Documentos de Académico
Documentos de Profesional
Documentos de Cultura
y SPSS
Iniciación a los diseños factoriales 2 ,. 299
¿Es posible estudiar todos los efectos del modelo? Obtener la tabla ANOVA e
rnción planteada. ¿ Cuántos factores
interpretar los resultados obtenidos.
ro de tratamientos?
4. Estimar los efectos significativos del modelo.
300 Diseño de experimentos. Soluciones con SAS y SPSS
5. ¿Se obtienen los mismos resultados del Apartado 3 mediante el gráfico de Da Solución
niel?
l. Identificación de las
6. Si no hubiera sido posible recoger los datos relativos a tres réplicas y se dispu
siera solamente de los datos de la réplica número dos, ¿cuál sería el modelo a
La variable respuesta es,
estudiar? Analizarlo detalladamente y comentar las diferencias con la situación
según el índice correspond
anterior.
7. Supongamos que sólo se pudieran recoger ocho observaciones. En estas condi • La temperatura míni
ciones: niveles: inferior a -
• Diseñar las combinaciones de niveles de los cinco factores que deben conside • La cantidad de lluvü
rarse para poder estudiar los efectos de los factores principales. ¿Qué proble
mas presenta este diseño? • El material de constr
• Si los resultados de las observaciones obtenidas a partir de los resultados del • La Protección bajo e
apartado anterior son 19, 18, 23, 19, 12, 15, 20 y 13, obtener la tablc1 ANOVA
y estudiar los efectos principales. • La inclinación del T1
• A la vista del resultado anterior, se decidió efectuar el estudio con 16 observa Observemos que el núr
ciones. El diseño para este caso y los datos obtenidos son: que los cinco factores está1
El modelo matemático aso
Obs. Temper. Lluvia Material Protecc. lnclinac. Desgaste
1 -1 -1 -1 -1 1 15 YiJklmh = �l
2 -1 -1 -1 1 -1 17
3 -1 -1 1 -1 -1 18
4 -1 -1 1 1 1 10
5 -1 1 -1 -1 -1 25
6 -1 1 -1 1 1 19
7 -1 1 1 -1 1 17
8 -1 1 1 1 -1 20 i, j, k, l, m
siendo n el
9 1 -1 -1 -1 -1 17
10 1 -1 -1 1 1 8 Donde µ, media poblaci
11 1 -1 1 -1 1 8 medios adicionales debidoi
factor Lluvia, k-ésimo nive
12 1 -1 1 1 -1 8 ésimo nivel del factor Incli
13 1 1 -1 -1 1 14 condiciones:
14 1 1 -1 1 -1 12
15 1 1 1 -1 -1 11 I CX¡ = O, �
i= 1 j=
16 1 1 1 1 1 6
Asimismo, (cx/3);1, (cxyh,
¿Qué conclusiones se obtienen ahora? rámetros a estimar, con las
Iniciación a los diseños factoriales 21' 301
1SPSS
L Y1c = o, L 61 = o y L
2
o
2
-1 12 2 2
(,n =
-1 -1 11
L CX¡ = O, L
j =l
/3j = O,
k=l 1= 1 m= l
i =l
2 2
¿ (rx/3)iJ = ¿ (rx/3);1 = O
'I
i= 1 j= 1
2 2
¿
i= I
(rxy);k = ¿
k= 1
(rxy);k = O NUmber Temper. Ll
1 -1
2 2 2 -1
L
/=!
(,5¿),m = L (,5¿)1111 = O
3
4
-1
-1
m=I 5 -1
6 -1
Análogamente, (rxf3y);1k, (rx/3ó);JI, ..., (y6¿)1c1111, efectos de las interacciones de orden 7 -1
tres, son parámetros a estimar, con las condiciones: 8 -1
9 -1
2 2 2 10 -1
¿
i=I
(rxf3y);Jk = ¿
j=I
(rx/3y);Jk = ¿
k=I
(rxf3y);¡k = O
11
12
-1
-1
13 -1
14 -1
2 2 2 15 -1
L
k=I
(y,5¿)k/m = L
/= !
(yc>Oktm = L
111 = !
