Unidad XI: Experimentos Factoriales (Diseños de Tratamientos).

EXPERIMENTO FACTORIAL: Es aquel en el que se investigan todas las posibles combinaciones de los niveles de los factores en
cada ensayo completo o réplica del experimento.
FACTOR: Se define como variable independiente a ser estudiada en una investigación. En un
Busca constatar si el efecto de un experimento factorial se refiere a cada uno de los tratamientos básicos que intervienen en la formación
factor es INDEPENDIENTE del
de una combinación de tratamientos.
otro factor o por el contrario
EXISTE INTERACCIÓN. NIVELES: Un nivel de un factor es una forma particular de ese factor, hace referencia a las diferentes
categorías, dosis, clases o cantidades de un factor.

Clasificación: Según el número de factores y niveles
involucrados en un experimento, un experimento
factorial se puede clasificar en:
Puros: Grupos de 𝒑𝒌 , es decir (k) factores todos al mismo
número de niveles (p) “La base indica el número de
niveles y el exponente el número de factores” (𝟐𝒌 ; 𝟑𝒌 )
Ejemplo: 𝟑𝟐 Dos factores a tres niveles.
Mixtos: Grupos (p x q x r x s…), es decir, distintos números
de niveles por cada factor. Ejemplo: (3x3x4) dos factores
están a tres niveles y el otro factor a cuatro niveles.
VENTAJAS
1.- Se logra mayor eficiencia en el uso de los recursos para la
investigación.
2.- Se obtiene información sobre el efecto conjunto de los
factores en estudio (interacciones).
3.- Las inferencias logradas con el experimento abarcan con
mayor amplitud el problema en estudio.
4.- Se gana precisión debido al mayor número de repeticiones
que implica el arreglo factorial.
Tipos de Efectos Factoriales: El efecto de un factor es un cambio en la variable
respuesta causada por un cambio en el nivel de ese factor en un experimento factorial
pueden ocurrir tres tipos de efectos:
★ Simples: Son las comparaciones entre los niveles de un factor a un solo
nivel del otro.
★ Principales: Son los promedios de los efectos simples, es el mejor estimador
de la diferencia común.
★ Interacción: Miden las diferencias entre los efectos simples de un factor a
diferentes niveles de otro.
DESVENTAJAS
1.- La organización y establecimiento del experimento, así como el análisis
estadístico son algo complicados.
2.- Con un número regular de factores y niveles el número de tratamientos
puede ser grande y resulte difícil obtener U.E homogéneas de modo que la
eficiencia del experimento disminuye por un incremento del E. E.
3.- Algunas de las combinaciones de niveles de los factores pueden ser de poco
ningún interés de modo que se desperdician recursos.

“La interacción mide la variación de la respuesta a un factor frente a diferentes niveles de otros factores. Si la interacción es
significativa los efectos de los factores NO son independientes y si no lo es se dice que los efectos de los factores son independientes
(el Anavar y las medias de los tratamientos condensan adecuadamente la información obtenida con el experimento). En los
experimentos factoriales, cada unidad experimental proporciona información sobre cada uno de los factores (A,B,C,…,etc.) así como
sus interacciones (AB, AC, BC, ABC, etc.), lo cual no ocurre con los experimentos con un solo factor. A demás se tiene el beneficio
de evaluar c/factor en presencia de los diferentes niveles de los otros factores.”

