Tecnológico Nacional de México

Tecnológico de Estudios Superiores de Tianguistenco

INGENIERIA INDUSTRIAL

MATERIA: ESTADISTICA INFERENCIAL

NOMBRE DEL ALUMNO: JESUS ABDIAS CRUZ TLACOPANCO

NOMBRE DEL DOCENTE:

ACTIVIDAD: ANALISIS

GRUPO: 4401

CUARTO SEMESTRE

05/ 06 / 2021
 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

Análisis de diseño factorial 2k y 3k

En este análisis se presenta la familia de diseños factoriales completos 2k (k factores con
dos niveles de prueba cada uno), que 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 tratamiento tos; esta cantidad es manejable en muchas
situaciones experimentales. Si el número de factores es mayor que cinco se recomienda
utilizar un factorial fraccionado 2k − p (capítulo 8). También podemos encontrar el análisis
de 3k lo que se necesita para poder llegar a la tabla de ANOVA así como las fórmulas que
existen.

Análisis de diseño factorial 2k

Una manera práctica de establecer los contrastes de cualquier efecto sea principal o de
interacción en el diseño factorial 2k es mediante el auxilio de una tabla de signos. La tabla
de signos se construye a partir de la matriz de diseño, multiplicando las columnas que
intervienen en la interacción que se quiera calcular. Por ejemplo, si se quiere obtener el
contraste de la interacción doble AB, se multiplica la columna de sig nos A por la columna
B, y el resultado son los signos de contraste AB. Esto se muestra en la siguiente tabla de
signos para el diseño factorial 22.
Tabla de signos
Es una manera práctica de obtener el contraste de cualquier efecto. Se construye a partir
de la matriz de diseño, multiplicande) las columnas que intervienen en la interacción
calculada.

En la tabla de signos, las columnas que corresponden a los efectos principales coinciden
con la matriz de diseño. Una vez obtenidas las columnas de signos de los efectos de interés,
el contraste de cada efeto resulta de multiplicar su columna de signos por la columna de los
datos expresados en la notación de Yates. Por ejemplo, al multiplicar las columnas A y B
por la notación de Yates, se obtiene el contraste de AB que ya conocemos: contraste AB =
[(1) + ab − a − b].
Notación de Yates: Representa los totales o sumas de las observaciones en cada
tratamiento de un diseño 2k.
Pasos para llegar al ANOVA: Para obtener el ANOVA de forma manual, se necesita
calcular la suma de cuadrados de cada uno de los efectos.
 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

Para investigar cuáles de los tres efectos están activos o son significativos, se procede a
probar las hipótesis dadas por:

cada una contra la alternativa de que el efecto en cuestión es diferente de cero. Estas
hipótesis se prueban con el análisis de varianza.
Para obtener las sumas de cuadrados para cada efecto, se aplica el resultado sobre
contrastes y resultan las expresiones dadas por:

Donde cada una de ellas tiene sólo un grado de libertad, debido a que cada factor tiene
únicamente dos niveles. La suma de cuadrados totales se calcula con la expresión:

y tiene n22 − 1 grados de libertad, es decir, el total de observaciones en el experimento

menos uno. La suma de cuadrados del error se calcula por diferencia: SCE = SCT − SCA
− SCB − SCAB y tiene (n22 − 1) − 3 = 4(n − 1) grados de libertad. La tabla de ANOVA del
diseño factorial 22 con n réplicas.
 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

