EXPERIMENTO FACTORIAL

PREGUNTAS DEL LIBRO “ ANALISIS Y DISEÑO DE EXPERIMENTOS”

AUTOR: HUMBERTO
PAG. 158
EJERCICIOS DE LA PAG. 160, 161, 162

INGENIERIA DE LA CALIDAD

MAESTRO: ERICK MERINOS

ALUMNA: GARCIA MALDONADO ALONDRA
 PREGUNTAS Y EJERCICIOS PAG. 158 LIBRO ANÁLISIS Y DISEÑO DE
EXPERIMENTOS

1. ¿Qué es un experimento factorial completo?

Un diseño factorial es un método de selección de tratamientos (es decir, combinaciones factor-nivel) que se
incluirán en un experimento. Un experimento factorial completo es uno en el que los tratamientos consisten en
todas las combinaciones factor- nivel

2. ¿Cuántos efectos se pueden estudiar con un factorial 4 × 3 × 2? Bosqueje su tabla de análisis de

varianza.
Se pueden estudiar 7 efectos en este modelo y son A, B, C, AB, AC, BC y ABC.
3. Mencione al menos tres ventajas de la experimentación factorial sobre la estrategia de mover
un factor a la vez.
 Nos permiten estudiar el efecto individual y de interacción de los distintos factores.
 Son diseños que se pueden aumentar para formar diseños compuestos en caso de que se requiera una exploración
más completa.
 La interacción 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.

4. ¿Cuál es la implicación práctica de utilizar tres niveles de prueba en lugar de dos en un factor
dado?
Si un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o sea que su efecto individual no
se puede descomponer; pero, si tuviera tres niveles su efecto marginal se puede descomponer en una parte lineal y
otra cuadrática pura.

5. ¿Por qué no tiene sentido utilizar el modelo de regresión cuando los factores son cualitativos?
Si fueran cuantitativos, ¿qué se gana con el modelo de regresión en relación al modelo de
efectos?
Porque cuando son cualitativos no se puede hacer un análisis minucioso sobre el comportamiento de la variable de
respuesta al no tener datos numéricos. Con el modelo de regresión podemos obtener una predicción más acertada del
comportamiento de cierta variable en cambio con el modelo de efectos solo nos sirve para determinar qué tan
significativos son los factores involucrados.
6. ¿Cómo se construye la gráfica de un efecto de interacción doble? ¿Cómo se interpreta?

En el eje de las abscisas se coloca el factor A denotando los niveles que tenga, en el eje de las ordenadas la variable de
respuesta del experimento y en el plano aparecerán tantas líneas como niveles tenga el factor B. Según el problema
debe seleccionarse la combinación de niveles donde se obtenga el resultado óptimo.

7. ¿Cuáles son los supuestos del modelo en un diseño factorial y con cuáles gráficas de residuos se
puede verificar cada uno de estos supuestos?

Los supuestos del modelo son normalidad, varianza constante e independencia de los residuos y se pueden verificar
graficando los residuos contra los predichos en las graficas de normalidad en la que se cumple el supuesto del modelo
si caen todos los residuos alineados en la línea recta de la grafica y la varianza constante al caer todos los puntos
distribuidos dentro de una banda horizontal.

8. En la pregunta anterior, ¿cómo se vería

en las gráficas un punto muy alejado o
aberrante?
9. De los tres supuestos del modelo, ¿cuál puede afectar más el análisis en caso de no
cumplirse?

Los supuestos de normalidad y varianza constante

10. En caso de no cumplirse los supuestos de normalidad y varianza constante, ¿qué se

puede hacer para evitar problemas con el análisis y los resultados obtenidos?

Existen al menos tres maneras de solucionar o minimizar el problema por falta de normalidad y varianza
heterogénea en los residuos:

 Utilizar métodos de análisis no parametritos, que no requieren las suposiciones de normalidad y varianza
constante.
 Hacer el análisis mediante modelos lineales generalizados(GLM), en los que se ajusta un modelo lineal
usando otras distribuciones diferentes a la normal, donde la varianza no tiene por qué ser constante.
 Hacer el análisis sobre la respuesta transformada a una escala en la que los supuestos se cumplan .
11. ¿Con base en qué se puede encontrar una transformación adecuada de la
respuesta cuando no se cumplen los supuestos?

Para corregir o minimizar los problemas de falta de normalidad y de varianza constante depende del
tipo de relación que existe entre la media y la varianza de y. Esta relación se puede visualizar en la
gráfica de residuos vs. Predichos. Según lo pronunciado que sea la “forma de corneta” de los puntos en
dicha gráfica, se determina la transformación más adecuada.

