1

Tecnológico Nacional de México

Campus Orizaba

Estadística inferencial II

Docente: Mario Leoncio Arrioja Rodríguez

Tema IV: Diseño Factorial

Tarea: Ejemplo diseño bifactorial, balanceado y de efectos fijos

Equipo 1: De La Rosa Gómez

Ariadna
21010021

Grupo:4b5B

Fecha de entrega: 9 de diciembre del 2022

 2

Índice.
Introducción.....................................................................................................................................3

Resumen de diseño bifactorial.........................................................................................................4

Ejemplo propuesto del equipo.........................................................................................................5

Ejemplo inventado de Ariadna.........................................................................................................7

Bibliografías.....................................................................................................................................24
 3

Introducción.
Los diseños experimentales son importantes ya que le permiten al investigador mejorar
un proceso o sistema por medio de la observación de cambios en ellos a través de un
experimento. Para lo cual, el investigador necesita de herramientas estadísticas para
poder experimentar y obtener resultados que signifiquen una mejora, una corrección o
una estabilización en ese proceso o sistema.
Un tipo de diseño es el diseño factorial, en el cual se tienen dos o más factores, los cuales
tienen dos o más niveles, y se investigan todas las posibles combinaciones de los niveles
de los factores en cada ensayo completo o réplica del experimento. Estos factores se
estudian porque en un principio se piensa que tienen un efecto conjunto de estos sobre
una respuesta. El efecto de un factor se define como el cambio en la respuesta producido
por un cambio en el nivel del factor. Con frecuencia, éste se conoce como efecto principal
porque se refiere a los factores de interés primordial del experimento.
Debido a que solo hay dos niveles para cada factor, se debe suponer que la respuesta es
aproximadamente lineal en el intervalo de niveles elegidos de los factores. El modelo
estadístico de diseño 2k incluye k efectos principales, (k 2) interacciones de dos factores,
(k3) interacciones de tres factores, y una interacción de k factores. Es por lo anterior, que
podemos decir que incluso para un numero pequeño de factores el número de
combinaciones de tratamientos en un diseño 2k es grande. Muchas veces no se
encuentran con los recursos necesarios para llevar acabó el experimento más de una vez,
o no se tiene el tiempo para llevarlo a cabo una segunda vez por lo que el investigador se
ve en la necesidad de realizar el experimento una sola ocasión, a este tipo de diseño
factorial 2k se le llama factorial no replicado. (Ver Montgomery 1991)
 4

Resumen.
Características del diseño bifactorial, balanceado y de efectos fijos

Cuando se quiere determinar si ciertos factores afectan a una variable de respuesta se tienen dos
enfoques básicos:

• Por prueba y error, generalmente lo que se hace aquí es ir modificando sólo un factor en cada
experimento hasta que se encuentra el valor que se considera más adecuado, a juicio del
investigador. Posteriormente se toma el siguiente factor y se procede de igual manera hasta hallar
su mejor valor y así hasta analizar a todos los factores. Esto consume mucho tiempo, recursos y
sólo permite evaluar el efecto que por sí sólo provoca cada factor, lo que se denomina el efecto
principal.

• Por diseño de experimentos, al poder analizar en el mismo proceso de experimentación más de

un factor, cada uno de los cuales puede estar con cualquier número de niveles el enfoque de
diseño de experimentos permite:

1.-Ser más eficiente que el enfoque de prueba y error, eficiencia que aumenta al aumentar el
número de factores. Por lo que puede hacerse en menos tiempo y utilizando menos recurso

2.-Permite medir tanto el efecto principal como la interacción, este es efecto no aditivo que ocurre
en alguna combinación de los niveles de dos o más factores.

3.-La identificación del mejor tratamiento no se hace a juicio del investigador si no basado en
modelos probabilísticos, en los que se basan las técnicas estadísticas inferenciales.

