DISEO FACTORIALES

PLAN DE CLASE

Inicio

Motivacin
Competencias
Saberes previos

Diseos Factoriales.
Construccin

Cierre

Retroalimentacin
Autoevaluacin

mircoles, 16 de marzo de 2016

CASO PRCTICO
El supervisor de control de calidad de la empresa
PREMIUM cree que el sabor de las paltas Fuerte
depende del tipo de fertilizante que utilizan
(biolgico y qumico) y de los mtodos de cultivo (A1,
B2 y C3). Luego del cultivo, invit a cuatro
degustadores, por tipo de fertilizante y mtodo, para
que le dieran puntuaciones al sabor de las paltas en
una escala de 1 a 10. Las puntuaciones se muestran a
continuacin:

mircoles, 16 de marzo de
2016

CASO PRCTICO
Mtodo de Cultivo
Fertilizante

Fertilizante
biolgico

Fertilizante qumico

A1

B2

C3

8.5

9.6

9.4

8.9

9.5

9.3

9.5

8.7

9.2

9.1

83

8.7

8.6

8.5

9.5

9.4

8.2

9.2

8.1

8.5

Presente el ANOVA del modelo apropiado y pruebe las hiptesis correspondientes.

Utilice un nivel de significacin del 2.5%.

mircoles, 16 de marzo de
2016

Competencias
Al termino de la sesin, el
estudiante estar en capacidad
de:
Aplicar un diseo factorial en
problemas contextualizados.
Interpretar los resultados del
anlisis de variancia del diseo
factorial utilizado.

mircoles, 16 de marzo de
2016

DISEOS FACTORIALES
1. Introduccin
Un diseo factorial es el conjunto de todas las posibles
combinaciones de dos o ms factores que son aplicados
en un DCA o en un DBCA.
Los diseos factoriales producen experimentos ms
eficientes, pues cada observacin proporciona
informacin sobre todos los factores y es posible apreciar
las respuestas de un factor en los diferentes niveles del
otro factor.
Adems, se puede observar si los factores actan en las
unidades experimentales en forma independiente, en
cuyo caso se dice que no hay interaccin entre ellos.
mircoles, 16 de marzo de 2016

DISEOS FACTORIALES
2. Ventajas
Al considerarse en el estudio dos factores se pueden analizar los
efectos simples, los efectos principales y los efectos de interaccin.
El nmero de grados de libertad para el error experimental es elevado,
comparndolo con el de los experimentos simples de los mismos
factores. Esto contribuye a disminuir la variancia del error experimental
y aumentar la precisin del experimento.
3. Desventajas
Se requiere un mayor nmero de unidades experimentales que en los
experimentos de un solo factor.
Como se consideran todas las combinaciones de los niveles de los
factores, en algunos casos se tendrn combinaciones que no son de
inters para el investigador.
El anlisis estadstico y la interpretacin de resultados es ms
complicado que con los experimentos de un solo factor.
mircoles, 16 de marzo de 2016

DISEOS FACTORIALES
4. Tipos de efectos de los factores
Ejemplo 1
Un ingeniero est interesado en determinar los efectos de la temperatura y la
humedad en el almacenamiento de manzanas. De una produccin de manzanas
de caractersticas muy homogneas se formaron 4 grupos de 5 unidades
experimentales cada uno, donde cada unidad experimental estuvo formada por
200 manzanas, la variable respuesta que se consider fue el nmero de manzanas
malogradas por unidad experimental, despus del almacenamiento. El ingeniero
tiene inters en los siguientes niveles del factor temperatura (A): a1=50F, a1=70F
y el factor humedad (B): b1=10%, b2=50%. Los datos fueron los siguientes:
Factor Humedad (B)

Factor Temperatura
(A)
a1=50F,
a1=70F
Medias del factor B

b1=10%

b2=50%

8
11
9.5

5
7
6.0

Medias del factor A

6.5
9.0

mircoles, 16 de marzo de 2016

DISEOS FACTORIALES
4. Tipos de efectos de los factores
a) Efectos simples

Los efectos simples de un factor son las comparaciones entre los niveles de
un factor en un solo nivel del otro. Los efectos simples son:
A dentro de b1=10% es igual a L1=ES[ A(b1)]=11-8=3
A dentro de b2=50% es igual a L2=ES[ A(b2)]=7-5=2
B dentro de a1=50F es igual a L3=ES[ B(a1)]=5-8= -3
B dentro de a2=70F es igual a L4=ES[ B(a2)]=7-11= -4
b) Efectos principales