12. ¿Qué significa que el modelo estadístico sea de efectos aleatorios? ¿En qué
cambian las hipótesis de interés en factor aleatorio con respecto de uno fijo?

Cuando los niveles de prueba utilizados en un factor son una muestra aleatoria de la población de
niveles para ese factor.
La diferencia entre las hipótesis aleatorias y fijas son: en las fijas se basa en el efecto sobre la
variabilidad de respuesta y en las aleatorias se basa en la varianza.
19. Se corre un diseño factorial 3 × 2 con 10 réplicas para investigar el hinchamiento del
catalizador después de la extrusión en la fabricación de botellas de polietileno de alta densidad.
El catalizador se utiliza en la obtención de dicho polietileno.
Los factores investigados son:
A: molde (con dos niveles)
B: catalizador (con tres niveles).
Los datos obtenidos se muestran en la siguiente tabla:

a) Plantee las hipótesis de interés en este problema y el modelo estadístico

correspondiente
HIPOTESIS
 Ho: los moldes no influyen en el hinchamiento…
H1: los moldes influyen en el hinchamiento…
 Ho: Los catalizadores no influyen en el hinchamiento…
H1: los catalizadores influyen en el hinchamiento…
 Ho: los moldes y los catalizadores no influyen en el hinchamiento…
H1: los moldes y los catalizadores influyen en el hinchamiento…

Modelo Yijk = U + Tij + Bij +(TB)ij + Eijk

Yijk = hinchamiento del I avo molde, J avo catalizador y K avo replica
U = media global del hinchamiento
Ti: el efecto del molde
Bi: efecto del catalizado
b) Construya la tabla de análisis de varianza y determine cuáles efectos están activos.

De acuerdo al valor
de P es menor al nivel
de significancia de
0.05, eso quiere decir
que ambos efectos se
encuentran activos.
c) Dibuje las gráficas de medias para los dos efectos principales con los métodos LSD y de
Tukey. Compare los resultados de ambos métodos.
Gráfica de efectos principales para HINCHAMIENTO
Medias de datos
MOLDE CATALIZADOR
De acuerdo a la gráfica las 93

pendientes son diferentes

por lo tanto los efectos se 92

encuentran activos

Media
91

90

89
1 2 1 2 3

Gráfica de intervalos de HINCHAMIENTO

95% IC para la media Gráfica de intervalos de HINCHAMIENTO
95% IC para la media
94
95

93
94
HINCHAMIENTO

92 93

HINCHAMIENTO
91 92

91
90
90
89
89

88
88
1 2
1 2 3
MOLDE
CATALIZADOR
Las desviaciones estándar individuales se utilizaron para calcular los intervalos.
Las desviaciones estándar individuales se utilizaron para calcular los intervalos.
d) Haga la gráfica de interacción con intervalos de confianza sobrepuestos.

Gráfica de interacción para HINCHAMIENTO

Medias de datos
1 2 3
96
MOLDE
1
94
2

92
MOLDE
90

88

96
CATALIZADOR
1
94
2
3
92
CATALIZADOR
90

88

1 2

e) Determine cuál es el mejor tratamiento. ¿Cuál es el hinchamiento predicho en el mejor tratamiento?

En esta gráfica se puede observar que el punto más alto es el del catalizador 3 y molde 1 siendo este el mejor
tratamiento.
 f) Verifique los supuestos de normalidad y varianza constante.

Gráfica de probabilidad normal

(la respuesta es HINCHAMIENTO)
99.9

99
Observando la gráfica los
95 puntos se encuentran
90
80
ajustados a la línea de
tendencia por lo tanto los
Porcentaje

70
60
50
40 supuestos de normalidad se
30
20 cumplen.
10
5

0.1
-5.0 -2.5 0.0 2.5 5.0
Residuo
g) Utilice la gráfica de residuos contra factores para detectar posibles efectos sobre
la dispersión del hinchamiento. ¿En cuál molde parece que es menor la dispersión?

vs. ajustes
(la respuesta es HINCHAMIENTO)
6
De acuerdo a la
5
gráfica el supuesto de
4 varianza constante no
3
se cumple ya que los
puntos se encuentran
Residuo

2
dispersos
1
aleatoriamente sobre
0 la línea horizontal.
-1

-2

-3
87 88 89 90 91 92 93 94 95
Valor ajustado
21. Se desea investigar de qué manera afecta el tiempo de
curado y el tipo del acelerante a la resistencia de caucho
vulcanizado.
Se realiza un experimento y se obtienen los siguientes
datos:
a) Señale el nombre del diseño de experimento utilizado y su modelo estadístico.

