Diseño Factorial

Instituto Tecnológico de Hermosillo

Ingeniería Industrial

V. Diseño Factorial

Estadística Inferencial II
Grupo: N4A

Prof. Santos López Navarro

Integrantes:
Moreno Andrade Melanie
Barrón Paz María Laura
Duarte Gámez Andrea Yadira
 Diseño Factorial

23 de mayo de 2023- Hermosillo Sonora

Introducción
Los diseños factoriales son importantes ya que le ayudan al investigador a
mejorar un proceso o sistema por medio de la observación para poder aplicar
un experimento en ellos. El investigador requiere de herramientas que le
ayuden a llevar a cabo este experimento para obtener resultados y de ellos
concluir para una mejora, corrección o estabilización en el problema que se
plantea. En este trabajo definimos para paso del diseño factorial para así poder
aclarar dudas en base a los ejemplos presentados en dicho trabajo.
 Diseño Factorial

Conceptos básicos en diseño factorial

Factor Cualitativo: Sus niveles toman valores discretos o de tipo nominal que
no pueden ser fracciones.

Factor Cuantitativo: Sus niveles de prueba pueden tomar cualquier nivel de

cierto intervalo. La escala es continua. Cabe mencionar que en la materia solo
usamos este tipo de factores.

Experimento Factorial: Un diseño de experimentos factorial o arreglo factorial

es el conjunto de puntos experimentales o tratamientos que pueden formase
considerando todas las posibles combinaciones de los niveles de los factores.

Efecto Principal Y Efecto De Interacción: El efecto de un factor se define

como el cambio observado en la variable de respuesta debido a un cambio del
nivel de tal factor. En particular los efectos principales son los cambios en la
media de la variable de respuesta debidos a la acción individual de cada factor.

Unidad Experimental: Unidad a la cual se le aplica un solo tratamiento (que

puede ser una combinación de muchos factores) en una reproducción del
experimento.
En cada diseño de experimentos es importante definir cuidadosamente la
unidad experimental, ya que esta puede ser una pieza o conjunto de piezas
producidas, dependiendo del proceso que se estudia.

Variable De Respuesta: Es la característica del producto cuyo valor interesa

mejorar mediante el diseño de experimento.

Factores Controlables: Son variables de proceso que se pueden fijar en un

punto o nivel de operación. Algunos de estos son los que usualmente se
controlan durante la operación normal del proceso, y se distinguen porque para
cada uno de ellos existe la manera o el mecanismo para cambiar o manipular
su nivel de operación. A los factores controlables también se les llama variables
de entrada, condiciones de proceso, variables de diseño, parámetros del
proceso o simplemente factores.

Factores No Controlables: Son variables que no se pueden controlar durante

la operación normal del proceso como la luz, temperatura que se investigan en
el experimento para observar cómo afectan o influyen en la variable de
respuesta.
Características de calidad o variable de respuestas.
 Factores Controlables
 Diseño Factorial

 Factores No Controlables
 ¿Cuáles características se van a medir?
 ¿Qué factores controlables deben incluirse en el experimento?
 ¿Qué niveles debe utilizar cada factor?
Réplica: Es cada corrida de todos los tratamientos del arreglo factorial.
Cuadrados medios: Las sumas de cuadrados divididos entre sus
correspondientes grados de libertad.
 Diseño Factorial

Diseños factoriales con dos factores

Un diseño factorial con dos factores consiste en experimentar con todos los
tratamientos que se obtienen al combinar cada nivel de un factor con los
niveles del otro. Se desea analizar si el rendimiento de un determinado cultivo
depende del tipo de semilla y de fertilizante empleados.
Ejemplo 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:
 Diseño Factorial

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).
Ejemplo 2.
Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con
dos métodos: inmersión y rociado. La finalidad del tapaporos 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 tapaporos diferentes
en cuanto a sus propiedades de adhesión.
Para investigar el efecto que tienen el tipo de pintura tapaporos y el método de
aplicación sobre la adhesión de la pintura, se realiza un diseño factorial. Para
ello, se pintan tres muestras con cada tapaporo 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:

