Diseos Factoriales 3

k

Ahora consideraremos en el experimento k factores de inters con tres niveles cada uno, en
total tendremos 3
k
tratamientos. Puede observarse que para muchos factores el diseo
requiere muchos tratamientos, sin embargo, para pocos factores es una buena alternativa pues
entre sus ventajas es que permite el estudio de curvaturas tambin resulta !til en el caso en
que un factor es categ"rico con tres niveles.
#xisten varias notaciones $ nomenclaturas para los puntos del diseo 3
k
, las m%s comunes es
denotar a los tres niveles como bajo, medio $ alto en algunos libros utili&an los n!meros '(, ) $
( $ en otros los n!mero (, * $ 3+
,ratamiento A - A - .ates
-ajo -ajo '( '( ( ( ))
/edio -ajo ) '( * ( ()
Alto -ajo ( '( 3 ( *)
-ajo /edio '( ) ( * )(
/edio /edio ) ) * * ((
Alto /edio ( ) 3 * *(
-ajo Alto '( ( ( 3 )*
/edio Alto ) ( * 3 (*
Alto Alto ( ( 3 3 **
0iseo 1actorial 3
*

Diseo factorial 3
2

Para este diseo consideraremos dos factores A $ - con tres niveles cada uno, el modelo
estad2stico es+
y
]k
= p +y

+o
]
+(yo)
]
+e
]k

con i = 1,2,S; ] = 1,2,S; k = 1, , n,
donde y

es el efecto del factor A, o

]
es el efecto del factor -, (yo)
]
es el efecto de la
interacci"n de ambos, n es el n!mero de rplicas en el experimento $ e
]k
es la componente del
error aleatorio tal que e
]k
~NI(u, o
2
).
Podemos descomponer la suma total de cuadrados como sigue+
SSI = SS
A
+SS
B
+SS
AB
+SSE,
con los respectivos grados de libertad+
S
2
n -1 = 2 +2 +4 +S
2
(n -1).


Ahora creamos la tabla del an%lisis de varian&a+
#fecto 3uma de
4uadrados
5rados de
6ibertad
4uadrados
/edios
F
0

A
SS
A

*
HS
A
= SS
A
2
HS
A
HSE

-
SS
B

*
HS
B
= SS
B
2
HS
B
HSE

A-
SS
AB

7
HS
AB
= SS
AB
4
HS
AB
HSE

#rror
SSE S
2
(n -1) HSE = SSES
2
(n -1)

,otal
SSI S
2
n -1


6a desventaja de este an%lisis es que considera los efectos A, - $ A- de forma agrupada, si
estamos interesados en estudiar el efecto cuadr%tico, podemos descomponer cada efecto en
sus partes lineales $ cuadr%ticas visto como una regresi"n lineal tendr2amos+
y = [
0
+[
1
x
1
+[
2
x
2
+[
11
x
1
2
+[
22
x
2
2
+[
12
x
1
x
2
+[
112
x
1
2
x
2
+[
122
x
1
x
2
2
+[
1122
x
1
2
x
2
2
+e,
donde x
1
representa el valor codificado del efecto A, x
2
representa el valor codificado del
efecto -. Aqu2 se ha descompuesto, por ejemplo, el efecto A en x
1
$ x
1
2
, una parte lineal $ una
parte cuadr%tica cada efecto individual tendr% ( grado de libertad.
6a tabla de an%lisis de varian&a ser% ahora+
#fecto 3uma de
4uadrados
5rados de
6ibertad
4uadrados
/edios
F
0

A
6

SS
A
L

(
HS
A
L
= SS
A
L
1
HS
A
L
HSE

A
8

SS
A
Q

(
HS
A
Q
= SS
A
Q
1
HS
A
Q
HSE

-
6

SS
B
L

(
HS
B
L
= SS
B
L
1
HS
B
L
HSE

-
8

SS
B
Q

(
HS
B
Q
= SS
B
Q
1
HS
B
Q
HSE

A
6
-
6

SS
A
L
B
L

(
HS
A
L
B
L
= SS
A
L
B
L
1
HS
A
L
B
L
HSE

A
8
-
6

SS
A
Q
B
L

(
HS
A
Q
B
L
= SS
A
Q
B
L
1
HS
A
Q
B
L
HSE

A
6
-
8

SS
A
L
B
Q

(
HS
A
L
B
Q
= SS
A
L
B
Q
1
HS
A
L
B
Q
HSE

A
8
-
8

SS
A
Q
B
Q

(
HS
A
Q
B
Q
= SS
A
Q
B
Q
1
HS
A
Q
B
Q
HSE

#rror
SSE S
2
(n -1) HSE = SSES
2
(n -1)

,otal
SSI S
2
n -1


0onde el sub2ndice 6 representa el trmino lineal $ 8 el cuadr%tico.
Ejemplo.- #n un proceso de fabricaci"n de cajas se utili&a pegamento, con la idea de mejorar
el desempeo de las cajas se reali&a un experimento para estudiar la fuer&a de adhesi"n del
pegamento en diferentes condiciones de humedad $ temperatura. 6a variable de respuesta es
la fuer&a necesaria en libras para despegar la caja. 6os resultados obtenidos son+
,emperatura
9umedad 1r2o Ambiente 4aliente
:); (.: (.* 3.: 3.* 7.) 7.*
<); (.7 (.3 *.= *.: 3.> 3.7
=); ).> (.* (.> *.) *.< 3.)

