Conceptos Bsicos en Diseos Factoriales.

Anlisis de varianza
Muchos experimentos se llevan a cabo para estudiar los efectos producidos por dos o ms factores. Ningn factor se considera extrao; todos tienen el mismo inters. En el experimento factorial o arreglo factorial, se investigan todas las posibles combinaciones de los niveles de los factores en cada ensayo completo o rplica del experimento. El experimento factorial afecta al diseos de tratamientos, que se refiere a la eleccin de los factores a estudiar, sus niveles y la combinacin de ellos. Se debe tener en cuenta que el diseo de tratamientos es independiente del diseo experimental, que indica la manera en que los tratamientos se aleatorizan en las diferentes unidades experimentales y la forma de controlar la variabilidad natural de las mismas. No es usual tener diseos experimentales muy complicados en los experimentos factoriales por la dificultad que involucra el anlisis y la interpretacin. Razones para estudiar conjuntamente varios factores 1. Encontrar un modelo que describa el comportamiento general del fenmeno en estudio. Por ello son muy usados en experimentos exploratorios. 2. Optimizar la respuesta o variable dependiente; es decir, encontrar la combinacin de niveles que optimizan la variable dependiente. La caracterstica general y esencial que hace necesario el estudio conjunto de factores es que el efecto de un factor cambie segn sean los niveles de otros factores o sea que exista interaccin.

Ventajas de los factoriales

Ventajas de los Experimentos Factoriales 1. Economa en el material experimental ya que se obtiene informacin sobre varios factores sin incrementar el tamao del experimento. 2. Permitir el estudio de la interaccin, o sea determinar el grado y la forma en la cual se modifica el efecto de un factor por los niveles de otro factor Desventajas de los Experimentos Factoriales Una desventaja de los experimentos factoriales es que requieren un gran nmero de tratamientos, especialmente cuando se tienen muchos factores o muchos niveles de un mismo factor. Este hecho tiene los siguientes efectos: 1. Si se desea usar bloques completos es difcil encontrar grupos de unidades experimentales homogneas para aplicar todos los tratamientos. 2. Se aumenta el costo del experimento al tener muchas unidades experimentales; esto se minimiza usando factoriales fraccionados donde se prueba una sola parte de todo el conjunto de tratamientos. Los experimentos facoriales se pueden ejecutar bajo cualquier tipo de diseo de control de error o un Submuestreo o con covariables. En las siguientes secciones slo se presenta el anlisis de un experimento factorial de dos fatores bajo un DCA.

Diseo factorial de dos factores

PRESENTACIN DEL MODELO El modelo de diseo de experimentos con dos factores tratamiento con interaccin se conoce como modelo completo de dos vas o modelo de anlisis de la varianza de dos vas. Para presentar las formulas generales para el anlisis de varianza de un experimento de dos factores que utiliza observaciones repetidas en un diseo por completo aleatorio, debe considerarse el caso de n repeticiones de las combinaciones del tratamiento, determinadas por niveles del factor A y b niveles del factor B. las observaciones pueden clasificarse usando un arreglo rectangular, donde los renglones representan los niveles del factor A; y las columnas, los factor B. Cada combinacin de tratamiento define una celda del arreglo. As, se tienen ab celdas, cada una de las cuales contiene n observaciones. Se denota con la k-sima observacin en el i-simo nivel del factor A y el j-simo nivel del factor B. Modelo matemtico. El modelo matemtico asociado al diseo de dos factores-tratamiento con interaccin y replicado es el siguiente:

Para cada i = 1,2,...,a; j = 1,2,...,b; k = 1,2,...,n, Con restricciones

Donde: : Es la media general. : Es el efecto (positivo o negativo) debido al i-simo nivel del factor A. : Es el efecto (positivo o negativo) del j-simo nivel del factor B. : Representa al efecto de interaccin en la combinacin ij. : Es el error aleatorio que supone sigue una distribucin con media cero y varianza constante y son independientes entre si.

ESTIMACIN DE PARAMETROS Los parmetros del modelo se obtienen por mnimos cuadrados, tcnica que se basa en minimizar la suma de los cuadrados de los residuos.

Simblicamente la identidad de cuadrados se escribe as: SST = SSA + SSB +SS(AB) + SSE Donde SSA y SSB denominan la suma de cuadrados para los efectos principales A y B, respectivamente, SS(AB) recibe el nombre de suma de cuadrados de la interaccin para A y B, y SSE es la suma de errores al cuadrado. La participacin de los grados de libertad se efecta de acuerdo con la identidad

*Suma de todas las observaciones

*Media global

*Total en el nivel i del factor A

*Media en el nivel i del factor A *Total en el nivel j del factor B

*Media en el nivel i del factor B

TABLA ANOVA PARAMETROS Fuente Suma de cuadrados Efecto A Efecto B Efecto AB Error Total a1 b1 (a-1)(b1) ab(n-1) abn-1

Suma de cuadrados M.

