Professional Documents
Culture Documents
PRESENTAN:
NOVIEMBRE,2009
INSTITUTO TECNOLGICO DE PACHUCA
[Escribir texto]
PRESENTAN:
[Escribir texto]
A David por su afn de investigador al desarrollar terica y prcticamente el diseo con dos
factores incluidos en el Captulo II.
INTRODUCCION
[Escribir texto]
Los experimentos factoriales se usan en casi todos los campos de investigacin. Son de
gran valor en el trabajo exploratorio (Niveles ptimos o combinacin ptima de los
factores).
Un diseo factoriales aquel en el que el conjunto de tratamientos esta conformado por todas
las posibles combinaciones de los distintos niveles de los factores involucrados.
En estadstica, un experimento factorial completo es un experimento cuyo diseo consta de
dos o ms factores, cada uno de los cuales con distintos valores o "niveles", y cuyas
unidades experimentales cubren todas las posibles combinaciones de esos niveles en todo
los factores. Este tipo de experimentos permiten el estudio del efecto de cada factor sobre la
variable respuesta, as como el efecto de las interacciones entre factores sobre la dicha
variable.
Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial tendra
en total cuatro combinaciones de tratamiento, y se le denominara diseo factorial de 22.
[Escribir texto]
CAPTULO I
[Escribir texto]
CAPTULO I
PLANTEAMIENTO DEL PROBLEMA
El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre una o varias
respuestas o caractersticas de calidad, es decir, lo que se busca es estudiar la relacin entre
los factores y la respuesta, con la finalidad de conocer mejor como es esta relacin y
generar conocimiento que permita tomar acciones y decisiones que mejoren el desempeo
del proceso. Por ejemplo uno de los objetivos particulares ms importantes que en general
tiene un diseo factorial es encontrar nuevas condiciones de operacin del proceso que
eliminen o disminuyen cierto problema de calidad en la variable de salida.
Los factores pueden ser de tipo cualitativo (mquinas, tipos de material, operador, la
presencia o ausencia de una operacin previa, etc.), o de tipo cuantitativo (temperatura,
humedad, velocidad, presin, etc.). Para poder estudiar la manera en que influye cada factor
sobre la variable de respuesta, es necesario elegir al menos dos niveles de pruebas para cada
uno de ellos (tres mquinas, dos operadores, tres velocidades, dos temperaturas). Con el
diseo factorial completo se corren aleatoriamente en el proceso todas las posibles
combinaciones que pueden formarse con los niveles seleccionados.
DEFINICIONES:
Diseo factorial: Diseo experimental que sirve para estudiar el efecto individual y de
interaccin de varios factores sobre una o varias respuestas.
Factor cualitativo: Sus niveles toman valores discretos o de tipo nominal que no pueden ser
fracciones. Ejemplos: mquinas, lotes, marcas, etc.
Factor cuantitativo: Sus niveles de prueba pueden tomar cualquier valor dentro de cierto
intervalo. La escala es continua, como por ejemplo temperatura, velocidad, presin, etc.
Arreglo factorial: Conjunto de puntos experimentales o tratamientos que pueden formarse
al considerar todas las posibilidades de combinacin de los niveles de los factores.
Efecto de un factor: Es el cambio observado en la variable de respuesta debido a un cambio
de nivel en el factor.
[Escribir texto]
1.1.1
[Escribir texto]
1.1.2
[Escribir texto]
2. Reduccin de datos
El anlisis factorial tambin puede: identificar las variables suplentes de una serie de
variables ms grande para su utilizacin en anlisis de multivariantes posteriores o crear
una serie de valores completamente nueva, mucho ms pequea en nmero, para
reemplazar parcial o completamente la serie original de variables para su inclusin en
tcnicas posteriores. En ambos casos el propsito es retener la naturaleza y el carcter de
las variables originales, pero reducir su nmero.
El resumen de datos hace que la identificacin de los factores sean fines de por s; las
estimaciones de los factores y las contribuciones de cada variable a los factores constituyen
todo lo que se necesita para el anlisis.