(yc>Ok/111 = Ü
16
17
-1
1
18 1
19 1
De la misma manera, (rx/3yó);Jk/, (rxf3y0;p,,,, ..., (f3y,5¿)1k1111 , efectos de las interacciones 20 1
de orden cuatro, y (rxf3y.50;Jklm, efecto de la interacción de orden cinco, son parámetros a 21 1
estimar, con las condiciones: 22 1
23 1
2 2 2 2 24 1
¿
i= I
(rxf3yc>);Jk/ =
j= 1
¿ (rx/3yó);pd = ¿
k= 1
(rxf3yó);Jkl = ¿
/= I
(rx/3yó);Jk/ = o 25
26
1
1
27 1
28 1
2 2 2 2
29 1
30 1
¿ (/3yc>Ojk/111 = ¿ (/3yc>Ojk/111 = ¿ (/3y,5¿)jklm = ¿ (/3y,5¿)jk/m = Ü 31 1
j=I k=I / != m I =
32 1
para las interacciones de orden cuatro y
2 2 Es decir: En primer lugar, se del
¿ (rxf3y,5¿);Jklm = · · · = ¿ (rxf3y.5¿);Jklm inferior a - 5 ºC (-), poca cant
i= I m= l ción ( - ), y con Inclinación infe1
para las de orden cinco. tado de Temperatura inferior a
Por último, e;Jklmh :::::; N(O, a) independientes. rra (-), sin Protección ( - ), y <
hasta la observación 32 que com
tidad de lluvia (+), Tejado de T(
2. Diseño del orden de recogida de datos
a 30° (+). Esta secuencia deber
El paquete estadístico SAS, mediante el procedimiento FACTEX, proporciona una posi experimento.
ble manera de ordenar las combinaciones de los niveles de los factores para recoger las
observaciones garantizando la hipótesis de aleatoriedad. 3. Construcción de la tabla A
Señalemos que, en los diseños factoriales 2\ los dos niveles de cada factor se deno
tan mediante los signos (+) para el nivel 2 y (-) para el nivel 1, o bien mediante (+ 1) A partir de los datos obtenidos s
y ( - 1). Con esta puntualización, obtenemos el resultado siguiente: al modelo planteado en el Apart::
s
Iniciación a los diseños factoriales 2 1' 303
ble estudiar este modelo completo con todas las posibles interacciones, ya que el número En la Tabla 6.1 podemo:
de grados de libertad del modelo es 31 y el correspondiente al total es 95. entre ellos todas las interac
menzamos eliminando estai
Tabla 6.1. The GLM Procedure
Dependent Variable: desgaste
Sumof
Source DF Mean Square FValue Pr >F Dependent Variable: dE
Squares
R-Square
Source DF Type I SS Mean Square FValue Pr>F
racciones, ya que el número En la Tabla 6.1 podemos observar que hay gran cantidad de efectos no significativos,
al total es 95. entre ellos todas las interacciones de orden cuatro y la interacción de orden cinco. Co
menzamos eliminando estas interacciones, con lo que llegamos a la siguiente situación.
En la Tabla 6.2 se muestra que todos los efectos principales del modelo son signifi 4. Estimación de efectos :
cativos; aparecen dos interacciones de orden dos significativas, las correspondientes
a Temperatura y Lluvia y a Lluvia e Inclinación. De las interacciones de orden tres Hasta ahora, tenemos un mo,
aparecen como significativas las correspondientes a «Temperatura Lluvia Mate un diseño 2\ debido a que el
rial» y «Temperatura Protección Inclinación». Modificamos la tabla ANOVA rete presenta las siguientes carac
niendo en el modelo los efectos significativos y aquellas interacciones de orden dos que, 2
aun no siendo significativas, aparecen en interacciones de orden tres que sí lo son. - Al cumplirse ¿ a; =
i=I
ambos efectos. El crit
Tabla 6.3. The GLM Procedure ne dado por:
Dependent Variable: desgaste
<0.0001
y, por lo tanto,
Temper 1 858.0104167 858.0104167 215.77
Lluvia 1 19.2604167 19.2604167 4.84 0.0306
Temper*Lluvia 1 243.8437500 243.8437500 61.32 <0.0001
Materi 1 225.0937500 225.0937500 56.61 <0.0001 con lo que el «efecto i
Temper*Materi 1 1.2604167 1.2604167 0.32 0.5750 dado por:
Lluvia*Materi 1 0.8437500 0.8437500 0.21 O. 6463
Temper*Lluvia*Materi 1 41.3437500 41.3437500 10.40 0.0018
Protecc 1 65.0104167 65.0104167 16.35 O. 0001
1 348.8437500 348.8437500 87.73 <0.0001 y su estimador es:
Inclinac
Lluvia*Inclinac 1 17.5104167 17.5104167 4.40 O. 0390 (a/3) =:
Temper*Protecc 1 8.7604167 8.7604167 2.20 O.1416
Temper*Inclinac 1 0.0104167 0.0104167 O.DO 0.9593 )
Protecc*Inclinac 1 0.5104167 0.5104167 O.13 O.7211
Temper*Protec*Inclin 1 17.5104167 17.5104167 4.40 O.0390
Volviendo a la matriz de
interacción entre los factores 1
En la Tabla 6.3 podemos apreciar resultados similares a los obtenidos en la Tabla 6.2. medias de observaciones com
Es decir, los efectos principales son todos significativos así· como también las si tura x Lluvia = - 1».
