.

y SPSS
Iniciación a los diseños factoriales 2 ,. 299

2. Se decide recoger tres observaciones para cada tratamiento. Diseñar el orden de

recogida de estas observaciones.
üdos distinto de los anteriores, ya que . .
3. A partir de los resultados del apartado anterior se obtienen los s1gmentes datos
para el desgaste de los Tejados:
hemos abordado todos los conceptos
¡ nos proponemos iniciar la presenta­
:xperimentos. Estos modelos sobrepa- Réplica
1rcado para esta publicación, pero he­ Tratamiento 1 2 3
le abordamos los modelos 2\ no de 1 17 17 18
ales de este tipo de diseño. Los moti- 2 16 15 15
3 14 17 14
4 12 14 12
�l puente para sucesivos proyectos en
5 16 18 13
, de Experimentos. Los diseños facto-
6 14 15 13
1evas ediciones.
7 15 16 14
de esta publicación, con el apoyo de
8 10 10 11
:e presenta en el capítulo y el estudio
9 23 23 25
iados a los diseños 2k sin la ayuda de
10 20 20 19
J presentamos problemas propuestos
11 21 24 21
12 17 19 14
�ro 6, donde se presentan los concep- 13 17 21 18
14 14 17 16
15 16 20 21
16 8 18 13
17 16 13 17
1te es la rehabilitación y edificación 18 12 9 12
)ptimizar la calidad de los tejados de 19 16 15 18
iiciones que la empresa considera de 20 12 11 14
21 12 12 11
22 9 8 10
1d donde está el edificio: inferior a 23 10 8 7
24 9 6 11
25 12 15 13
: - ) o Teja ( + ). 26 8 14 10
10 lleva ( - ) o lleva ( + ). 27 7 12 12
,r ( +) a 30° . 28 4 10 8
:visión en construcciones que llevan 29 14 11 9
ios asignándoles un índice que mide 30 2 5 6
31 11 10 12
32 6 6 7

¿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

artado 3 mediante el gráfico de Da­ Solución

y construcción del modelo
l. Identificación de las variables, factores
relativos a tres réplicas y se dispu­
,
grado de desgaste de los tejados, medido
La variable respuesta es, en este caso, el
umero dos, ¿cuál sería el modelo a
ntar las diferencias con la situación dicho índice depende de cinco factores:
según el índice correspondiente. El valor de
localidad donde está el edificio, con dos
>cho observaciones. En estas condi- • La temperatura mínima alcanzada en la
-5 ºC ( + ).
niveles : inferior a -5 ºC ( -) o superior a
poca ( -) o mucha ( + ).
lScinco factores que de ben conside­ • La cantidad de lluvia de dicha localidad:
s factores principales. ¿Qué pro ble- Pizarra ( -) o Teja ( + ).
• El material de construcción del Tejado :
: no lleva ( -) o lleva ( + ).
:nidas a partir de los resultados del • La Protección bajo el Material anterior
°
;, 20 Y 13, obtener la tabhi ANOVA o superior ( +) a 30 .
• La inclinación del Tejado : inferior ( -)
actores es dos, y
a cada uno de los cinco f
efectuar el estudio con 16 observa­ Observemos que el número de niveles par k
s obtenidos son: o est n cruzados . N os encontramos
, por lo tanto, ante un diseño 2 .
que los cinc o fact res á
experimento es:
El modelo matemático asociado a nuestro
Protecc. Inclinac. Desgaste
-1 1 15
-1 17
+ (cx/3)ij + (cxyh + (cx3);1 + · · · + (3()1111 +
-1 -1 18 + (cxf3y)ijk + ... + (yó()klm +
10 + (cxf3y3);jkl + .. · + (f3y30jklm +
-1 -1 25
1 19
+ eijk/111h
-1 17
i, j, k, l, m toman los valores 1 y 2; h v aría entre 1 y n,
-1 20
siendo n el número de réplicas .
-1 -1 17
able respuesta, ex;, /3j, Yk> 31
y ( 111 son los efectos
8 Donde µ, media poblacional de la vari imo nivel del
actor T emperatura, j-és
i dicion l d bidos al i-ésimo nivel del f
8 med os a a es e
l del factor Protección y m­
-1 1 r M aterial, l-ésimo nive
factor Lluvia, k-ésimo nivel del facto etros a estimar, con las
tos principales, son parám
-1 8 ésimo nivel del factor Inclinación, efec
-1 1 14 condiciones:
2