[Escribir texto]
3. Tamao muestral
Generalmente el investigador no usara el anlisis factorial para una muestra inferior a 50
observaciones, y preferiblemente el tamao muestral debera ser 100 o ms grande. Como
regla general, el mnimo es tener por lo menos un nmero de observaciones cinco veces
mayor que el nmero de variables a ser analizadas.
[Escribir texto]
relaciones. Para realizar esta operacin, es necesario tomar decisiones con respecto a: el
mtodo de extraccin de los factores; y el nmero de factores seleccionados para
representar la estructura subyacente de los datos. La seleccin del mtodo depende del
objetivo del investigador. Se utiliza el anlisis de componentes principales cuando el
objetivo es resumir la mayora de la informacin original (varianza) en una cantidad
mnima de factores con propsitos de prediccin. Por el contrario, se utiliza el anlisis
factorial comn para identificar los factores subyacentes o las dimensiones que reflejan qu
es lo que las variables comparten en comn.
El anlisis factorial comn frente a anlisis de componentes
El investigador puede usar dos modelos bsicos para obtener soluciones factoriales. Estos
se conocen como anlisis factorial comn y anlisis de componentes principales. Con el fin
de seleccionar el modelo apropiado, en primer lugar el investigador tiene que comprender
las diferencias entre los tipos de varianzas. Para los propsitos del anlisis factorial, existen
tres tipos de varianza total:
1. Comn
2. Especifica (nica)
3. Error
Se define la varianza comn como aquella que se comparte con todas las otras variables en
el anlisis. La varianza especfica es aquella asociada solamente con una variable
especfica. La varianza de error es aquella que se debe a la poca fiabilidad en el proceso de
recoleccin de datos, error de medicin o componente aleatorio en el fenmeno medido.
El anlisis de componentes principales considera la varianza total y estima los factores que
contienen proporciones bajas de la varianza nica, y en algunos casos, de la de error.
En el anlisis factorial comn se incorporan las varianzas compartidas en la diagonal.
La seleccin de un modelo u otro se basa en 2 criterios:
1. Los objetivos del anlisis factorial
2. El grado de conocimiento anterior acerca de las varianzas
El anlisis de componentes principales es apropiado cuando el inters principal se centra
en la prediccin o el mnimo numero de factores necesarios para justificar la porcin
mxima de la varianza representada en la serie de variables original, y cundo el
conocimiento previo sugiere que la varianza especifica y de error representan una porcin
relativamente pequea de la varianza total. Por el contrario cuando el objetivo es identificar
las dimensiones latentes o las construcciones representadas en las variables originales y el
investigador tiene poco conocimiento acerca de la varianza especifica y de error, lo mas
apropiado es usar el modelo factorial comn.
[Escribir texto]
[Escribir texto]
[Escribir texto]
Rotacin de factores
Una herramienta importante al interpretar los factores es la rotacin de factores. El termino
rotacin significa exactamente lo que indica. Concretamente, se giran en el origen los ejes
de referencia de los factores hasta alcanzar una determinada posicin. Como se indico
previamente, las soluciones factoriales no rotadas extraen factores segn su orden de
importancia. El primer factor tiende a ser un factor general por el que casi toda variable se
ve afectada significativamente dando cuenta del mayor porcentaje de varianza. El segundo
y siguientes factores se basan en la varianza residual. Cada uno explica porcentajes de
varianza cada vez menores. El efecto ltimo de rotar la matriz de factores es redistribuir la
varianza de los primeros factores a los ltimos para lograr un patrn de factores ms simple
y tericamente ms significativo.
1.1.3
Error
Suma de Cuadrados
Grados de libertad
SCA
a-1
SCK
SCAB
k-1
(a-1)(b-1)
SC(K-1)K
SCABC
(l-1)(k-1)
(a-1)(b-1)(c-1)
SC(K-2)(K-1)K
(m-1)(l-1)(k-1)
SCABK
SCE
(a-1)(b-1)(k-1)
abck(n-1)
[Escribir texto]
Total
SCT
(abckn)-1
[Escribir texto]
Slo en el caso irreal de que todos los posibles efectos en el factorial general estn activos,
es necesario realizar al menso dos rplicas del experimento. En las situaciones reales se
replican al menso dos veces (y no siempre) slo los diseos factoriales consistentes de 16 o
menos puntos de prueba.
