GUIA DE PRÁCTICA 5:

DISEÑOS FACTORIALES CON DOS FACTORES

5.1. COMPETENCIAS ESPECÍFICAS

Esta guía práctica nos ayuda a adquirir y desarrollar las siguientes actitudes y competencias:
 Conocer la definición de un experimento factorial con dos factores
 Aplica las diferentes técnicas estadísticas de procesamiento de datos.
 Identificar los parámetros de las variables o factores que intervienen en este modelo
 Interpreta adecuadamente el procedimiento de resolución de problemas de diseños
experimentales.
5.2. CAPACIDADES
 Identifica variables, factores y niveles de diseños para un diseño factorial con dos factores.
 Explica los conceptos generales de Diseños factoriales con dos factores.
 Analiza y aplica las técnicas de resolución de problemas
 Analiza y aplica los fundamentos básicos de estadística inferencial

5.3. DESARROLLO
5.3.2. TRABAJO GRUPAL
Se generar una lluvia de ideas, así posteriormente se podrá discernir el tema desde distintos
puntos de vista, para que finalmente el docente pueda aclarar las dudas que hayamos podido
tener
5.3.2. TRABAJO INDIVIDUAL
 Desarrollar un resumen o mapa conceptual el cual explique de manera secuencial y concisa
como se debe realizar un diseño factorial de dos factores.
 En el desarrollo de la práctica, se presentan los resultados de las actividades en clase que
se reforzara forma colectiva o individual
 El estudiante debe usar bibliografía confiable la cual deberá ser

5.4. SUSTENTO TEORICO

Considere los factores A y B con a y b (a, b≥ 2) niveles de prueba, respectivamente. Con ellos
se puede construir el arreglo o diseño factorial a × b, el cual consiste en a × b tratamientos.
Algunos casos particulares de uso frecuente son: el factorial 22, el factorial 32 y el factorial 3 ×
2. Se llama réplica a cada corrida completa del arreglo factorial. Los diseños factoriales que
involucran menos de cuatro factores por lo regular se corren replicados para tener la potencia
necesaria en las pruebas estadísticas sobre los efectos de interés. Si se hacen n réplicas, el
número total de corridas experimentales es n(a × b).
Modelo estadístico e hipótesis de interés. El modelo estadístico de efectos para este tipo de
diseño está dado por:

Donde μ es la media general, αi es el efecto debido al i-ésimo nivel del factor A, βj es el efecto
del j-ésimo nivel del factor B, (αβ)ij representa al efecto de interacción en la combinación ij y
εijk es el error aleatorio que se supone sigue una distribución normal con media cero y varianza
constante σ2 (N(0, σ2)) y son independientes entre sí. Para que la estimación de los parámetros
en este modelo sea única, se introducen las

Es decir, los efectos dados en el modelo son desviaciones relacionadas con la media global. En
este modelo para el ejemplo 5.2 a = 4, b = 3 y n = 3 réplicas. Las hipótesis de interés para los
tres efectos en el modelo anterior son:

Estas hipótesis también se pueden plantear con los efectos descritos en el modelo (5.1):

Estas hipótesis se prueban mediante la técnica de análisis de varianza, que para un diseño
factorial a × b con n réplicas resulta de descomponer la variación total como,

donde los respectivos grados de libertad de cada una de ellas son:

El factor (n – 1) en los grados de libertad de la suma de cuadrados del error (SCε) señala que se
necesitan al menos dos réplicas del experimento para calcular este componente y, por ende,
para construir una tabla de ANOVA. Recordemos que las sumas de cuadrados divididas entre
sus correspondientes grados de libertad se llaman cuadrados medios (CM). Al dividir éstos
entre el cuadrado medio del error (CME) se obtienen estadísticos de prueba con distribución F.
Toda esta información se sintetiza en la tabla 5.4.
Si el valor-p es menor al nivel de significancia α prefijado, se rechaza la hipótesis nula y se
concluye que el correspondiente efecto está activo o influye en la variable de respuesta.