Diseño factorial con dos factores

Este modelo, que es el más sencillo de los modelos de diseño factoriales completos, considera dos
factores: 𝐴 y 𝐵 con 𝑎 y 𝑏 niveles, respectivamente, por lo que se tienen 𝑎𝑏 tratamientos, en donde
se realizan 𝑛 réplicas por cada uno de ellos. El orden en que se realizan los experimentos se
establece de forma aleatoria.

Diseño balanceado:

El número de réplicas de todos ellos sea el mismo, cuando esto ocurre se dice que se tienen un
diseño balanceado. Además de hacer más equitativas las comparaciones, también simplifica
algunos cálculos Si es de efectos fijos, utiliza las pruebas simultáneas sobre las medias para
determinar el mejor tratamiento para los objetivos del proyecto. Son aquellos en los que
intervienen sólo dos factores. Supongamos que hay a niveles para el factor A y b niveles del factor
B, cada réplica del experimento contiene todas las posibles combinaciones de tratamientos, es
decir contiene los ab tratamientos posibles.
 5

Ejercicio investigado.
 6

Análisis del ejercicio investigado.

Se puede analizar que el ejercicio no contiene lo mismo a como nos muestra el docente ya que no
nos da la variable de respuesta, ni experimental y ya que es un ejercicio de un libro ya nos dice
cuántas replicas se harán, además de que no se hace el análisis de residuales y tampoco se
encuentra el mejor tratamiento, de ahí lo que si es igual es el análisis del ANDEVA.
 7

Ejercicios inventados.
De La Rosa Gómez Ariadna
Pastelería rosita ha detectado que han dejado de consumir los pasteles, gracias a una encuesta
que se realizó a los clientes, danto a conocer que estas les hostigaban a la hora de consumirlas por
su sabor. Los expertos han determinado que los factores que más influyen son los ingredientes, los
cuales son la leche y el azúcar, ya que hace falta tener el control de la cantidad que se aplica a los
pasteles. Con ayuda de los datos históricos de los procesos antes registrados de esta producción
observado por los expertos con la ayuda de un diagrama de Pareto se dio a conocer que el factor
de que estas palomitas no sean consumidas son la leche y el azúcar con las que estas se elaboran
Tomando en cuenta la cantidad de leche que se agrega debe ser entre 1.5l y 3ml gr por lo tanto se
decide tomar a tres niveles en cuenta, estos son de 1.5l, 2.3l y 3l. Tomando ahora la leche, estos
manejan dos tipos, la tradicional y de cultivo. Este será un modelo de diseño factorial de efectos
fijos. Estos han determinado es que se harán 5 réplicas, la variable respuesta era la mejora del
sabor den las palomitas, la unidad experimental son las palomitas, se están utilizando tres niveles
de sal, por lo tanto, se tendrán seis tratamientos. Posterior a ello se muestran los resultados
obtenidos:

Variable de respuesta: calidad en el pastel

Factor 1: azúcar

Niveles: 1.5,2.3,3.0

Factor2: leche

Niveles: 1.5,2.3,3.0

Tabla 1. Enumeración realizada por columna con factores y niveles.

REPLICAS
Leche Azucar 1 2 3 4 5
1,5
1 2,3
3
1,5
2
2,3

Replicas
Leche Azucar0 1 2 3 4 5
 8

1 1.5 1 7 13 19 25
2.3 2 8 14 20 26
3 3 9 15 21 27
2 1.5 4 10 16 22 28
2.3 5 11 17 23 29
3 6 12 18 24 30