guientes interacciones: Temperatura* Lluvia, Lluvia* Inclinación, Temperatu De la misma manera, se e:
ra* Lluvia* Material y Temperatura* Protección* Inclinación. de orden dos y el resto de los
Iniciación a los diseños factoriales 2k 307
L (rx/3);¡ = L
j= 1
(rx/J)u = O
;ruare FValue Pr>F i= 1
y, por lo tanto,
04167 215.77 <0.0001
04167 4.84 0.0306
37500 61.32 <0.0001
con lo que el «efecto interacción entre los factores Temperatura y Lluvia» viene
37500 56.61 <0.0001
dado por:
)4167 0.32 0.5750
37500 0.21 0.6463 (rx/3) = 2(a/J)n
37500 10.40 0.0018
:J4167 16.35 0.0001
y su estimador es:
37500 87.73 <0.0001 =
04167 4.40 0.0390 (aP) = 2(rxPh2 = 2CY22•••• - .Y2••••• - .Y. 2.... + .Y.....J
)4167 2.20 0.1416
.Y22.... - .Y1 2•••• - .Y21 •••• + .Y22••••
)4167 O.DO 0.9593
2
)4167 0.13 O. 7211
:J4167 4.40 0.0390 Volviendo a la matriz de diseño del experimento, tenemos que el estimador de la
interacción entre los factores Temperatura y lluvia viene dado por la diferencia entre las
medias de observaciones correspondientes a «Temperatura x Lluvia = 1» y «Tempera
a los obtenidos en la Tabla 6.2.
tura x Lluvia = - l».
10s así como también las si
De la misma manera, se calculan todos los efectos correspondientes a interacciones
fa * Inclinación, Temperatu
de orden dos y el resto de los efectos de interacciones de órdenes superiores.
inación.
308 Diseño de experimentos. Soluciones con SAS y SPSS
Con las precisiones anteriores, es sencillo calcular los estimadores de los parámetros (cx.fiy) = (efecto de la interac1
del modelo: = Media de «Temperat1
Para el parámetro µ, media global de las observaciones, se tiene: - Media de «Temperat1
(cx.b�) = (efecto de la intera,
µ = Y...... = 13.4688 = 0.854167=
= Media de «Tempera
Para los efectos principales, los estimadores son: - Media de «Tempera
éi. = (efecto del factor Temperatura) = - 5.97917 =
= Media de las observaciones correspondientes a Temperatura (+) - 5. Gráfico de Daniel
- Media de las observaciones correspondientes a Temperatura ( - ) El gráfico de Daniel es especialr
= 10.4792 - 16.4583. ciones insuficiente para contrasta
ff = (efecto del factor Lluvia) = 0.895833 = siempre sirve para comparar los 1
= Media de las observaciones correspondientes a Lluvia (+) - re_sultantes de dicho gráfico. En 1
- Media de las observaciones correspondientes a Lluvia ( - ) = con los efectos significativos del
= 13.9167 - 13.0208. resultado siguiente:
Y, análogamente,
99.9
y= (efecto del factor Material) = - 3.0625. 99
3 = (efecto del factor Protección) = -1.64583. 95
.,
-� 80
� = (efecto del factor Inclinación) = - 3.8125.
50
Observemos que el significado de estos valores es el siguiente: p.. 20 A:
5
• El nivel (+) del factor Temperatura disminuye el índice de desgaste en 5.97917 o E: Temp
unidades.
0.1
• El nivel (+) del factor Lluvia aumenta el índice de desgaste en 0.895833 unida -14 -1
des.
• El nivel (+) del factor Material disminuye el índice de desgaste en 3.0625 uni
dades.
• El nivel (+) del factor Protección disminuye el índice de desgaste en 1.64583 uni
En la Figura 6.1 podemos ap1
dades.
