Captulo 6

Diseos factoriales con tres

factores
Supongamos que hay a niveles para el factor A, b niveles del factor B y c niveles para
el factor C y que cada rplica del experimento contiene todas las posibles combinaciones
de tratamientos, es decir contiene los abc tratamientos posibles.
6.1. El modelo sin replicacin
El modelo estadstico para este diseo es:
y
ijk
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+u
ijk
con i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , c donde

i
,
j
y
k
: Son los efectos producidos por el nivel i-simo del factor A, (

i
= 0),
por el nivel j-simo del factor B,
_

j

j
= 0
_
y por el nivel k-simo del factor C,
(

k
= 0), respectivamente.
()
ij
, ()
ik
, ()
jk
y ()
ijk
: Son los efectos producidos por las interacciones
entre AB, AC, B C y AB C, respectivamente

i
()
ij
=

j
()
ij
=

i
()
ik
=

k
()
ik
=

j
()
jk
=

k
()
jk
=
=

i
()
ijk
=

j
()
ijk
=

k
()
ijk
= 0
1
2 Diseos factoriales con tres factores
Supondremos que se toma una observacin por cada combinacin de factores, por
tanto, hay un total de n = abc observaciones.
Parmetros a estimar:
Parmetros Nmero
1

i
a 1

j
b 1

k
c 1
()
ij
(a 1)(b 1)
()
ik
(a 1)(c 1)
()
jk
(b 1)(c 1)
()
ijk
(a 1)(b 1)(c 1)

2
1
Total abc + 1
A pesar de las restricciones impuestas
al modelo, el nmero de parmetros
(abc + 1) supera al nmero de obsevaciones
(abc). Por lo tanto, algn parmetro no ser
estimable.
6.1.1. Estimacin de los parmetros del modelo
Los estimadores mximo verosmiles de los parmetros del modelo son
El E.M.V. de es = y
...
Los E.M.V. de los efectos principales son:

i
= y
i..
y
...
;

j
= y
.j.
y
...
;
k
= y
..k
y
...
Los E.M.V. de las interacciones de segundo orden son:
_

_
ij
= y
ij.
y
i..
y
.j.
+ y
...
( )
ik
= y
i.k
y
i..
y
...k
+ y
...
;
_

_
jk
= y
.jk
y
.j.
y
...k
+ y
...
El E.M.V. de la interaccin de tercer orden
_

_
ijk
= y
ijk

i

j

k

_

_
ij
( )
ik

_

_
jk
=
= y
ijk
y
ij.
y
i.k
y
.jk
+ y
i..
+ y
.j.
+ y
..k
y
...
6.1.2. Descomposicin de la variabilidad
En este modelo la variabilidad total se descompone en:
SCT = SCA+SCB +SCC +SC(AB) +SC(AC) +SC(BC) +SC(ABC) +SCR
6.1 El modelo sin replicacin 3
Estas sumas de cuadrados se pueden expresar como:
SCT =

i,j,k
y
2
ijk

_
y
2
...
_
/(abc) ; SCA =
_
i
y
2
i..
_
/bc
_
y
2
...
_
/(abc)
SCB =
_

j
y
2
.j.
_
/(ac)
_
y
2
...
_
/(abc) ; SCC =
_
k
y
2
..k
_
/(ab)
_
y
2
...
_
/(abc)
SC(AB) =
_