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

Las medias de las observaciones son:

Las sumas de cuadrados son:

Tabla Nova

F2,12;0,05 = 3,8853
 Diseño Factorial

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:

Concluimos que los efectos del tipo de tapaporos y del método de aplicación
empleado afectan a la fuerza de adhesión.
 Diseño Factorial

Diseño factorial con tres factores

El estudio factorial de tres factores A, B y C permite estudiar los efectos A, B, C
(efectos principales), AB, AC, BC (efectos de las interacciones de a
dos factores) y ABC (la triple interacción), donde el grado de detalle con el que
se puede estudiar depende del número de niveles usados para cada factor.
Una desventaja de los experimentos factoriales es que requieren un gran
número de tratamientos, especialmente cuando se tienen muchos factores o
muchos niveles de un mismo factor.
Ejemplo 1:
Se están investigando los efectos sobre la resistencia de la pasta tipo
espagueti que producen la concentración de harina de trigo (factor A), la
exposición al agua (factor B) y el tiempo de cocción (factor C). Se seleccionan
dos niveles de la concentración de harina (τ 1, τ 2), tres niveles de exposición
del agua (β1 , β2 , β3 ) y dos niveles del tiempo de cocción (γ1 , γ2 ). Pueden
considerarse todos los factores fijos. Analizar los resultados y obtener las
conclusiones apropiadas.
Diseño Factorial
 Diseño Factorial

Ejemplo 2:
Tomando como referencia el ejemplo anterior pero en este caso, se
seleccionan tres niveles de la concentración de la harina (τ 1, τ 2, τ 3) y dos
niveles de exposición al agua (β1 , β2 ) y del tiempo de cocción (γ1 , γ2 ).
Pueden considerarse todos los factores fijos. Se realiza un experimento
factorial con dos réplicas y se recopilan los siguientes datos. Analizar los
resultados y obtener las conclusiones apropiadas.
Diseño Factorial
Diseño Factorial
 Diseño Factorial

Diseño factorial general

Considerando F factores A, B, C…K con niveles a, b, c…k, donde la letra K
denota al ultimo factor del conjunto a estudiar. Con estos niveles y factores se
puede construir el deseño factorial general a x b x … x k, que consiste de a x b
x … x k tratamientos o puntos de prueba. Con este diseño se pueden estudiar f
efectos principales, f(f-1)/2 interacciones dobles, f(f-1)(f-2)/(3 x 2) interacciones
triples, y así sucesivamente hasta la única interacción de los f factores (ABC…
K). el cálculo del número de interacciones de cierta cantidad m de factores se
𝑓 𝑓!
“ (ቀ ቁ= 𝑓 !(/𝑚 !ሺ𝑓 −𝑚 ሻ!)
𝑚
hace mediante la operación “combinaciones de f en m
que cuenta el número de maneras diferentes de seleccionar m factores de los f,
donde f! = f x (f-1) x … x 2 x 1.
Ejemplo 1
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 temperatura (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:

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

son:

Las sumas de cuadrados son:

 Diseño Factorial

La tabla ANOVA es:

Por tanto, existe una interacción significativa entre los factores. Los efectos del
tipo de material y de la temperatura son significativos.
Ejemplo 2
Se desea investigar el efecto de suspension ( A= abertura de la malla (B) y
temperatura de ciclaje (C) en el valumen de sedimentacion y (%) de una
suspension. Para ello se decide correr un experimento factorial 3x2x2 con seis
replicas y las observaciones obtenidas en las 72 corridas experimentales se
mostraran.
En resumen se tiene siete efectos de interes sin considerar desglose y con
ellos se pueden plantear siete hipotesis nulas
Ho: Efecto A=0
Ho: Efecto B=0
Ho: Efecto C=0
Ho: Efecto AB=0
Ho: Efecto AC=0
Ho: Efecto BC=0
Ho: Efecto ABC=0
El efecto con su correspondiente hipótesis alternativa. El anova para probar
estas hipótesis se muestran en la siguiente tabla.
A1 A2 A3
 Diseño Factorial

