1

Jacinto
Contenido
Introducción ..................................................................................................................................... 4

Objetivo.............................................................................................................................................. 5

Desarrollo ........................................................................................................................................ 5
El diseño factorial ............................................................................................................................. 5
Este tipo de diseño debe de cumplir ..................................................................................... 5
La clasificación del diseño factorial ....................................................................................... 5
2
En la utilidad del diseño factorial............................................................................................ 5
Dentro del diseño factorial se desglosan .............................................................................. 6
diseño factorial completa se derivan ..................................................................................... 6
Diseño factorial completo ............................................................................................................ 6
¿Que es? ................................................................................................................................... 6
Los factores ............................................................................................................................... 6
Su modelo estadístico es: ...................................................................................................... 7
Diseño factorial completo de 2 niveles o 2k ............................................................................ 7
Son denominados..................................................................................................................... 7
estos diseños presentan.......................................................................................................... 7
Diseño factorial completo de 3 niveles o 3k ............................................................................. 8
¿Qué es? ................................................................................................................................... 8
Dos de las ventajas .................................................................................................................. 8
Diseño factorial incompleto, ........................................................................................................ 8
¿Qué es? ................................................................................................................................... 8
Diseño factorial fraccionario........................................................................................................ 8
¿Qué es? ................................................................................................................................... 8
Por ejemplo sencillo ................................................................................................................. 9
Aplicándolo en la vida real ...................................................................................................... 9
El éxito de estos diseños se basa en tres ideas claves . [3] ............................................. 9
Diseños de bloques............................................................................................................................ 9
¿De donde proviene? .............................................................................................................. 9
Los diseños de bloques se divien en: ................................................................................... 9
Diseño de bloques aleatorizados ............................................................................................. 10
¿Qué es? ................................................................................................................................. 10
 cuadrado latino ........................................................................................................................... 10
¿Qué es? ................................................................................................................................. 10
ventajas .................................................................................................................................... 10
desventajas ............................................................................................................................. 10
El problema ........................................................................................................................... 10
Se puede aplicar ..................................................................................................................... 10
El diseño por cuadrados latinos trata .................................................................................. 11
El diseño y la construcción del cuadrado es: ..................................................................... 11 3
El modelo estadístico es: ...................................................................................................... 11
Cuadrado grecolatino................................................................................................................. 11
¿Qué es? ................................................................................................................................. 11
Obtención................................................................................................................................. 12
Características ........................................................................................................................ 12

Bibliografia y webgrafia ........................................................................................................... 13

Introducción
Hoy en día la experimentación es una parte fundamental en todos los campos de la
investigación y desarrollo. El objetivo de la experimentación es obtener información
de calidad, la cual permita el desarrollo de nuevos productos y procesos,
comprender mejor un sistema, tomar decisiones sobre como optimizarlo y mejorar
su calidad, comprobar hipótesis científicas [1]

Los diseños experimentales son importantes ya que le permiten al investigador

mejorarun proceso o sistema por medio de la observación de cambios en ellos a
4
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 diseño factorial es un tipo de experimento diseñado que permite estudiar los

efectos que varios factores pueden tener en una respuesta. Al realizar un
experimento, variar los niveles de todos los factores al mismo tiempo en lugar de
uno a la vez, permite estudiar las interacciones entre los factores.

Un ejemplo sencillo seria:

Si el factor A=4 niveles
Y el factor B=3 niveles
Cada replica contiene todas las AB=12 combinaciones de tratamientos.

Si se efectuarán n=3 réplicas en total

Resultan ABn=36 observaciones

Una vez generalizado el tema y haber explicado de manera clara y muy breve.
Comenzaremos definiendo y posteriormente desglosaremos cada concepto como:
 Utilidad
 Tipos
 Análisis
 caracteristicas
 Que estudia
 Fundalizacion
 Comparación
 Diferencia
Objetivo
El objetivo de este Trabajo es explicar de forma clara, detallada y contextualizada
el diseño factorial y los diseños de bloques, su aplicación y las diferentes formas en
las que este se puede llevar a cabo para conseguir conclusiones validas en un
experimento, así como demostrar la importancia de utilizarlo para un mejor
rendimiento en los procesos.