Los efectos principales de un factor son comparaciones entre los niveles de

un factor promediados para todos los niveles del otro factor. Los efectos
principales son:
A sobre B es igual a L5=EP[ A(B)]=9.0-6.5=2.5
B sobre A es igual a L6=EP[ B(A)]=6.0-9.5= -3.5
mircoles, 16 de marzo de 2016

DISEOS FACTORIALES
4. Tipos de efectos de los factores
c) Efectos de interaccin

Los efectos de interaccin miden las diferencias entre los efectos simples de un
factor a diferentes niveles del otro. Los efectos de interaccin son:
A y B es igual a L7=EI[ AB]= L2-L1 = 2 3 = -1
B y A es igual a L8=EI[ BA]= L4-L3 = -4 (-3) = -1
Grfica de interaccin para Manz. malo.
Medias de datos
10.00%

50.00%

10.0

Temperatura

Temperatura
50F
70F

7.5

5.0
Humedad
10.00%
50.00%

10.0

Humedad

7.5

5.0
50F

70F

mircoles, 16 de marzo de 2016

10

DISEO FACTORIAL pq
Ejemplo 2
El Departamento de Nutricin de un hospital realiz un estudio sobre la estabilidad
de la vitamina C en el concentrado del jugo de naranja congelado reconstituido,
que se almacena en un refrigerador durante un periodo de hasta una semana. Se
probaron dos marcas de concentrados de jugo de naranja congelado con tres
perodos distintos, los cuales se refieren al nmero de das desde que se mezcl
el jugo hasta que se prob. Se registraron los resultados, en miligramos de cido
ascrbico por litro. Se decidi usar un Diseo Completamente al Azar (DCA) con 4
repeticiones para cada uno de los tratamientos.

Marca a1
Marca
Marca a2

b1 (0)
54.6
51.8
56.2
48.5
56.0
49.6
48.0
48.4

Periodo (das)
b2 (3)
49.4
42.8
49.2
53.2
48.8
44.0
44.0
42.4

b3 (7)
42.7
40.4
48.8
47.6
55.2
48.0
50.0
49.2

mircoles, 16 de marzo de 2016

11

DISEO FACTORIAL pq
1. Modelo aditivo lineal

= + + +

i=1,2

j=1,2,3 k=1,2,3,4

: Cantidad de cido ascrbico obtenida con la marca de concentrado de jugo i, en

el periodo j y la repeticin k.

: Es el efecto promedio general del cido ascrbico

: Es el efecto de la marca i.
j : Es el efecto del periodo j
()i j : Es el efecto de la interaccin de la marca i con el periodo j

i j : Es el efecto del promedio de la combinacin i j (tratamiento)

: Efecto del error experimental obtenido con la marca i, periodo j y repeticn k

mircoles, 16 de marzo de 2016

12

DISEO FACTORIAL pq
Totales

a1
a2

b1
211.1
202.0
413.1

b2
194.6
179.2
373.8

b3
179.5
202.4
381.9

585.20
583.6
=1168.8

Promedios

b1

b2

b3

a1

52.775

48.650

44.875

48.767

a2

50.500
51.6375

44.800
46.725

50.600
47.7375

48.633
=48.7

mircoles, 16 de marzo de 2016

13

DISEO FACTORIAL pq
2. Anlisis de Variancia
2

1168.82
=
=
= 56920.56
2 3 4
2

2 = 54.62 + 49.42 + + 49.22 = 445.86

=
=1 =1 =1
2

=
=1
3

585.22 + 583.62
=
= 0.1067

34

=
=1

413.12 + 373.82 + 381.92

=
= 107.6475

24
2

=
=1 =1
2

2
4

211.1 + 194.62 + 179.52 + 2022 + 179.22 + 202.42

=
= 213.195
4
SC(AB) = SC(Combinado AB) SC(A) SC(B) = 213.195 0.1067 107.6475=105.4408
mircoles, 16 de marzo de 2016

14

DISEO FACTORIAL pq
2. Anlisis de Variancia
SC(Error) = SC(Total) SC(Combinado AB) = 445.86 213.195=232.665
Fuentes de
variabilidad

