DISEO FACTORIAL

CONCEPTOS GENERALES:
DISEO FACTORIAL: se llaman experimentos factoriales a aquellos experimentos
en los que se estudian simultneamente dos o ms factores y donde los
tratamientos se forman por la combinacin de los diferentes niveles de cada uno
de los factores.
FACTORES: son aquellas fuentes cuyo efecto sobre la respuesta es de particular
inters para el experimentador.
TRATAMIENTOS: Se denomina factor tratamiento a cualquier variable de inters
para el experimentador cuyo posible efecto sobre la respuesta se quiere estudiar.
LOS NIVELES: de un factor tratamiento son los tipos o grados especficos del
factor que se tendrn en cuenta en la realizacin del experimento.

Los diseos factoriales 2k son una clase especial de los diseos factoriales en los
que se tienen k factores de inters a dos niveles cada uno. Son especialmente
tiles en las etapas iniciales de la investigacin para determinar, de un gran
nmero de factores candidatos, cuales son los que realmente influyen sobre la
variable respuesta.
Se llaman diseos factoriales 2k porque se quiere investigar la forma como
influyen k factores sobre una variable respuesta y en cada factor se consideran
dos niveles solamente. La rplica completa de un diseo de este tipo requiere 2 x
2 x x 2 = 2k observaciones y recibe el nombre de diseo factorial 2k.
El diseo 2k son muy tiles en las primeras etapas del trabajo experimental,
cuando se investiguen muchos factores pero, probablemente todos ellos no
influyen realmente sobre la variable respuesta. Esto diseo proporciona el nmero

ms pequeo de corridas para estudiar simultneamente k factores en un diseo

factorial completo.
Dado que slo existen dos niveles para cada factor, es necesario suponer que la
respuesta es aproximadamente lineal sobre el rango de los niveles seleccionados
para el factor. As, este tipo de diseo experimental es la forma ms econmica de
estudiar el efecto combinado de k factores.
Los niveles de cada factor pueden ser cualitativos o cuantitativos y se denotan
como Alto y Bajo o ms (+) y menos (-).
A continuacin se enumeran algunas de las razones por las cuales se estudian los
diseos factoriales 2k por separado:
Es la forma ms econmica y barata de estudiar el efecto de k factores de inters
sobre una variable respuesta.
Existen procedimientos especiales que simplifican los clculos matemticos en
los diseos 2k
Los diseos 2k se pueden fraccionar. Esta caracterstica permite correr solo una
fraccin (la mitad, la cuarta parte, etc) del diseo completo y responder algunas
inquietudes del fenmeno que se estudia.
El modelo de regresin lineal para un diseo 2k es muy fcil de obtener a partir
del ANOVA.
Para cualquier diseo 2k con n replicas, la estimacin del efecto y de los
cuadrados se estiman de la siguiente forma:

DISEO FACTORIAL

Es el tipo ms sencillo de diseo experimental 2k. En este diseo se tienen dos

factores A y B, cada uno con dos niveles. Lo usual es considerar estos niveles
como los niveles bajo y alto del factor. El diseo 22 se suele representar por un
cuadrado como el que se ilustra en la Figura:

Figura 1

A esta representacin se le conoce como representacin geomtrica del diseo 2 2.

Es esta representacin, cada vrtice del cuadrado corresponde a una combinacin
diferente de tratamientos (niveles) en el diseo factorial.
En la Figura se aprecia una notacin especial para etiquetar las combinaciones de
tratamiento en el diseo 22. Esta notacin de letras minsculas se utiliza, en
general, para todos los diseos 2k y se conoce como notacin de Yates. Si una
letra est presente, el factor correspondiente se corre con el nivel alto en dicha

combinacin de tratamiento; si est ausente, el factor se corre con su nivel bajo.

