidos por las interacciones dobles,
luego las triples, cuádruples, etcétera.

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Se observa que para menos de cinco factores (k < 5) los efectos potencialmente
importantes superan en número a los efectos ignorables a priori, de aquí que si se
fraccionan estos diseños, es forzoso que se pierda información que puede ser relevante.
Por otro lado, cuando k ≥ 5 el número de efectos ignorables supera al número de
efectos no ignorables o potencialmente importantes, lo cual indica que estos diseños se
pueden fraccionar sin perder información valiosa.

Diseño 22 Total de Efectos no Efectos

efectos ignorables ignorables
22 3 3 0

23 7 6 1

24 15 10 5

25 31 15 16

26 63 21 42

27 127 28 99

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Mientras más grande es el valor de k, el diseño admite un grado de

fraccionamiento
mayor.

Al correr sólo una fracción del diseño factorial completo ocurren dos hechos:

1. Se pierde información, ya que habrá efectos que no podrán estimarse y se

tienen menos grados de libertad disponibles para el error.

2. Los efectos que sí se pueden estimar tienen al menos un alias. El que un

efecto sea alias de otro significa que en realidad son el mismo efecto con
nombres distintos, y al estimar a uno de ellos al mismo tiempo se estima el otro,
de manera que no se pueden separar

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

La notación 2k-1 significa una fracción a la mitad del

diseño factorial completo
1
2 , 𝑘 > 2 𝑐𝑜𝑛
𝑘
2𝑘 = 2𝑘−1
2

En este diseño se estudio la mitad de los tratamientos

del factorial completo 2k , para ello se requiere solo
un generador de la fracción.

Ingeniería Agroindustrial
7
Universidad Estatal de
Diseños factoriales

Diseño factorial fraccionado 23-1

El primer diseño que se puede fraccionar es el factorial completo 23 . Si se
desea fraccionar a la mitad este diseño, entonces es necesario seleccionar
cuatro de entre los ocho tratamientos. Existen 84 = 70 posibles grupos de 4
tratamientos, por lo que la pregunta correcta sería cuál o cuáles de esas 70
posibles fracciones son las más apropiadas.

Diseño factorial completo 23 y contraste ABC

A B C ABC

-1 -1 -1 -
1 -1 -1 +
-1 1 -1 +
1 1 -1 -
-1 -1 1 +
1 -1 1 -
-1 1 1 -
1 1 1 +

Ingeniería Agroindustrial
8
Universidad Estatal de
Diseños factoriales

Con el diseño 23 completo se pueden estimar siete efectos: A, B, C,

AB, AC, BC y ABC. De acuerdo con su jerarquía, el efecto menos
importante a priori es la interacción triple ABC, así que éste es el
efecto más sacrificable para generar la fracción a la mitad, de
manera que se pierda un mínimo de información.

La generación de la fracción se hace con base en los signos del

contraste ABC: los signos “+” del contraste ABC señalan a los
tratamientos que conforman la llamada
fracción principal, y los signos “–” indican la fracción
complementaria . Los dos diseños factoriales fraccionados 23-1 así
generados, proporcionan la misma calidad de información sobre los
efectos potencialmente importantes.

Ingeniería Agroindustrial
9
Universidad Estatal de
Diseños factoriales

Dos posibles diseños fraccionados 23-1

Fracción 1 Fracción 2
(I = +ABC) (I = - ABC)

A B C A B C
1 -1 -1 a -1 -1 -1 (1)
-1 1 -1 b 1 - -1 ab
-1 -1 1 c 1 -1 1 ac
1 1 1 abc -1 1 1 bc

I = +ABC : relación definidora debido a que define la estructura del alias del diseño

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Efecto Alias
Son dos o más efectos con nombres diferentes que
comparten el mismo contraste y por lo tanto estiman el
mismo efecto. En una estructura de alias, se puede
encontrar cuáles efectos son alias entre si porque
comparten el mismo contraste y por tanto estiman el
mismo efecto.

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Alias

Se definen de manera explícita los alias de cada efecto Una

forma de obtener la estructura alias de un diseño factorial
es con la relación definidora del diseño.