5
Desarrollo

El diseño factorial
Este tipo de diseño debe de cumplir
con ciertos criterios que son:
 Por la cantidad de niveles
 Cantidad de combinaciones
 Tipo de control

La clasificación del diseño factorial

por el criterio de la cantidad de niveles o de valores por factor, el diseño factorial
se clasifican en:
 Cantidad constante
 Cantidad variable

En la utilidad del diseño factorial

se encuentran
Ventajas
Se amplía la base de la inferencia
en relación a un factor, ya que se
estudia en las diferentes
condiciones representadas por los
niveles de otros factores. Se amplía
el rango de validez del
experimento.
Permite el estudio de la interacción,
esto es, estudiar el grado y forma
en la cual se modifica el efecto de
desventajas
Se requiere un mayor número de
unidades experimentales que los
experimentos simples y por lo tanto
se tendrá un mayor costo y trabajo
en la ejecución del experimento.
Como en los experimentos
factoriales cada uno de los niveles
de un factor se combinan con los
niveles de los otros factores; a fin
 un factor por los niveles de los
otros factores.
de que exista un balance en el
análisis estadístico se tendrá que
algunas de las combinaciones no
tiene interés práctico pero deben
incluirse para mantener el balance.
El análisis estadístico es más
complicado que en los
experimentos simples y la
interpretación de los resultados se
hace más difícil a medida de que
aumenta el número de factores y 6
niveles por factor en el
experimento.

Dentro del diseño factorial se desglosan

2 tipos de diseños llamados:
 Diseño factorial completo
 Diseño factorial incompleto
 Diseño factorial fraccionario

diseño factorial completa se derivan

2 tipos de diseños llamados:
 Diseño factorial completo de 2 niveles o 2k
 Diseño factorial completo de 3 niveles o 3k

Diseño factorial completo

¿Que es?
el cual ensaya todas las posibles combinaciones de tratamientos que se generan
con los distintos noveles de los factores en estudio; así por ejemplo, si se ensayan
dos factores, digamos a y b el primero en 2 niveles y el segundo en 3, entonces el
factorial completo comprenderá 2 x3 = 6 combinaciones de tratamientos.

Los factores
pueden ser tanto cualitativos como cuantitativos. Y los efectos que estos causan
pueden ser de tres tipos, simples, principales y de interacción.
 Efectos simples: Se observan al comparar entre todos los niveles de un factor
a un solo nivel del otro factor.
 Efectos principales: Se observan al comparar entre todos los niveles de un
factor promediados para todos los niveles de otro factor.
  Efecto de interacción: Estos miden la diferencia entre los efectos simples de
un factor a diferentes niveles de otros.

Su modelo estadístico es:

 Yij: valor de la característica en estudio, observando en la unidad

experiemntal (ijk)
 µ: efecto común a todas las observaciones 7
 αi:efecto de tratamiento i
 ẞk:efecto del bloqueo k
 εij:errores aleatorios con media cero, varianza 𝜎 2 y sin correlacion
entre si.
 αiẞk: interrelacion

Diseño factorial completo de 2 niveles o 2k

Son denominados
diseño factorial 2k los diseños en los cuales cada uno de los factores cuenta con
dos niveles, es decir cuando se realiza un experimento con un número de factores
k en el que cada uno de estos solo puede adoptar dos niveles. Estos niveles podrían
ser cuantitativos o cualitativos y una réplica completa de tal diseño requiere que
realizar 2k combinaciones.

