Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TECNOLÓGICO DE
BLOQUES AL AZAR Y DISEÑOS
SALINA CRUZ
FACTORIALES
ESTADISTICA INFERENCIAL II
AUTOR
ALFREDO ESPINOZA
DISEÑO EXPERIMENTAL CON BLOQUES AL AZAR Y DISEÑOS
FACTORIALES
Un operador más hábil puede hacer ver a su máquina (aunque ésta sea la peor)
como la que tiene el mejor desempeño, lo cual impide hacer una comparación
adecuada de los equipos.
Para evitar este sesgo hay dos maneras de anular el posible efecto del factor
operador: la manera lógica es utilizar el mismo operador en las cuatro máquinas;
sin embargo, tal estrategia no siempre es aconsejable, ya que utilizar el mismo
sujeto elimina el efecto del factor operador pero restringe la validez de la
comparación con dicho operador, y es posible que el resultado no se mantenga al
utilizar a otros operadores.
Los factores de bloqueo que aparecen en la práctica son: Turno, lote, día, tipo de
material, línea de producción, operador, maquina, método, etc.
Los factores de bloqueo que aparecen en la práctica son: Turno, lote, día, tipo de
material, línea de producción, operador, maquina, método, etc.
EJEMPLO
Se comparan cuatro métodos de ensamble, ahora se va a controlar activamente
en el experimento a los operadores que realizaran el ensamble, lo que da lugar al
siguiente diseño en bloques completamente al azar.
EJEMPLO
Se comparan cuatro métodos de ensamble, ahora se va a controlar activamente
en el experimento a los operadores que realizaran el ensamble, lo que da lugar al
siguiente diseño en bloques completamente al azar.
Cada uno con tres niveles de prueba. Es claro que si los k factores no tienen la
misma cantidad de niveles, entonces no se puede factorizar de esta forma, y debe
escribirse el producto de manera más explícita: por ejemplo con k = 3 factores, el
primero con cuatro niveles y los dos restantes con dos niveles, se tiene el diseño
factorial 4x2x2=4x22, que consiste de 16 combinaciones de niveles diferentes.
EJEMPLO
Diseño factorial 22. Suponga que en un proceso de fermentación tequilera, se
tienen dos factores A: tipo de levadura y B: temperatura, cada uno con dos niveles
denotados por respectivamente A1=1, A2=2, A3=3. La respuesta de interés es el
rendimiento del proceso de fermentación. En la tabla 4.1 se muestran los cuatro
tratamientos o puntos del diseño factorial 22, y entre paréntesis se ha indicado
cada nivel con los códigos (1, -1). En el experimento original cada tratamiento se
corrió tres veces (tres réplicas), lo cual da un total de 12 corridas del proceso pero,
por simplicidad, en la última columna de la tabla siguiente sólo se anotaron los
resultados de la primera réplica.
por lo que en términos absolutos el efecto principal de B es mayor. Por otra parte,
se dice que dos factores interactúan entre sí o tienen un efecto de interacción
sobre la variable de respuesta, cuando el efecto de un factor depende del nivel en
que se encuentra el otro. Por ejemplo, los factores A y B interactúan si el efecto de
A es muy diferente en cada nivel de B, o viceversa.
Como estos dos efectos de A en función del nivel de B son muy diferentes,
entonces es evidencia de que la elección más conveniente del nivel de A depende
del nivel en que esté B, y viceversa. Es decir, eso es evidencia de que los factores
de A y B interactúan sobre Y. En la práctica, el cálculo del efecto A en cada nivel
de B no se hace, y más bien se calcula el efecto global de la interacción de los dos
factores, que se denotan por AB y se calculan como la diferencia entre la
respuesta media cuando ambos factores se encuentran en el m ismo nivel: (-1, -1);
(1, 1), y la respuesta media cuando los factores se encuentran en niveles
opuestos: (-1, 1) (1, -1). Para el ejemplo, el efecto de interacción levadura x
temperatura está dado por
Los valores absolutos (sin importar el signo) de los efectos principales y del efecto
de interacción son una medida de importancia de su efecto sobre la variable de
respuesta. Sin embargo, como se tienen estimaciones muestrales, para saber si
los efectos son estadísticamente significativos (diferentes de coro).
Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la
restricción adicional de que los tres factores involucrados se prueban en la misma
cantidad de niveles, y es latino porque se utilizan letras latinas para denotar a los
tratamientos o niveles del factor de interés. Sean A, B, C, …, K, los k tratamientos
a comparar, por lo tanto ambos factores de bloques tienen también k niveles cada
uno. El aspecto de los datos se muestra en la siguiente tabla.
EJEMPLO
Diseño factorial 22. Suponga que en un proceso de fermentación tequilera, se
tienen dos factores A: tipo de levadura y B: temperatura, cada uno con dos niveles
denotados por respectivamente A1=1, A2=2, A3=3. La respuesta de interés es el
rendimiento del proceso de fermentación. En la tabla 4.1 se muestran los cuatro
tratamientos o puntos del diseño factorial 22, y entre paréntesis se ha indicado
cada nivel con los códigos (1, -1). En el experimento original cada tratamiento se
corrió tres veces (tres réplicas), lo cual da un total de 12 corridas del proceso pero,
por simplicidad, en la última columna de la tabla siguiente sólo se anotaron los
resultados de la primera réplica.
por lo que en términos absolutos el efecto principal de B es mayor. Por otra parte,
se dice que dos factores interactúan entre sí o tienen un efecto de interacción
sobre la variable de respuesta, cuando el efecto de un factor depende del nivel en
Selección y aleatorización de un cuadro latino. No cualquier arreglo
EJEMPLO
Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la
restricción adicional de que los tres factores involucrados se prueban en la misma
cantidad de niveles, y es latino porque se utilizan letras latinas para denotar a los
tratamientos o niveles del factor de interés. Sean A, B, C, …, K, los k tratamientos
a comparar, por lo tanto ambos factores de bloques tienen también k niveles cada
uno. El aspecto de los datos se muestra en la siguiente tabla.
Donde las sumas SCb1, SCb2, SCb3 miden la variabilidad debida a los factores de
bloque renglón, columna y de letras griegas, respectivamente. Para k tratamientos,
los grados de libertad correspondientes a cada suma son
Un bosquejo del análisis de varianza se muestra en la tabla 3.6, en la cual se
prueban las hipótesis de igualdad de letras latinas (tratamientos), de renglones, de
columnas y de letras griegas
EJEMPLO