5-3 DISEO FACTORIAL DE DOS FACTORES

187

60

.,

40

20

-20

I
I

'12

63

l1po de materia I

-40

-60

"

-130

Figura 513 Grfica de los residuales contra el tipo de material para el ejemplo 5-1.

= 1, 2,0 .. ,a

(5-14b)

= 1, 2, 000' b

(5-14c)

i 1, 2,
a
{ } -1,2'000' b
:

o o o,

(5-14d)

Por conveniencia, el parmetro que corresponde a cada ecuacin normal se indica a la izquierda de las
ecuaciones 5-14.
60
40
20

: 125
Temperatura (OF)

-20
-40
-60

-130

Figura 5-14 Grfica de los residuales contra la temperatura

para el ejemplo 5-1.

188

CAPTULo 5 INTRODUCCIN A LOS DISEOS FACTORIALES

El modelo de los efectos (ecuacin 5-13) est sobreparametrizado. Observe que la suma de las a
ecuaciones de la ecuacin 5-14b es igual a la ecuacin 5-14a y que la suma de las b ecuaciones de la ecuacin 5-14c es igual a la ecuacin 5-14a. Asimismo, la operacin suma de la ecuacin 5-14d sobre j para una
i particular dar la ecuacin 5-l4b, y la operacin suma de la ecuacin 5-14d sobre i para unaj particular
dar la ecuacin 5-14c. Por lo tanto, haya + b + 1 dependencias lineales en este sistema de ecuaciones y
no existir ninguna solucin nica. A fin de obtener una solucin, se imponen las restricciones
a

L=1 f=O
Lj=1 fij = O

(S-ISa)

L=1

(5-15b)

/1

j = 1,.2, ..., b

(5-15c)

i = 1, 2, ... ,a

(5-15d)

(r:(3)ij = O

y
b

/1

Lj=1

(r:(3)ij = O

Las ecuaciones S-ISa y 5-15b constituyen dos restricciones, mientras que las ecuaciones 5-15c y 5-15d forman a + b - 1 restricciones independientes. Por lo tanto, se tienen en total a + b + 1 restricciones, el nmero que se requiere.
Al aplicar estas restricciones, las ecuaciones normales (ecuaciones 5-14) se simplifican considerablemente, y se obtiene la solucin
jl = Y...
i = 1, 2, ... ,a
r: = Yi.. - Y..
h

fi = Y.
j

/1

(r:(3)ij

= Yij. -

j. -

Ji...

j
_

= 1, 2, ..., b
_

{i=1'2,oo.,a

Y.. - Yj. + Y... j

= 1,2, oo., b

(5-16)

Observe el gran atractivo intuitivo de esta solucin de las ecuaciones normales. Los efectos de los tratamientos de los renglones se estiman con el promedio del rengln menos el gran promedio; los tratamientos de las columnas se estiman con el promedio de la columna menos el gran promedio, y la interaccin
ij-sima se estima con el promedio de la celda ij-sima menos el gran promedio, el efecto del rengln i-simo y el efecto de la columna j-sima.
'
Al utilizar la ecuacin 5-16, el valor ajustado Yjk puede encontrarse como
h

Yijk

/1

= jl+f +(3j +(r:(3h

- +(-Y.. - Y..
- )+(-)
= Y...
Yj. - Y..
+
)
+( Yij, - Y.. - Yj. Y..

=Yij.
Es decir, la observacin k-sima de la celda ij-sima se estima con el promedio de las n observaciones de
esa celda. Este resultado se us en la ecuacin 5-12 para obtener los residuales del modelo factorial de
dos factores.
Puesto que se han usado restricciones (ecuaciones 5-15) para resolver las ecuaciones normales, los
parmetros del modelo no tienen estimaciones nicas. Sin embargo, ciertas funciones importantes de
los parmetros del modelo son estimables, es decir, tienen una estimacin nica independientemente de
las restricciones elegidas. Un ejemplo es r: - r: u + (r:(3)i. - (r:(3)"., que podra considerarse como la "verdade-

5-3 DISEO FACTORIAL DE DOS FACTORES

189

ra" diferencia entre los niveles i-simo y u-simo del factorA. Observe que la verdadera diferencia entre
los niveles de cualquier efecto principal incluye un efecto de la interaccin "promedio". Es este resultado
el que perturba las pruebas de los efectos principales en presencia de una interaccin, como se seal anteriormente. En general, cualquier funcin de los parmetros del modelo que sea una combinacin lineal
del miembro izquierdo de las ecuaciones normales es estimable. Esta propiedad tambin se hizo notar en
el captulo 3 cuando se estudi el modelo de un solo factor. Para mayores detalles, ver el material suplementario del texto de este captulo.