estos diseños presentan

diferentes ventajas en relación a otros tipos de diseños . [2]
 No es necesario un gran número de experimentos por cada uno de los
factores a estudiar.
 Las observaciones producidas por los diseños se pueden interpretar
utilizando el sentido común, la aritmética elementar y los gráficos por
ordenador.
 Cuando se trata de factores cuantitativos se puede determinar una dirección
prometedora para una mayor experimentación.
 Es posible aumentar los diseños cuando se necesita una exploración más
focalizada.
 Es posible realizarlos de forma secuencial, de forma que una vez realizada
una ronda del diseño factorial se puede montar una nueva para realizar una
investigación más específica.
El modelo más sencillo para el diseño factorial 2k es el modelo 22 , sin réplica, el
cual cuenta con dos factores de dos niveles cada uno
Diseño factorial completo de 3 niveles o 3k
¿Qué es?
Los diseños factoriales 3k cuentan con un número de factores k, los cuales tienen
tres niveles cada uno. Por lo que una réplica completa de este diseño tendrá un
número de observaciones igual a 3k . Esto nos muestra una desventaja con
respecto al diseño factorial 2k , se requiere un mayor número de experimentos en
este nuevo diseño. Sin embargo, en experimentos en los cuales se tienen un
número pequeño de factores puede ser una buena alternativa. 8
Este diseño permite que la relación entre la respuesta y los factores del diseño se
puedan modelar de forma cuadrática [3]
Sin embargo, en experimentos en los cuales se tienen un número pequeño de
factores puede ser una buena alternativa. Este diseño permite que la relación entre
la respuesta y los factores del diseño se puedan modelar de forma cuadrática [3]
Dos de las ventajas
más importantes que muestra este diseño se muestran tanto para los factores de
tipo continuo en los que interesa estudiar sus efectos cuadráticos, lo cual se realiza
cuando la respuesta no es lineal, como para los factores discretos que de manera
natural tienen tres niveles, así pueden compararse influencia para cada una de las
diferentes combinaciones entre los niveles de cada factor [4]

Diseño factorial incompleto,

¿Qué es?
el cual ensaya sólo algunas de las posibles combinaciones de tratamientos que
pueden generarse. Este diseño describe como realizar los experimentos de la forma
más adecuada para conocer simultáneamente qué efecto tienen k factores sobre
una respuesta y descubrir si interaccionan entre ellos. [5]

Diseño factorial fraccionario

¿Qué es?
Los diseños factoriales fraccionados son diseños en los que el número de
experimentos es una fracción del número de experimentos para el mismo diseño
factorial completo. Es decir, el diseño factorial fraccionado 2k-p es una fracción del
diseño factorial 2k .
Cuando se tiene un experimento con un gran número de factores, el número de
experimentos a realizar en una réplica para un diseño factorial completo de este es
muy elevado.
Por ejemplo sencillo
de entender es, en un diseño con 7 factores, se necesita realizar 27 =128
combinaciones, es decir, realizar 128 experimentos.
Aplicándolo en la vida real
existen unos recursos limitados con los que cuenta el experimentador para realizar
el experimento, por lo que no siempre es posible realizar un número elevado de
experimentos.
Por ello, para poder experimentar con tantos factores, se recurre al diseño factorial
fraccionado. Los diseños factoriales fraccionados, debido al exceso de información 9
que acumulan los diseños factoriales completos cuando hay muchos factores,
permiten sacrificar información poco importante reduciendo el número de
experimentos a realizar.
El éxito de estos diseños se basa en tres ideas claves . [3]
1. El principio de efectos esparcidos o escasez de efectos. Cuando existen varias
variables, factores, es posible que el sistema se encuentre dominado principalmente
por los efectos principales y las interacciones de orden inferior.
2. La propiedad de proyección. los diseños factoriales fraccionados pueden
proyectarse en diseños más fuertes en el subconjunto de los factores significativos.
3. Experimentación secuencial. Es posible combinar las corridas de dos diseños
factoriales fraccionados para ensamblar secuencialmente un diseño más grande y
así estimar los efectos de los factores y las interacciones de interés.

Diseños de bloques
¿De donde proviene?
Algunos experimentos diseñados pueden proveer información de manera efectiva
cuando las mediciones son difíciles o muy costosas de hacer o pueden minimizar
el efecto de variabilidad no deseada en la inferencia del tratamiento. A
continuación, se mostrará información acerca de los diseños comúnmente
utilizados. Para mostrar estos diseños, se consideran dos factores de tratamiento
(A y B) y su interacción (A*B). Sin embargo, estos diseños no están restringidos a
dos factores. Si el diseño es balanceado, se puede utilizar el ANOVA (Análisis de
la varianza) balanceado para analizar los datos. Si no es así, utilice GLM (Modelo
lineal generalizado).