Al multiplicar cada efecto por esta relación, con el uso de

multiplicación módulo 2: que significa que al multiplicar
cualquier efecto por la identidad es igual al efecto, y al
multiplicar un efecto por sí mismo es igual a la identidad.

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Estructura de alias
Si se aplica por ejemplo, para el efecto A, se tiene:
A x I = A y que A x A (Mod 2) = A2 = A0 = I

Por tanto, el alias de A se obtiene de multiplicar po A

ambos lados de la relación I = ABC, y resulta que:

A x I = A x ABC = A2BC = BC

Los alias de B y C se obtienen con: A y C son efectos alias entre

si porque comparten el
mismo contraste y por tanto
B x I = B x ABC = AB2C = AC estiman el mismo efecto
C x I = C x ABC = ABC2 = AB

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Adaptación del ejercicio 25 no replicado

En una planta agroindustrial, se elaboran concentrados proteicos a base de diferentes

frutas y suero de leche. Se desea mejorar el rendimiento del proceso aplicando un
diseño de experimentos. De acuerdo con los criterios del grupo de profesionales
encargados de lograr una mejora del proceso, los factores que podrían tener influencia
sobre la variable de respuesta (rendimiento), así como los niveles de prueba utilizados,
son los siguientes:

A: Nivel de la abertura de la tubería: grande – pequeña

B: Tiempo de permanencia en el tanque: 20% bajo – 20% alto
C: Tiempo de proceso: 30 seg – 45 seg
D: Dimensión del producto procesado: pequeño – grande
E: Tiempo de mezcla de los diferentes ingredientes: 14.5 minutos – 15-5 minutos.

Se decide correr el experimento 25 con una sola corrida o réplica para estudiar los
efectos de estos cinco factores. Los datos acomodados en el orden estándar (sin
aleatorizar) pera el experimento se presentan en la siguiente tabla:

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Estructura de alias, 25-1

(Fracción principal)

Estructura de alias
I + ABCDE Comparten el mismo
A + BCDE contraste y por lo tanto
C + ABDE estiman el mismo efecto
D + ABCE
E + ABCD
AB + CDE
AC + BDE
AD + BCE
AE + BCD
BC + ADE
BD + ACE
BE + ACD
CD + ABE
CE + ABD
DE + ABC

Ingeniería Agroindustrial
1
Universidad Estatal de
 Diseños factoriales
Datos acomodados en el orden estándar

(1) = 7 d=8 e = 18 de = 6
a=9 ad = 10 ae = 12 ade = 10
b = 34,0 bd = 32 be = 35 bde = 30
ab = 55 abd = 50 abe = 52 abde = 53
c = 16,0 cd = 18 ce = 15 cde = 15
ac = 20 acd = 21 ace = 22 acde = 20
bc = 40 bcd = 44 bce = 45 bcde = 41
abc = 60 abcd = 61 abce = 65 abcde = 63

Datos ejercicio dos fracciones 25-1

Fracción principal Fracción complementaria
e = 8,0 d = 8,0 (1) = 7,0 de = 6,0
a = 9,0 ade = 10,0 ae = 12,0 ad = 10,0
b = 34,0 bde = 30,0 be = 35,0 bd = 32,0
abe = 52,0 abd = 50,0 ab = 55,0 abde = 53,0
c = 16,0 cde = 15,0 ce = 15,0 cd = 18,0
ace = 22,0 acd = 21,0 ac = 20,0 acde = 20,0
bce = 45,0 bcd = 44,0 bc = 40,0 bcde = 41,0
abc = 60 abcde = 63,0 abce = 65,0 abcd = 61,0

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

25

31 ¿Cuál es el tratamiento que

efectos Pregunta
permite maximizar el
investigación
rendimiento?
¿Cuál es la estimación puntual
31 corridas experimentales en ese tratamiento?

Variable respuesta: Rendimiento : Maximizar

A: Nivel de la abertura de la tubería: grande – pequeña

B: Tiempo de permanencia en el tanque: 20% bajo – 20% alto
Factores C: Tiempo de proceso: 30 seg – 45 seg
D: Dimensión del producto procesado: pequeño – grande
E: Tiempo de mezcla de los diferentes ingredientes: 14.5 minutos – 15-5 minuto

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

1.

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

2.