[Escribir texto]
CAPITULO II
DISEO FACTORIAL CON DOS FACTORES
[Escribir texto]
CAPITULO II
DISEO FACTORIAL CON DOS FACTORES
Para cada
i = 1,2,...,a; j = 1,2,...,b; k = 1,2,...,n,
Con restricciones
Donde:
[Escribir texto]
: 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
*Media global
[Escribir texto]
2.2.3 C
TABLA ANOVA PARAMETROS
Fuente
Suma de cuadrados
Suma de
cuadrados M.
Efecto
A
a1
Efecto
B
b1
Efecto
AB
(a-1)(b1)
Error
ab(n-1)
[Escribir texto]
Total
abn-1
cuando
cuando
[Escribir texto]
2.2.4 Ejemplo:
En la tabla adjunta se presentan los tiempos, en minutos, de conexin con una
direccin de internet desde cuatro puntos geogrficos de una regin y en tres horas
determinadas. El experimento se repeta cuatro veces y era diseado para estudiar la
influencia del factor hora de conexin y el factor lugar de la conexin en la variable
de inters tiempo de conexin.
Analizar estos datos y estudiar la influencia de los dos factores.
Lugar A
Lugar B
Lugar C
Lugar D
Hora 1
0'31
0'46
0'45
0'43
0'82
0'88
1'10
0'72
0'43
0'63
0'45
0'76
0'45
0'66
0'71
0'62
Hora 2
0'36
0'40
0'29
0'23
0'92
0'49
0'61
1'24
0'44
0'31
0'35
0'40
0'56
0'71
1'02
0'38
Hora 3
0'22
0'18
0'21
0'23
0'30
0'38
0'37
0'29
0'23
0'24
0'25
0'22
0'30
0'31
0'36
0'33
Solucin.
Estimacin de los parmetros.
Se obtienen las siguientes tablas de medias y estimaciones
..
L-A
L-B
L-C
L-D
0'413
0'880
0'568
0'610
0'618
0'139
0'320
0'815
0'375
0'667
0'544
0'065
0'210
0'335
0'235
0'325
0'276
-0'203
. .
.j
0'314
0'677
0'393
0'534
-0'165
0'198
-0'086
0'055
H-1
1j
H-2
2j
H-3
3j
...
= 0'479
[Escribir texto]
L-A
L-B
L-C
L-D
H-1
-0'040
0'064
0'036
-0'063
H-2
-0'059
0'073
-0'083
0'068
H-3
0'099
-0'139
0'045
-0'006
.
ij
Residuos
Lugar A
Lugar B
Lugar C
Lugar D
Hora 1
-0'103
0'047
0'037
0'017
-0'060
0'000
0'220
-0'160
-0'138
0'062
-0'118
0'192
-0'160
0'050
0'100
0'010
Hora 2
0'040
0'080
-0'030
-0'090
0'105
-0'325
-0'205
0'425
0'065
-0'065
-0'025
0'025
-0'107
0'043
-0'353
-0'287
Hora 3
0'010
-0'030
0'000
0'020
-0'035
0'045
0'035
-0'045
-0'005
0'005
0'015
-0'015
-0'025
-0'015
0'035
0'005
[Escribir texto]
Tabla ANOVA
Fuentes de
variacin
Suma de
cuadrados
Grados de
libertad
scm
p - valor
Factor hora
1'0330
0'5165
23'222
0'0000
Factor lugar
0'9212
0'3071
13'806
0'0000
Interaccin
0'2501
0'0417
1'874
0'1123
Variab. Exp.
Total
2'2043
11
Residual
0'8007
36
0.0222
= 0'149
Global
3'0050
47
0'0639
= 0'253
[Escribir texto]
CAPITULO III
DISEO FACTORIAL CON TRES FACTORES
[Escribir texto]
CAPTULO III
DISEO FACTORIAL CON TRES FACTORES
3.1.2 ESTIMACION DE LOS PARAMETROS DEL MODELO DE EFECTOS FIJOS
Cuando se tiene tres factores (A B y C) y el numero de niveles de prueba en cada uno de
ellos son a, b y c, se puede construir el arreglo factorial a*b*c, que consiste de a*b*c
tratamientos o puntos experimentales. Entre los arreglos de este tipo que se utilizan con
frecuencia entre aplicaciones diversas se encuentra. El factorial 23, el factorial 33 y los
factoriales mixtos con no ms de cuatro niveles en dos de los factores, por ejemplo, el
factorial 4*3*2 y el factorial 4*4*2 por mencionar dos de ellos.
