Diseos Factoriales

PROF. ZORITZA BRAVO

1

Introduccin
En los temas anteriores se analizaron las posibles influencias de un factor sobre la variable respuesta, aleatorizando las observaciones para eliminar el efecto de otros factores. En este caso analizaremos modelos en los cuales dos o ms factores pueden influir en la variable respuesta.

Diseos factoriales a dos niveles

Son diseos en los cuales las variables explicativas son factores (es decir, son categricas o se han categorizado). Para cada factor se consideran solo dos niveles, genricamente alto (+) y bajo (-).
Todas las variables explicativas involucradas son tratamientos. El nmero de puntos diferentes para un diseo con k factores es n = 2k.

Modelos asociados
Por ser un conjunto de datos con tratamientos categricas, el modelo lgico a utilizar es un modelo de anlisis de varianza con k vas que incluya todas las interacciones entre factores. Tambin puede utilizarse un modelo de regresin lineal con variables codificadas, el cual resulta equivalente al modelo ANOVA.

Metodologa
1. Identificar los factores que pueden influir en la variable respuesta y proponer un modelo. 2. Realizar el experimento, tomando las observaciones necesarias. 3. Estimar los parmetros del modelo. 4. Contrastar si los factores influyen en la respuesta. 5. Si los factores influyen en la respuesta, detectar dnde radican las diferencias. 6. Si algn factor no influye, simplificar el modelo y repetir los pasos anteriores. 7. Realizar la diagnosis del modelo mediante el anlisis de los residuos
Noviembre, 2008 5

Definicin de efecto
En el mbito de los diseos 2k se denomina efecto de una variable (o de una interaccin) a la diferencia entre la respuesta esperada que se obtiene en el nivel alto de la variable y la respuesta esperada que se obtiene en el nivel bajo de la misma.

Concepto de interaccin
Para ilustrar de forma intuitiva lo que es la interaccin vamos a tomar dos conjuntos de datos. Consideramos dos factores: (niveles 1 y 2) y (niveles 1 y 2) Primer caso: dos factores sin interaccin. Los datos son:

Concepto de interaccin
El efecto principal del factor es la diferencia entre la respuesta promedio de 1 y 2

Concepto de interaccin
Ahora bien, para el nivel 1, el efecto del factor es:

y para el nivel 2 es:

Concepto de interaccin
De forma similar, los efectos del factor para los niveles 1 y 2 son, respectivamente:

El efecto de uno de los factores no depende de los niveles el otro factor, lo cual indica que no hay interaccin entre los factores
No hay interaccin

10

Concepto de interaccin

11

Concepto de interaccin
Segundo caso: dos factores con interaccin. Los datos son:

El efecto principal del factor es

12

Concepto de interaccin

Entonces, aunque el efecto principal indique que el factor no influye en la respuesta, el efecto que produce depende del nivel seleccionado del factor y se concluye que hay interaccin entre y

13

Concepto de interaccin

14

Diseo factorial de dos factores

Se consideran dos factores A y B con a y b niveles respectivamente. Se tienen ab combinaciones o posibles tratamientos y n (rplicas) observaciones para cada tratamiento, esto es, un diseo balanceado.
Factor B 1 1 2 b . .

Factor A

y111, ,y112, y11n

y211, ,y212, y21n .

.
. .

.
. .

y1b1, ,y1b2, y1bn

2
a

ya11, ,ya12, ya1n

yab1, ,yab2, yabn

15

Modelo
Error aleatorio

Efecto medio global

Efecto sobre la media, causado por el nivel i del factor A Efecto sobre la media, causado por el nivel j del factor B

Efecto sobre la media, causado por la interaccin

16

Estimacin de los parmetros

17

Descomposicin de la suma de cuadrados total

18

Descomposicin de la suma de cuadrados total

19

Descomposicin de la suma de cuadrados total

20

Estimador de la varianza

Efecto A B Interaccin AB Error Total

Grados de libertad a-1 b-1 (a-1)(b-1) ab(n-1) abn-1

21

Hiptesis

22

Tabla ANOVA

23

Tabla ANOVA

24

Observaciones
Siempre trataremos de buscar el modelo ms sencillo que explique bien la variable respuesta.
Por ejemplo, si aceptamos H0 : ()11 = = ()ab = 0, concluimos que la interaccin no influye de manera apreciable en la respuesta, entonces pasaramos a considerar un modelo con dos factores sin interaccin y calcularamos de nuevo la tabla ANOVA. Si adems, aceptamos que uno de los factores no influye en la respuesta, lo eliminaramos del modelo y trabajaramos con un modelo de un factor.