5-3.5

Eleccin del tamao de la muestra

Para determinar un tamao de la muestra (el nmero de rplicas, n) apropiado en un diseo factorial de
dos factores, el experimentador puede apoyarse en las curvas de operacin caracterstica que aparecen en
la parte V del apndice. En la tabla S-7 se muestra el valor apropiado del parmetro <1>2, as como los grados de libertad del numerador y el denominador.
Una forma muy eficaz de emplear estas curvas consiste en encontrar el valor menor de <1>2 que corresponde a una diferencia especificada entre las medias de dos tratamientos cualesquiera. Por ejemplo, si la
diferencia en las medias de dos renglones cualesquiera es D, entonces el valor mnimo de <1>2 es
2

= nbD2

(S-17)
2aa
mientras que si la diferencia en las medias de dos columnas cualesquiera es D, entonces el valor mnimo
de <1>2 es
<1>2

= naD2

(S-18)
2ba
Por ltimo, el valor mnimo de <1>2 que corresponde a una diferencia D entre dos efectos de interaccin
cualesquiera es
nD 2
<1>2 =--,-----_
(S-19)
2a 2 [(a-1)(b-1)+ 1]
<1>2

Para ilustrar el uso de estas ecuaciones, considere los datos de la vida de la batera del ejemplo S-1.
Suponga que antes de correr el experimento se decide que la hiptesis nula deber rechazarse con una alta

Tabla 5-7

Parmetros de la curva de operacin caracterstica de la parte V del apndice para el diseo factorial
de dos factores, modelo con efectos fijos

Factor

Grados de libertad
del numerador

Grados de libertad
del denominador

a -1

aben -1)

b-1

aben -1)

(a -1)(b -1)

aben -1)

bn

Ti

i=l

aa

an

j=l

AB

f3~
b

n (Tf3)~
i=l j=l

a 2 [(a-1 )(b -1)+ 1]

"r
,,T

190

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

probabilidad si la diferencia en la vida media de la batera entre dos temperaturas cualesquiera es hasta
de 40 horas. Por lo tanto D = 40, Ysi se supone que la desviacin estndar de la vida de la batera es aproximadamente 25, entonces por la ecuacin 5-18 se obtiene

<1>2

= naD

2ba
n(3)(40)2

2(3)(25)2

=1.28n
como el valor mnimo de <1>2. Suponiendo que a
construir la tabla siguiente:

= 0.05, ahora puede usarse la parte V del apndice para

<1>2

<1>

VI = Grados de
libertad del numerador

v2 = Grados de
libertad del error

2
3
4

2.56
3.84
5.12

1.60
1.96
2.26

2
2
2

9
18
27

f3
0.45
0.18
0.06

Observe que con n = 4 rplicas se obtiene un riesgo f3 de cerca de 0.06, o una probabilidad aproximada de 94%, de rechazar la hiptesis nula si la diferencia en la vida media de la batera con dos niveles de
temperatura cualesquiera es hasta de 40 horas. Por lo tanto, se concluye que cuatro rplicas bastan para
proporcionar la sensitividad deseada siempre y cuando la estimacin usada para la desviacin estndar de
la vida de la batera no tenga un error grave. En caso de duda, el experimentador podra repetir el procedimiento anterior con otros valores de a para determinar el efecto que tendra una estimacin equivocada
de este parmetro sobre la sensitividad del diseo.
5~3.6

El supuesto d.e no interaccin en un modelo de dos factores

Ocasionalmente, un experimentador siente que es apropiado un modelo de dos factores sin interaccin,
por ejemplo

'.: 1,2, ..., a

J -1,2, oo., b
{
k = 1,2, oo., n

(5-20)

Sin embargo, se deber ser muy cuidadoso al hacer caso omiso de los trminos de interaccin, ya que la
presencia de una interaccin significativa puede tener un impacto dramtico sobre la interpretacin de
los datos.
El anlisis estadstico de un modelo factorial de dos factores sin interaccin es directo. En la tabla 5-8
presenta
el anlisis de los datos de la vida de la batera del ejemplo 5-1, suponiendo que es vlido el mose
Tabla 5-8 Anlisis de varianza de los datos de la vida de la batera suponiendo que no hay interaccin