Recordemos del capítulo 3 la notación de puntos para representar sumas y medias: Y••• es la
suma de todas las observaciones; Y – ••• es la media global; Yi•• es el total en el nivel i del factor
A; Y – i•• es la media en el nivel i del factor A; Y• j• es el total en el nivel j del factor B y Y – •
j• es la correspondiente media. Es decir:

Con esta notación la suma de cuadrados totales es:

donde N = abn es el total de observaciones en el experimento. Las sumas de cuadrados de

efectos son:

y al final, al restar éstas del total, se obtiene la suma de cuadrados del error como:
 COMPARACIÓN DE MEDIAS
Las comparaciones de medias se introdujeron en la sección “Diseño completamente al azar y
ANOVA” del capítulo 3, para después de un ANOVA en el que se rechaza H0, investigar cuáles
medias causan las diferencias detectadas. El ANOVA sólo indica que al menos un par de niveles
del factor significativo son diferentes entre sí, pero no dice cuáles son. Por facilidad, denotemos
los cuatro niveles de la profundidad (A) en el ejemplo 5.2 como Al , A2, A3 y A4, así como los
tres niveles de la velocidad (B) como B1, B2 y B3. Entonces, los seis pares de hipótesis para
comparar las medias del factor A son:

mientras que para el factor B se tienen los tres pares de hipótesis

Para probar estas hipótesis con el método LSD, habría que calcular las diferencias muestrales
en valor absoluto y compararlas con la diferencia mínima significativa. Cabe aclarar que este
análisis es engañoso cuando el efecto de interacción es significativo, como es el caso del
ejemplo 5.2. Por ello, y sólo por ilustrar el método, se prueban las hipótesis del factor A
ignorando por el momento la interacción. La diferencia mínima significativa para comparar los
niveles i y l del factor A, está dada por:

De los totales marginales dados en el renglón inferior de la tabla 5.3 de datos, se obtienen las
medias del factor A, al dividir entre 9, que son el número de mediciones involucradas en cada
total. Así, las seis posibles diferencias muestrales en valor absoluto resultan ser:

donde sólo la primer diferencia resulta no significativa, es decir, se acepta H0 : μ A1 = μ A2 ; en

cambio, en las cinco comparaciones restantes se rechaza H0. Las conclusiones, para ambos
factores usando el método LSD.
 TOMANDO EN CUENTA LA INTERACCIÓN
Para hacer comparaciones múltiples de medias de un factor, tomando en cuenta el efecto de
interacción, éstas se realizan de manera separada en cada nivel del otro factor.
Entonces, para comparar estas medias la diferencia mínima significativa está dada por

VERIFICACIÓN DE SUPUESTOS
Los supuestos de normalidad, varianza constante e independencia de los residuos en un diseño
factorial se verifican principalmente con los métodos gráficos presentados en el capítulo 3 para
diseños con un solo factor. También se pueden aplicar los métodos analíticos descritos en ese
capítulo. Para el ejemplo 5.2, la independencia no la verificamos por no tener el orden en el
cual se hicieron las corridas experimentales. En la figura 5.7 se grafican los residuos vs.
predichos, y se observa que si se cumple el supuesto de varianza constante, al caer todos los
puntos dentro de una banda horizontal. Asimismo, se cumple la normalidad al caer los residuos
alineados en la gráfica de probabilidad normal.

2.5. PROBLEMAS RESUELTOS

PROBLEMA 1:
En unos laboratorios se está estudiando los factores que influyen en la resistencia de un tipo
particular de fibra. Se eligen al azar cuatro máquinas y tres operarios y se realiza un experimento
factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran
en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas.
Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

Las Sumas de Cuadrados y la Tabla ANOVA se muestran a continuación

Realizando los contrastes al nivel de significación del 5 %, se concluye que es significativo el

efecto principal del “operario” (factor B) (F0,05,2,12 = 3,49), pero no son significativos el
efecto principal del tipo de máquina (factor A) (F0,05,3,12 = 3,89) y la interacción entre el tipo
de máquina y operario (factor A × B) (F0,05,6,12 = 3,00).

PROBLEMA 2:

Se trata de estudiar la influencia de los factores:

en la variable respuesta: dureza de un material cerámico. Los datos son:
Los

efectos medios y las medias de cuadrados son

La tabla de análisis de la varianza es

De modo que el factor B y la interacción entre A y B son significativos al nivel 0,05, ya que

PROBLEMA 3:
El abeto posee una regeneración natural escasa por lo que puede resultar conveniente
incrementar su producción de semillas mediante un tratamiento hormonal. Se desean comparar
cuatro tipos de hormonas A, B, C y D. Las condiciones naturales de reproducción en ´arboles
diferentes no son las mismas. Para controlar este efecto, se han seleccionado 10 ´árboles y en
cada ´árbol 4 ramas similares. Cada rama recibe exactamente uno de los 4 tratamientos. Tras
aplicar los tratamientos se mide el número de semillas producidas en cada rama.

