Semana 11

Estadística y Diseño
Experimental
1 E R SE MES TRE 202 2

Jo ao Cerq uei ra

Diseño factorial completo

 Permite analizar los efectos simples y las interacciones hasta el nivel k:

2 𝑜3 : 𝑌 =𝑎+𝑏 𝑋 +𝑏 𝑋 +𝑏 𝑋 𝑋

2 𝑜3 : 𝑌 =𝑎+𝑏 𝑋 +𝑏 𝑋 +𝑏 𝑋 +𝑏 𝑋 𝑋 +𝑏 𝑋 𝑋 +𝑏 𝑋 𝑋 +𝑏 𝑋 𝑋 𝑋

1
Semana 11

Diseño factorial completo 2k

22 23 24

A B A B C A B C D
-1 -1 -1 -1 -1 -1 -1 -1 -1
1 -1 1 -1 -1 1 -1 -1 -1
-1 1 -1 1 -1 -1 1 -1 -1
1 1 1 1 -1 1 1 -1 -1
-1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 1 -1
-1 1 1 -1 1 1 -1
1 1 1 1 1 1 -1
-1 -1 -1 1
1 -1 -1 1
-1 1 -1 1
1 1 -1 1
-1 -1 1 1
1 -1 1 1
-1 1 1 1
1 1 1 1

Diseño factorial completo 2k

 Alternativas de notaciones:

A B C A B C Efecto A B C
-1 -1 -1 - - - (1) 0 0 0
1 -1 -1 + - - a 1 0 0
-1 1 -1 - + - b 0 1 0
1 1 -1 + + - ab 1 1 0
-1 -1 1 - - + c 0 0 1
1 -1 1 + - + ac 1 0 1
-1 1 1 - + + bc 0 1 1
1 1 1 + + + abc 1 1 1

2
Semana 11

Diseño factorial completo 2k

 Para el diseño factorial 2k se pueden ocupar:

i. Factores cuantitativos, asignado el valor -1 al valor menor y +1 al valor

mayor;

ii. Factores cualitativos, asignado arbitrariamente los valores -1 y +1 a los dos

niveles a estudiar.

Diseño factorial completo 2k

 Para el análisis estadístico de los factores se debe realizar:

i. Al menos 2 repeticiones por combinación;

ii. Repetir varias veces el punto central del diseño (nivel 0), típicamente entre 3
y 5 veces (permite además verificar si existe curvatura);

iii. Ambas estrategias anteriores, de acuerdo a la naturaleza del experimento a

realizar.

3
Semana 11

Diseño factorial completo 3k

32 33

A B A B C A B C A B C
-1 -1 -1 -1 -1 -1 -1 0 -1 -1 +1
0 -1 0 -1 -1 0 -1 0 0 -1 +1
+1 -1 +1 -1 -1 +1 -1 0 +1 -1 +1
-1 0 -1 0 -1 -1 0 0 -1 0 +1
0 0 0 0 -1 0 0 0 0 0 +1
+1 0 +1 0 -1 +1 0 0 +1 0 +1
-1 +1 -1 +1 -1 -1 +1 0 -1 +1 +1
0 +1 0 +1 -1 0 +1 0 0 +1 +1
+1 +1 +1 +1 -1 +1 +1 0 +1 +1 +1

Diseño factorial completo 3k

 Alternativas de notaciones:

A B A B
-1 -1 0 0
0 -1 1 0
+1 -1 2 0
-1 0 0 1
0 0 1 1
+1 0 2 1
-1 +1 0 2
0 +1 1 2
+1 +1 2 2

4
Semana 11

Diseño factorial completo 3k

 En estos diseños solo se pueden usar factores cuantitativos. De requerirse usar factores
cualitativos, entonces se debe usar un análisis ANOVA (Modelo Lineal General), donde
los factores cuantitativos se especifican como covariables.

 Para el análisis estadístico de los factores se deben realizar al menos 2 repeticiones por
combinación.

Diseño factorial completo

 Durante el análisis estadístico de los factores se simplificar el modelo, de modo a
identificar el mejor modelo de ajuste:

i. Eliminación hacia adelante: se adicionan términos, con el valor P más bajo,

al modelo hasta que este no mejore;

ii. Eliminación hacia atrás: se remueven los términos menos significativos, con
valor P más alto, hasta que el modelo no mejore.

5
Semana 11

Diseño factorial completo

 Para identificar el mejor modelo de ajuste:

i. R2 ajustado, incorpora el número de predictores del modelo para ayudar a elegir el

modelo correcto – cuando mayor mejor.

ii. S, evaluar qué tan bien el modelo describe la respuesta; utilice para comparar el
ajuste de los modelos que no tienen una constante – cuanto menor mejor.

iii. Criterio de información de Akaike corregido (AICc) y el criterio de información

bayesiano (BIC), utilizados para comparar diferentes modelos – cuanto menor
mejor. Sobre AIC y BIC: https://doi.org/10.1177%2F0049124104268644

Diseño factorial completo

 Para identificar el mejor modelo de ajuste:

i. R2 ajustado = 1 − 1 − 𝑅 n – cantidad de observaciones

p – número de coeficientes en el
∑ modelo, incluida la constante
ii. S= = =𝑠

iii. AICc = 𝑛 ln + 𝑛 + 𝑛 ln 2𝜋 + 2 𝑝+1 +

iv. BIC = 𝑛 ln + 𝑛 + 𝑛 ln 2𝜋 + 𝑝 + 1 ln 𝑛
En Ayuda Minitab 19

6
Semana 11

Diseño factorial completo

Ejemplo 36. El ingeniero del ejemplo 35, con la evidencia obtenida ahí, decide realizar el
experimento con las variables a 2 niveles para cada una (10 y 20), establecidos de acuerdo a lo
observado en ese primero experimento. Los resultados obtenidos se encuentran en la tabla a
continuación.

Identifique el modelo que mejor se ajusta y analice los resultados.

Diseño factorial completo

Ejemplo 36. Orden Orden Orden Orden
estándar experim. A (%) B(%) Calidad estándar experim. A (%) B(%) Calidad
1 28 10 10 15,90 21 27 20 10 16,06
2 19 10 10 16,64 22 9 20 10 15,78
3 26 10 10 17,65 23 11 20 10 15,27
4 38 10 10 17,64 24 5 20 10 16,54
5 4 10 10 11,27 25 12 20 10 14,07
6 20 10 10 12,98 26 30 20 10 16,97
7 37 10 10 16,34 27 24 20 10 13,68
8 32 10 10 17,69 28 14 20 10 17,15
9 3 10 10 14,56 29 13 20 10 14,46
10 1 10 10 13,77 30 35 20 10 19,29
11 21 10 20 20,66 31 31 20 20 13,41
12 10 10 20 18,21 32 16 20 20 11,41
13 6 10 20 18,32 33 18 20 20 15,41
14 15 10 20 19,65 34 40 20 20 16,41
15 34 10 20 17,25 35 33 20 20 12,37
16 17 10 20 16,48 36 29 20 20 10,27
17 2 10 20 18,59 37 7 20 20 13,59
18 8 10 20 15,69 38 22 20 20 12,36
19 39 10 20 14,98 39 23 20 20 12,12
20 36 10 20 16,13 40 25 20 20 13,35