Anali&aremos el diseo utili&ando /initab.
Para crear el diseo factorial en ?#stad2sticas@ seleccionamos ?0A#@, despus ?1actorial@ $ por
!ltimo ?4rear diseo factorial@+





#n el men! de ?4rear diseo factorial@ elegimos la opci"n ?0iseo factorial completo general@,
para nuestro ejemplo s"lo requerimos de dos factores+

#n el men! ?0iseos@ elegimos el nombre de las variables $ el n!mero de niveles, en nuestro
ejemplo los factores son A+ ,emperatura $ -+ 9umedad, cada uno con tres nieveles $ dos
rplicas+

#n el men! ?1actores@ elegimos los valores en cada nivel $ si es de tipo numrico o texto
Bpodemos dejar los valores por defecto+ (, * $ 3C+

#n ?Apciones@ no aleatori&aremos las corridas, por !ltimo aceptamos $ se crear% el diseo, al
cual s"lo debemos agregarle la variable de respuesta+

6os gr%ficos de efectos principales, as2 como los de interacci"n ser%n siempre !tiles+
Caliente Ambiente Fro
3.5
3.0
2.5
2.0
1.5
1.0
90 70 50
Temperatura
M
e
d
i
a
Humedad
Grfica de efectos principales para Fuerza
Medias de datos

90 70 50
4.5
4.0
3.5
3.0
2.5
2.0
1.5
1.0
Humedad
M
e
d
i
a
Fro
Ambiente
Caliente
Temperatura
Grfica de interaccin para Fuerza
Medias de datos

#n la primera gr%fica se observa que ambos efectos pueden ser significativos, as2 como que
posiblemente no existe curvatura Bambas siguen una tendencia casi linealC. #n la segunda
gr%fica tenemos que no ha$ mucha evidencia a favor de la interacci"n $ si existe, no es mu$
fuerte.
Ahora confirmaremos estas observaciones mediante el an%lisis de varian&a. Para el an%lisis de
efectos A, - $ A- de forma agrupada s"lo anali&amos el diseo en la secci"n de diseo de
experimentos B0A#C+

#legimos la fuer&a como respuesta, los trminos del modelo ser%n A, - $ A-+

Aceptamos $ obtenemos el an%lisis de varian&a+
Modelo lineal general: Fuerza vs. Temperatura, Humedad

Factor Tipo Niveles Valores
Temperatura fijo 3 Fro, Ambiente, Caliente
Humedad fijo 3 50, 70, 90


Anlisis de varianza para Fuerza, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Temperatura 2 15.9433 15.9433 7.9717 170.82 0.000
Humedad 2 3.1633 3.1633 1.5817 33.89 0.000
Temperatura*Humedad 4 0.6933 0.6933 0.1733 3.71 0.047
Error 9 0.4200 0.4200 0.0467
Total 17 20.2200


S = 0.216025 R-cuad. = 97.92% R-cuad.(ajustado) = 96.08%

A un nivel de significancia de o = u.uS concluimos que los efectos de la ,emperatura $ la
9umedad son significativos al igual que la interacci"n, aunque por mu$ poco.
Para reali&ar el an%lisis de los efectos cuadr%ticos haremos una regresi"n lineal, pero primero
es necesario tener los datos en forma codificada+



Ahora el an%lisis lo haremos en la secci"n de regresi"n general+

Decesitamos introducir al modelo todos los factores cuadr%ticos+



#n ?Apciones@ seleccionamos que la suma de cuadrados para las pruebas sea secuencial Btipo EC+

Aceptamos $ obtendremos el siguiente resultado+
Anlisis de regresin general: Fuerza versus Temperatura, Humedad

Ecuacin de regresin

Fuerza = -4.2 + 6.375 Temperatura + 2.725 Humedad - 1.175
Temperatura*Temperatura - 2.825 Temperatura*Humedad - 0.425
Humedad*Humedad + 0.625 Temperatura*Temperatura*Humedad + 0.325
Temperatura*Humedad*Humedad - 0.075
Temperatura*Temperatura*Humedad*Humedad


Coeficientes

EE del
Trmino Coef coef. T P
Constante -4.200 2.90230 -1.44713 0.182
Temperatura 6.375 3.29570 1.93434 0.085
Humedad 2.725 3.29570 0.82683 0.430
Temperatura*Humedad -2.825 3.74244 -0.75486 0.470
Temperatura*Temperatura -1.175 0.81548 -1.44088 0.183
Humedad*Humedad -0.425 0.81548 -0.52117 0.615
Temperatura*Temperatura*Humedad 0.625 0.92601 0.67494 0.517
Temperatura*Humedad*Humedad 0.325 0.92601 0.35097 0.734
Temperatura*Temperatura*Humedad*Humedad -0.075 0.22913 -0.32733 0.751