Yij es la respuesta correspondiente a la combinación del nivel i del factor α con el nivel j del
factor β.

Una solución es especificar con más detalle el valor de µij

. µ: Respuesta media global
. αi : Efecto adicional debido al nivel i del factor α
. βj : Efecto adicional debido al nivel j del factor β
donde los errores uij tienen distribución normal de media 0 y varianza σ 2
(la misma para
cualquier valor de i y j) y son independientes. Además,

ya que podemos interpretar αi y βj como desviaciones a la media debidas a los niveles de los
factores.
El modelo se puede escribir:

donde y las variables son independientes.

El modelo aditivo tiene (I − 1) + (J − 1) + 1 + 1 = I + J parámetros. Salvo en el caso I = J = 2,

siempre IJ > I + J.

Si las curvas son aproximadamente paralelas, el modelo aditivo es razonable.

En conclusión, la hormona 4 representa una mayor producción en los 10 árboles.

PROBLEMA 4
Se aplican pinturas tapa poros para aeronaves en superficies de aluminio, con
dos métodos: inmersión y rociado. La finalidad del tapa poros es mejorar la
adhesión de la pintura, y puede aplicarse en algunas partes utilizando cualquier
método. El grupo de ingeniería de procesos responsable de esta operación está
interesado en saber si existen diferencias entre tres tapa poros diferentes en
cuanto a sus propiedades de adhesión.

Para investigar el efecto que tienen el tipo de pintura tapa poros y el método de

apli- cación sobre la adhesión de la pintura, se realiza un diseño factorial. Para

ello, se pintan tres muestras con cada tapa poro utilizando cada método de

aplicación, después se aplica una capa final de pintura y a continuación se mide la

fuerza de adhesión. Los datos son los siguientes:

Tapa Inmersión Rociado

poros
1 4 4.5 4.3 5.4 4.9 5.6
2 5.6 4.9 5.4 5.8 6.1 6.3
3 3.8 3.7 4 5.5 5 5

Entonces, a = 3, b = 2, n = 3, N = 18.

Las medias de las observaciones son

Tapaporos Inmersión Rociado ȳi··

1 ȳ11· = 4,267 ȳ12· = 5,3 28,7/6 = 4,783
2 ȳ21· = 5,3 ȳ22· = 6,067 34,1/6 = 5,683
3 ȳ31· = 3,833 ȳ32· = 5,167 27/6 = 4,5
ȳ·j· 40,2/9 = 4,467 49,6/9 = 5,511 ȳ··· = 89,8/18 = 4,989
La tabla ANOVA es:
F.V. S.C. G.L. M.C. F
Tapaporo (A) 4.58 2 2.29 27.7576
Método (B) 4.91 1 4.91 59.5152
Interacción 0.24 2 0.12 1.4545
Error 0.99 12 0.0825
Total 10.72 17

F2,12;0,05 = 3,8853

F1,12;0,05 = 4,7472
Por tanto, no hay evidencia de la existencia de interacción entre los factores. Los

efectos del tipo de tapaporos y del método de aplicación empleado afectan a la fuerza

de adhesión. En este caso, debemos simplificar el modelo, considerando un modelo

sin interacción (juntando las sumas de cuadrados de la interacción a las del error),
donde la tabla ANOVA sería:

F.V. S.C. G.L. M.C. F

Tapaporo (A) 4.58 2 2.29 26.082
Método (B) 4.91 1 4.91 55.9225
Error 0.99+0.24=1.23 12+2=14 0.0878
Total 10.72 17

F2,14;0,05 = 3,7389

F1,14;0,05 = 4,6001

Concluimos que los efectos del tipo de tapaporos y del método de aplicación empleado

afectan a la fuerza de adhesión.

Si las medias de los tratamientos son diferentes entre sí se pueden considerar los tests

de comparaciones múltiples y de rangos estudentizados, que se vieron para el modelo

unifactorial general. Se ha de reemplazar el número de réplicas por nivel del factor

(n),

por el correspondiente número de elementos de cada casilla. A su vez, los grados de

libertad del error (N − a) han de cambiarse en el caso general por ab(n − 1).