Fuente de
variacin
Tipos de material
Temperatura
Error
Total

Suma de
cuadrados

Grados de
libertad

Cuadrado
medio

10,683.72
39,118.72
27,844.52
77,646.96

2
2

5,341.86
19,559.36
898.21

31
35

5.95
21.78

5-3 DISEO FACTORIAL DE DOS FACTORES

191

delo sin interaccin (ecuacin 5-20). Como ya se seal, los dos efectos principales son significativos. Sin
embargo, tan pronto como se efecta el anlisis residual de estos datos, se pone de manifiesto que el modelo sin interaccin es inadecuado. Para el modelo de dos factores sin interaccin, los valores ajustados
son Jjk =)li.. + yj. - y.... En la figura 5-15 se presenta la grfica de Yij. - Jjk (los promedios de las celdas menos
el valor ajustado de esa celda) contra el valor ajustado Yijk. Ahora las cantidades Yij. - Yijk pueden considerarse como las diferencias entre las medias de las celdas observadas y las medias de las celdas estimadas
suponiendo que no hay interaccin. Cualquier patrn en estas cantidades sugiere la presencia de una interaccin. En la figura 5-15 se observa un patrn claro cuando las cantidades Yij. - Yijk pasan de positivo a
negativo, y despus de nuevo a positivo y a negativo. Esta estructura es el resultado de la interaccin entre
los tipos del material y la temperatura.

5.3.7

Una observacin por celda

En ocasiones se encuentran experimentos de dos factores con una sola rplica, es decir, en los que slo
hay una observacin por celda. Cuando hay dos factores y una sola observacin por celda, el modelo de
los efectos es
i. : 1, 2,
{ J -1,2,

,a
,b

(5-21)

El anlisis de varianza para esta situacin se presenta en la tabla 5-9, suponiendo que ambos factores son
fijos.
Al examinar los cuadrados medios esperados, se observa que la varianza del error es no estimable;
es decir, que el efecto de la interaccin de los dos factores (rf3)ij y el error experimental no pueden separarse de alguna manera obvia. Por consiguiente, no se cuenta con pruebas para los efectos principales a
menos que el efecto de la interaccin sea cero. Si no hay una interaccin presente, entonces (rf3)ij = Opara
toda i y j, y un modelo plausible es

er

i. : 1, 2,
{ J-1, 2,

,a
,b

(5-22)

Si el modelo (ecuacin 5-22) es apropiado, entonces el cuadrado medio de los residuales de la tabla 5-9 es
y los efectos principales pueden probarse comparando MSA y MSB con
un estimador insesgado de

er,

MSResidUa'

30
30
10

(~
I

I~

50

100

150

200

Yijk

-10
-20

-30

Figura 5-15 Grfica de Yij.

de la batera.

- Jijk contra Jijk para los datos de la vida

,.I!f'"

192

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

Tabla 5-9 Anlisis de varianza de un modelo de dos factores, una observacin por celda

Fuente de
variacin

Suma de
cuadrados
a

Renglones (A)

i=l
b

Columnas (B)

j~l

Residual o AB

Yi~

_r

ab

Y.j

_r

ab

Cuadrado
medio

Cuadrado medio
esperado

a-1

MSA

(J2+-_'

b-1

MSB

(J2+ _ _
1

(a -l)(b -1)

MSResidunl

bL!2
a-1

aL,B~

Sustraccin

Total

Grados de
libertad

b -1
?

(J-

L(!,B)~

(a-1)(b-1)

LL
Yi~-Y~
i~l j~l
ab

ab-1

Una prueba desarrollada por Tukey [111a] es til para determinar si est presente una interaccin.
En el procedimiento se supone que el trmino de la interaccin tiene una forma particularmente simple,
a saber,

('fJ)ij = Y' i fJ j
donde y es una constante desconocida. Al definir as el trmino de la interaccin, puede usarse un enfoque de regresin para probar la significacin del trmino de la interaccin. En la prueba se hace la particin de la suma de cuadrados de los residuales en un componente con un solo grado de libertad debido a
lana aditividad (interaccin) yun componente del error con (a -l)(b -1) -1 grados de libertad. En lo que
a los clculos se refiere, se tiene

(5-23)
con un grado de libertad, y
SS Error = SSResidunl-SSN
(5-24)
con (a - l)(b -1) - 1 grados de libertad. Para probar la presencia de una interaccin, se calcula

Si F o > Fa,

1,

(u _ 1)(b

EJEMPLO 5 2

_ 1) _ b

SSN
SS Error /[(a-1)(b-1)-1]

(5-25)

debe rechazarse la hiptesis de que no hay ninguna interaccin.