Modelo Lineal (Dos factores): Modelo Lineal (Tres factores):

𝒚𝒊𝒋𝒌 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + (𝜶𝜷)𝒊𝒋 + 𝜺𝒊𝒋𝒌
Donde:
𝒚𝒊𝒋𝒌 = Es la Variable Respuesta de la k-ésima observación, j-
ésimo nivel del factor B y el i-ésimo nivel del factor A.
𝝁 = Media General de la Variable Respuesta.
𝜶𝒊 = Efecto del i-ésimo nivel del factor A.
𝜷𝒋 = Efecto del j-ésimo nivel del factor B.
(𝜶𝜷)𝒊𝒋 = Efecto de la interacción de PRIMER ORDEN del j-
ésimo nivel del factor B y el i-ésimo nivel del factor A.
𝜺𝒊𝒋𝒌 = Efecto Aleatorio propio de cada observación.
𝒚𝒊𝒋𝒌𝒍 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + 𝜸𝒌 + (𝜶𝜷)𝒊𝒋 + (𝜶𝜸)𝒊𝒌 + (𝜷𝜸)𝒋𝒌 + (𝜶𝜷𝜸)𝒊𝒋𝒌 + 𝜺𝒊𝒋𝒌𝒍
Donde:
𝒚𝒊𝒋𝒌𝒍 = Es la Variable Respuesta de la l-ésima observación, k-ésimo nivel del
factor C, j-ésimo nivel del factor B y el i-ésimo nivel del factor A.
𝝁= Media General de la Variable Respuesta.
𝜶𝒊 = Efecto del i-ésimo nivel del factor A.
𝜷𝒋 = Efecto del j-ésimo nivel del factor B.
𝜸𝒌 = Efecto del k-ésimo nivel del factor C.
(𝜶𝜷)𝒊𝒋 = Efecto de la interacción de PRIMER ORDEN del j-ésimo nivel del
factor B y el i-ésimo nivel del factor A.
(𝜶𝜸)𝒊𝒌 = Efecto de la interacción de PRIMER ORDEN del k-ésimo nivel del
factor C y el i-ésimo nivel del factor A.
(𝜷𝜸)𝒋𝒌 = Efecto de la interacción de PRIMER ORDEN del k-ésimo nivel del
factor C y el j-ésimo nivel del factor B.
(𝜶𝜷𝜸)𝒊𝒋𝒌 = Efecto de la interacción de SEGUNDO ORDEN del k-ésimo nivel
del factor C, j-ésimo nivel del factor B y el i-ésimo nivel del factor A.
𝜺𝒊𝒋𝒌𝒍 = Efecto Aleatorio propio de cada observación.

pág. 1 M.Sc. Vianey Méndez FCV-UCV (Bioestadística)

ESQUEMA DEL ANAVAR (2 FACTORES):

Fc

F de V gl SC CM Modelo I
Principales

A 𝑎−1 𝑎𝑖2 𝑆𝐶𝐴⁄ 𝐶𝑀𝐴

⁄𝐶𝑀
Efectos

∑ − 𝐹𝐶 𝑎−1 𝑅𝑒𝑠
𝑏∗𝑟
𝑖

B 𝑏−1 𝑏𝑗2 𝑆𝐶𝐵⁄ 𝐶𝑀𝐵

⁄𝐶𝑀
∑ − 𝐹𝐶 𝑏−1 𝑅𝑒𝑠
𝑎∗𝑟
Interacción
1er Orden

AB (𝑎 − 1)(𝑏 − 1) (𝑎𝑖 ∗ 𝑏𝑗 )
2 𝑆𝐶𝐴𝐵 𝐶𝑀𝐴𝐵
⁄(𝑏 − 1)(𝑎 − 1) ⁄𝐶𝑀
∑∑ − 𝐹𝐶 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 𝑅𝑒𝑠
𝑟
𝑖 𝑗

Residual 𝑎𝑏(𝑟 − 1) 𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑆𝐶𝑅𝑒𝑠

⁄𝑎𝑏(𝑟 − 1)

Total 𝑎𝑏𝑟 − 1 ∑ ∑ ∑(𝐶/𝑜𝑏𝑠 )2 − 𝐹𝐶

𝑖 𝑗 𝑘
(𝑮𝑻)𝟐
** Donde: 𝑭𝑪 =
𝒂𝒃𝒓

ESQUEMA DEL ANAVAR (3 FACTORES):