Los diseños de bloques se divien en:

 Bloques aleatorizados
 Cuadrado latino
 Cuadrado grecolatino
Diseño de bloques aleatorizados
¿Qué es?
Un diseño de bloques aleatorizados es un diseño frecuentemente utilizado para
minimizar el efecto de la variabilidad cuando se asocia con unidades discretas (por
ejemplo, ubicación, operador, planta, lote, tiempo). El caso usual consiste en
distribuir aleatoriamente una réplica de cada combinación de tratamientos dentro de
cada bloque. Por lo general, no hay un interés intrínseco en los bloques, y se
considera que éstos son factores aleatorios. La suposición habitual es que el bloque
10
por interacción de tratamiento es cero, y esta interacción pasa a ser el término de
error para probar los efectos del tratamiento. Si designa la variable de bloqueo como
Bloque, los términos en el modelo serían entonces Bloque, A, B y A*B. También
especificaría el Bloque como el factor aleatorio

cuadrado latino
¿Qué es?
Se llama cuadrado latino porque se trata de un cuadrado que tiene la restricción
adicional de que los tres factores involucrados se prueban en la misma cantidad
de niveles, y es latino porque se utilizan letras latinas para denotar a los
tratamientos o niveles de factor de interés.

ventajas
Los cuadros latinos pueden ser útiles
en situaciones en la que los renglones
y las columnas representan los
factores que el experimentador en
realidad quiere estudiar y en las que
no hay restricciones sobre la
aleatorización.
desventajas
los cuadros latinos pequeños es que
proporcionan un número relativamente
pequeño de grados de libertad del
error.

El problema
reside en que solo se dispone de observaciones para estimar
parámetros.
1. Prescindir de alguna interacción, es decir, simplificar el modelo.
2. Replicar el experimento, aunque, a veces, no es posible obtener tantas
observaciones.
3. Construir un diseño de cuadrados latinos.

Se puede aplicar
un diseño de cuadrados latinos cuando:
— Hay tres factores
— El número de niveles es el mismo para cada factor, es decir a = b = k
— No se esperan interacciones entre los factores

El diseño por cuadrados latinos trata

de sacar el máximo de información con el mínimo de observaciones. La idea es que
cada nivel del factor aparezca una vez
con cada uno de los niveles de las otras variables. Además, han de cumplirse las
condiciones de normalidad, homocedasticidad, independencia y falta de
interacción.
11
El diseño y la construcción del cuadrado es:
Se parte de un factor y dos variables bloque, de modo que el número de niveles
del factor y el de las variables bloque sea igual.
A cada combinación de los niveles de los bloques se le asigna un solo nivel del
factor, de modo que cada uno de estos niveles aparece una y sólo una vez en
cada fila y en cada columna.
De este modo,
i. Se toma un cuadrado latino al azar de una tabla, o se genera por medio de
un programa
ii. Se toman 3 permutaciones al azar de los números 1,2,3….
iii. Con la primera permutación se aleatorizan las columnas, con la segunda
las filas y con la tercera los tratamientos

El modelo estadístico es:

 Yij: son las observaciones obtenidas la j-esima vez que se repite el

experimento, con el tratamiento i-esimo
 µ: media general
 Ti:efecto del tratamiento i
 Cj:efecto de la columna j
 Hk:efecto de la hilera K
 εijk: efecto del error experiemntal que se representa al efectual la j-
esima observación del i-esimo tratamiento.

Cuadrado grecolatino
¿Qué es?
cuadrado greco-latino se puede considerar como una extensión del cuadrado latino
en el que se incluye una tercera variable de control o variable de bloque. En este
modelo, como en el diseño en cuadrado latino, todos los factores deben tener el
mismo número de niveles K y el número de observaciones necesarias sigue siendo
𝐾 2 . Este diseño es, por tanto, una fracción del diseño completo en bloques
aleatorizados con un factor principal y 3 factores secundarios que requeriría 𝑘 4
observaciones.