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

6 es d e orden dos, son pa

­
, , ... , ( ó() m, ef ectos de las interaccion
As imism o, (cx/3)ij (cxyh i
es:
rámetros a estimar, con las condicion
 302 Diseño de experimentos. Soluciones con SAS y SPSS

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

The FACTEX Procedure

Design Points
Experiment
Nwnber Temper. Lluvia Material Protecc. Inclinac.
1 -1 -1 -1 -1 -1
2 -1 -1 -1 -1 1
o 3
4
-1
-1
-1
-1
-1
-1
1
1
-1
1
5 -1 -1 1 -1 -1
6 -1 -1 1 -1 1
de las interacciones de orden 7 -1 -1 1 1 -1
8 -1 -1 1 1 1
9 -1 1 -1 -1 -1
10 -1 1 -1 -1 1
11 -1 1 -1 1 -1
12 -1 1 -1 1 1
13 -1 1 1 -1 -1
14 -1 1 1 -1 1
15 -1 1 1 1 -1
16 -1 1 1 1 1
17 1 -1 -1 -1 -1
18 1 -1 -1 -1 1
19 1 -1 -1 1 -1
,,,,,, efectos de las interacciones 1 -1 -1 1 1
20
• orden cinco, son parámetros a 21 1 -1 1 -1 -1
22 1 -1 1 -1 1
23 1 -1 1 1 -1
2 24 1 -1 1 1 1
¿
/= 1
(a/Jyó);¡ki =Ü 25
26
1
1
1
1
-1
-1
-1
-1
-1
1
27 1 1 -1 1 -1
28 1 1 -1 1 1
2 29 1 1 1 -1 -1
I
m= I
(/JyJ¿)jk/111 = o 30
31
1
1
1
1
1
1
-1
1
1
-1
32 1 1 1 1 1

Es decir: En primer lugar, se debe tomar la observación correspondiente a Temperatura

�CTEX, proporciona una posi­
e los factores para recoger las
1iveles de cada factor se deno­
nivel 1, o bien mediante ( + 1)
siguiente:
inferior a - 5 ºC ( - ), poca cantidad de lluvia ( - ), Tejado de Pizarra ( - ), sin Protec­
ción ( - ), y con Inclinación inferior a 30 ° ( - ). En segundo lugar, se observará el resul­
tado de Temperatura inferior a - 5 ºC ( - ), poca cantidad de lluvia ( - ), Tejado de Piza­
rra ( - ), sin Protección ( - ), y con Inclinación superior a 30 ° ( + ). Así sucesivamente
hasta la observación 32 que corresponde a Temperatura superior a - 5 ºC ( + ), gran can­
tidad de lluvia ( + ), Tejado de Teja ( + ), con Protección ( + ), y con Inclinación superior
a 30 ° ( + ). Esta secuencia debe repetirse tantas veces como número de réplicas tenga el
experimento.
3. Construcción de la tabla ANOVA. Análisis del modelo
A partir de los datos obtenidos se construye la siguiente tabla ANOVA correspondiente
al modelo planteado en el Apartado 1. Puesto que el número de réplicas es tres, es posi-
304 Diseño de experimentos. Soluciones con SAS y SPSS

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

Model 31 1934.572917 62.405578 16.97 <0.0001

Source :e:
Error 64 235.333333 3.677083
Corrected Total 95 2169.906250
Model 2
R-Square Coeff Var Root MSE desgaste Mean Error 7
Corrected Total 9
0.891547 14.23720 1.917572 13.46875