Ingeniería Agroindustrial
1
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Incluir todos los términos

Efectos principales,
interacciones dobles, triples,
cuádruples

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Varios de los efectos no son significativos

y otros si lo son,
La suma de cuadrados del error y los
grados de libertad del error no son
calculados, son casos particulares de los
diseños no replicados porque tienen una
corrida experimental en cada tratamiento

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Muchos efectos no son

significativos, por lo que se
tiene que realizar un proceso de
limpieza

Los efectos están sin estandarizar. Para calcular el efecto estandarizado depende de
calcular el cuadrado medio del error que no se puede realizar porque es cero

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Proceso de limpieza de efectos que no son significativos

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
2
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Mejor tratamiento
Qué nivel deberá tener el factor A, B y C para maximizar la variable de respuesta

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Se desea maximizar
Se selecciona los puntos más altos en las gráficas de interacción

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Una vez que se tiene el mejor tratamiento, se puede hacer una estimación de la
variable de respuesta

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Propone la ecuación de regresión, y se puede estimar la variable de respuesta que va a ser el mejor tratamiento, los
índices de la ecuación de regresión indican que es bueno el modelo, la calidad de ajuste es buena

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

25 completo no replicado
32 tratamientos 31 efectos

Modelo estadístico simplicado

𝑦𝑖𝑗𝑘 = 𝜇 + 𝛼 𝑖 + 𝛽𝑗 + 𝛾𝑘 + 𝛼𝛽𝑖𝑗 + 𝜀

𝑦 = 30,844 + 5,594 𝑥1 + 16,656 𝑥2 + 4,531 𝑥3 + 4,281 𝑥1𝑥2 =𝟔𝟏, 𝟗𝟎𝟔𝟑 %

Mejor tratamiento: ¿Qué nivel del factor A, B, C, D y E, debería tener cada

factor para maximizar la variable de respuesta?

A+ B+ C+ D E
x1=+1
x2=+1
x3=+1
Estos valores se puede sustituir en el modelo de regresión y calcular la variable respuesta

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Para estimar la variable de respuesta del mejor tratamiento

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
3
Universidad Estatal de
Diseños factoriales

El valor estimado del

rendimiento= 61,9063

Ingeniería Agroindustrial
4
Universidad Estatal de
 Diseños factoriales

Se fracciona a la mitad
¿Cuáles son los tratamientos que se debería seleccionar de los 32 que tiene un diseño 2 5
completo, que permita no perder información valiosa en el diseño experimental?

Diseño 25-1 p= 1 (generador)

32 tratamientos 16 tratamientos
Al ser fraccionado al mita se requiere un generador de la fracción a analizar
Si se fracciona el diseño se puede trabajar con dos tipos de fracción:

Fracción
Principal Complementaria
16 tratamientos 16 tratamientos

Relación definidora I = +ABCDE I = -ABCDE

Generador a
trabajar sería E= +ABCD E= -ABCD
del factor E

Ingeniería Agroindustrial
4
Universidad Estatal de
 Diseños factoriales

Diseño 25-1 p= 1 (generador)

32 tratamientos 16 tratamientos
Al ser fraccionado al mita se requiere un generador de la fracción a analizar
Si se fracciona el diseño se puede trabajar con dos tipos de fracción:
Fracción
Principal Complementaria
16 tratamientos 16 tratamientos

I = +ABCDE I = -ABCDE
Generador a
trabajar sería E= +ABCD E= -ABCD
del factor E

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Diseño 25-1 p=1 generador

32 tratamientos 16 tratamientos

Tratamientos/Facto
A B C D E=+ABCD Notación yates Rendimiento
res
1 - - - - + E 18
2 + - - - - A 9
3 - + - - - B 34
4 + + - - + ABE 52
5 - - + - - C 16
6 + - + - + ACE 22
7 - + + - + BCE 45
8 + + + - - ABC 60
9 - - - + - D 8
10 + - - + + ADE 10
11 - + - + + BDE 30
12 + + - + - ABD 50
13 - - + + + CDE 15
14 + - + + - ACD 21
15 - + + + - BCD 44
16 + + + + + ABCDE 63

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Indica la estructura alias, que indica

que efectos son alias con otros

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
4
Universidad Estatal de
Diseños factoriales

Se limpia el diagrama de Pareto, dejando solo los efectos significativos. No se puede estandarizar este momento
debido a que un efecto estandarizado depende del cuadrado medio del error, que este caso no se puede calcular
porque el valor es 0, porque no es replicado el diseño.