Por ejemplo, la combinacin de tratamiento a indica que el factor A est en el nivel
alto, y el factor B en el nivel bajo. La combinacin de tratamiento donde ambos
factores tienen el nivel bajo est representado por (1). Esta notacin se emplea en
todas las series de diseos 2k. Por ejemplo, la combinacin de tratamiento en un
diseo 24 con A y C en el nivel alto, y B y D en el nivel bajo, se denota por ac.
Los efectos de inters en el diseo 22 son los efectos principales A y B, y la
interaccin entre los dos factores AB. Si suponemos que las letras (1), a, b y ab
representan los totales de todas las n observaciones tomadas en los puntos de
diseo, es sencillo estimar los efectos de estos factores. Para estimar el efecto
principal de A, se promedian las observaciones del lado derecho del cuadrado de
la Figura, donde A tiene el nivel alto, y se resta de ste el promedio de las
observaciones que estn en el lado izquierdo del cuadrado, donde A tiene el nivel
bajo.

Ecuacin 1

De igual forma, el efecto principal de B se obtiene al promediar las observaciones

de la parte superior del cuadrado, donde B tiene el nivel alto, y se resta de ste el
promedio de las observaciones que estn en la parte inferior del cuadrado, donde
B tiene el nivel bajo:

Ecuacin 2

Finalmente, la interaccin AB se estima tomando la diferencia en los promedios de

la diagonal de la Figura 1

Ecuacin 3

Debido a que la cantidad dentro de corchetes cuadrados en las ecuaciones 1, 2 y

3 aparece con frecuencia en los diseos 22, resulta conveniente hacer las
siguientes definiciones:

Ecuaciones 4, 5, 6

La manera prctica de calcular los contrastes de cualquier efecto (principal o de

interaccin) es a partir de la tabla de signos. Esta tabla, para el diseo 22 se
muestra a

Tabla 1

continuacin:

Observe que la tabla de signos (Tabla 6.1) que la interaccin AB se obtiene

multiplicando la columna con los signos de A por la columna con los signos de B y,
el resultado son los signos del contraste AB [ver ecuacin (6)]. Para generar un
contraste a partir de esta tabla, se multiplican los signos de la columna apropiada
de la Tabla 1 por las combinaciones de tratamientos que aparecen en la columna
de notacin de Yates, y luego se suma. Por ejemplo, contraste AB = [(1)] + [-a] + [b] = ab + (1) a b. Los contrastes se emplean en el clculo de las estimaciones
de los efectos y en las sumas de cuadrados de A, B y la interaccin AB. Las
frmulas para las sumas de cuadrados son:

Ecuaciones 7, 8, 9

Para los diseos 22, tal vez no se ve muy til la tabla de signos. Sin embargo, en
la medida que aumenta la cantidad de factores en el diseo 2k, la utilidad de la
tabla de signos se hace ms evidente.
El Anlisis de Varianza para el diseo 22 se completa con la suma de cuadrados
totales:

Ecuacin 10

Y la suma de cuadrados de los errores que se obtiene por diferencia:

Ecuacin 11

El ANOVA completo para el diseo 22 se muestra en la Tabla 2 a continuacin:

Tabla 2

DISEO FACTORIAL
En los diseos factoriales 23 se tienen tres factores de inters A, B y C a dos
niveles

cada uno.

Las ocho

corridas o

tratamientos del diseo 23 se pueden representar geomtricamente como un cubo

similar al que se muestra en la figura siguiente:

Figura 2

Cada arista del cubo corresponde a una corrida o combinacin de tratamientos

diferente. En la Figura 2 tambin se puede apreciar la notacin de Yates para los
diseos 23, en esta notacin las ocho corridas se representan por (1), a, b, ab, c,
ac, bc y abc.
Al igual que en los diseos 22, el efecto principal A puede estimarse promediando
las cuatro combinaciones de tratamiento de la cara derecha del cubo, donde el
nivel A es alto, y despus restando de esta cantidad el promedio de las cuatro
combinaciones de tratamientos que estn en la cara izquierda del cubo, donde A
tiene el nivel bajo. Al hacer esto se tiene:

Ecuacin 12

De manera similar, el efecto de B se puede determinar como la diferencia en

promedios entre las cuatro combinaciones de tratamientos de la cara posterior del
cubo (Figura 2) y las cuatro combinaciones de la cara anterior. Con esto se tiene
que:

Ecuacin 13

El efecto de C es la diferencia en la respuesta promedio entre las cuatro

combinaciones de tratamientos de la cara superior del cubo (Figura 2) y las cuatro
de la cara inferior, esto es:

Ecuacin 14

Los efectos de interaccin tambin se pueden obtener con facilidad. La interaccin

entre A y B se puede obtener como la diferencia entre los promedios de los
efectos de A en los dos niveles de B. Es decir:

Efecto de A promedio
B alto (+)
B bajo (-)

,(

*(

) (

) ,

)-

( )-+

Luego la interaccin entre A y B es:

Ecuacin 15

De manera anloga se pueden obtener la interaccin AC y BC

Ecuaciones 16, 17

En la siguiente Figura se ilustra grficamente los trminos involucrados en el

clculo de los efectos principales y de interaccin en un diseo factorial 23

Figura 3

La Figura 3 muestra los vrtices del cubo (tratamientos) que deben ir positivos y/o
negativos para el clculo de cada efecto. Estos signos concuerdan con los
obtenidos anteriormente en las ecuaciones de la (12) a la (17) y los que se vern
ms adelante en la tabla de signos que se ver ms adelante (Tabla 4).

Finalmente, la interaccin ABC se obtiene como:

Ecuacin 18

A pesar de que para los diseos factoriales 22 y 23 se puede representar

geomtricamente en un cuadrado y un cubo respectivamente, el clculo de los
contrastes y de los efectos se puede obtener ms fcilmente a partir de la tabla de
signos mostrada a continuacin:

Tabla 3

En la tabla de signos (Tabla 4) se puede obtener con facilidad los signos para los
contrastes de interaccin, multiplicando las columnas adecuadas de los efectos
principales. As, por ejemplo, la columna con los signos de interaccin AC se
puede obtener multiplicando la columna de A con la columna C rengln a rengln.
Y el contraste AC, resulta simplemente de multiplicar la columna de Yates en la
Tabla 4 por la columna de signos AC:

Ecuacin 19

La suma de cuadrados y efectos para la construccin del ANOVA se pueden

obtener a partir de las formulas:

Ecuacin 20

Ecuacin 21

DISEO FACTORIAL
Tabla de signos (para k 6)

Tabla 4

En la tabla de signos (Tabla 4) muestra un patrn de construccin bien definido: la

columna del primer factor, A inicia alternando los signos ms (+) y menos (-)
iniciando con el signo menos; la segunda columna alterna dos signos menos con
dos signos ms, iniciando con dos signos menos; la tercera columna (la de C)
alterna 4 signos menos con 4 signos ms iniciando con 4 signos menos, y as
sucesivamente.

En general, el procedimiento para hallar

un contraste es el mismo que se emple
para los diseos 22 y 23. Por ejemplo, si se

tienen 4 factores de inters en un diseo 24 se toman las 6 primeras columnas de

la Tabla 4 para obtener la siguiente tabla:

Tabla 5

Si se desea el contraste AB, simplemente se multiplican los signos de la columna

A por los signos de la B rengln a rengln y posteriormente el resultado de esta
columna se multiplica por la columna de Yates. El resultado final es el siguiente:

Ecuacin 22

De la misma forma se pueden obtener los dems contrastes para el clculo de

efectos [Ecuacin (23)] y la suma de cuadrados [Ecuacin (24)] para el Anlisis de
Varianza.