R-Square
Source DF Type I SS Mean Square FValue Pr>F

Temper 1 858.0104167 858.0104167 233.34 <0.0001 0.870127

Lluvia 1 19.2604167 19.2604167 5.24 0.0254
Temper*Lluvia 1 243.8437500 243.8437500 66.31 <0.0001 Source
Materi 1 225.0937500 225.0937500 61.22 <0.0001
Temper*Materi 1 1.2604167 1.2604167 0.34 0.5603
Temper
Lluvia*Materi 1 0.8437500 0.8437500 0.23 0.6336
1 41.3437500 11.24 0.0013 Lluvia
Temper*Lluvia*Materi 41.3437500
Protecc 1 65.0104167 65.0104167 17.68 <0.0001 Temper*Lluvia
Temper*Protecc 1 8.7604167 8.7604167 2.38 0.1276 Materi
Lluvia*Protecc 1 0.0104167 0.0104167 0.00 0.9577 Temper*Materi
Temper*Lluvia*Protec 1 0.2604167 0.2604167 0.07 0.7910 Lluvia*Materi
Materi*Protecc 1 4.5937500 4.5937500 l.25 0.2679 Temper*Lluvia*Materi
Temper*Materi*Protec 1 0.2604167 0.2604167 0.07 O.7910 Protecc
Lluvia*Materi*Protec 1 15.8437500 15.8437500 4.31 0.0419 Temper*Protecc
Temp*Lluv*Teja*Prote 1 10.0104167 10.0104167 2.72 0.1039 Lluvia*Protecc
Inclinac 1 348.8437500 348.8437500 94.87 <0.0001 Temper*Lluvia*Protec
Temper*Inclinac 1 0.0104167 0.0104167 0.00 0.9577 Materi*Protecc
Lluvia*Inclinac 1 17.5104167 17.5104167 4.76 0.0328 Temper*Materi*Protec
Temper*Lluvia*Inclin 1 2.3437500 2.3437500 0.64 0.4276 Lluvia*Materi*Protec
Materi*Inclinac 1 0.0104167 0.0104167 0.00 0.9577 Inclinac
Temper*Materi*Inclin 1 1.7604167 1.7604167 0.48 0.4915 Temper*Inclinac
Lluvia*Materi*Inclin 1 14.2604167 14.2604167 3.88 0.0532 Lluvia*Inclinac
Temp*Lluv*Teja*Incli 1 25.0104167 25.0104167 6.80 O.0113 Temper*Lluvia*Inclin
Protecc*Inclinac 1 0.5104167 0.5104167 0.14 O.7107 Materi*Inclinac
Temper*Protec*Inclin 1 17.5104167 17.5104167 4.76 0.0328 Temper*Materi*Inclin
Lluvia*Protec*Inclin 1 0.8437500 0.8437500 0.23 0.6336
Lluvia*Materi*Inclin
Temp*Lluv*Prot*Incli 1 0.0104167 0.0104167 0.00 0.9577
Protecc*Inclinac
Materi*Protec*Inclin 1 0.0937500 0.0937500 0.03 0.8736
Temp*Teja*Prot*Incli 1 11.3437500 11.3437500 3.08 0.0838 Temper*Protec*Inclin
Lluv*Teja*Prot*Incli 1 0.0104167 0.0104167 0.00 0.9577 Lluvia*Protec*Inclin
Tem*Llu*Tej*Pro*Incl 1 0.0937500 0.0937500 0.03 O.873.6 Materi*Protec*Inclin
 Iniciación a los diseños factoriales 21< 305

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.