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Generar los contrastes, efectos y suma de cuadrados

16 tratamientos.

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Cálculo para cada uno de los contrastes para cada uno de los efectos que luego se van a
estimar
Rendimient
A B C D E o E A B ABE C ACE BCE ABC D ADE BDE ABD CDE ACD BCD
-1 -1 -1 -1 1 18 18 -18 -18 18 -18 18 18 -18 -18 18 18 -18 18 -18 -18
1 -1 -1 -1 -1 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9
-1 1 -1 -1 -1 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34
1 1 -1 -1 1 52 52 52 52 52 -52 -52 -52 -52 -52 -52 -52 -52 52 52 52
-1 -1 1 -1 -1 16 -16 -16 -16 -16 16 16 16 16 -16 -16 -16 -16 16 16 16
1 -1 1 -1 1 22 22 22 -22 -22 22 22 -22 -22 -22 -22 22 22 -22 -22 22
-1 1 1 -1 1 45 45 -45 45 -45 45 -45 45 -45 -45 45 -45 45 -45 45 -45
1 1 1 -1 -1 60 -60 60 60 -60 60 -60 -60 60 -60 60 60 -60 60 -60 -60
-1 -1 -1 1 -1 8 -8 -8 -8 -8 -8 -8 -8 -8 8 8 8 8 8 8 8
1 -1 -1 1 1 10 10 10 -10 -10 -10 -10 10 10 10 10 -10 -10 -10 -10 10
-1 1 -1 1 1 30 30 -30 30 -30 -30 30 -30 30 30 -30 30 -30 -30 30 -30
1 1 -1 1 -1 50 -50 50 50 -50 -50 50 50 -50 50 -50 -50 50 50 -50 -50
-1 -1 1 1 1 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15
1 -1 1 1 -1 21 -21 21 -21 21 21 -21 21 -21 21 -21 21 -21 -21 21 -21
-1 1 1 1 -1 44 -44 -44 44 44 44 44 -44 -44 44 44 -44 -44 -44 -44 44
1 1 1 1 1 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
Contraste 13 77 259 15 75 7 17 -23 -15 17 15 -5 67 -9 1
Efectos 1,625 9,625 32,375 1,875 9,375 0,875 2,125 -2,875 -1,875 2,125 1,875 -0,625 8,375 -1,125 0,125
Suma
cuadrados 10,563 370,5625 4192,56 14,0625 351,563 3,0625 18,0625 33,0625 14,0625 18,0625 14,0625 1,5625 280,563 5,0625 0,0625