Ecuacin 22
Ecuacin 23

Modelo de Superficie de Respuesta para un diseo 2k

Un aspecto interesante de los diseos factoriales 2k es que si se codifican las

variables al intervalo [-1,1] entonces, se puede obtener el modelo de regresin
correspondiente con relativa facilidad. Consideremos por ejemplo el diseo 22. En
este diseo se tienen dos efectos principales, A y B y la interaccin AB. El modelo
de regresin correspondiste es:

Ecuacin 24

Donde x1 representa el factor A, x2 representa el factor B, y el producto entre x1 y

x2 representa la interaccin entre A y B. Los parmetros del modelo de regresin,
1, 2, 12 se pueden demostrar que son iguales a la mitad de las estimaciones de
los efectos correspondientes, mientras que 0 es igual a la gran media. En
general, se tiene que:

Ecuacin 25

Ecuacin 26

Figura 4: transformacin usada para encontrar el modelo de regresin en un modelo 2

Esto nos lleva a la ecuacin de transformacin:

L
a
cual se puede utilizar para obtener el modelo de regresin en las unidades
originales en las que se miden los factores de inters. Esto transforma la ecuacin
(25) en el modelo:

Sin embargo, siempre se prefiere trabajar el modelo con las variables codificadas
(en el intervalo [-1,1])
Si los factores son cuantitativos, el modelo de regresin, se puede utilizar, con
toda confianza, para predecir el valor de la variable respuesta para cualquier punto
entre -1 y 1 (si el factor o variable est codificado) o desde el valor bajo al alto si la
variable o factor no est codificado. Es decir, el modelo de regresin se puede
utilizar para interpolar cualquier valor intermedio de la variable respuesta sin
problemas pero no se debe utilizar para extrapolar.

Proyeccin de diseos factoriales 2k

Cualquier diseo 2k se contrae o se proyecta sobre cualquier otro diseo 2k con

menos variables si se omiten uno o ms de los factores originales. En ocasiones,
esto puede proporcionar un conocimiento adicional de los dems factores.
Si algn factor en un diseo factorial 2k no es significativo y todas sus
interacciones son despreciables, entonces puede descartarse del experimento
convirtiendo el diseo en un diseo 2K1. En este caso se dice que el diseo 2k se
ha proyectado en un diseo 2k1 con el doble de rplicas denominadas rplicas
ocultas.
En general, si se tiene una sola rplica en un diseo 2K y si h (h<k) factores son
insignificantes y pueden descartarse, entonces los datos originales corresponden
a un diseo factorial completo con dos niveles en los hk factores restantes con
2h rplicas.

La figura siguiente ilustra la proyeccin de un diseo 24 en uno 23

Figura 4: proyeccin de un diseo 2 a 2

El algoritmo de Yates
Este procedimiento fue propuesto por Yates para obtener, de una manera sencilla,
la tabla de ANOVA para un diseo factorial 2k. Este procedimiento es una
alternativa a la tabla de signos propuesta anteriormente. Para utilizar el algoritmo
de Yates, primero se construye una tabla con las combinaciones de tratamientos y
los correspondientes totales de tratamiento, en un orden estndar. Por orden
estndar se entiende que cada factor se introduce uno a la vez combinndolo con
todos los niveles de los factores que estn por encima de l. Es as como el orden
estndar de un diseo 22 es (1), a, b, ab, mientras que para un diseo 23 es (1), a,
b, ab, c, ac, bc, abc, y para un diseo 24 es (1), a, b, ab, c, ac, bc, abc, d, ad, bd,
abd, cd, acd, bcd, abad. Aqu se presenta el procedimiento siguiente de cuatro
pasos:

1. Se etiqueta la columna adyacente (1). Las entradas en la mitad superior de

esta columna se calculan sumando las respuestas en pares adyacentes de
la columna anterior. Las entradas de la parte inferior de esta columna se
calculan cambiando el signo de la primera entrada de cada par de las
respuestas originales y luego sumando los pares adyacentes.
2. Se etiqueta la columna adyacente (2). La columna (2) se construye con las
entradas de la columna (1), siguiendo el mismo procedimiento utilizado para
generar la columna (1). El proceso contina hasta que se han construido k
columnas. La columna (k) contiene los contrastes designados en los
renglones.
3. Se calcula la suma de cuadrados para los efectos elevando al cuadrado
cada entrada de la columna k y dividindolo entre n2k
4. Se calcula las estimaciones de los efectos dividiendo cada entrada de la
columna k entre n2k-1
.