Fc

F de V Gl SC CM Modelo I

A 𝑎−1 𝑎𝑖2 𝑆𝐶𝐴⁄ 𝐶𝑀𝐴

⁄𝐶𝑀
∑ − 𝐹𝐶 𝑎−1 𝑅𝑒𝑠
𝑏∗c∗𝑟
𝑖

B 𝑏−1 𝑏𝑗2 𝑆𝐶𝐵⁄ 𝐶𝑀𝐵

⁄𝐶𝑀
∑ − 𝐹𝐶 𝑏−1 𝑅𝑒𝑠
𝑎∗c∗𝑟
𝑗

C c−1 𝑏𝑗2 𝑆𝐶𝐶⁄ 𝐶𝑀𝐵

∑ − 𝐹𝐶 c−1 ⁄𝐶𝑀
𝑅𝑒𝑠
𝑎∗𝑏∗𝑟
𝑘

(𝑎 − 1)(𝑏 − 1) 2 𝑆𝐶𝐴𝐵 𝐶𝑀𝐴𝐵

AB (𝑎𝑖 ∗ 𝑏𝑗 ) ⁄(𝑏 − 1)(𝑎 − 1) ⁄𝐶𝑀
∑∑ − 𝐹𝐶 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 𝑅𝑒𝑠
𝑐∗𝑟
𝑖 𝑗

AC (𝑎 − 1)(𝑏 − 1) (𝑎𝑖 ∗ 𝑐𝑘 )2 𝑆𝐶𝐴𝐶

⁄(𝑏 − 1)(c − 1)
𝐶𝑀𝐴𝐶
⁄𝐶𝑀
∑∑ − 𝐹𝐶 − 𝑆𝐶𝐴 − 𝑆𝐶𝐶 𝑅𝑒𝑠
𝑏∗𝑟
𝑖 𝑘

2 𝑆𝐶𝐵𝐶 𝐶𝑀𝐵𝐶
BC (𝑏 − 1)(𝑐 − 1) (𝑏𝑗 ∗ 𝑐𝑘 ) ⁄(𝑏 − 1)(c − 1) ⁄𝐶𝑀
∑∑ − 𝐹𝐶 − 𝑆𝐶𝐵 − 𝑆𝐶𝐶 𝑅𝑒𝑠
𝑎∗𝑟
𝑗 𝑘

2 𝑆𝐶𝐴𝐵𝐶 𝐶𝑀𝐴𝐵𝐶
ABC (𝑎 − 1)(𝑏 − 1)(c − 1) (𝑎𝑖 ∗ 𝑏𝑗 ∗ 𝑐𝑘 ) ⁄(𝑎 − 1)(𝑏 − 1)(c − 1) ⁄𝐶𝑀
∑∑∑ − 𝐹𝐶 − 𝑆𝐶𝐴 − ⋯ − 𝑆𝐶𝐵𝐶 𝑅𝑒𝑠
𝑟
𝑖 𝑗 𝑘

Residual 𝑎𝑏𝑐(𝑟 − 1) 𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑆𝐶𝑅𝑒𝑠

⁄𝑎𝑏(𝑟 − 1)

Total 𝑎𝑏𝑐𝑟 − 1 ∑ ∑ ∑ ∑(𝐶/𝑜𝑏𝑠 )2 − 𝐹𝐶

𝑖 𝑗 𝑘 𝑙

pág. 2 M.Sc. Vianey Méndez FCV-UCV (Bioestadística)

 (𝑮𝑻)𝟐
Donde: (A, B, C: son efectos Principales); (AB, AC, BC: Interacciones de 1er Orden); (ABC: Interacción de 2do Orden); 𝑭𝑪 =
𝒂𝒃𝒄𝒓

PASOS PARA REALIZAR UN ANÁLISIS FACTORIAL:

1.- Identificar la variable respuesta, tipo y distribución.