i,j
y
2
ij.
_
/c
_
y
2
...
_
/(abc)SCASCB: S. C. de la interaccin AB
SC(AC) =
_

i,k
y
2
i.k
_
/b
_
y
2
...
_
/(abc)SCASCC: S. C. de la interaccin AC
SC(BC) =
_

j,k
y
2
.jk
_
/a
_
y
2
...
_
/(abc)SCBSCC: S. C. de la interaccin BC
SC(ABC) =

i,j,k
y
2
ijk

_
y
2
...
_
/(abc) SCASCBSCCSC(AB) SC(AC)
SC(BC): S. C. de la interaccin AB C
Al tratarse de un modelo sin replicacin, los contrastes slo se pueden realizar si se
supone que la interaccin de tercer orden es cero. En esta hiptesis, CM(ABC) = CMR
y los contrastes de cada uno de los factores e interacciones comparan su cuadrado medio
correspondiente con la varianza residual para construir el estadstico de contraste.
El objetivo del anlisis es realizar los contrastes de hiptesis nula que se muestran a
continuacin junto con el estadstico de contraste correspondiente:
i) H
0A

1
= =
a
= 0 : F
A
=
CMA
CMR

H
0A
F
(a1),(a1)(b1)(c1)
ii) H
0B

1
= =
b
= 0 : F
B
=
CMB
CMR

H
0B
F
(b1),(a1)(b1)(c1)
iii) H
0C

1
= =
c
= 0 : F
C
=
CMC
CMR

H
0C
F
(c1),(a1)(b1)(c1)
iv) H
0(AB)
()
ij
= 0, i, j : F
(AB)
=
CM(AB)
CMR

H
0(AB)
F
(a1)(b1),(a1)(b1)(c1)
v) H
0(AC)
()
ik
= 0, i, k : F
(AC)
=
CM(AC)
CMR

H
0(AB)
F
(a1)(c1),(a1)(b1)(c1)
vi) H
0(BC)
()
jk
= 0, j, k : F
(BC)
=
CM(BC)
CMR

H
0(ACB)
F
(b1)(c1),(a1)(b1)(c1)
Fijado un nivel de signicacin , se rechaza la H
0
correspondiente, si F
exp
> F
terica
.
4 Diseos factoriales con tres factores
Tabla ANOVA: Modelo factorial con tres factores (sin replicacin)
F. V. S. C. G. L. C. M. F
exp
Factor A SCA a 1 CMA CMA/CMR
Factor B SCB b 1 CMB CMB/CMR
Factor C SCC c 1 CMC CMC/CMR
AB SC(AB) (a 1)(b 1) CM(AB) CM(AB)/CMR
AC SC(AC) (a 1)(c 1) CM(AC) CM(AC)/CMR
B C SC(BC) (b 1)(c 1) CM(BC) CM(BC)/CMR
AB C SC(ABC) (a 1)(b 1)(c 1) CMR CM(ABC)/CMR
TOTAL SCT abc 1 CMT
Ejemplo 6.1
Se estn investigando los efectos sobre la resistencia del papel que producen la con-
centracin de bra de madera (factor A), la presin del tanque (factor B) y el tiempo de
coccin de la pulpa (factor C). Se seleccionan dos niveles de la concentracin de madera
(
1
,
2
), tres niveles de la presin (
1
,
2
,
3
) y dos niveles del tiempo de coccin (
1
,
2
).
Pueden considerarse todos los factores jos. Analizar los resultados y obtener las conclu-
siones apropiadas.

1

2

1

2

3

1

2

3

1
y
111
= 10 y
121
= 20 y
131
= 2 y
112
= 6 y
122
= 23 y
132
= 2

2
y
211
= 26 y
221
= 28 y
231
= 30 y
212
= 30 y
222
= 34 y
232
= 32
Vamos a calcular los totales marginales y las sumas de cuadrados
AB
1

2

3
A

1
y
11.
= 16 y
12.
= 43 y
13.
= 0 y
1..
= 59

2
y
21.
= 56 y
22.
= 62 y
23.
= 62 y
2..
= 180
B y
,1.
= 72 y
,2.
= 105 y
,3.
= 62 y
...
= 239
AC
1