Manejo de pruebas de hiptesis *Hiptesis para el efecto A

La hiptesis nula se rechaza al nivel e significancia cuando

*Hiptesis para el efecto B

La hiptesis se rechaza al nivel e significancia

cuando

*Hiptesis para el efecto AB

La hiptesis se rechaza al nivel e significancia cuando Ejemplo: La impureza que contiene un producto qumico es afectada por dos factores, presin y temperatura. En la tabla 4.2 se muestran los datos de un experimento factorial con una sola replica. La suma de cuadrados son:

La suma de cuadrados debida a la no aditividad del modelo se calcula mediante la ecuacin siguiente, tal como aparece a continuacin.

Y la suma de cuadrados del error mediante la ecuacin siguiente es:

El anlisis de varianza completo se muestra en la siguiente tabla. La estadstica para aprobar la no aditividad es, Fo = 0.0985/0.2716 = 0.36. por lo que se concluye que estos

datos no proporcionan evidencia de una interaccin. Los efectos principales de la temperatura y la presin son significativos.

Datos de impureza Tabla 4.2 Temperatur a 25 o ( F) 100 5 125 3 150 1 Y.j 9

30 4 1 1 6

Presin 35 6 4 3 13

40 3 2 1 6

45 5 3 2 10

Yi. 23 13 8 44 = Y..

Anlisis de varianza para el ejemplo anterior Tabla 4.3 FUENTE DE SUMA DE GRADOS DE VARIACION CUADRADOS LIBERTAD TEMPERATURA 23.33 2 PRESION 11.60 4 NO ADITIVIDAD 0.0985 1 ERROR 1.9015 7 TOTAL 36.93 14

MEDIA DE CUADRADOS 11.67 2.90 0.0985 0.2716

FO 42.97 10.68 0.36

Diseo factorial General

Todos los Anlisis hechos para los Diseos de dos y tres Factores pueden extenderse al caso General en el que existen "a" niveles del Factor A, "b" niveles del Factor B, "c" niveles del Factor C,., y as sucesivamente, ordenados en un Experimento Factorial. Por lo tanto, en general habr un total de abcn observaciones si existen n rplicas en el Experimento Completo. Una generalizacin del Modelo Lineal del Diseo Factorial General estara dado por:

REGLAS PARA LAS SUMAS DE CUADRADOS Las reglas que se presentan a continuacin son utilizadas para encontrar las frmulas matemticas de las Sumas de Cuadros, cuando se analizan diseos experimentales de tres o ms factores; ya que a medida aumenta el nmero de factores estas expresiones o frmulas no se pueden determinar fcilmente. A continuacin se plantean estas Reglas tomando como ejemplo el caso de tres factores, para encontrar la suma de cuadrados del factor C:

Regla 3 Los subndices de cada trmino del Modelo deben dividirse en tres partes: i) Activos: son aquellos que se hallan en el trmino y no estn entre parntesis. ii) Pasivos: son los subndices que estn presentes en el Modelo pero que se encuentran entre parntesis. iii) Ausentes: son aquellos subndices que estn presentes en el Modelo pero que no ocurren en ese trmino en particular.

Regla 4. Grados de Libertad Los grados de libertad de cualquier trmino del Modelo corresponden al producto del nmero de niveles asociados con cada subndice pasivo, y el nmero de niveles menos uno, asociados con cada subndice activo.

Regla 5. Suma de Cuadrados Para obtener las frmulas con el fin de calcular las sumas de cuadrados de cualquier efecto, primero se deben desarrollar los grados de libertad de dicho efecto.

b) Los signos de sumatoria deben acomodarse de manera que los relacionados con los subndices de la forma simblica de inters (en este caso C), aparezca primero. El resto de los elementos se deben encerrar entre parntesis. Para C se obtiene.

c) La cantidad entre parntesis debe transformarse en la notacin estndar punto en el subndice, donde el punto que reemplaza al subndice indica una sumatoria en este

De tres factores.

Nota: SSAC se obtiene de la combinacin de las sumas de cuadrados no corregida en el ltimo rengln, de acuerdo con los signos en la parte superior de cada columna.

REGLAS PARA LAS MEDIAS DE CUADRADOS Estas reglas son muy tiles para encontrar las Medias de Cuadrados para cualquiera de los Modelos que resultan de un Diseo Factorial de tres o ms factores. A continuacin se presentan estas reglas, que sern aplicadas a un Diseo con tres factores.

c) En las restantes columnas de los renglones se escribe el nmero de niveles correspondientes al encabezado de esa columna. d) Para obtener el valor esperado de la media de cuadrados de cualquier componente del Modelo, primero se cubren todas las columnas encabezadas por los subndices activos de ese componente. A continuacin, en cada rengln que contenga al menos los mismos subndices que el componente considerado, se calcula el producto de los nmeros visibles y se multiplica por el factor fijo o aleatorio apropiado, obtenido mediante la Regla 1. La suma de estas cantidades corresponden al valor esperado de la media de cuadrados del componente del Modelo considerado. Estas reglas pueden ser aplicadas a los Modelos que se van estudiando, para obtener los valores esperados de un Modelo de Efectos Mixtos de tres Factores, considerando que el factor A es fijo, el factor B y factor C es aleatorio. Se tiene:

Utilizando estas mismas reglas se obtienen las Medias de Cuadrados Esperados para un Modelo de Efectos Fijos.