El estudio factorial de tres factores (A, B y C) permitir investigar los efectos: A, B, C, AB,
AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden estudiarse depende
el nmero de niveles utilizado en cada factor. Por ejemplo, si un factor se prueba en dos
niveles todo su efecto marginal (individual) es lineal, o sea que su efecto individual no se
pueda descomponer; pero si tuviera tres niveles, su efecto marginal se puede descomponer
en una parte lineal y otra cuadrtica pura.
3.2.3 CUADRO DE ANALISIS DE VARIANZA
Tabla ANOVA Para el diseo factorial a*b*c
FV
Efecto A
SC
SCA
GL
a-1
CM
CMA
F0
CMA/CME
Valor-p
P(F> F0A)
Efecto B
SCB
b-1
CMB
CMB/CME
P(F> F0B)
Efecto C
SCC
c-1
CMC
CMC/CME
P(F> F0C)
Efecto AB
SCAB
(a-1)(b-1)
CMAB
CMAB/CME
P(F> F0AB)
Efecto AC
SCAC
(a-1)(c-1)
CMAC
CMAC/CME
P(F> F0AC)
Efecto BC
SCBC
(b-1)(c-1)
CMBC
CMBC/CME
P(F> F0BC)
Efecto ABC
SCABC
(a-1)(b-1)(c-1)
CMABC
CMABC/CME
P(F> F0ABC)
Error
Total
SCE
SCT
abc(n-1)
abcn-1
CME
[Escribir texto]
donde:
FV: Fuente de Variacin.
SC: Suma de Cuadrados.
GL: Grados de Libertad.
CM: Cuadrado Medio.
FO: f Fisher calculado.
Al efecto cuyo valor-p sea menor al valor especificado para , se declara estadsticamente
significativo o se dice que est activo. El ANOVA de tres factores dado en la tabla anterior
tiene cuatro renglones adicionales, por los nuevos cuatro efectos que pueden estudiarse. Las
sumas de cuadrados son muy similares a las obtenidas para dos factores.
FORMULAS
Suma de Cuadrados
Las sumas de cuadrados son muy similares a las obtenidas para dos factores; habr que
considerar un subndice adicional para el tercer factor, comenzando otra vez por la suma de
cuadrados total, stas resultan ser:
SCT
i 1 j 1 k 1 l 1
2
ijk
...2
,
N
donde:
[Escribir texto]
Restando stas del total, la suma de cuadrados del error resulta ser:
Cuyos respectivos grados de libertad se dan en la tabla ANOVA anterior. Una vez hecho el
ANOVA, se procede a interpretar los efectos activos, y luego (aunque no necesariamente
despus) a diagnosticar la calidad del modelo.
[Escribir texto]
Cuadrado Medio
Donde:
Modelo estadstico
En un diseo factorial a*b*c se supone que el comportamiento de la respuesta Y puede
describirse mediante el modelo de efectos dado por:
Yijkl = +ai + j + k + ()ij + ()ik + ()jk + ()ijk + ijkl;
I=1,2,,a; j=1,2,,b; k=1,2,,c; l=1,2,,n
Donde:
= media general
i = efecto del nivel i-simo del factor A
j = efecto del nivel j del factor B
k = efecto del nivel k en el factor C
()ij, ()ik, ()jk = efectos de interacciones dobles (de dos factores) en los niveles ij, ik, jk,
respectivamente.
()ijk : efecto de interaccin triple en la combinacin o punto ijk
ijkl : error aleatorio en la combinacin ijkl
l : repeticiones o replicas del experimento
Todos los efectos cumplen la restriccin de sumar cero, es decir, son desviaciones respecto
a la medida general .