Tabla 6.2. The GLM Procedure

are FValue Pr > F
Dependent Variable: desgaste
78 16.97 <0.0001 Swnof
83 Source DF Mean Square FValue Pr >F
Squares

Model 25 1888.093750 75.523750 18.76 <0.0001

sgaste Mean Error 70 281.812500 4.025893
Corrected Total 95 2169.906250
13.46875

re R-Square Coeff Var Root MSE desgaste Mean

FValue Pr>F
67 233.34 <0.0001 0.870127 14.89717 2.006463 13.46875
67 5.24 0.0254
00 66.31 <0.0001
00 Source DF Type I SS Mean Square FValue Pr > F
61.22 <0.0001
67 0.34 0.5603
00 0.23 Temper 1 858.0104167 858.0104167 213.12 <0.0001
0.6336
00 11.24 0.0013 Lluvia 1 19.2604167 19.2604167 4.78 0.0321
67 17.68 <0.0001 Ternper*Lluvia 1 243.8437500 243.8437500 60.57 <0.0001
57 2.38 0.1276 Materi 1 225.0937500 225.0937500 55.91 <0.0001
57 0.00 0.9577 Temper*Materi 1 1.2604167 1.2604167 0.31 0.5776
57 0.07 0.7910 Lluvia*Materi 1 0.8437500 0.8437500 0.21 0.6485
)0 l.25 0.2679 Ternper*Lluvia*Materi 1 41.3437500 41.3437500 10.27 0.0020
57 0.07 0.7910 Protecc 1 65.0104167 65.0104167 16.15 <0.0001
)0 4.31 0.0419 Ternper*Protecc 1 8.7604167 8.7604167 2.18 0.1447
57 2.72 0.1039 Lluvia*Protecc 1 0.0104167 0.0104167 0.00 O.9596
80 94.87 <0.0001 Ternper*Lluvia*Protec 1 0.2604167 0.2604167 0.06 0.8000
í7 0.00 0.9577 Materi*Protecc 1 4.5937500 4.5937500 1.14 0.2891
57 4.76 0.0328 Ternper*Materi*Protec 1 0.2604167 0.2604167 0.06 0.8000
JO 0.64 0.4276 Lluvia*Materi*Protec 1 15.8437500 15.8437500 3.94 0.0512
í7 0.00 0.9577 Inclinac 1 348.8437500 348.8437500 86.65 <0.0001
í7 0.48 O.4915 Ternper*Inclinac 1 0.0104167 0.0104167 0.00 0.9596
í7 3.88 0.0532 1 17.5104167 17.5104167 4.35 0.0407
Lluvia*Inclinac
í7 6.80 O.0113 2.3437500 0.58 0.4480
Ternper*Lluvia*Inclin 1 2.3437500
i7 0.14 O.7107 0.9596
Materi*Inclinac 1 0.0104167 0.0104167 0.00
í7 4.76 0.0328
Ternper*Materi*Inclin 1 1.7604167 1.7604167 0.44 0.5106
)0 0.23 0.6336
Lluvia*Materi*Inclin 1 14.2604167 14.2604167 3.54 0.0640
;7 0.00 0.9577
Protecc*Inclinac 1 0.5104167 0.5104167 O .13 0.7229
)0 0.03 0.8736
)0 Ternper*Protec*Inclin 1 17.5104167 17.5104167 4.35 0.0407
3.08 0.0838
;7 0.00 Lluvia*Protec*Inclin 1 0.8437500 0.8437500 0.21 0.6485
0.9577
10 0.03 0.8736 Materi*Protec*Inclin 1 0.0937500 0.0937500 0.02 0.8792
306 Diseño de experimentos. Soluciones con SAS y SPSS

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

Sumof y que será estimado I

Source DF Mean Square FValue Pr >F
Squares

Model 14 1847.812500 131.986607 33.19 <0.0001

Error 81 322.093750 3.976466 Así, teniendo en e
Corrected Total 95 2169.906250 Apartado 2, este estirr
cia entre las medias d
de este factor.
R-Square Coeff Var Root MSE desgaste Mean
Análogamente, se
Para las interacciones
0.851563 14.80544 1.994108 13.46875