Ingeniería Agroindustrial
5
Universidad Estatal de
 Diseños factoriales

Cálculo contraste ABCD

E + ABCD, efecto no presente en la principal sino en la complementaria

A B C D E Rendimiento E A B ABE C ACE BCE ABC D ADE BDE ABD CDE ACD BCD ABCD

-1 -1 -1 -1 1 18 18 -18 -18 18 -18 18 18 -18 -18 18 18 -18 18 -18 -18 18

1 -1 -1 -1 -1 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 -9
-1 1 -1 -1 -1 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 -34
1 1 -1 -1 1 52 52 52 52 52 -52 -52 -52 -52 -52 -52 -52 -52 52 52 52 52
-1 -1 1 -1 -1 16 -16 -16 -16 -16 16 16 16 16 -16 -16 -16 -16 16 16 16 -16
1 -1 1 -1 1 22 22 22 -22 -22 22 22 -22 -22 -22 -22 22 22 -22 -22 22 22
-1 1 1 -1 1 45 45 -45 45 -45 45 -45 45 -45 -45 45 -45 45 -45 45 -45 45
1 1 1 -1 -1 60 -60 60 60 -60 60 -60 -60 60 -60 60 60 -60 60 -60 -60 -60
-1 -1 -1 1 -1 8 -8 -8 -8 -8 -8 -8 -8 -8 8 8 8 8 8 8 8 -8
1 -1 -1 1 1 10 10 10 -10 -10 -10 -10 10 10 10 10 -10 -10 -10 -10 10 10
-1 1 -1 1 1 30 30 -30 30 -30 -30 30 -30 30 30 -30 30 -30 -30 30 -30 30
1 1 -1 1 -1 50 -50 50 50 -50 -50 50 50 -50 50 -50 -50 50 50 -50 -50 -50
-1 -1 1 1 1 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15
1 -1 1 1 -1 21 -21 21 -21 21 21 -21 21 -21 21 -21 21 -21 -21 21 -21 -21
-1 1 1 1 -1 44 -44 -44 44 44 44 44 -44 -44 44 44 -44 -44 -44 -44 44 -44
1 1 1 1 1 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
Contraste 13 77 259 15 75 7 17 -23 -15 17 15 -5 67 -9 1 13
Efectos 1,625 9,625 32,375 1,875 9,375 0,875 2,125 -2,875 -1,875 2,125 1,875 -0,625 8,375 -1,125 0,125 1,625
Suma
10,563 370,5625 4192,56 14,0625 351,563 3,0625 18,0625 33,0625 14,0625 18,0625 14,0625 1,5625 280,563 5,0625 0,0625 10,5625
cuadrados

Son alias E y ABCD tienen el mismo efecto porque comparten el mismo contraste y por lo tanto estiman el mismo efecto, por loque no es necesario
estudiar los dos

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Se quita el efecto AE
porque ya se está
estudiando el efecto
BCD, y ambos son
efectos alias porque
comparten el mismo
contraste y estiman el
mismo efecto

Se limpia los efectos que no tengan significancia

Ingeniería Agroindustrial
5
Universidad Estatal de
 Diseños factoriales

Quitar el término AE

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Se quita el efecto CE
Se elimina uno por uno, hasta que el
efecto que aparezca estandarizado
todos sean significativos al superar el
valor crítico

Se calcula el valor crítico 4.30

utilizando la distribución t student
de 2 colas con los grados de libertad
del error

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Ajustes: Valor de la variable respuesta estimada

Residuos: Diferencia entre el valor observado y el valor
estimado

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Coeficiente sale de dividir el efecto para 2

Sirven para la ecuación de regresión en
unidades no codificadas.
Este modelo de regresión sirve para estimar
la variable de respuesta en cada uno de los
16 tratamientos

Ingeniería Agroindustrial
5
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Cálculo de los efectos estandarizados:

Se necesita conocer el cuadrado medio del error del anova simplificado en
este caso 11,97 y se puede calcular.
Para estimar la variable de respuesta en el mejor tratamiento, se utiliza el modelo de regresión
para estimar la variable en cada uno de los tratamientos

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Promedio 31,0625
A B C D E Rendimiento E A B ABE C ACE BCE ABC D ADE BDE ABD CDE ACD BCD ABCD
-1 -1 -1 -1 1 18 18 -18 -18 18 -18 18 18 -18 -18 18 18 -18 18 -18 -18 18
1 -1 -1 -1 -1 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 -9
-1 1 -1 -1 -1 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 -34
1 1 -1 -1 1 52 52 52 52 52 -52 -52 -52 -52 -52 -52 -52 -52 52 52 52 52
-1 -1 1 -1 -1 16 -16 -16 -16 -16 16 16 16 16 -16 -16 -16 -16 16 16 16 -16
1 -1 1 -1 1 22 22 22 -22 -22 22 22 -22 -22 -22 -22 22 22 -22 -22 22 22
-1 1 1 -1 1 45 45 -45 45 -45 45 -45 45 -45 -45 45 -45 45 -45 45 -45 45
1 1 1 -1 -1 60 -60 60 60 -60 60 -60 -60 60 -60 60 60 -60 60 -60 -60 -60
-1 -1 -1 1 -1 8 -8 -8 -8 -8 -8 -8 -8 -8 8 8 8 8 8 8 8 -8
1 -1 -1 1 1 10 10 10 -10 -10 -10 -10 10 10 10 10 -10 -10 -10 -10 10 10
-1 1 -1 1 1 30 30 -30 30 -30 -30 30 -30 30 30 -30 30 -30 -30 30 -30 30
1 1 -1 1 -1 50 -50 50 50 -50 -50 50 50 -50 50 -50 -50 50 50 -50 -50 -50
-1 -1 1 1 1 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15
1 -1 1 1 -1 21 -21 21 -21 21 21 -21 21 -21 21 -21 21 -21 -21 21 -21 -21
-1 1 1 1 -1 44 -44 -44 44 44 44 44 -44 -44 44 44 -44 -44 -44 -44 44 -44
1 1 1 1 1 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
Contraste 13 77 259 15 75 7 17 -23 -15 17 15 -5 67 -9 1 13
Efectos 1,625 9,625 32,375 1,875 9,375 0,875 2,125 -2,875 -1,875 2,125 1,875 -0,625 8,375 -1,125 0,125 1,625
Suma
10,563 370,5625 4192,56 14,0625 351,563 3,0625 18,0625 33,0625 14,0625 18,0625 14,0625 1,5625 280,563 5,0625 0,0625 10,5625
cuadrados
Coeficientes del modelo
4,8125 16,1875 4,6875 4,1875
de regresión

