TEMA 5.

ANÁLISIS DE
DISEÑOS DE
FACTORIALES.
5. Análisis de diseños de factoriales.
5.1 Diseño factorial 2 a la k
5.2 Diseño factorial 3 a la k.
Diseños factoriales
El objetivo de un diseño factorial es estudiar el efecto de varios factores sobre una
o varias respuestas, cuando se tiene el mismo interés sobre todos los factores.
Los factores pueden ser de tipo cualitativo (máquinas, tipos de material, operador,
la presencia o ausencia de una operación previa, etc.), o de tipo cuantitativo
(temperatura, humedad, velocidad, presión, etc.).
Para estudiar la manera en que influye cada factor sobre la variable de respuesta
es necesario elegir al menos dos niveles de prueba para cada uno de ellos.
Con el diseño factorial completo se corren aleatoriamente todas las posibles
combinaciones que pueden formarse con los niveles de los factores a investigar.

Para saber si los efectos son estadísticamente significativos (diferentes de cero) se requiere el análisis
de varianza (ANOVA).
La matriz de diseño o arreglo factorial es el conjunto de puntos experimentales
tratamientos que pueden formarse considerando todas las posibles combinaciones de los
niveles de los factores.
• La familia de diseños factoriales 2k consiste en k factores, todos con dos niveles de
prueba

Por ejemplo, con k = 2 factores, ambos con dos niveles, se forma el diseño factorial 2 × 2 =
22 , que consiste en cuatro combinaciones o puntos experimentales.

• y la familia de diseños factoriales 3k consiste en k factores cada uno con tres niveles de
prueba.
Ejemplo
Diseño factorial 22 . Supongamos que en un proceso de fermentación tequilera, se
tienen dos factores A: tipo de levadura y B: temperatura, cada uno con dos
niveles denotados por A1= 1, A2=2 y B1=22 °C, B2= 30 °C, respectivamente. La
respuesta de interés es el rendimiento del proceso de fermentación. En la tabla se
muestran los cuatro tratamientos o puntos del diseño factorial 22, y entre
paréntesis se ha indicado cada nivel con los códigos (1, -1).
Diseños factoriales con dos factores
Algunos casos particulares de uso frecuente son: el factorial 22, el factorial 32.

Los diseños factoriales que involucran menos de cuatro factores por lo regular se
corren replicados para tener la potencia necesaria en las pruebas estadísticas sobre
los efectos de interés.
Ejemplo 2.
Se encuentra en estudio el rendimiento de un proceso químico. Se cree que las dos
variables más importantes son la presión y la temperatura. Se seleccionan tres
niveles de cada factor y se realiza un experimento factorial con dos réplicas. Se
recopilan los siguientes datos.
Presión
Temperatura 200 215 230
Baja 90.4 90.7 90.2
90.2 90.6 90.4
Intermedia 90.1 90.5 89.9
90.3 90.6 90.1
Alta 90.5 90.8 90.4
90.7 90.9 90.1
Ejemplo
Diseño factorial 22 . Supongamos que en un proceso de fermentación tequilera, se
tienen dos factores A: tipo de levadura y B: temperatura, cada uno con dos
niveles denotados por A1= 1, A2=2 y B1=22 °C, B2= 30 °C, respectivamente. La
respuesta de interés es el rendimiento del proceso de fermentación. En la tabla se
muestran los cuatro tratamientos o puntos del diseño factorial 22, y entre
paréntesis se ha indicado cada nivel con los códigos (1, -1).
ANALISIS DE VARIANZA
Diseño factorial 3 factores
Se desea determinar la mejor dosis de coagulante para el tratamiento de lixiviados de un relleno sanitario, esto es con el que se
obtenga la mayor remoción de DQO. Cada ensayo consiste en adicionar el coagulante a la muestra, someterla a agitación rápida
(G=300 s-1) por un minuto y someterla al proceso de Flotación por Aire disuelto (FAD). Se sabe que el proceso FAD puede estar
influenciado por la magnitud de la presurización y por el tiempo de presurización.
Los resultados experimentales son los mostrados en la siguiente tabla:

Tiempo (min) Dosis del coagulante (mg/l)

10 50
Presión de trabajo (kg/cm2)
2.5 4.5 2.5 4.5
1 48 32 56 72
50 35 55 71
5 44 25 50 68
43 24 48 67
Los datos se ingresan al StatGraphics como se muestra a
continuación:
DISEÑO FACTORIAL
La variable respuesta depende de más de un factor. El
objetivo de un diseño factorial es estudiar el efecto de
varios factores sobre una o varias respuestas, cuando se
tiene el mismo interés sobre todos los factores.
Un diseño factorial es aquél en el que se investigan todas
las posibles combinaciones de los niveles de los factores
en cada ensayo completo. En este caso se dicen que están
cruzados, apareciendo el concepto de interacción.
Diseño factorial 2k
Ejemplo. Diseño factorial 22. Dos factores y cada uno de ellos
con dos niveles.
Supongamos que en un proceso de fermentación tequilera, se tienen dos factores A: tipo de
levadura y B: temperatura, cada uno con dos niveles. Denotados por A1= 1, A2= 2 y B1 = 22°C,
B2= 30°C, respectivamente. La respuesta de interés es el rendimiento del proceso de
fermentación.

23. Si son tres niveles de cada uno, etc.

Tabla ANOVA para un modelo factorial de efectos fijos de dos factores
Tabla ANOVA para un modelo factorial de efectos fijos de dos factores