2

1
y
1,1
= 32 y
1,2
= 27

2
y
2,1
= 84 y
2,2
= 96
C y
.,1
= 116 y
.,2
= 123
B C
1

2

1
y
,11
= 36 y
,12
= 36

2
y
,21
= 48 y
,22
= 57

3
y
,31
= 32 y
,22
= 30
6.1 El modelo sin replicacin 5
SCT =

i,j,k
y
2
ijk

y
2
...
abc
= 6513
(239)
2
12
= 1752,9
SCA =

i
y
2
i..
bc

y
2
...
abc
=
(59)
2
+ (180)
2
6

(239)
2
12
= 1220,08
SCB =

j
y
2
.j.
ac

y
2
...
abc
=
(72)
2
+ (105)
2
+ (62)
2
4

(239)
2
12
= 253,17
SCC =

k
y
2
..k
ab

y
2
...
abc
=
(116)
2
+ (123)
2
6

(239)
2
12
= 4,083
SC(AB) =

i,j
y
2
ij.
c

y
2
...
abc
SCASCB =
(16)
2
+ + (62)
2
2

(239)
2
12

SCASCB = 231,16
SC(BC) =

j,k
y
2
.jk
a

y
2
...
abc
SCB SCC =
(36)
2
+ + (30)
2
2

(239)
2
12

SCB SCC = 17,16
SC(AC) =

i,k
y
2
i.k
b

y
2
...
abc
SCASCC =
(32)
2
+ + (96)
2
3

(239)
2
12

SCB SCC = 24,08
SCR = SCT SCASCB SCC SC(AB) SC(AC) SC(BC)
SC(ABC) = 3,167.
La Tabla ANOVA resultante es:
F. V. S.C. G.L. C.M. F
exp
Factor A 1220,08 1 1220,08 770,579
Factor B 253,16 2 126,58 79,947
Factor C 4,083 1 4,083 2,579
AB 231,16 2 115,58 73,00
AC 24,083 1 24,083 15,211
B C 17,167 2 8,583 5,421
Residual 3,167 2 1,583
TOTAL 1752,9 11
Realizando los contrastes al nivel de signicacin del 5 %, se concluye que son signi-
cativos los efectos de los factores A (F
0,05,1,2
= 18,51), B y AB (F
0,05,2,2
= 19).
6 Diseos factoriales con tres factores
6.2. El modelo con replicacin
El modelo estadstico para este diseo es:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+u
ijkl
i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , c ; l = 1, 2, , r
donde r es el nmero de replicaciones y n = abcr es el nmero de observaciones.
El nmero de parmetros de este modelo es, como en el modelo de tres factores sin
replicacin, abc + 1 pero en este caso el nmero de observaciones es abcr.
Las sumas de cuadrados tienen las siguientes expresiones:
SCT =

i,j,k,l
y
2
ijkl

_
y
2
....
_
/(abcr) ; SCA =
_

i
y
2
i...
_
/(bcr)
_
y
2
....
_
/(abcr)
SCB =
_

j
y
2
.j..
_
/(acr)
_
y
2
....
_
/(abcr) ; SCC =
_

k
y
2
..k.
_
/(abr)
_
y
2
....
_
/(abcr)
SC(AB) =
_

i,j
y
2
ij..
_
/(cr)
_
y
2
....
_
/(abcr) SCASCB
SC(BC) =
_

j,k
y
2
.jk.
_
/(ar)
_
y
2
....
_
/(abcr) SCB SCC
SC(AC) =
_

i,k
y
2
i.k.
_
/(br)
_
y
2
....
_
/(abcr) SCASCC
SC(ABC) =
_

i,j,k
y
2
ijk.
_
/r
_
y
2
....
_
/(abcr) SCASCB SCC SC(AB)
SC(AC) SC(BC)
SCR = SCT SCASCBSCC SC(AB) SC(AC) SC(BC) SC(ABC).
En este modelo, el objetivo del anlisis es realizar los contrastes de hiptesis nula que,
junto al estadstico de contraste, se muestran a continuacin:
i) H
0A