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Rendimiento
A B C D E Rendimiento E A B ABE C ACE BCE ABC D ADE BDE ABD CDE ACD BCD Residuo ABCD
estimado
-1 -1 -1 -1 1 18 18 -18 -18 18 -18 18 18 -18 -18 18 18 -18 18 -18 -18 9,5625 8,4375 18
1 -1 -1 -1 -1 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 10,8125 -1,8125 -9
-1 1 -1 -1 -1 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 33,5625 0,4375 -34
1 1 -1 -1 1 52 52 52 52 52 -52 -52 -52 -52 -52 -52 -52 -52 52 52 52 51,5625 0,4375 52
-1 -1 1 -1 -1 16 -16 -16 -16 -16 16 16 16 16 -16 -16 -16 -16 16 16 16 18,9375 -2,9375 -16
1 -1 1 -1 1 22 22 22 -22 -22 22 22 -22 -22 -22 -22 22 22 -22 -22 22 20,1875 1,8125 22
-1 1 1 -1 1 45 45 -45 45 -45 45 -45 45 -45 -45 45 -45 45 -45 45 -45 42,9375 2,0625 45
1 1 1 -1 -1 60 -60 60 60 -60 60 -60 -60 60 -60 60 60 -60 60 -60 -60 60,9375 -0,9375 -60
-1 -1 -1 1 -1 8 -8 -8 -8 -8 -8 -8 -8 -8 8 8 8 8 8 8 8 9,5625 -1,5625 -8
1 -1 -1 1 1 10 10 10 -10 -10 -10 -10 10 10 10 10 -10 -10 -10 -10 10 10,8125 -0,8125 10
-1 1 -1 1 1 30 30 -30 30 -30 -30 30 -30 30 30 -30 30 -30 -30 30 -30 33,5625 -3,5625 30
1 1 -1 1 -1 50 -50 50 50 -50 -50 50 50 -50 50 -50 -50 50 50 -50 -50 51,5625 -1,5625 -50
-1 -1 1 1 1 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 18,9375 -3,9375 15
1 -1 1 1 -1 21 -21 21 -21 21 21 -21 21 -21 21 -21 21 -21 -21 21 -21 20,1875 0,8125 -21
-1 1 1 1 -1 44 -44 -44 44 44 44 44 -44 -44 44 44 -44 -44 -44 -44 44 42,9375 1,0625 -44
1 1 1 1 1 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 60,9375 2,0625 63
Contraste 13 77 259 15 75 7 17 -23 -15 17 15 -5 67 -9 1 13
Efectos 1,625 9,625 32,375 1,875 9,375 0,875 2,125 -2,875 -1,875 2,125 1,875 -0,625 8,375 -1,125 0,125 1,625

Suma cuadrados 10,563 370,5625 4192,56 14,0625 351,563 3,0625 18,0625 33,0625 14,0625 18,0625 14,0625 1,5625 280,563 5,0625 0,0625 10,5625

Coeficientes del modelo de

4,8125 16,1875 4,6875 4,1875
regresión

Promedio 31,0625

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Cuales son los tratamientos con el rendimiento más alto