Diseños factoriales 3k
El diseño factorial 3k considera k factores con tres niveles cada uno y tiene 3k tratamientos.
La primera desventaja de los diseños 3k es que al aplicarse requieren mayor cantidad de
pruebas que el diseño 2k. Por ejemplo, si se quieren estudiar cuatro factores, y se considera
sólo una repetición, el di seño 34 requiere en total 81 pruebas, una para cada tratamiento;
mientras que el diseño 24 sólo necesita 16 pruebas. De esta forma, cuando se tienen
muchos factores, cuatro o más, prácticamente es prohibitivo pensar en correr un diseño 3k.
Sin embargo, cuando se tienen pocos factores, tres como máximo, o en el peor de los casos
cuatro, hay algunas situaciones prácticas en las que el diseño 3k es una buena alternativa.
De manera específica, hay dos razones que hacen viable el diseño 3k:
Se tienen factores de tipo continuo e interesa estudiar efectos cuadráticos como A2, B2,…,
A2B, B2A, A2B2,… (efectos de curvatura). Esto se hace cuando se cree que la variable de
respuesta no es lineal, ni aproximadamente lineal en el rango de variación de los factores
estudiados

Los factores son categóricos o discretos y de manera natural tienen tres niveles cada uno.
Esto ocurre en factores como tipo de material, diferentes medios de cultivos, factor máquina,
etc., los cuales pueden tener naturalmente tres niveles. Por ejemplo, si uno de los factores
es un reactivo del cual existen tres marcas, resulta natural que el experimentador quiera
probar las tres marcas con la idea de comparar su desempeño en las diferentes
combinaciones de los factores restantes.
Diseño factorial 3k: Modelo que considera k factores con tres niveles cada uno y tiene 3k
tratamientos. Este diseño requiere de mayor cantidad de pruebas que el diseño 2k.
 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

Este diseño consiste en 32 = 9 tratamientos diferentes, que corresponden a todas las

posibles maneras en las que se pueden combinar dos factores en tres niveles cada uno.
Sean A y B los factores, cada uno con tres niveles, a los cuales se les suele llamar bajo,
medio y alto. Los nueve tratamientos se pueden escribir de varias maneras

El modelo estadístico para el diseño 32 se puede escribir considerando el efecto individual

de cada factor y de la interacción entre ambos, y queda como sigue:

donde γi es el efecto del factor A en su nivel i, δj representa el efecto del factor B en su nivel
j, (γδ)ij es el efecto de interacción de ambos en los niveles ij y n es el número de repeticiones
de cada tratamiento. En consecuencia, las hipótesis que se desean probar son: H0 : γi = 0
(no hay efecto significativo del factor A sobre la variable de respuesta), H0 : δ = 0 (no hay
efecto del factor B sobre la variable de respuesta) y H0 : (γδ)ij = 0 (no hay efecto de
interacción de los factores A y B sobre la variable de respuesta). Estas hipótesis se probarán
con el ANOVA; para ello, las sumas de cuadrados para los tres efectos incluidos en la
ecuación (7.1) están dadas por:

La suma de cuadrados total se obtiene con:

y el error aleatorio se calcula con la diferencia:

 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

Observe que este diseño también requiere de al menos dos repeticiones para que haya
grados de libertad para el error. Nótese que las su mas de cuadrados de los efectos A y B
tienen dos grados de libertad (número de niveles menos uno) y que los grados de libertad
para la interacción AB se obtienen con el producto 2 × 2 = 4. Si el valor-p para un efecto es
menor que 0.05, entonces se rechaza la correspondiente hipótesis nula y se con fluye que
tal fuente de variación afecta de manera significativa a la variable de respuesta.

Gracias a la investigación que se realizo se puede comprender estos temas que son tan
importantes, comprendimos como poder llegar a su tabal de ANOVA con las distintas
formulas que existen para poder llegar a esto sacando la información del libro Análisis y
diseño de experimento en el cual nos explican de una forma muy certera estos temas con
la ayuda de distintos ejercicios.

Fuentes de consulta:
Tercera edición libro Análisis y diseño de experimento
Humberto Gutiérrez Pulido
Centro Universitario de Ciencias Exactas e Ingeniería Universidad de Guadalajara
Román de la Vara Salazar
Centro de Investigación de Matemáticas Guanajuato, México
2012, 2008, 2003, respecto a la tercera edición por McGRAW-HILL/INTERAMERICANA
EDITORES, S.A. de C.V.
 Tecnológico Nacional de México
Tecnológico de Estudios Superiores de Tianguistenco

EVIDENCIAS