Diseño factorial mixto: AxB, 3x3, n=2

Y=µ+αi+βi+(α*β)ij+Eijk

b) Formule claramente todas las hipótesis que se pueden probar.

Hipótesis

Tiempo de curado
Ho: El tiempo de curado no interviene en la resistencia del caucho vulcanizado.
H1: El tiempo de curado interviene en la resistencia del caucho vulcanizado.
Acelerante
Ho: El acelerante no afecta en la resistencia del caucho vulcanizado.
H1: El acelerante afecta en la resistencia del caucho vulcanizado.
Interacción
Ho: El efecto del tiempo de curado no depende del acelerante.
H1: El efecto del tiempo de curdo depende del acelerante.
c) Realice el análisis estadístico apropiado para probar las hipótesis que formuló.

➢ No existe efecto individual

del tiempo de cura a 14ºC no
influye en la resistencia
de caucho vulcanizado.
Ho: α1=α2=0 (acepta)
➢No existe efecto individual
del acelerante, no influye en la
resistencia de caucho
vulcanizado.
Ho: β1=β2=0(acepta)
➢No existe efecto de
interacción en la resistencia de
caucho vulcanizado.
Ho: αiβj=0(acepta)
d) ¿Hay algún tiempo de cura que es mejor para aumentar la resistencia? Argumente su
respuesta.

Gráfica de efectos principales para RESULTADO

Medias de datos
3940 El mejor tiempo de cura
3930 a 14ºC para que
3920
aumente la resistencia de
3910
caucho es dejándolo
3900
60 minutos.
Media

3890

3880

3870

3860

3850

40 60 80
TIEMPO DE CURA
 f ) ¿Hay alguna combinación de tiempo y acelerante que sea
mejor?
Gráfica de interacción para RESULTADO
e) ¿Algún acelerante es mejor? Explique. Medias de datos
4100 ACELERANTE
A
B
Gráfica de efectos principales para RESULTADO C
Medias de datos 4000

4000

Media
3900
3950
Media

3800
3900

3700
3850
40 60 80
TIEMPO DE CURA
3800
A B C
ACELERANTE

La condición óptima
para maximizar la
➢Como podemos observar el resistencia de caucho
mejor acelerante para que es utilizando el
aumente la resistencia del acelerante B en un
caucho es el acelerante B. tiempo de 60minutos.
g) Explique de manera gráfica cómo se obtuvo en la computadora el valor-p para
tiempo de cura.

El resultado estadístico de los paquetes de software de computadora

suele reportar el valor p de la prueba.
• Con base en el valor p, los resultados de las pruebas se pueden evaluar
utilizando cualquier nivel de significación que desee utilizar. Muchos
investigadores informan el menor nivel de significación posible para el
cual sus resultados son estadísticamente significativos.
 22. En una fábrica de aceites vegetales comestibles la calidad resulta afectada por la cantidad de impurezas
dentro del aceite, ya que éstas causan oxidación, y ello repercute a su vez en las características de sabor y
color del producto final.
El proceso de “blanqueo” es el responsable de eliminar tales impurezas, y una forma de medir su eficacia es
midiendo el color del aceite. Para generar una primera aproximación a la solución del problema se decide
estudiar el efecto de la temperatura y el porcentaje de arcilla en el color del aceite inicialmente a nivel
laboratorio.

El diseño y los datos de las pruebas experimentales se muestran a continuación.

a) Construya el modelo estadístico y formule las hipótesis pertinentes.

yijk=μ+αi+βj+(αβ)ij+εijk

Para i=1,...,a, j=1,...,b,k=1,...,n

Donde:
μ=Media global
αi= efecto de la temperatura causado por el nivel i
βj= efecto del %Arcilla causado por el nivel j
(αβ)ij= el efecto de la interacción entre el nivel i de la temperatura y el nivel j del %Arcilla
εijk= error aleatorio
HIPÓTESIS

H0= Efecto de la temperatura(A)= 0 (El factor temperatura no influye en el color del aceite)
HA= Efecto de la temperatura(A)≠0 (El factor temperatura influye en el color del aceite)

H0= Efecto dé %Arcilla(B)= 0 (El factor %Arcilla no influye en el color del aceite)

HA= Efecto de %Arcilla(B)≠0 (El factor %Arcilla influye en el color del aceite)

H0= Efecto temperatura x %Arcilla (AB)=0 (No hay interacción entre los factores)
HA= Efecto temperatura x %Arcilla (AB)≠0 (Hay interacción entre los factores)
b) ¿Cuál es el nombre del diseño utilizado?