2.- Determinar el número de factores y niveles. 𝒀𝒊𝒋𝒌 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + (𝝉𝜷) + 𝜺𝒊𝒋𝒌 → 𝑫. 𝑪. 𝑨 2 factores

𝒊𝒋

3.- Escribir el modelo:

𝒀𝒊𝒋𝒌 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + (𝝉𝜷) + 𝜽𝒌 +𝜺𝒊𝒋𝒌 → 𝑫. 𝑩. 𝑨
𝒊𝒋

𝒀𝒊𝒋𝒌𝒍 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + 𝜸𝒌 + (𝝉𝜷) + (𝝉𝜸)𝒊𝒌 + (𝜷𝜸) +(𝝉𝜷𝜸) + 𝜺𝒊𝒋𝒌𝒍 → 𝑫. 𝑪. 𝑨 3 factores

𝒊𝒋 𝒋𝒌 𝒊𝒋𝒌
4.- Plantear las Hipótesis:

Efectos Principales Interacción Bloque

𝑯𝒐 : 𝝁𝟏 = ⋯ = 𝝁𝒏 → No hay diferencia entre
los promedios...
𝑯𝒂 : → Al menos un promedio difiere.
5.- Realizar los cálculos respectivos.
𝑯𝒐 : → No hay efecto conjunto de... 𝑯𝒐 : 𝝈𝟐𝑩𝒍𝒐𝒒 = 𝟎 → No hay efecto del
𝑯𝒂 : → Si hay efecto conjunto de... bloque...
𝑯𝒂 : 𝝈𝟐𝑩𝒍𝒐𝒒 > 𝟎 → Si hay efecto del
bloque...

6.- Escribir el ANAVAR.

7.- Concluir F𝑐 > 𝐹𝛼 → Se rechaza Ho.

F𝑐 < 𝐹𝛼 → NO se rechaza Ho.

8.- Realizar la prueba de medias a las interacciones que resultaron significativas.

֎ Si se tiene ABC, AB, AC y BC y todas resultaron significativas, se debe realizar la prueba de medias a la interacción de segundo
orden ABC porque incluye todos los factores.
֎ Si se tiene AB, A, B y todos o sólo la interacción resultó significativa se le hará la prueba de medias a la interacción de primer
orden AB.

IMPORTANTE: EL procedimiento para realizar las pruebas de medias es exactamente igual al realizado en los diseños clásicos de
experimentos (Diseño Completamente al Azar y Bloques al Azar):

DUNCAN
Igual número de observaciones Desigual número de observaciones
𝑪𝑴𝑹𝒆𝒔 𝑆 = √𝑪𝑴𝑹𝒆𝒔
𝑆𝑦̅ = √
𝑟 0.5 0.5
𝑽𝑪 = 𝑫(𝜶;𝑵° 𝒎𝒆𝒅𝒊𝒂𝒔; 𝒈𝒍𝑹𝒆𝒔𝒊𝒅𝒖𝒂𝒍) ∗ 𝑆 ∗ √ +
𝑽𝑪 = 𝑫(𝜶;𝑵° 𝒎𝒆𝒅𝒊𝒂𝒔; 𝒈𝒍𝑹𝒆𝒔𝒊𝒅𝒖𝒂𝒍) ∗ 𝑆𝑦̅ 𝑟1 𝑟2
Duncan: Es una prueba rigurosa, se puede utilizar cuando se tienen muchos
tratamientos a comparar, se puede utilizar cuando se tienen datos faltantes
(desigual número de observaciones).

PASOS PARA REALIZAR LAS COMPARACIONES MÚLTIPLES:

1.- Ordenar las medias de mayor a menor.
2.- Calcular las diferencias entre las medias.
3.- Determinar el valor de comparación (VC)
5.- Conclusión.
4.- Decisión:
V𝐷 > 𝑉𝑐 → Son Heterogéneas, existen diferencias.
V𝐷 < 𝑉𝑐 → Son Homogéneas, NO existen diferencias.

9.- Interpretar.

pág. 3 M.Sc. Vianey Méndez FCV-UCV (Bioestadística)