Las impurezas presentes en un producto qumico son afectadas por dos factores, la presin y la temperatura. En la tabla 5-10 se muestran los datos de una sola rplica de un experimento factorial. Las sumas de
cuadrados son

5-3 DISEO FACTORIAL DE DOS FACTORES

193

Tabla 5-10 Datos de las impurezas del ejemplo 5-2

Presin

'Thmperatura
("F)

25

30

35

100
125
150

5
3
1

4
1
1

y'j

"y

45
5
3
2

23
13

13

10

44 = 1..

YL

2
SS = B a L.J.J

4
3

40
3
2
1

J=1

L...
ab

",; ~[92 +6 2 +13 2 +6 2 +102]_~= 11.60

3
(3)(5)
SST

i=1

j=1

= L Ly~-L...
ab

= 166-129.07 = 36.93
y

SSResidual

= SST -

SSA - SSB
= 36.96- 23.33-11.60 = 2.00

La suma de cuadrados de la no aditividad se calcula con la ecuacin 5-23 de la siguiente manera:

a

LL YijY.Y.j = (5)(23)(9)+(4)(23)(6)+.. +(2)(8)(10)= 7236

i=1 j=1

SS -

[~~ y,Y;Yn(SSA +SS, +;:)J

-=--------------~--=--

abSSASSB

N -

[7236- (44)(23.33+ 11.60+129.07)]2

(3)(5)(23.33)(11.60)

=.:o......._---''---'-'-

_'_=__

= [20.00]2 = 0.0985
4059.42
y la suma de cuadrados del error es, por la ecuacin 5-24,
SS Error

= SSResidual -

SS N
= 2.00- 0.0985= 1.9015

El anlisis de varianza completo se resume en la tabla 5-11. El estadstico de prueba para la no aditividad es Fa = 0.0985/0.2716 = 0.36, de donde se concluye que no hay evidencia de interaccin en estos datos. Los efectos principales de la temperatura y la presin son significativos.

Para concluir esta seccin, se hace notar que el modelo factorial de dos factores con una observacin
por celda (ecuacin 5-22) luce exactamente igual que el modelo de bloques completos aleatorizados

194

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

Tabla 5-11 Anlisis de varianza del ejemplo 52

Suma de
Fuente de
variacin
cuadrados
Temperatura
23.33
Presin
11.60
No aditividad
0.0985

Error
Total

Grados de
libertad
2
4
1
7
14

1.9015
36.93

Cuadrado
medio
11.67
2.90
0.0985
0.2716

Fo

Valor P

42.97
10.68
0.36

0.0001
0.0042
0.5674

(ecuacin 4-1). De hecho, la prueba de Tukey con un solo grado de libertad para la no aditividad puede
aplicarse directamente para probar la presencia de una interaccin en el modelo de bloques aleatorizados. Sin embargo, es necesario recordar que las situaciones experimentales que llevan al modelo de bloques aleatorizados y al modelo factorial son muy diferentes. En el modelo factorial, todas las ab corridas
se hacen de manera aleatoria, mientras que en el modelo de bloques aleatorizados la aleatorizacin slo
ocurre dentro del bloque. Los bloques constituyen una restriccin sobre la aleatorizacin. Por lo tanto, la
manera en que se corren los experimentos, as como la interpretacin de los dos modelos, es muy diferente.

5..4

DISEO FACTORIAL GENERAL

Los resultados del diseo factorial de dos factores pueden ampliarse al caso general en que haya niveles
del factor A, b niveles del factor B, e niveles del factor e, etc., dispuestos en un experimento factorial. En
general, habr abe ... n observaciones totales si se hacen n rplicas del experimento completo. De nueva
cuenta, observe que es necesario un mnimo de dos rplicas (n ~ 2) para determinar una suma de cuadrados debida al error si todas las interacciones posibles estn incluidas en el modelo.
Cuando todos los factores del experimento son fijos, es sencillo formular y probar hiptesis acerca de
los efectos principales y las interacciones. Para un modelo con efectos fijos, los estadsticos de prueba
para cada efecto principal e interaccin pueden construirse dividiendo el cuadrado medio correspondiente del efecto o interaccin por el cuadrado medio del error. Todas estas pruebas F sern de una cola superior. El nmero de grados de libertad de cualquier efecto principal es el nmero de niveles del factor
menos uno, y el nmero de grados de libertad de una interaccin es el producto del nmero de grados de
libertad asociados con los componentes individuales de la interaccin.
Por ejemplo, considere el modelo del anlisis de varianza de tres factores:

Yijkl

= ,t +r: i + f3 j

+y k +( r:f3)ij +( r:y)ik + (f3y) jk

i. :: 1, 2, oo., a

( f3 )

] - 1, 2, . oo, b

+ r: y ijk +Sijkl {k = 1,2, oo., e

(5-26)

l= 1,2, oo., n

Suponiendo queA, B y e son fijos, la tabla del anlisis de varianza se presenta en la tabla 5-12. Las pruebas F para los efectos principales y las interacciones se siguen directamente de los cuadrados medios esperados.