1
= =
a
= 0 : F
A
=
CMA
CMR

H
0A
F
(a1),abc(r1)
ii) H
0B

1
= =
b
= 0 : F
B
=
CMB
CMR

H
0B
F
(b1),abc(r1)
iii) H
0C

1
= =
c
= 0 : F
C
=
CMC
CMR

H
0C
F
(c1),abc(r1)
iv) H
0(AB)
()
ij
= 0, i, j : F
(AB)
=
CM(AB)
CMR

H
0(AB)
F
(a1)(b1),abc(r1)
6.2 El modelo con replicacin 7
v) H
0(AC)
()
ik
= 0, i, k : F
(AC)
=
CM(AC)
CMR

H
0(Ac)
F
(a1)(c1),abc(r1))
vi) H
0(BC)
()
jk
= 0, j, k : F
(BC)
=
CM(BC)
CMR

H
0(BC)
F
(b1)(c1),abc(r1)
vii) H
0(ABC)
()
ijk
= 0, i, j, k : F
(ABC)
=
CM(ABC)
CMR

H
0(ABC)
F
(a1)(b1)(c1),abc(r1)
Tabla ANOVA: Modelo factorial con tres factores (con replicacin)
F. V. S. C. G. L. C. M. F
exp
Factor A SCA a 1 CMA CMA/CMR
Factor B SCB b 1 CMB CMB/CMR
Factor C SCC c 1 CMC CMC/CMR
AxB SC(AB) (a 1)(b 1) CM(AB) CM(AB)/CMR
AxC SC(AC) (a 1)(c 1) CM(AC) CM(AC)/CMR
BxC SC(BC) (b 1)(c 1) CM(BC) CM(BC)/CMR
AxBxC SC(ABC) (a 1)(b 1)(c 1) CM(ABC) CM(ABC)/CMR
Residual SCR abc(r 1) CMR
TOTAL SCT abcr 1 CMT
La diagnosis y validacin del modelo se realiza igual que en los modelos anteriores.
Ejemplo 6.2
Supongamos de nuevo la situacin del Ejemplo 6.2 en la que, en este caso, se selec-
cionan tres niveles de la concentracin de madera (
1
,
2
,
3)
y dos niveles de la presin
(
1
,
2
) y del tiempo de coccin (
1
,
2
). Pueden considerarse todos los factores jos. Se re-
aliza un experimento factorial con dos rplicas y se recoplan los siguientes datos. Analizar
los resultados y obtener las conclusiones apropiadas.

1

2
Operario
1

2

1

2

1
y
1111
= 3
y
1112
= 1
y
1211
= 1
y
1212
= 0
y
1121
= 1
y
1122
= 0
y
1221
= 1
y
1222
= 1

2
y
2111
= 0
y
2112
= 1
y
2211
= 2
y
2212
= 1
y
2121
= 2
y
2122
= 3
y
2221
= 6
y
2222
= 5

3
y
2111
= 5
y
3112
= 4
y
3211
= 7
y
3212
= 6
y
3121
= 7
y
3122
= 9
y
3221
= 10
y
3222
= 11
Vamos a calcular los totales marginales y las sumas de cuadrados
8 Diseos factoriales con tres factores
AB C
1

