DISEÑO FACTORIAL

David Leonardo Sotelo. MSc.

david.sotelo@profesores.uamerica.edu.co
 INTRODUCCIÓN
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.

Uno de los objetivos particulares más importantes que

en ocasiones tiene un diseño factorial es determinar
una combinación de niveles de los factores en la que
el desempeño del proceso sea mejor.
2
 INTRODUCCIÓN
Con el diseño factorial completo se corren
aleatoriamente todas las posibles combinaciones que
pueden formarse con los niveles de los factores a
investigar.

La matriz de diseño o arreglo factorial es el conjunto

de puntos experimentales o tratamientos que pueden
formarse considerando todas las posibles
combinaciones de los niveles de los factores.
3
 INTRODUCCIÓN
Los factores pueden ser de tipo cualitativo
(maquinas, 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.
4
 INTRODUCCIÓN

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. Si ahora uno tiene tres niveles y el
otro dos, se pueden construir 3×2 combinaciones que
dan lugar al diseño factorial 3×2.

5
 CONCEPTOS
• Diseño factorial: Diseño experimental que sirve
para estudiar el efecto individual y de interacción de
varios factores sobre una o varias respuestas.
• Factor cualitativo: Sus niveles toman valores
discretos o de tipo nominal. Ejemplos: maquinas,
lotes, marcas, etc.
• Factor cuantitativo: Sus niveles de prueba pueden
tomar cualquier valor dentro de cierto intervalo. La
escala es continua, como por ejemplo: temperatura,
velocidad, presión, etc.
6
 CONCEPTOS
• Arreglo factorial: Conjunto de puntos
experimentales o tratamientos que pueden formarse
al considerar todas las posibilidades de combinación
de los niveles de los factores.

• Efecto de interacción: Dos factores interactúan de

manera significativa sobre la variable de respuesta
cuando el efecto de uno depende del nivel en que
está el otro.
7
 CONCEPTOS

Los diseños factoriales son más eficientes que el

tradicional experimento de mover un factor a la vez,
que utilizan las personas cuando no tienen
conocimiento del diseño de experimentos.

8
 PASOS NECESARIOS EN DISEÑO DE EXP.
• Establecer rangos:
• Establecer variables:
Límites inferiores y superiores
- Independientes. entre los que las variables
independientes se moverán.
- Dependientes.
- De respuesta. • Establecer niveles:
Valores dentro del rango.
• Establecer constantes:
Generalmente son
variables independientes
fáciles de controlar.
9
 ELECCIÓN DEL DISEÑO EXPERIMENTAL
• Diseños factoriales: Estudiar el efecto de varios factores
sobre una o varias respuestas, cuando se tiene el mismo
interés sobre todos los factores.

Dos factores, Dos factores, Dos factores,

dos niveles (2x2=22). tres niveles (3x3=32). cuatro y tres niveles (4x3).
10
 ELECCIÓN DEL DISEÑO EXPERIMENTAL
• Diseños factoriales.

Tres factores, Tres factores,

dos niveles (23). (3x2x2).
11
 DISEÑO FACTORIAL CON 2 FACTORES
• Factores A y B con a y b niveles de prueba,
respectivamente. Con ellos se puede construir el
arreglo o diseño factorial a×b tratamientos.
• Algunos casos particulares de uso frecuente son: el
factorial 22, el factorial 32 y el factorial 3×2.
• Se llama replica a cada corrida completa del arreglo
factorial.
• Si se hacen n replicas, el numero total de corridas
experimentales es n(a×b).
12
 VENTAJAS DE UN DISEÑO FACTORIAL
• Permiten estudiar el efecto individual y de interacción
de los distintos factores.

• Son diseños que se pueden aumentar para formar

diseños compuestos para una exploración más
completa.

• Se pueden correr fracciones de diseños factoriales. Es

de gran utilidad en las primeras etapas de una
investigación que involucra a muchos factores.
13
 VENTAJAS DE UN DISEÑO FACTORIAL
• Pueden utilizarse en combinación con diseños de
bloques en situaciones en las que no puede correrse
todo el diseño factorial bajo las mismas condiciones.

• La interpretación y el cálculo de los efectos en los

experimentos factoriales se puede hacer con
aritmética elemental, en particular cuando cada
factor se prueba en dos niveles.

14
 DISEÑO FACTORIAL CON 2 FACTORES
• Factorial 4×3. Un experimento en el que se quiere
estudiar el efecto de los factores A: profundidad de
corte sobre el acabado de un metal y B: velocidad
de corte. Se decide correr un factorial completo 4×3
con tres replicas, que permitirá obtener toda la
información relevante en relación al efecto de estos
factores sobre el acabado. Al aleatorizar las 36
pruebas se obtienen los datos.

15
 DISEÑO FACTORIAL CON 2 FACTORES
El modelo estadístico por:

donde µ es la media general, 𝛼i es el efecto debido al i-

ésimo nivel del factor A, 𝛃j es el efecto del j-ésimo nivel
del factor B, (𝛼𝛃)ij representa al efecto de interacción en
la combinación ij y 𝞮ijk es el error aleatorio que se supone
sigue una distribución normal con media cero y varianza
constante 𝜎2.
16
 DISEÑO FACTORIAL CON 2 FACTORES
En este modelo para el a=4, b=3 y n=3 replicas. Las
hipótesis son:

17
DISEÑO FACTORIAL CON 2 FACTORES

18
 DISEÑO FACTORIAL CON 2 FACTORES
Estas hipótesis se prueban
mediante la técnica de análisis
de varianza, que para un
diseño factorial a×b con n
replicas resulta de
descomponer la variación total:

19
 DISEÑO FACTORIAL CON 2 FACTORES

Con la notación de puntos para representar sumas y

medias: es la suma de todas las observaciones; es
la media global; es el total en el nivel i del factor A;
es la media en el nivel i del factor A; es el total
en el nivel j del factor B y es la correspondiente
media.

20
DISEÑO FACTORIAL CON 2 FACTORES

N=abn es el total de
observaciones en el
experimento.

21
DISEÑO FACTORIAL CON 2 FACTORES
DISEÑO FACTORIAL CON 2 FACTORES

23