Grados de
libertad

Suma de
cuadrados

Cuadrado
Medio

F cal

p-1=1

0.1067

0.1067

0.0083

q-1=2

107.6475

53.8238

4.1641*

AB

(p-1)(q-1)=2

105.4408

52.7204

4.0787*

Error

pq(r-1)=18

232.665

12.9258

Total

pqr-1=23

445.86

H 0 : i 0 , i

H 0 : j 0 , j

H 0 : ij 0 , i, j

H1 : i 0 , para al menos algn i

H1 : j 0 , para al menos algn j

H1 : ij 0 , para al menos algn i, j

F(0.05,1,18) = 4.41387

F(0.05,2,18) = 3.55456

F(0.05,2,18) = 3.55456

mircoles, 16 de marzo de 2016

15

DISEO FACTORIAL pq
2. Anlisis de Variancia
El coeficiente de variabilidad para este experimento es:

12.9258
=
100 = 7.3824
48.7

C1. Los periodos diferencias

significativas.
C2. La interaccin de marcas y
periodos es significativa

3. Reporte de Minitab
Modelo lineal general: cido ascrbico vs. Marca, Perodo

Factor
Marca
Perodo

Tipo
fijo
fijo

Niveles
2
3

Valores
a1, a2
b1, b2, b3

Anlisis de varianza para cido ascrbico, utilizando SC ajustada para

pruebas
Fuente
Marca
Perodo
Marca*Perodo
Error
Total

GL
1
2
2
18
23

SC sec.
0.11
107.65
105.44
232.67
445.86

SC ajust.
0.11
107.65
105.44
232.67

MC ajust.
0.11
53.82
52.72
12.93

F
0.01
4.16
4.08

P
0.929
0.033
0.035

mircoles, 16 de marzo de 2016

16

DISEO FACTORIAL pq
4. Pruebas de comparacin de Tukey con Minitab
Variable de respuesta cido ascrbico
Todas las comparaciones de dos a dos entre los niveles de
Marca*Perodo
Marca = a1
Perodo = b1
Marca
a1
a1
a2
a2
a2

restado a:
Diferencia
Perodo
de medias
b2
-4.125
b3
-7.900
b1
-2.275
b2
-7.975
b3
-2.175

SE de
diferencia
2.542
2.542
2.542
2.542
2.542

Valor T
-1.623
-3.108
-0.895
-3.137
-0.856

Valor P
ajustado
0.5952
0.0574
0.9428
0.0542
0.9523

C3. El promedio 11
no tiene diferencias
significativas
con
12, 21 y 23
C4:
11
tiene
diferencias
signficativa con 13
y 22 con =0.06.

Valor T
-1.485
0.728
-1.514
0.767

Valor P
ajustado
0.6775
0.9758
0.6600
0.9697

C5. El promedio 12
no tiene diferencias
significativas
con
13, 21 , 22 y 23.

Marca = a1
Perodo = b2
Marca
a1
a2
a2
a2

restado a:
Diferencia
Perodo
de medias
b3
-3.775
b1
1.850
b2
-3.850
b3
1.950

SE de
diferencia
2.542
2.542
2.542
2.542

mircoles, 16 de marzo de 2016

17

DISEO FACTORIAL pq
4. Pruebas de comparacin de Tukey con Minitab
Marca = a1
Perodo = b3
Marca
a2
a2
a2

restado a:
Diferencia
Perodo
de medias
b1
5.62500
b2
-0.07500
b3
5.72500

SE de
diferencia
2.542
2.542
2.542

Valor T
2.21263
-0.02950
2.25196

Valor P
ajustado
0.2796
1.0000
0.2632

C6. El promedio 13
no tiene diferencias
significativas
con
21 , 22 y 23.

Marca = a2
Perodo = b1

Marca
a2
a2

restado a:
Diferencia
Perodo
de medias
b2
-5.700
b3
0.100

SE de
diferencia
2.542
2.542

Valor T
-2.242
0.039

Valor P
ajustado
0.2672
1.0000

Valor T
2.281

Valor P
ajustado
0.2514

C7. El promedio 21
no tiene diferencias
significativas
con
22 y 23.