B1 B2 B1 B2 B1 B2
C1 60, 75, 67, 73, 62, 68, 71, 80, 76, 71, 75,
75, 86, 73, 67, 65, 76, 80, 72, 75, 70, 75,
70, 70 68, 68 65, 65 80, 80 68, 73 75,
75,
75, 77
C2 55, 53, 52, 52, 44, 44, 60, 60, 52, 51, 56,
53, 55, 57, 52, 45, 48, 60, 67, 50, 52, 55,
55, 55 54, 54 48, 45 67, 65 48, 54 57,
59,
50, 55

a=3 b=2 c=2 n=6

Suma de cuadrados
Diseño Factorial
 Diseño Factorial

Modelo de efecto aleatorio

Supongamos que los a niveles del factor A y los b niveles del factor B son una
muestra aleatoria de poblaciones de niveles. De este modo, la inferencia se
puede extender a todos los posibles niveles mediante el cálculo sobre la
muestra anterior.
El modelo es:

para i = 1,...,a j = 1, . . . , b, k = 1,...,n donde los parámetros del modelo son

variables
aleatorias independientes entre sí, tales que

De este modo la varianza de cada observación es

que son los componentes de la varianza.

Se puede demostrar que

Utilizando las expresiones anteriores, igualando las medias de cuadrados, se

obtiene

Las hipótesis que se tienen que contrastar son

 Diseño Factorial

Las sumas de cuadrados se calculan igual que en el modelo de efectos fijos,

pero al calcular las medias de cuadrados esperadas, se observa que para
contrastar H0 ≡ σˆ2 αβ = 0 el estadístico de contraste que ha de usarse es

porque si H0 es verdadera tanto el numerador como el denominador de F0

tienen como valor esperado σ2 y si es falsa entonces, F0 > F(a−1)
(b−1),ab(n−1),α rechazándose H0 a nivel α.
Para contrastar H0 ≡ σˆ2 α = 0 se usa el contraste

porque si H0 es verdadera tanto el numerador como el denominador de F0

tienen como valor esperado σ2 + nσ2 αβ y si es falsa entonces, F0 > F(a−1),
(a−1)(b−1),α
rechazándose H0 a nivel α. De modo similar, para contrastar H0 ≡ σˆ2 β = 0 se
usa el contraste

porque si H0 es verdadera tanto el numerador como el denominador de F0

tienen como valor esperado σ2 + nσ2 αβ y si es falsa entonces, F0 > F(b−1),
(a−1)(b−1),α rechazándose H0 a nivel α.
Se observa que el método para contrastar efectos no es el mismo en el caso de
que los factores A y B sean fijos. En cualquier caso, los valores esperados de
las medias de cuadrados se deben usar siempre como guía para construir los
contrastes.
Ejemplo
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
 Diseño Factorial

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:

Las sumas de cuadrados son:

Se obtiene la siguiente tabla ANOVA

Como F(a−1)(b−1),ab(n−1),α = F4,27,0005 = 2,73. la interacción entre A y B

resulta significativamente distinta de 0: σ2 αβ > 0 Por otro lado, como F(a−1),
(a−1)(b−1),α = F(b−1),(a−1)(b−1),α = F2,4,0005 = 6,94. El efecto del factor A
no resulta significativo: se acepta que σ2 α = 0 El efecto de B sí resulta
significativamente distinto de 0: σ2 β > 0. Los componentes de la varianza
estimados son
 Diseño Factorial

Bibliografía
https://rstudio-pubs-static.s3.amazonaws.com/
793201_5b588e7d6918452f8f4677e63d1d3886.html
https://wpd.ugr.es/~bioestad/wp-content/uploads/Factorial-dos-factores.pdf
https://halweb.uc3m.es/esp/personal/personas/jmmarin/esp/disenno/
tema3de.pdf
https://explorable.com/es/diseno-factorial