EXPERIMENTOS FACTORIALES

ING. WALTER ROLANDO OSCANOA CÓNDOR

 DISEÑOS FACTORIALES 22 , CON DOS FACTORES A DOS NIVELES

 Una fase inicial de un estudio tiene por objeto efectuar un diagnóstico, por esa razón, basta con utilizar sólo
dos niveles para cada factor. El diagnóstico no entrega la combinación de los niveles optima, de factores, sino
que nos permitirá determinar si cada uno de ellos afecta o no la respuesta, y en qué medida, así como nos dirá si
existe o no interacción entre ambos factores.

 En estos diseños hay 22 = 4 combinaciones de tratamientos posibles, pues por cada uno de los dos niveles de
un factor hay dos niveles del otro. Por eso suele hablarse de diseños experimentales 22, o simplemente
experimentos 22 . A los factores los designaremos por Factor A y Factor B, respectivamente.

 De los dos niveles que definimos para cada factor, a uno lo llamaremos nivel bajo y al otro nivel alto . En
ciertas situaciones se prefiere hablar de ausencia y presencia del factor. Por ejemplo, los niveles pueden ser dos
distintos procesos de producción, o pueden ser la utilización o no utilización de un dispositivo.
 FACTOR
UN FACTOR: es una “CLASE DE TRATAMIENTO”, y en experimentos factoriales,
todo FACTOR proporciona “VARIOS TRATAMIENTOS”. Ejemplo:
EN UN EXPERIMENTO

FACTOR USAREMOS

RACIÓN 1
RACIÓN
RACIÓN 2
 OTRO FACTOR
EN EL MISMO EXPERIMENTO

FACTOR USAREMOS

SEXO MACHOS
HEMBRAS
 NIVELES
NIVEL: Se refiere a los “DIFERENTES TRATAMIENTOS DENTRO DE UN FACTOR”, y
en experimentos factoriales, todo FACTOR proporciona “VARIOS NIVELES”.
Ejemplo:
EN UN EXPERIMENTO
FACTOR NIVELES (2)

RACIÓN 1
RACIÓN
RACIÓN 2
 OTROS NIVELES
EN EL MISMO EXPERIMENTO

FACTOR NIVELES (2)

SEXO MACHOS
HEMBRAS
 EN UN EXPERIMENTO FACTORIAL
Es aquel en el que el “CONJUNTO DE TRATAMIENTOS” consiste en todas las
combinaciones posibles de los niveles de varios factores.
FACTORIAL: Palabra que implica el concepto de un “DISEÑO FACTORIAL”
Siguiendo lo anterior:
FACTOR “A”: RACIÓN.
NIVELES DE RACIÓN:
a1 (Ración 1) y a2 (Ración 2)
FACTOR “B”: SEXO
NIVELES DE SEXO:
b1 (Machos) y b2 (Hembras)
COMBINACIONES:
a1b1; a1b2; a2b1 y a2b2
 COMBINACIONES = TRATAMIENTOS

TRATAMIENTO 1: Ración 1 * Machos

TRATAMIENTO 2: Ración 1 * Hembras
TRATAMIENTO 3: Ración 2 * Machos
TRATAMIENTO 4: Ración 2 * Hembras
EN TOTAL EL EXPERIMENTO TIENE 4 TRATAMIENTOS
POR LO QUE SE DENOMINA
EXPERIMENTO FACTORIAL DE 2 X 2 (2 * 2) O 22
 ILUSTRACIÓN DE FACTORIAL 22 : EFECTOS SIMPLES
Tenemos:
FACTOR A= Clase
Nivel a1 a2 Media a2 - a1
b1 30 32 31 2
B = Tasa b2 36 44 40 8
Media 33 38 35.5 5
b2-b1 6 12 9

Las 4 diferencias, a2 – a1, a cada nivel de B y b2 – b1 a cada nivel de A, se le llaman

EFECTOS SIMPLES. Estos no se incluye normalmente en el resumen usual de un
experimento factorial, pero son muy útiles en la interpretación del resumen. Para
la tabla, el efecto simple de A al primer nivel de B es 2; el efecto simple de A en el
segundo nivel de B es 8; el efecto simple de B en el primer nivel de A es 6 y el
efecto simple de B en el segundo nivel de B es 12
 ILUSTRACIÓN DE FACTORIAL 22 : EFECTOS PRINCIPALES
Tenemos:
FACTOR A= Clase
Nivel a1 a2 Media a2 - a1
b1 30 32 31 2
B = Tasa b2 36 44 40 8
Media 33 38 35.5 5
b2-b1 6 12 9

Cuando promediamos EFECTOS SIMPLES, los resultados se llaman EFECTOS

PRINCIPALES. Estos se detectan con letras mayúsculas, como las factores. El
efecto principal del factor A es 5 y el efecto principal del factor B es 9.
En general, para un factorial 22, A y B están dados por las
siguientes ecuaciones:

A= ½ [(a2b2 – a1b2) + (a2b1 – a1b1)]

= ½ [(a2b2 + a2b1) – (a1b2 + a1b1)]
B = ½ [(a2b2 – a2b1) + (a1b2 – a1b1)]
= ½ [(a2b2 + a1b2) – (a2b1 + a1b1)]

Los efectos principales se calculan por unidades. Las ecuaciones

anteriores pueden generalizarse fácilmente a factoriales 2n
ILUSTRACIÓN DE FACTORIAL 22 : INTERACCIÓN
CASO 1

FACTOR A= Clase
Nivel a1 a2 Media a2 - a1
b1 30 32 31 2
B = Tasa b2 36 44 40 8
Media 33 38 35.5 5
b2-b1 6 12 9
ILUSTRACIÓN DE FACTORIAL 22 : INTERACCIÓN
CASO 2