Utilizaremos el método de Bonferroni para observar diferencias entre el nivel medio

¡¢
de los tres tipos de tapaporos. Como a = 3, realizaremos m = 3 = 3 comparaciones. Si
2
utilizamos αT = 0,06, entonces α = 0,06
= 0,02.
3

Las diferencias de medias en valor absoluto son:

ȳ2·· = 5,683 ȳ3·· = 4,5

ȳ1·· = 4,783 0.9 0.283
ȳ2·· = 5,683 — 1.183
En negrita aparece el caso en el cual no rechazamos la hipótesis de igualdad de medias.
Por tanto, concluimos que el tapaporos 2 es el más eficaz y los tapaporos 1 y 3 son iguales
en cuanto a eficacia.
PROBLEMA 5

Supongamos que un ingeniero diseña una batería para su uso en un dispositivo que será
sometido a ciertas variaciones extremas de temperatura. El único parámetro de diseño
que se puede seleccionar es el material de la cubierta de la batería, y tiene tres
alternativas. Cuando el dispositivo se manufactura y se envía al campo, el ingeniero
no tiene control sobre los extremos de temperatura a que será expuesto el dispositivo,
y sabe por experiencia que es probable que la temperatura influya en la duración
efectiva de la batería. Sin embargo, sí es posible controlar la temperatura en el
laboratorio de desarrollo de productos para los fines del ensayo.
El ingeniero decide probar los tres materiales de la cubierta a tres niveles de temper-
atura (15, 70 y 125o F) consistentes en el entorno de uso final del producto. Se prueban
cuatro baterías con cada combinación de material de la cubierta y temperatura, y las 36
pruebas se ejecutan al azar. Los datos son los siguientes:

Material 15o F 70o F 125o F

130 155 34 40 20 70
1
74 180 80 75 82 58
150 188 136 122 25 70
2
159 126 106 115 58 45
138 110 174 120 96 104
3
168 160 150 139 82 60

En este ejemplo a = 3, b = 3, n = 4, N = 36. Las medias de las observaciones son:

Material 15o F 70 F 125o F ȳi··

1 134.75 57.25 57.5 83.17
2 155.75 119.75 49.5 108.33
3 144 145.75 85.5 125.083
ȳ·j· 144.83 107.583 64.17 ȳ··· =105.53
Las sumas de cuadrados son:

La tabla ANOVA es:

F.V. S.C. G.L. M.C. F

Material (A) 10683,722 2 5341.861 7,91
Temperatura (B) 39118,722 2 19559.361 28.97
Interacción 9613,778 4 2403.444 3.56
Error 18230,75 27 675.213
Total 77646,972 35

F2,27;0,05 = 3,3541

F4,27;0,05 = 2,7278

Por tanto, existe una interacción significativa entre los factores. Los efectos del tipo de
material y de la temperatura son significativos.

Utilizaremos el método de Bonferroni para detectar diferencias en el nivel medio de los

tres tipos de material. Como la interacción es significativa, las comparaciones se
realizan en un sólo nivel de temperatura. Vamos a tomar, por ejemplo, el nivel 2 (70o
F).
 Las diferencias de medias en valor absoluto son:

ȳ22· = 119,75 ȳ32· = 145,75

ȳ12· = 57,25 62.5 88.5
ȳ22· = 119,75 26

En negrita aparece el caso en el cual no rechazamos la hipótesis de igualdad de medias.

Concluimos que para el nivel de temperatura 70o F, el voltaje medio producido por
los materiales 2 y 3 es el mismo y el producido por el 1 es significativamente menor.

PROBLEMA N°3

En el proceso de fabricación de una pieza de un vehículo se puede elegir un gran

número posible de materiales y también un gran número posible de temperaturas a las

que puede estar sometida la pieza.

Como diseño del experimento se seleccionan 3 posibles tipos de material al azar y

tres posibles temperaturas. Se obtiene la siguiente tabla de tiempos de duración:

Material -10o C 15o C 32o C

130 155 34 40 20 70
1
74 180 80 75 82 58
150 188 136 122 25 70
2
159 126 106 115 58 45
138 110 174 120 96 104
3
168 160 150 139 82 60

Las sumas de cuadrados son:

 Se obtiene la siguiente tabla ANOVA

F.V. S.C. G.L. M.C. F

5341,861
Material (A) 10683.722 2 5341.861 2403,444 = 2,223
19559,361
Temperatura (B) 39118.722 2 19559.361 2403,444 = 8,138
2403,444
Interacción 9613.778 4 2403.444 675,213 = 3,560
Error 18230.75 27 675.213
Total 77646.972 35

Como
F(a−1)(b−1),ab(n−1),α = F4,27,00 05 = 2,73.

la interacción entre A y B resulta significativamente distinta de 0: σ2 > 0

α
β
Por otro lado, como

F(a−1),(a−1)(b−1),α = F(b−1),(a−1)(b−1),α = F2,4,00 05 = 6,94.