Diseño factorial completo 4x3 con 2 réplicas

c) Por lo general, a condiciones reales se utiliza 1.1% de arcilla y 100 grados de temperatura. ¿Por qué
cree que se eligieron precisamente esos niveles de prueba para el experimento?

Porque tal vez estos niveles de prueba son los que mejor funcionan para este
caso en particular y proporcionan mayor calidad de datos.

d) Realice un análisis de varianza para probar las hipótesis y obtenga conclusiones.

El análisis de varianza permite concluir que, tanto para el factor A como el factor B, temperatura y porcentaje de arcilla
respectivamente, se rechaza H0 debido a que en ambos caso es muy grande, esto quiere decir que se contradice la hipótesis
de que no hay efectos..
Para el caso de la interacción, se evidencia una interacción entre los factores
e) Apoyándose en las gráficas de efectos, ¿cuál es la relación general entre el color y los factores
controlados en su rango de experimentación?

Gráfica de efectos principales para RESPUESTA

Medias de datos
% DE ARCILLA TEMPERATURA De acuerdo con las gráficas
5.2
de efectos, en el cual se ve
5.0
que a mayor temperatura y
mayor porcentaje de arcilla
4.8
se minimiza el color del
Media

4.6 aceite, y a menor

temperatura y
4.4
menor porcentaje de arcilla
4.2 el color es mas alto.
4.0
0.8 0.9 1.0 1.1 90 100 110
 f ) A partir de la gráfica de interacciones, ¿cree que haya un efecto no lineal?

Gráfica de interacción para RESPUESTA Gráfica de interacción para RESPUESTA

Medias de datos Medias de datos
6.0 % DE
6.0 TEMPERATURA
ARCILLA 90
0.8 100
0.9 110
5.5 5.5
1.0
1.1

5.0 5.0
Media

Media
4.5 4.5

4.0 4.0

90 100 110 0.8 0.9 1.0 1.1

TEMPERATURA % DE ARCILLA

En la grafica de interacciones se ven líneas con

pendientes relativamente diferentes,
pero claramente se evidencia un efecto lineal.
g) Considerando que el nivel mínimo aceptable de blancura es de 4.8, ¿qué tratamiento
utilizaría?

El tratamiento más óptimo para cumplir con ese requerimiento sería Factor A en
nivel 3 y Factor B en nivel 1.

h) ¿Vale la pena plantear el estudio en condiciones reales?

Dado que el diseño factorial ha permitido investigar todas las posibles combinaciones de los
niveles de los factores, permitiendo conocer qué factores son más importantes y cuál es el
tratamiento que más conviene, plantear el estudio en condiciones reales permitiría ver resultados
más explícitamente, por tanto, si valdría la pena plantearlo.

i) ¿Qué cambio le haría al experimento si lo corre en condiciones reales?

Disminuiría un nivel del porcentaje de Arcilla y aumentaría la cantidad de réplicas que permitiera
la obtención de un resultado más robusto y confiable.
23. En un laboratorio de microbiología se realiza un experimento para investigar si influye el tipo de verdura
(lechuga-L, cilantro-C, zanahoria-Z) y la temperatura (8 y 20°C) de almacenamiento en la sobrevivencia del
vidrio colerae.
Se hicieron varias réplicas. El porcentaje de sobrevivencia
obtenido después de 24 horas de inoculado el alimento se
muestra a continuación:

a) Señale el nombre del diseño empleado y formule las hipótesis que pueden ser probadas.

Modelo estadístico: diseño factorial de 2 factores, Diseño factorial A*B

H0= A1 = A2
H1= Por lo menos un nivel de tratamiento A es diferente de otro.

H0= B1 = B2 = B3
H1= Por lo menos un nivel de tratamiento B es diferente de otro.

H0= A1B1 = A1B2 = A1B3 = A2B1 = A2B2 = A2B3

H1= Por lo menos una combinación de niveles AB es diferente de otro.
b) Haga un análisis de varianza e interprételo con detalle.

De acuerdo al valor
de P es menor al nivel
de significancia de
0.05, eso quiere decir
que ambos efectos se
encuentran activos.

c) Verifique el supuesto de igual varianza entre los tratamientos (varianza constante). ¿Se
cumple satisfactoriamente?
vs. ajustes
(la respuesta es RESPUESTA)
50

40

No se cumple la 30

homogeneidad 20
Residuo

10

-10

-20

-30

0 10 20 30 40
Valor ajustado