Source DF Type I SS Mean Square FValue Pr>F

<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

dpales del modelo son signifi­ 4. Estimación de efectos significativos

icativas, las correspondientes Hasta ahora, tenemos un modelo de efectos fijos con cinco factores cruzados, pero al ser
is interacciones de orden tres un diseño 2\ debido a que el número de niveles de todos los factores es dos, este modelo
«Temperatura Lluvia Mate­ presenta las siguientes características especiales:
'icamos la tabla ANOVA rete­
2
interacciones de orden dos que,
e orden tres que sí lo son. - Al cumplirse I rx; =- rx2, por lo que no es necesario
O, entonces rx 1
= estimar

to Temperatura», rx, que vie-

i=I
ambos efectos. El criterio a seguir es definir el «efec
ure ne dado por:

y que será estimado por:

lquare FValue Pr > F ....... ....... - .,..._- - - - -
a = (y1
rx2 - rx1 = Y2••••• - Y...... - ..... - Y ......) =
Y2..... - Y......

que hemos obtenido en el

Así, teniendo en cuenta el diseño del experimento
86607 33.19 <0.0001
76466 ra», se calcula como la diferen­
Apartado 2, este estimador del «efecto Temperatu
dientes a los niveles ( +) y (-)
cia entre las medias de observaciones correspon
de este factor.
principales.
desgaste Mean Análogamente, se estimarán todos los efectos
Para las interacciones de orden dos, se tiene que
13.46875
2 2

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
· los estimadores de los parámetros
:iones, se tiene:
l7 =
a Temperatura ( +) -
a Temperatura ( - )
a Lluvia ( +) -
a Lluvia ( - ) =
s el siguiente:
: el índice de desgaste en 5.97917
:e de desgaste en 0.895833 unida­
índice de desgaste en 3.0625 uni­
índice de desgaste en 1.64583 uni­
l índice de desgaste en 3.8125 uni-
s son:
tura y Lluvia) = - 3.1875 =
emperatura x Lluvia = 1» -
emperatura x Lluvia = - 1»
lnclinación) = - 0.454167 =
tclinación x Lluvia = 1» -
tclinación x Lluvia = - 1»
Iniciación a los diseños factoriales 21c 309
(afiy) = (efecto de la interacción entre Temperatura Lluvia y Material)= 1.3125 =
= Media de «Temperatura x Lluvia x Material = 1» -
- 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»
5. Gráfico de Daniel
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
resultantes de dicho gráfico. En nuestro caso, se ha construido el gráfico de Normalidad
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
� 20 A: Inclinac. cP
5
□ DE
o E: Temper.
-14 -11 -8 -5 -2 4
Efectos estandarizados
Figura 6.1
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
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
(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
correspondientes son bastante próximos a 0.05. Luego el gráfico de Daniel da lugar a
conclusiones similares a las obtenidas anteriormente.
6. Análisis del modelo con una sola réplica
Si solamente se hubiera podido obtener una réplica del modelo, los grados de libertad
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

R-Square Coeff Var Root MSE desgaste Mean R-Square Coe

0.979415 12.06242 1.692508 14.03125 0.949699 11.