2

1

2

1

2
A

1
y
111.
= 4 y
121.
= 1 y
112.
= 1 y
122.
= 2 4

2
y
211.
= 1 y
221.
= 3 y
212.
= 5 y
222.
= 11 20

3
y
311.
= 9 y
321.
= 13 y
312.
= 16 y
322.
= 21 59
AB
1

2

1
y
11..
= 5 y
12..
= 1

2
y
21..
= 6 y
22..
= 14

3
y
31..
= 25 y
32..
= 34
B y
,1..
= 26 y
,2..
= 49
AC
1

2

1
y
1,1.
= 5 y
1,2.
= 1

2
y
2,1.
= 4 y
2,2.
= 16

3
y
3,1.
= 22 y
3,2.
= 37
C y
.,1.
= 21 y
.,2.
= 54
B C
1

2

1
y
,11.
= 6 y
,12.
= 20

2
y
,21.
= 15 y
,22.
= 34
SCT =

i,j,k,l
y
2
ijkl

y
2
....
abcr
= 571
75
2
24
= 336,62
SCA =

i
y
2
i...
bcr

y
2
....
abcr
=
(4)
2
+ (20)
2
+ (59)
2
8

75
2
24
= 252,75
SCB =

j
y
2
.j..
acr

y
2
....
abcr
=
(26)
2
+ (49)
2
12

75
2
24
= 22,042
SCC =

k
y
2
..k.
abr

y
2
....
abcr
=
(21)
2
+ (54)
2
12

75
2
24
= 45,37
SC(AB) =

i,j
y
2
ij..
cr

y
2
....
abcr
SCASCB =
(5)
2
+ + (34)
2
4

75
2
24

252,75 22,042 = 0,583
SC(BC) =

j,k
y
2
.jk.
ar

y
2
....
abcr
SCB SCC =
(6)
2
+ + (34)
2
6

75
2
24

22,042 45,37 = 1,042
SC(AC) =

i,k
y
2
i.k.
br

y
2
....
abcr
SCASCC =
(5)
2
+ + (37)
2
4

75
2
24

6.3 Diseos factoriales con ms de tres factores 9
252,75 45,37 = 5,25
SC(ABC) =

i,j,k
y
2
i.jk.
r

y
2
....
abcr
SCASCB SCC SC(AB)
SC(AC) SC(BC) =
(4)
2
+ (1)
2
+ + (21)
2
4

75
2
24

252,75 22,042 45,37 0,583 5,25 1,042 = 1,083
SCR = SCT SCASCBSCCSC(AB)SC(AC)SC(BC)SC(ABC) = 8,5.
La Tabla ANOVA resultante es:
F. V. S. C. G. L. C. M. F
exp
Factor A 252,75 2 1265,375 178,412
Factor B 22,042 1 22,042 31,118
Factor C 45,375 1 45,375 64,059
AB 0,583 2 0,292 0,412
AC 5,25 2 2,625 3,706
B C 1,042 1 1,042 1,471
AB C 1,083 2 0,542 0,765
Residual 8,5 12 0,708
TOTAL 336,625 23
Realizando los contrastes al nivel de signicacin del 5 %, se concluye que son signi-
cativos los efectos de los factores A (F
0,05,2,12
= 3,89), B y C (F
0,05,1,12
= 4,75) pero no
son signicativos los efectos de todas las interacciones.
6.3. Diseos factoriales con ms de tres factores
Las ideas anteriores se extienden inmediatamente para modelos factoriales con
cualquier nmero de factores
1
. Para ms de tres factores, las interacciones superiores a
tres suelen suponerse nulas, lo que permite obtener una estimacin del error experimental.
Consideremos un diseo con cuatro factores a niveles N
1
, N
2
, N
3
, N
4
. Las N
1
N
2

N
3
N
4
observaciones permiten estimar:
La media general

4
i=1
(N
i
1) =

4
i=1
N
i
4 efectos principales
1
Vase Pea (1989) pgina 116.
10 Diseos factoriales con tres factores
(N
i
1) (N
j
1) interacciones de segundo orden para cada una de las
_
4
2
_
parejas
de interacciones de segundo orden
(N
i
1) (N
j
1) (N
k
1) interacciones de tercer orden para cada una de las
_
4
3
_
interacciones de tercer orden
Si suponemos que las interacciones de cuarto orden son cero, tendremos:
(N
1
1) (N
2
1) (N
3
1) (N
4
1)
grados de libertad para calcular los residuos y efectuar los contrastes.
Bibliografa utilizada
Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Va-
rianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto
Sur de Ediciones.