(E), Material (C), Protección (B)
• El nivel (+) del factor Inclinación disminuye el índice de desgaste en 3.8125 uni
rre con los efectos de la interacci
dades. entre Inclinación y Lluvia (AD).
Los estimadores de las interacciones significativas son: (D) o los correspondientes a las i
recta. Esto se debe a que estos e
(aff) = (efecto de la interacción entre Temperatura y Lluvia) = - 3.1875 = correspondientes son bastante p1
= Media de las observaciones en las que «Temperatura x Lluvia = 1 » - conclusiones similares a las obte
- Media de las observaciones en las que «Temperatura x Lluvia = - l»
(fi�) = (efecto de la interacción entre Lluvia e Inclinación) = - 0.454167 = 6. Análisis del modelo con un
= Media de las observaciones en las que «Inclinación x Lluvia = 1 » - Si solamente se hubiera podido
- Media de las observaciones en las que «IncÍinación x Lluvia = - 1 » correspondientes a la suma Tota
,PSS
Iniciación a los diseños factoriales 21c 309
· los estimadores de los parámetros (afiy) = (efecto de la interacción entre Temperatura Lluvia y Material)= 1.3125 =
= Media de «Temperatura x Lluvia x Material = 1» -
:iones, se tiene: - Media de «Temperatura x Lluvia x Material = - 1»
(a3'() = (efecto de la interacción entre Temperatura Protección e Inclinación) =
= 0.854167=
= Media de «Temperatura x Protección x Inclinación = 1» -
- Media de «Temperatura x Protección x Inclinación = - 1»
l7 =
a Temperatura ( +) - 5. Gráfico de Daniel
a Temperatura ( - ) El gráfico de Daniel es especialmente útil cuando se dispone de un número de observa- .
ciones insuficiente para contrastar si todos los efectos del modelo son significativos. Pero
siempre sirve para comparar los resultados obtenidos mediante la tabla ANOVA, con los
a Lluvia ( +) - resultantes de dicho gráfico. En nuestro caso, se ha construido el gráfico de Normalidad
a Lluvia ( - ) = con los efectos significativos del modelo definitivo del apartado anterior, obteniendo el
resultado siguiente:
Gráfico de normalidad
99.9
99
95
-� 80
civ
50
� C: Tejado
s el siguiente: � 20 A: Inclinac. cP
5
□ DE
: el índice de desgaste en 5.97917 o E: Temper.
índice de desgaste en 1.64583 uni En la Figura 6.1 podemos apreciar que los efectos principales debidos a Temperatura
(E), Material (C), Protección (B) e Inclinación (A) se separan de la recta. Lo mismo ocu
l índice de desgaste en 3.8125 uni- rre con los efectos de la interacción entre Temperatura y Lluvia (DE), y de la interacción
entre Inclinación y Lluvia (AD). Sin embargo, otros efectos significativos, como Lluvia
s son: (D) o los correspondientes a las interacciones de orden tres, están prácticamente sobre la
recta. Esto se debe a que estos efectos están en el límite: observemos que los p-valores
tura y Lluvia) = - 3.1875 = correspondientes son bastante próximos a 0.05. Luego el gráfico de Daniel da lugar a
emperatura x Lluvia = 1» - conclusiones similares a las obtenidas anteriormente.