[Escribir texto]
Regin de rechazo
: todas las
0AB
En resumen se tienen siete efectos de inters sin considerar el desglose y con ellos se
pueden plantear las siete hiptesis nulas:
1.
2.
3.
4.
H0: Efecto A = 0
H0: Efecto B = 0
H0: Efecto C = 0
H0: Efecto AB = 0
5. H0: Efecto AC = 0
6. H0: Efecto BC = 0
7. H0: Efecto ABC = 0
C2
6
0
8
6
5
5
7
5
7
0
5
3
A2
B1
7
5
7
0
5
3
6
7
6
7
5
2
7
3
6
8
5
2
A3
B1
73
68
57
6
2
7
6
4
4
6
8
6
5
4
4
B1
6
5
6
5
4
5
7
1
7
2
6
0
8
0
8
0
6
0
B1
8
0
8
0
6
0
7
6
7
0
5
2
7
1
6
8
5
1
B1
7
5
7
3
5
0
7
5
7
5
5
6
7
5
7
5
5
5
75
77
57
[Escribir texto]
5
5
5
5
5
5
5
2
5
4
54
4
8
4
8
4
5
6
7
6
7
6
5
5
2
a=3
b=2
c=2
n=6
1.
2.
3.
4.
5.
6.
7.
4
8
5
4
5
9
5
0
55
[Escribir texto]
Grados de Libertad
Cuadrado Medio
[Escribir texto]
[Escribir texto]
A1
B1
B1
75 75 67 73 73
C1
6
0
8 70 70
6
= 436
67
68
68
= 416
A2
B1
62 68
76
65
C2
B1 = 2177
B2 = 2363
B1
B2
B1
B2
con
con
con
con
C1
C1
C2
C2
=
=
=
=
1270
1331
907
1032
72
70
80
80
= 463
68
73
= 433
75
75
77
= 885
52
57
44
44
45
60
60
60
52
51
50
56
55
57
52
54
54
48
48
45
67
67
65
52
48
54
59
50
55
TOTAL =
737
= 1499
= 274
= 379
= 653
TOTAL = 675
=
2061
= 452
52
= 647
TOTAL
65
= 864
= 321
TOTAL = 762
A3
B1
B1
76 71 75 75 75 75
= 401
= 852
5 53 53
5
5 55 55
5
= 326
65
B1
71 80 80
= 307
= 639
TOTAL = 1517
= 332
TOTAL = 784
TOTAL = 1524
=
1939
[Escribir texto]
Tabla ANOVA
FV
SC
GL
CM
FO
FTABLAS
A: Tipo
13.86
6.93
0.49
3.15
B: Abertura
480.5
480.5
34.25
C:
Temperatura
AB
6086.72
6086.72
433.90
788.25
394.12
28.10
3.15
AC
40.86
20.43
1.46
3.15
BC
56.89
56.89
4.06
ABC
31.03
15.51
1.11
3.15
Error
841.66
60
14.03
Total
8339.78
71
Conclusi
n
ACEPTA
RECHAZ
A
RECHAZ
A
RECHAZ
A
ACEPTA
RECHAZ
A
ACEPTA
Conclusiones
1.
2.
3.
4.
[Escribir texto]
CONCLUSION
Un diseo factoriales aquel en el que el conjunto de tratamientos esta conformado por todas
las posibles combinaciones de los distintos niveles de los factores involucrados
Los mayores beneficios de los diseos factoriales completos se obtienen cuando se deben
estudiar pocas variables. El motivo es que el nmero de experimentos crece
exponencialmente con el nmero de factores.
Los diseos factoriales completos son la estrategia experimental ptima para estudiar
simultneamente el efecto de varios factores sobre la respuesta y sus interacciones. Por su
potencia y sencillez, su campo de aplicacin es muy amplio:
- Identificar qu variables influyen en una reaccin, para luego poder optimizarlas hasta
alcanzar el rendimiento deseado, o para disminuir el tiempo de reaccin.
-Decidir qu se debe ajustar en el nuevo proceso de fabricacin para que no se produzcan
tantos productos fuera de especificaciones.
- Estudiar en qu condiciones el proceso es ms robusto a pequeas variaciones de
temperatura, humedad, etc.