El efecto del factor A no resulta significativo: se acepta que σ2 = 0

α
El efecto de B sí resulta significativamente distinto de 0: σ2 > 0.
β
Los componentes de la varianza estimados son

σ̂2 = MCE = 675,213

 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

2.6.PROBLEMAS PROPUESTOS

PROBLEMA 1:
Completa la siguiente tabla ANOVA correspondiente a un modelo bifactorial aditivo
ajustado a los datos de los abetos:

-¿Cuál es el estimador de la varianza σ 2 en este caso?

-Calcula un IC de nivel 95 % para σ 2 .

PROBLEMA 2:
Se asignaron aleatoriamente 20 individuos con sobrepeso (10 hombres y 10 mujeres) a dos
posibles dietas con el fin de estudiar su eficacia. Después de 10 semanas de seguimiento de
la dieta, se midió la pérdida de peso (en libras) en cada individuo.

-¿Cuánto valen I, J y K en este ejemplo?

-3-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

PROBLEMA 3:
Medias para cada combinación de niveles (Yij.):

PROBLEMA 4:
Un ingeniero está interesado en los efectos de la velocidad de corte (A), la geometría de la
herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una máquina
herramienta. Se eligen dos niveles de cada factor y se corren tres réplicas de un diseño
factorial 23. Los resultados fueron los siguientes:

a) Estimar los efectos de los factores. ¿Qué efectos parecen ser grandes?

b) Usar el análisis de varianza para confirmar las conclusiones del inciso a.

c) Escribir un modelo de regresión para predecirla vida de la herramienta (en horas) con base
en los resultados de este experimento.

-4-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

d) Analizar los residuales. ¿Hay algún problema evidente?

e) Con base en el análisis de las gráficas de los efectos principales y las interacciones, ¿cuáles
serían los niveles de A, B y C que se recomendaría utilizar?

PROBLEMA 5:

Se usa una máquina para hacer ranuras de localización en una tarjeta de circuitos impresos.
El nivel de vibración en la superficie de la tarjeta cuando se hacen las ranuras se considera
una fuente principal de variación dimensional de las ranuras. Se piensa que dos factores
influyen en la vibración: el tamaño de las ranuras (A) y la velocidad de corte (B). Se
seleccionan dos tamafios de las ranuras (ftY Í de pulgada) y dos velocidades ( 40 y 90 rpm),
y se hacen ranuras en cuatro tarjetas con cada conjunto de condiciones que se muestran
abajo. La variable de respuesta es la vibración medida como el vector resultante de tres

acelerómetros (x, y y z) en cada tarjeta de prueba.

a) Analizar los datos de este experimento.

b) Construir una gráfica de probabilidad normal de los residuales, y graficar los residuales
contra el nivel de vibración predicho. llnterpretar estas gráficas. ·

e) Hacer la gráfica de la interacciónAB. Interpretar esta gráfica. lQué niveles del tamaño de
las ranuras y la velocidad se recomendarían para la operación rutinaria?

-5-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

2.7. BIBLIOGRAFIA

1. GUTIERREZ, Humberto. “Análisis y Diseño de Experimentos”.- Segunda Edición .-

Editorial McGraw-Hill interamericana.- Guanajato-México
2. Cohen, L. y Manion, L. (2002). Métodos de investigación educativa. Madrid: La
Muralla.

2.7.1. ENLACES ELECTRONICOS

 http://www.postgradoune.edu.pe/pdf/documentos-academicos/ciencias-de-la-
educacion/10.pdf
 http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE.pdf
2.8. FOTOGRAFIAS Y/0 FOTOS DE LOS MATERIALES
FUENTE DE LOS PROBLEMAS

-6-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

-7-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

-8-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

-9-
 DEPARTAMENTO ACADEMICO DE INGENIERIA METALURGICA
GUIAS DE PRÁCTICA DESARROLLADA Y DOSIFICADA: ASIGNATURA DE DISEÑO EXPERIMENTAL METALURGICO

2.9. APELLIDOS Y NOMBRES DE LOS REDACTORES:

 RODRIGUEZ SUTTA GABRIEL DIONICIO
 PORROA APAZA JHOAN FRISCHER
 PUELLES OLIVARES JEAN FRANCO JAIME

- 10 -