25

Ejemplo
Un ingeniero est diseando una batera que se usar en un dispositivo que se someter a variaciones de temperaturas extremas. El nico parmetro del diseo que puede seleccionar en este punto es el material de la placa o nodo de la batera, y tiene tres elecciones posibles. Cuando el dispositivo est fabricado y se enve al campo, el ingeniero no tendr control sobre las temperaturas extremas en las que operar el dispositivo, pero sabe por experiencia que la temperatura probablemente afectar la vida efectiva de la batera. Sin embargo, la temperatura puede controlarse en el laboratorio donde se desarrolla el producto para fines de prueba.
26

Ejemplo
El ingeniero decide probar los tres materiales de la placa con tres niveles de temperatura, por ser consistentes con el medio ambiente donde se usar finalmente el producto. Se prueban 4 bateras con cada combinacin del material de la placa y la temperatura, y las 36 pruebas se corren de manera aleatoria. a. Qu efectos tienen el tipo de material y la temperatura sobre la vida de la batera? b. Existe alguna eleccin del material que produzca de manera regular una vida larga de la batera independientemente de la temperatura?
27

Ejemplo
Temperatura Tipo de material 1 2 3 15 130 ,155 74, 180 150,188 159, 126 138, 110 168, 160 70 34, 40 80, 75 136, 122 106,115 174, 120 150, 139 125 20, 70 82, 58 25, 70 58, 45 96, 104 82, 60

Factores: tipo de material y las temperaturas, con tres niveles cada una. Variable de inters: vida efectiva de las bateras (en horas). Entonces a= 3, b = 3 y n = 4
28

Anlisis de varianza
Temperatura

Tipo de material
1 2 3

15 130 ,155 74, 180 150,188 159, 126 138, 110 168, 160

70 34, 40 80, 75 136, 122 106,115 174, 120 150, 139

125 20, 70 82, 58 25, 70 58, 45 96, 104 82, 60

yi..
998 1300 1501

y.j.

1738

1291

770

y... =3799

29

Grficos de interaccin
En general se consigue una vida ms larga con una temperatura baja, independientemente del tipo de material. Al cambiar de una temperatura baja a una intermedia, la vida de la batera con el material tipo 3 tiene un incremento real, mientras que con los materiales 1 y 2 disminuye. El material tipo 3 parece producir mejores si se quiere una prdida menor de la vida cuando la temperatura cambia.
30
160

material

140

3 1 2

mean of vida

60

80

100

120

15

70 temperatura

125

Grficos de interaccin
160

temperatura

140

70 15 125

mean of vida

60

80

100

120

2 material

31

Anlisis de varianza
material temperatura material:temperatura Residuals --Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Df 2 2 4 27 Sum Sq 10684 39119 9614 18231 Mean Sq 5342 19559 2403 675 F value 7.9114 28.9677 3.5595 Pr(>F) 0.001976 ** 1.909e-07 *** 0.018611 *

F 0.05,4,27 = 2.7277
Hay una interaccin significativa entre los tipos de material y la temperatura. Los efectos principales del tipo de material y la temperatura tambin son significativos

32

Hiptesis del modelo

Normalidad: ij sigue una distribucin normal

E(ij) = 0
Homocedasticidad: Var(ij) = 2 Independencia: ij son independientes entre s

33

Mtodo de Tuckey
Se requiere que ni = n, i = 1, . . . , a. Si esto no se cumple, entonces se toma n = mini{ni}

TukeyHSD(aov(vida~material+temperatura+material*temperatura, data=datos))

34

Diseos Factoriales (2)

PROF. ZORITZA BRAVO

35

Diseo sin rplicas

Se puede considerar un diseo en el que se presentas dos factores y slo se realiza una observacin por cada tratamiento.
Error aleatorio

Efecto medio global

Efecto sobre la media, causado por el nivel i del factor A Efecto sobre la media, causado por el nivel j del factor B

Efecto sobre la media, causado por la interaccin AB

36

Diseo sin rplicas

En este caso, el nmero de parmetros a estimar es igual que en el caso previo:
1 + (a 1) + (b 1) + (a 1)(b 1) = ab y como el nmero de observaciones es ab, entonces no hay grados de libertad suficientes para estimar

37

Diseo sin rplicas

Una posible solucin es considerar que la interaccin es nula

38

Diseo sin rplicas

Se observa que al suponer interaccin nula, el efecto de la interaccin y el error experimental se juntan. Otra alternativa es suponer que el efecto de la interaccin es de la forma

donde k es una constante desconocida que se determina mediante Regresin.

39

Descomposicin de la suma de cuadrados total

Una componente para la interaccin con 1 grado de libertad, de modo que la suma de cuadrados correspondiente es

Una componente para el error

con (a 1)(b 1) 1 grados de libertad

40

Diseo sin rplicas

Se determina

Si

la hiptesis nula de no interaccin se rechaza

41