Obtención
Los cuadrados greco-latinos se obtienen por superposición de dos cuadrados
latinos del mismo orden y ortogonales entre sí, uno de los cuadrados con letras
latinas el otro con letras griegas. Dos cuadrados reciben el nombre de ortogonales
si, al superponerlos, cada letra latina y griega aparecen juntas una sola vez en el
cuadrado resultante. 12

Características
Se puede considerar una extensión del diseño de cuadrados latinos que permite
estudiar un factor y 3 variables bloque con sólo I2 observaciones (siempre que el
factor y las variables bloque tengan todos I niveles).
Se considera un cuadrado latino de dimensión (I × I) y se superpone sobre él otro
cuadrado con los tratamientos denotados por letras griegas.
Se dice que son ortogonales cuando cada letra griega aparece combinada con
una letra latina una y sólo una vez en cada fila y columna.
Bibliografia y webgrafia
 https://estadisticaitm.github.io/dise%C3%B1ofactorial.html
 file:///C:/Users/Jessi/Downloads/capitulo1.pdf
 https://psikipedia.com/libro/investigacion/1533-diseno-facto
 https://revistas.utp.edu.co/index.php/revistaciencia/article/view/1787
 https://d1wqtxts1xzle7.cloudfront.net/46255110/disenos_fases-
libre.pdf?1465151004=&response-content-
disposition=inline%3B+filename%3DDisenos_fases.pdf&Expires=1681500426&Signature=
b5ogLwc9l2UHfTd62k1VE-cmz~JG6xXYsBC7QqQZJfTW- 13
8OT~eDnU2Co2bj5J1nAR4I~1BH6zaUahX81yHVPl7EjXK18caGuClfjis-81M8sG-
0izcqoP91HKuzuCMhJw0Zf-m4PGnCJDytBY-ZeNIHoq7ogzzMBTO-
LQzQZ1KnFiMja66K842HLYD9PIpn85DY9bRUH6LeXRIlSOSFFsTV9pQo2b2-
kG2aUYulXRlkE95OFdL44oY-eV~Zv5V~SXXHVo2vHNUBlTx04V1X79j~ujf3HqOiAQ1Z1B-
8uDVTChwikRXrZgzNnx1XbEE8Bi0njGksp-VYEaFzPpGob-w__&Key-Pair-
Id=APKAJLOHF5GGSLRBV4ZA

 https://psikipedia.com/libro/investigacion/1533-diseno-factorial

 https://slideplayer.es/slide/3486394/
 https://rpubs.com/Gabo6381/793201
 https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistical-
modeling/doe/supporting-topics/factorial-and-screening-designs/factorial-and-fractional-
factorial-
designs/#:~:text=Un%20dise%C3%B1o%20factorial%20es%20un,las%20interacciones%20e
ntre%20los%20factores.
 https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistical-
modeling/anova/supporting-topics/anova-models/what-are-randomized-block-designs-an
 https://slideplayer.es/slide/10795828/

 https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistical-
modeling/doe/supporting-topics/factorial-and-screening-designs/factorial-and-fractional-
factorial-designs/
 https://revistas.pascualbravo.edu.co/index.php/cintex/article/view/288
 https://estadisticaitm.github.io/dise%C3%B1obloque.html
 https://upcommons.upc.edu/bitstream/handle/2117/101151/121812.pd
 https://victoryepes.blogs.upv.es/2014/11/21/diseno-de-experimentos-en-cuadrado-
latino/
 https://www.ugr.es/~bioestad/guiaspss/practica7/ArchivosAdjuntos/GrecoLatinos.pdf
Cochran.G.W. and Cox.M.G.1957. Experimental Designs, Second edition. Canadá. Pág. 611.

• Infante. G. S.; Zarate. De L. G.P. 2010. Métodos Estadísticos Un enfoque interdisciplinario.

Editorial Trillas, México. Pág. 646.

• Montgomery C. D.1991. Design and Analysis of Experiments. WILEY. Canadá. Pág. 649.

• Martínez G. A.1994. Experimentación Agrícola (Métodos estadísticos). Universidad Autónoma

Chapingo. Texcoco, México. Pág.357.

• Padrón C. E.1996. Diseños experimentales con aplicación a la agricultura y la ganadería. Trillas,

México . Pág. 215. 14
• Rodríguez Del A. J.1991. Métodos de Investigación Pecuaria. Editorial trillas, México. Pág.208.