Source DF Type I SS Mean Square FValue Pr>F

Source DF
Temper 1 427.7812500 427.7812500 149.33 <0.0001
Lluvia 1 47.5312500 47.5312500 16.59 O.0066
Temper*Lluvia 1 47.5312500 47.5312500 16.59 O.0066 Temper 1
Materi 1 87.7812500 87.7812500 30.64 0.0015 Lluvia 1
Temper*Materi 1 7.0312500 7.0312500 2.45 O.1682 Temper*Lluvia 1
Lluvia*Materi 1 7.0312500 7.0312500 2.45 O.1682 Material 1
Temper*Lluvia*Materi 1 1.5312500 1.5312500 0.53 O.4923 Temper*Material 1
Protecc 1 26.2812500 26.2812500 9.17 O.0231
Lluvia*Material 1
Temper*Protecc 1 0.2812500 0.2812500 0.10 O.7646
0.6202 Protecc 1
Lluvia*Protecc 1 0.7812500 0.7812500 0.27
Temper*Lluvia*Protec 1 0.0312500 0.0312500 0.01 O.9202 Temper*Protecc 1
Materi*Protecc 1 0.2812500 0.2812500 0.10 O.7646 Lluvia*Protecc 1
Temper*Materi*Protec 1 3.7812500 3.7812500 l.32 0.2943 Material*Protecc 1
Lluvia*Materi*Protec 1 7.0312500 7.0312500 2.45 0.1682 Inclinac 1 1
Inclinac 1 140.2812500 140.2812500 48.97 O. O004 Temper*Inclinac 1
Temper*Inclinac 1 0.0312500 0.0312500 0.01 O. 9202 Lluvia*Inclinac 1
Lluvia*Inclinac 1 0.2812500 0.2812500 0.10 O.7646
Material*Inclinac 1
Temper*Lluvia*Inclin 1 5.2812500 5.2812500 l.84 O.2234
0.0312500 0.01 O.9202 Protecc*Inclinac 1
Materi*Inclinac 1 0.0312500
Temper*Materi*I n 1 0.7812500 0.7812500 0.27 O.6202
Lluvia*Materi*I�'n 1 3.7812500 3.7812500 1.32 O.2943
Protecc*Inclina 1 0.0312500 0.0312500 0.01 O.9202 Los resultados son similares a
Temper*Protec*Inclin 1 2.5312500 2.5312500 0.88 0.3835 Luego, con una sola réplica, h1
Lluvia*Protec*Inclin 1 0.0312500 0.0312500 0.01 O.9202 rrespondientes a tres réplicas, ya 91
Materi*Protec*Inclin 1 0.0312500 0.0312500 0.01 O.920,2 les son significativos.
 Iniciación a los diseños factoriales 2• 311

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

¡uare FValue Pr > F

Model 15 792.9687500 52.8645833 20.14 <0.0001
Error 16 42.0000000 2.6250000
2500 11.42 0.0030
Corrected Total 31 834.9687500
5833

R-Square Coeff Var Root MSE desgaste Mean

lesgaste Mean
14.03125 0.949699 11.54698 1.620185 14.03125

1are FValue Pr>F

Source DF Type I SS Mean Square FValue Pr > F
2500 149.33 <0.0001
2500 16.59 0.0066
2500 16.59 0.0066 Temper 1 427.7812500 427.7812500 162.96 <0.0001
2500 30.64 0.0015 Lluvia 1 47.5312500 47.5312500 18 .11 0.0006
!500 2.45 0.1682 Temper*Lluvia 1 47.5312500 47.5312500 18.11 0.0006
!500 2.45 0.1682 Material 1 87.7812500 87.7812500 33.44 <0.0001
!500 0.53 0.4923 Temper*Material 1 7.0312500 7.0312500 2.68 0.1212
2500 9.17 0.0231 Lluvia*Material 1 7.0312500 7.0312500 2.68 0.1212
!500 0.10 0.7646 10.01 0.0060
Protecc 1 26.2812500 26.2812500
!500 0.27 0.6202
Temper*Protecc 1 0.2812500 0.2812500 O.11 0.7477
!500 0.01 0.9202
!500 0.10 0.7646 Lluvia*Protecc 1 O.7812500 0.7812500 O.30 0.5929
!500 l.32 0.2943 Material*Protecc 1 0.2812500 O. 2812500 O.11 0.7477
!500 2.45 0.1682 Inclinac 1 140.2812500 140.2812500 53.44 <0.0001
2500 48.97 0.0004 Temper*Inclinac 1 0.0312500 0.0312500 0.01 O.9145
!500 0.01 0.9202 Lluvia*Inclinac 1 0.2812500 0.2812500 O.11 0.7477
!500 0.10 0.7646 Material*Inclinac 1 0.0312500 0.0312500 0.01 0.9145
�5OO 1.84 0.2234 0.0312500 0.0312500 0.01 0.9145
Protecc*Inclinac 1
!500 0.01 0.9202
!500 0.27 0.6202
!500 1.32 0.2943
!500 0.01 0.9202 Los resultados son similares a los obtenidos en la Tabla 6.4.
!500 0.88 0.3835 Luego, con una sola réplica, hemos obtenido resultados bastante similares a los co­
!500 0.01 0.9202 rrespondientes a tres réplicas, ya que en ambos casos se detecta que los efectos principa­
!500 0.01 0.9202 les son significativos.
312 Diseño de experimentos. Soluciones con SAS y SPSS

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.