Rendimiento
A B C D E Rendimiento E A B ABE C ACE BCE ABC D ADE BDE ABD CDE ACD BCD Residuo ABCD
estimado
-1 -1 -1 -1 1 18 18 -18 -18 18 -18 18 18 -18 -18 18 18 -18 18 -18 -18 9,5625 8,4375 18
1 -1 -1 -1 -1 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 9 -9 10,8125 -1,8125 -9
-1 1 -1 -1 -1 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 34 -34 -34 34 33,5625 0,4375 -34
1 1 -1 -1 1 52 52 52 52 52 -52 -52 -52 -52 -52 -52 -52 -52 52 52 52 51,5625 0,4375 52
-1 -1 1 -1 -1 16 -16 -16 -16 -16 16 16 16 16 -16 -16 -16 -16 16 16 16 18,9375 -2,9375 -16
1 -1 1 -1 1 22 22 22 -22 -22 22 22 -22 -22 -22 -22 22 22 -22 -22 22 20,1875 1,8125 22
-1 1 1 -1 1 45 45 -45 45 -45 45 -45 45 -45 -45 45 -45 45 -45 45 -45 42,9375 2,0625 45
1 1 1 -1 -1 60 -60 60 60 -60 60 -60 -60 60 -60 60 60 -60 60 -60 -60 60,9375 -0,9375 -60
-1 -1 -1 1 -1 8 -8 -8 -8 -8 -8 -8 -8 -8 8 8 8 8 8 8 8 9,5625 -1,5625 -8
1 -1 -1 1 1 10 10 10 -10 -10 -10 -10 10 10 10 10 -10 -10 -10 -10 10 10,8125 -0,8125 10
-1 1 -1 1 1 30 30 -30 30 -30 -30 30 -30 30 30 -30 30 -30 -30 30 -30 33,5625 -3,5625 30
1 1 -1 1 -1 50 -50 50 50 -50 -50 50 50 -50 50 -50 -50 50 50 -50 -50 51,5625 -1,5625 -50
-1 -1 1 1 1 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 15 15 -15 -15 18,9375 -3,9375 15
1 -1 1 1 -1 21 -21 21 -21 21 21 -21 21 -21 21 -21 21 -21 -21 21 -21 20,1875 0,8125 -21
-1 1 1 1 -1 44 -44 -44 44 44 44 44 -44 -44 44 44 -44 -44 -44 -44 44 42,9375 1,0625 -44
1 1 1 1 1 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 60,9375 2,0625 63
Contraste 13 77 259 15 75 7 17 -23 -15 17 15 -5 67 -9 1 13
Efectos 1,625 9,625 32,375 1,875 9,375 0,875 2,125 -2,875 -1,875 2,125 1,875 -0,625 8,375 -1,125 0,125 1,625

Suma cuadrados 10,563 370,5625 4192,56 14,0625 351,563 3,0625 18,0625 33,0625 14,0625 18,0625 14,0625 1,5625 280,563 5,0625 0,0625 10,5625

Coeficientes del modelo de

4,8125 16,1875 4,6875 4,1875
regresión

Promedio 31,0625

El tratamiento que permite maximizar la variable de respuesta es aquel en donde el

Factor A, B y C están en alto

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Conclusión

25(No replicado) 25-1 (No replicado)

Se estudió 32 tratamientos con 31 efectos y Se estudio la fracción principal
32 corridas experimentales Generador E = +ABCD
Solo 4 fueron efectos significativos Se estudió 16 tratamientos con 15 efectos y
Mejor tratamiento: 16 corridas experimentales
A+ B+ C+ D C Solo 4 fueron efectos significativos
Mejor tratamiento:
Estimación puntal de la variable respuesta ( A+ B+ C+ D C
y)
y = 61,9063 Estimación puntal de la variable respuesta (
y)
y = 60,9375

Se debe evaluar los supuestos del modelo a partir de los residuos: Normalidad,
homocedasticidad e independencia del modelo

Ingeniería Agroindustrial
6
Universidad Estatal de
Diseños factoriales

Un producto químico se fabrica en un envase presurizado. Se lleva a cabo un

experimento factorial en la planta piloto para estudiar los factores que se piensa
influyen en el índice de filtración de este producto:

Los cuatro factores son:

A: Temperatura
B: Presión
C: Concentración de formaldehído
D: Velocidad de agitación

Ingeniería Agroindustrial
6
Universidad Estatal de