emperatura x Lluvia = - 1»
6. Análisis del modelo con una sola réplica
lnclinación) = - 0.454167 =
tclinación x Lluvia = 1» - Si solamente se hubiera podido obtener una réplica del modelo, los grados de libertad
tclinación x Lluvia = - 1» correspondientes a la suma Total de Cuadrados es 31. En nuestro caso, el modelo con
31 O Diseño de experimentos. Soluciones con SAS y SPSS
todos los efectos tiene 31 grados de libertad, luego no sería posible analizar la interac Podemos apreciar en la Tabla
ción de orden cinco. Incluso las interacciones de orden cuatro presentarían problemas tos, no son significativas, y entr,
para su análisis, ya que la Suma de Cuadrados de Errores tendría un solo grado de Liber correspondiente a Temperatura y
tad. Por este motivo comenzamos estudiando el modelo con las interacciones de orden nan las interacciones de orden tn
tres solamente. Si los datos de que disponemos son los correspondientes a la segunda siguiente:
réplica del apartado anterior y el diseño del experimento es el obtenido en el Apartado 2,
Tabla
la tabla ANOV A es la que se presenta a continuación:
Dependent Variable: desgas
Tabla 6.4. The GLM Procedure
Dependent Variable: desgaste Source DF
Swnof
Source DF Mean Square FValue Pr > F
Squares Model 15 7
Error 16
Model 25 817.7812500 32.7112500 11. 42 0.0030
Error 6 17.1875000 2.8645833 Corrected Total 31 8
Corrected Total 31 834.9687500
fa posible analizar la interac Podemos apreciar én la Tabla 6.4 que las interacciones de orden tres, para estos da
:uatro presentarían problemas tos, no son significativas, y entre las de orden dos sólo aparece como significativa la
:ndría un solo grado de Liber correspondiente a Temperatura y Lluvia. Veamos qué sucede si en el modelo se elimi
an las interacciones de orden nan las interacciones de orden tres. La tabla ANOVA que se obtiene en este caso es la
orrespondientes a la segunda siguiente:
el obtenido en el Apartado 2, Tabla 6.5. The GLM Procedure
Dependent Variable: desgaste
re
Swnof
Source DF Mean Square FValue Pr > F
Squares
Los estimadores de estos efectos en el modelo correspondiente a una sola réplica to En primer lugar, vearr
man los valores: factores que nos permitirá
íx = (efecto del factor Temperatura) = - 7.3125 mediante el procedimientc
dos niveles de cada factor
ff = (efecto del factor Lluvia) = 2.4375
y= (efecto del factor Material) = -3.3125
S = (efecto del factor Protección) = -1.8125
[ = (efecto del factor Inclinación) = - 4.1875 Experiment
Nwnber Temp,
En cuanto al efecto de la interacción entre Temperatura y Lluvia, que también es
significativo en este modelo, su estimador toma el valor: 1 -1
2 -1
caff) = -2.4315 3 -1
4 -1
El gráfico de Daniel, Figura 6.2, para este modelo, confirma los resultados que apa 5 1
recen en la Tabla 6.5. 6 1
7 1
Gráfico de Normalidad 8 1
99.9
99
Los efectos confundido
95
-� 80
i5
� 50
� 20 Aliasing Structure
5 K Temper. A: I
ncl�ac. Ternper= Protecc*Inc
Lluvia=Material*Ir
0.1 Material=Lluvia*Ir
-13 -10 -7 -4 -1 2 5
Protecc = Ternper*Inc
Efectos estandarizados
Inclinac = Ternper*Pr
Figura 6.2 Ternper*Lluvia =MatE
Ternper*Material= Ll
7. Análisis del modelo con ocho observaciones
Por lo tanto, con el dise
En ocasiones, el alto coste de la toma de datos unido al elevado número de factores que
• Podemos estudiar los
deben combinarse no permite la realización del número de pruebas necesario para contar
ellos. Sin embargo, es
con una réplica completa. Cuando el número de observaciones de que se dispone es
biera interacciones de
2k -p' en lugar de 2\ se está trabajando con una fracción factorial. En estos casos, como
• No podemos estudiar
es lógico, no es posible estudiar todos los efectos; además, algunos de tales efectos esta
unos casos con los efe
rán confundidos. Eri nuestra situación, vamos a llevar a cabo· un diseño 25 -z, es decir,
analizaremos nuestro problema con ocho observaciones, en lugar de hacerlo con las A partir de esta situación
treinta y dos que requiere una réplica completa. es la siguiente:
SPSS Iniciación a los diseños factoriales 21< 313
rrespondiente a una sola réplica to- En primer lugar, veamos una de las posibles combinaciones de niveles de los cinco
factores que nos permitirán estudiar los efectos principales. Este diseño se ha realizado
mediante el procedimiento FACTEX de SAS y en él podemos ver cómo cada uno de los
5
dos niveles de cada factor aparece cuatro veces.
Experiment
Temper Lluvia Material Prote J:nclinac
Nwnber
peratura y Lluvia, que también es
tlor: 1 -1 -1 -1 -1 1
2 -1 -1 1 1 -1
3 -1 1 -1 1 -1
4 -1 1 1 -1 1
J, confirma los resultados que apa- 5 1 -1 -1 1 1
6 1 -1 1 -1 -1
7 1 1 -1 -1 -1
lidad 8 1 1 1 1 1
Aliasing Structure
Temper=Protecc*Inclinac
Lluvia=Material*Inclinac
Material=Lluvia*Inclinac
-1 2 5 Protecc=Temper*Inclinac
dos
Inclinac=Temper*Protecc =Lluvia*Material
Temper*Lluvia=Material*Protecc
Temper*Material=Lluvia*Protecc