The FACTEX Procedure

Design Points

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

Los efectos confundidos, según el diseño anterior, siguen la siguiente estructura:

The FACTEX Procedure

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

Por lo tanto, con el diseño anterior:

11 elevado número de factores que • Podemos estudiar los efectos principales, ya que no presentan confusión entre
::i de pruebas necesario para contar ellos. Sin embargo, este estudio podría presentar problemas en el caso de que hu­
,ervaciones de que se dispone es biera interacciones de orden dos significativas.
ón factorial. En estos casos, como • No podemos estudiar las interacciones de orden dos, ya que están confundidas en
más, algunos de tales efectos esta­ unos casos con los efectos principales y en otros entre ellas .
. a cabo un diseño 2 5 -2, es decir,
nes, en lugar de hacerlo con las A partir de esta situación, se plantea el modelo sin interacciones, cuya tabla ANOVA
es la siguiente:
314 Diseño de experimentos. Soluciones con SAS y SPSS

Tabla 6.6. The GLM Procedure Lluvia*Material=Te

Dependent Variable: desgaste Lluvia*Protecc = Tem
Lluvia*Inclinac=Te
Sumof Material*Protecc=T
Source DF Mean Square FValue Pr>F
Squares Material*Inclinac=
Protecc*Inclinac=T
Model 5 97.72500000 19.52500000 156.20 0.0064
Error 2 0.25000000 0.12500000 Luego los efectos princiJ
Corrected Total 7 97.87500000 sacar conclusiones acerca d(
de orden dos están confundí­
R-Square Coeff Var Root MSE desgaste Mean que permite, dentro de los
nemos, analizar alguno de e
0.997446 2.034840 0.353553 17.37500 efectos principales y a la ir
ANOVA siguiente:
Source DF Type I SS Mean Square FValue Pr>F
T
Temper 1 45.12500000 45.12500000 361.00 0.0028 Dependent Variable: dei
Lluvia 1 15.12500000 15.12500000 121.00 O. O082
Materi 1 10.12500000 10.12500000 81.00 0.0121 Source DE
Protecc 1 6.12500000 6.12500000 49.00 0.0198
Inclinac 1 21.12500000 21.12500000 169.00 0.0059
Model E
Error 9
En la Tabla 6.6 podemos apreciar que con estas nuevas observaciones y con este di­ Corrected Total 15
seño los resultados para los efectos principales son los que se habían obtenido con
los diseños anteriores: todos los factores son significativos.
R-Square
Pero estos resultados pueden no ser correctos. Pensemos, por ejemplo, en la inter­
acción entre Inclinación y Lluvia. Si esta interacción es significativa, el resultado obteni­
0.961206
do para el factor Material presenta problemas al estar confundido con dicha interacción.
Vamos, por último, a analizar una fracción factorial 2k -l_ En este caso el número
de observaciones es la mitad de las correspondientes a una réplica completa. Con el di­ Source r
seño planteado, la estructura de confusión de efectos es la siguiente:
Temper
The FACTEX Procedure Lluvia
Temper*Lluvia
Aliasing Structure Material
Protecc
Temper
Inclinac
Lluvia
Material
Protecc
Inclinac Vemos en la Tabla 6.7 qw
Temper*Lluvia=Material*Protecc*Inclinac la mitad de las observaciones
Temper*Material=Lluvia*Protecc*Inclinac dos similares a los obtenidos é
Temper*Protecc=Lluvia*Material*Inclinac nes. Además, las conclusionei
Temper*Inclinac=Lluvia*Material*Protecc mas planteados en el diseño :