ORDEN ALEATORIO Azucar Leche Datos Promedios Residuales

30 0,43555763 3 2 80 85,4 -5,4
21 0,15343487 3 1 100 99 1
26 0,902957 2,3 1 90 91,6 -1,6
10 0,21621663 1,5 2 70 83,4 -13,4
9 0,82885454 3 1 95 99 -4
19 0,6975057 1,5 1 80 87,4 -7,4
11 0,0779983 2,3 2 97 83,4 13,6
17 0,16451265 2,3 2 75 83,4 -8,4
22 0,3083107 1,5 2 80 83,4 -3,4
28 0,49530774 1,5 2 90 83,4 6,6
2 0,99661962 2,3 1 100 91,6 8,4
8 0,17735098 2,3 1 98 91,6 6,4
18 0,70961166 3 2 105 85,4 19,6
23 0,16031994 2,3 2 80 83,4 -3,4
5 0,93441218 2,3 2 90 83,4 6,6
20 0,3754282 2,3 1 95 91,6 3,4
25 0,00629544 1,5 1 97 87,4 9,6
7 0,12417768 1,5 1 93 87,4 5,6
6 0,06846797 3 2 80 85,4 -5,4
1 0,71149889 1,5 1 87 87,4 -0,4
16 0,23052855 1,5 2 94 83,4 10,6
12 0,31212943 3 2 83 85,4 -2,4
29 0,06536466 2,3 2 75 83,4 -8,4
24 0,12229764 3 2 79 85,4 -6,4
15 0,41545868 3 1 100 99 1
14 0,60897036 2,3 1 75 91,6 -16,6
13 0,35181521 1,5 1 80 87,4 -7,4
27 0,66988842 3 1 100 99 1
4 0,81405675 1,5 2 83 83,4 -0,4
3 0,21887872 3 1 100 99 1
 9

Tabla de
Datos:
REPLICAS
Leche Azucar 1 2 3 4 5
1,5 87 93 80 80 97
1 2,3 100 98 75 95 90
3 100 95 100 100 100
1,5 30 70 94 80 90
2 2,3 90 97 75 80 75
3 80 83 105 79 80

OBTENCION DE TOTALES:
Azucar TOTALES Leche TOTALES
1,5 854 1 1390
2,3 875 2 1208
3 922 2651 2598

-
8169,0966
Azucar Leche TOTALES 7
1,5 1 437
2,3 1 458
3 1 495
1,5 2 417
2,3 2 417
3 2 427 2651
 10

Elementos Básicos del

ANDEVA
Núm. Réplicas
(n)= 5 a= 0,05
Niveles (a)= 3 Núm. de decimales = 2
234260,
Niveles (b)= 2 Corrección por la media = 03
Total de Datos
(N)= 30

El número de replicas
lo calcule mediante la
formula.

Tabla
ANDEVA
Grados
Fuente de Suma de de
Cuadrados Medios Fcalculada Ftablas
variacion cuadrados Liberta
d
Azucar 242,47 2 121,24 1,55 3,4
Leche -8.169,10 1 -8169,1 -104,73 4,26
Interacció
n 8.839,60 2 4419,8 56,66 3,4
Error 1.872,00 24 78
Total 2.784,97 29

Conclusi
Fcalculada Ftablas on
no se
Azucar 1,55 < 3,4 rechaza
no se
Leche -104,73 < 4,26 rechaza
Interaccio Se
n 56,66 > 3,4 rechaza
 11

Conclusi
Fcalculada Ftablas on
Azucar 0,0000 < 0,05 no se
rechaza
Leche 0,0000 < 0,05 no se
rechaza
Interaccio 0,0000 < 0,05 no se
n rechaza
 12

Bibliografías.

o Anderson, D. R., Sweeney, D. J., & Williams, T. (2019). Estadística para negocios y
economía (13.a ed.). Cengage Learning.

o • Arrioja Rodríguez. M (2019). Diseños factoriales- resumen.PDF

o • Chandler, R. & Scott, M. (2011). Statistical Methods for Trend Detection and Analysis in
the Environmental Sciences. John Wiley & Sons.

o • Gonzalez, M. D. H. R. T. E. H. (2021c, junio 21). Estadística inferencial 2. Para ingeniería y

ciencias. Grupo Editorial Patria.

o Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos, Análisis de la Varianza y

Temas Relacionados: Tratamiento Informático mediante SPSS.” Proyecto Sur de Ediciones.
o •(12 de Mayo de 2021). Obtenido de
https://www.ugr.es/~bioestad/guiaspss/practica7/Contenidos.pdf
o Gutiérrez, H.; de la Vara, R. (2003). Análisis y diseño de experimentos. McGraw-Hill,
México
13
14
15