Resumen del modelo

S = 0.216025 R-cuad. = 97.92% R-cuad.(ajustado) = 96.08%
PRESS = 1.68 R-cuad.(pred.) = 91.69%



Anlisis de varianza
Fuente GL SC Sec. SC Ajust. CM sec.
Regresin 8 19.8000 19.8000 2.4750
Temperatura 1 15.6408 0.1746 15.6408
Humedad 1 3.1008 0.0319 3.1008
Temperatura*Humedad 1 0.4050 0.0266 0.4050
Temperatura*Temperatura 1 0.3025 0.0969 0.3025
Humedad*Humedad 1 0.0625 0.0127 0.0625
Temperatura*Temperatura*Humedad 1 0.2817 0.0213 0.2817
Temperatura*Humedad*Humedad 1 0.0017 0.0057 0.0017
Temperatura*Temperatura*Humedad*Humedad 1 0.0050 0.0050 0.0050
Error 9 0.4200 0.4200 0.0467
Total 17 20.2200

Fuente F P
Regresin 53.036 0.000001
Temperatura 335.161 0.000000
Humedad 66.446 0.000019
Temperatura*Humedad 8.679 0.016328
Temperatura*Temperatura 6.482 0.031400
Humedad*Humedad 1.339 0.276950
Temperatura*Temperatura*Humedad 6.036 0.036351
Temperatura*Humedad*Humedad 0.036 0.854300
Temperatura*Temperatura*Humedad*Humedad 0.107 0.750906
Error
Total

Ajustes y diagnsticos para observaciones poco comunes

No hay observaciones poco comunes

3e conclu$e que las partes lineales son significativas al igual que la interacci"n $ posiblemente
los trminos ,emperatura
*
, ,emperatura
*
F9umedad.
A!n ha$ otra forma de verificar si existen curvaturas en el modelo, en el modelo de regresi"n
s"lo introducimos los efectos principales $ la interacci"n+

Aceptamos $ obtenemos el siguiente resultado+
Anlisis de regresin general: Fuerza versus Temperatura, Humedad

Ecuacin de regresin
Fuerza = 0.3 + 1.59167 Temperatura - 0.0583333 Humedad - 0.225
Temperatura*Humedad

Coeficientes

Trmino Coef EE del coef. T P
Constante 0.30000 0.456841 0.65668 0.522
Temperatura 1.59167 0.211476 7.52645 0.000
Humedad -0.05833 0.211476 -0.27584 0.787
Temperatura*Humedad -0.22500 0.097895 -2.29839 0.037

Resumen del modelo

S = 0.276887 R-cuad. = 94.69% R-cuad.(ajustado) = 93.55%
PRESS = 1.84871 R-cuad.(pred.) = 90.86%

Anlisis de varianza

Fuente GL SC Sec. SC Ajust. CM sec. F P
Regresin 3 19.1467 19.1467 6.3822 83.246 0.0000000
Temperatura 1 15.6408 4.3430 15.6408 204.011 0.0000000
Humedad 1 3.1008 0.0058 3.1008 40.446 0.0000177
Temperatura*Humedad 1 0.4050 0.4050 0.4050 5.283 0.0374643
Error 14 1.0733 1.0733 0.0767
Falta de ajuste 5 0.6533 0.6533 0.1307 2.800 0.0853066
Error puro 9 0.4200 0.4200 0.0467
Total 17 20.2200



3e observa que la falta de ajuste no es significativa, por lo que un modelo lineal es suficiente.
1inalmente se verifican los supuestos usuales del modelo+
0.50 0.25 0.00 0.25 0.50
99
90
50
10
1
Residuo
P
o
r
c
e
n
t
a
j
e
4 3 2 1
0.50
0.25
0.00
0.25
0.50
Valor ajustado
R
e
s
i
d
u
o
0.4 0.2 0.0 0.2 0.4
4
3
2
1
0
Residuo
F
r
e
c
u
e
n
c
i
a
1! 1" 14 12 10 ! " 4 2
0.50
0.25
0.00
0.25
0.50
Orden de observacin
R
e
s
i
d
u
o
Grfica de probabilidad normal vs. ajustes
Historama vs. orden
Grficas de residuos para Fuerza

3e enfati&a la b!squeda de curvaturas debido a que ser% de mucha utilidad en la metodolog2a
de superficie de respuesta.
4on todo lo aprendido hasta ahora es posible anali&ar diseos factoriales, en bloques, con
factores fijos o aleatorios $ anali&ar si existen curvaturas. 3e han hecho an%lisis de dos casos
especiales+ diseos *
k
$ 3
k
con puntos al centro $ sin rplicas.




Referencias:
G(H 0ouglas 4. /ontgomer$, ?0iseo $ An%lisis de #xperimentos@, 5rupo #ditorial
Eberoamericana, /xico (==(.
G*H 9umberto 5utirre& Pulido, ?An%lisis $ 0iseo de #xperimentos@, /c5raI 9ill, /xico
*))7.