Tabla 5-12 La tabla del anlisis de varianza del modelo de tres factores con efectos fijos
Fuente de variacin

1-'

\O

U1

Cuadrado medio esperado

Fo

Suma de cuadrados

Grados de libertad

Cuadrado medio

SSA

a-1

MSA

a+

SSB

b-'-l

MSB

a-+

SSc

e-1

MSc

a-+

AB

SSAB

(a -l)(b -1)

MSAB

AC

SSAC

(a -l)(e -1)

MSAC

a 2+ bn

BC

SSBC

(b-1)(e-1)

MSBC

a+

an
(f3y )~k
(b -l)(e -1)

MS
R = -BCo
MSE

ABC

SSABC

(a -l)(b -l)(e -1)

MS ABC

a 2+ n

2:2:2: (Tf3Y)~k

R - MSABC
0 - MS
E

Error

SSE

abe(n -1)

MSE

Total

SST

aben -1

2:

ben
Ti
a-1

2:

aen
f3~
b-1

2:

Fa =

MSB
MS
E

abn
y~
e-1

MSc
R=-o MSE

2:2: (Tf3)~

MS
R
- -AB
0 - MS
E

a 2+ en

(a-1)(b -1)

2:2: (ry)~

(a-1)(e-1)
2

R _MSA
0 - MS
E

2:2:

(a-1)(b -l)(e -1)

a7

R _ MSAC
0 - MS
E

196

CAPTULO 5 INTRODUCCIN A LOS DISEOS FACTORIALES

En general, los clculos del anlisis de varianza se efectuaran utilizando un paquete de software de
estadstica. Sin embargo, en ocasiones resultan tiles las frmulas para calcular manualmente las sumas
de cuadrados de la tabla 5-12. La suma de cuadrados total se encuentra de la manera acostumbrada como
b

SST

y.~.

2:2:2:2: Yijkl--b
a en

(5-27)

i=l j=l k=l 1=1

Las sumas de cuadrados de los efectos principales se encuentran a partir de los totales de los factores
A(yiJ, B(y JJ Y C(Y..k) de la siguiente manera:
1 a
2
2
(5-28)
SS Aben LJ yi... -~
aben

=-"
1=1

ss = _1_ ~

y2 _ y.~.
.J..
aben

(5-29)

SS =_1 ~ y2 _ y.~.
C
abn LJ .. k. aben

(5-30)

aen LJ

J=l

k=l

Para calcular las sumas de cuadrados de las interacciones de dos factores, se necesitan los totales de las
celdasA x B,A x Cy B x C. Con frecuenciaes til desplegar la tabla de los datos originales en tres tablas
de dos vas para calcular estas cantidades. Las sumas de cuadrados se encuentran con
1 a b
2
SS AB = - LJ
""
LJ l g.. -~-SS
b
A -SSB
en 1=1 j=l
a en

= SSSubtotaleS(AB) -SSA -SSB

1

SS

AC

= -b 2:2:

yZk. - Y - SS A aben
= SSSubtotales(AC) - SS A - SSc
n

(5-31)

SSC

i=l k=l

(5-32)

y
1

SSBC

2:2: l
an

=-

j=l k=l

-~-SS
-SSc
.Jk.
aben
B

= SSSubtotaleS(BC) -

SS

(5-33)

B- SSc

Observe que las sumas de cuadrados de los subtotales de dos factores se encuentran a partir de los totales
de cada tabla de dos vas. La suma de cuadrados de la interaccin de los tres factores se calcula a partir de
los totales de las celdas (yijd de tres vas como
SS

ABC

=- 2:2:2:
n

i=l j=l k=l

y.~.

Yijk. - - - - SS A - SSB - SSc aben

SS

AB -

SS

AC - SSBC

= SSSubtotaleS(ABC) -SSA -SSB -SSc -SSAB -SSAC -SSBC

(5-34a)
(5-34b)

La suma de cuadrados del error puede encontrarse restando la suma de cuadrados de cada efecto principal e interaccin de la suma de cuadrados total o con

SSE

= SST -SSSubtotaleS(ABC)

(5-35)