FACTOR A= Clase
Nivel a1 a2 Media a2 - a1
b1 30 32 31 2
B = Tasa b2 36 26 31 -10
Media 33 29 31 -4
b2-b1 6 -6 0
ILUSTRACIÓN DE FACTORIAL 22 : INTERACCIÓN
CASO 3

FACTOR A= Clase
Nivel a1 a2 Media a2 - a1
b1 30 32 31 2
B = Tasa b2 36 38 37 2
Media 33 35 34 2
b2-b1 6 6 6
 INTERACCIÓN
Cuando los efectos simples para un factor difieren mas de lo que pueda ser
atribuible al azar, esta respuesta diferencial se llama INTERACCIÓN de los dos
factores.
Esta relación es simétrica; esto es, la interacción de A con B es lo mismo que de B
con A. Usando una notación adecuada tenemos:

AB= ½ [(a2b2 – a1b2) + (a2b1 – a1b1)]

= ½ [(a2b2 + a1b1) – (a1b2 + a2b1)]

Se usa el valor de ½ de modo que la interacción, lo mismo que los efectos

principales, se da por unidad.
Pasa los datos del Caso 1:

AB = ½ (8-2) en términos de los efectos simples de A

AB = ½ (12-6) en términos de los efectos simples de B
AB = 3
Para los datos del Caso 2:

AB = ½ (26-36-32+30) = -6

Para los datos del Caso 3:

AB = ½ (38 – 36 – 32 + 30) = 0
 NOTACIÓN: Los niveles de A los designamos por a1 y a2 ,
los de B por b1 y b2 , respectivamente.

• El siguiente esquema muestra los elementos principales de este

experimento:

1 2 3 4 5
DISEÑO
CORRIDA COMBINACION DE
EXPERIMENTAL FACTOR A FACTOR B TRATAMIENTOS RESPUESTA
1 a1 b1 a1b1 Y11
2 a2 b1 a2b1 Y21
3 a1 b2 a1b2 Y12
4 a2 b2 a2b2 Y22

2
Tabla de Combinaciones de Tratamientos del Diseño Experimental 2 .
• El siguiente diagrama ilustra, en forma esquemática, los
elementos que constituyen el experimento 22:

FACTOR B

Nivel a1b a2b

b2 2
2

Nivel a 1b a2b1
b1 1

Nivel Nivel FACTOR

a1 a2 A

Representación gráfica del experimento 2 2.

 MODELO MATEMÁTICO ADITIVO LINEAL SIN
REPLICACIÓN
Tenemos la siguiente base de datos con los supuestos del diseño completo al zar:
Antídoto
Veneno Antídoto 1 Antídoto 2 Antídoto 3 Antídoto 4
Veneno 1 4.5 11.0 4.5 7.1
Veneno 2 2.9 6.1 3.5 10.2
Veneno 3 2.1 3.7 2.5 3.6

En unos laboratorios se está investigando sobre el tiempo de supervivencia de

unos animales a los que se les suministra al azar tres tipos de venenos y cuatro
antídotos distintos. Se pretende estudiar si los tiempos de supervivencia de los
anímales varían en función de las combinaciones veneno-antídoto.
El objetivo principal es estudiar la influencia de tres
tipos de venenos y 4 tipos de antídotos en el tiempo
de supervivencia de unos determinados animales,
por lo que se trata de un modelo con dos factores: el
veneno (con tres niveles) y el antídoto (con cuatro
niveles). La variable que va a medir las diferencias
entre los tratamientos es el tiempo que sobreviven
los animales. Se combinan todos los niveles de los
dos factores por lo que tenemos en total doce
tratamientos.
El modelo aditivo lineal es:

- yij: Representa la observación correspondiente al nivel (i) del factor A y al nivel (j)
del factor B.
- µ: Efecto constante, común a todos los niveles de los factores, denominado media
global.
- τi: Efecto producido por el nivel i-ésimo del factor A, (∑iτi = 0).
- βj: Efecto producido por el nivel j-ésimo del factor B, (∑j βj = 0).
- (τβ)ij: Efecto producido por la interacción entre A×B, (∑i (τβ)ij = ∑j (τβ)ij = 0).
- uij son vv aa. independientes con distribución N(0,σ). Error
Supondremos que se toma una observación por cada combinación de factores, por
tanto, hay un total de N=ab observaciones.
 MODELO MATEMÁTICO ADITIVO LINEAL CON
REPLICACIÓN
Tenemos la siguiente base de datos con los supuestos del diseño completo al zar:
Antídoto
Veneno Antídoto 1 Antídoto 2 Antídoto 3 Antídoto 4
Veneno 1 4.5 11.0 4.5 7.1
4.3 7.2 7.6 6.2
Veneno 2 2.9 6.1 3.5 10.2
2.3 12.4 4.0 3.8
Veneno 3 2.1 3.7 2.5 3.6
2.3 2.9 2.2 3.3

Como se notara, existen dos replicas por cada tratamiento.

El modelo aditivo lineal es:

- yijk: Representa la observación correspondiente al nivel (i) del factor A y al nivel (j)
del factor B y k datos
- µ: Efecto constante, común a todos los niveles de los factores, denominado media
global.
- τi: Efecto producido por el nivel i-ésimo del factor A, (∑iτi = 0).
- βj: Efecto producido por el nivel j-ésimo del factor B, (∑j βj = 0).
- (τβ)ij: Efecto producido por la interacción entre A×B, (∑i (τβ)ij = ∑j (τβ)ij = 0).
- uijk son vv aa. independientes con distribución N(0,σ). Error
Supondremos que se toma una observación por cada combinación de factores, por
tanto, hay un total de N=abk observaciones.
¡GRACIAS!