Marca = a2
Perodo = b2
Marca
a2

restado a:
Diferencia
Perodo
de medias
b3
5.800

SE de
diferencia
2.542

mircoles, 16 de marzo de 2016

C8. El promedio 22
no tiene diferencia
significativa con 23.

18

EJERCICIO RESUELTO
Una bacteriloga est interesada en el efecto que tienen dos diferentes
medios de cultivo y dos lapsos sobre el crecimiento de un virus en
particular. Realiza seis rplicas de un diseo 22 realizando los ensayos
en orden aleatorio. Analice los datos que se presentan a continuacin y
establezca las conclusiones apropiadas.
Fuente: Montgomery,D.C. Diseo y Anlisis de Experimentos. Grupo Editorial Iberoamrica

Tiempo
12 horas
18 horas

1
21
23
20
37
38
35

Medio de Cultivo
2
22
25
28
24
26
29
39
31
38
29
36
30

26
25
27
34
33
35

mircoles, 16 de marzo de

19

EJERCICIO RESUELTO
a) El modelo lineal es el siguiente:
= + + + () + ,

= 1,2; = 1,2; = 1,2,3,4,5,6.

Donde:
Yi j k :Crecimiento del virus en estudio provocado por el tiempo i, el cultivo j en la repeticin k.
: Efecto promedio general.
i :Efecto del tiempo i.
j :Efecto del medio de cultivo j.

ij :Efecto de la interaccin del tiempo i con el medio de cultivo j.

ijk :Efecto del error experimental obtenido con el tiempo i, el cultivo j y la repeticin k.

mircoles, 16 de marzo de

20

EJERCICIO RESUELTO
b) Clculos
Totales
T1
T2

C1
140
223
363

C2
156
192
348

Promedios
296
415
711

T1
T2

TC
SC(A)
SC(B)
SC(Combinado AB)
SC(AB)
SCError
SCTotal

C1
23.33
37.17
30.25

C2
26
32
29

24.67
34.58

21063.3750
590.0417
9.3750
691.4583
92.0417
102.1667
793.6250

mircoles, 16 de marzo de 2016

21

EJERCICIO RESUELTO
c) Anlisis de varianza
FV
Tiempo
Medio de Cultivo

GL
1
1

SC
590.04
9.38

CM
590.04
9.38

F
115.51
1.84

Tiempo x Medio Cult

Error
Total

1
20
23

92.04
102.17
793.63

92.04
5.11

18.02

Anlisis del factor tiempo:

0 : 1 =2 = 0
:
= 115.51
y
= (1,20) = 4.351
Conclusin: Como = 115.51 > 4.351 = , se rechaza la H0. A un 5% de
significancia, existen diferencias significativas entre los niveles del factor
tiempo.

mircoles, 16 de marzo de 2016

22

EJERCICIO RESUELTO
c) Anlisis de varianza
Anlisis del factor medio de cultivo:
0 : 1 = 2 = 0
:
= 1.84

= (1,20) = 4.351

Conclusin: Como = 1.84 < 4.351 = , no se rechaza la Ho. A un 5% de

significancia, no existe diferencias significativas entre los niveles del factor medio de
cultivo.

mircoles, 16 de marzo de 2016

23

EJERCICIO RESUELTO
c) Anlisis de varianza

Anlisis de la interaccin tiempo x medio de cultivo:

0 : ( ), = 0 ,
: ( ), 0 ,
= 18.02
= (1,20) = 4.351

Conclusin: Como = 18.02 > 4.351 = , se rechaza la H0. A un 5% de

significancia, si existe interaccin entre los niveles de los factores tiempo y
medio de cultivo.

mircoles, 16 de marzo de 2016

24

EJERCICIO PROPUESTO
Un ingeniero industrial que trabaja en una embotelladora est interesado en el
efecto de dos tipos de botellas de 32 onzas sobre el tiempo de reparto de
cajas de 12 botellas de este producto. Los dos tipos de botella son de plstico
y de vidrio, y se utilizan dos repartidores para realizar una tarea que consiste
en mover 40 cajas del producto una distancia de 25 metros sobre un carrito
repartidor, y acomodarlos. Se realizan cuatro repeticiones de un diseo
factorial 22; y los tiempos observados se presentan en la siguiente tabla.
Analice los datos y formule las conclusiones apropiadas.
Repartidor
Tipo de botella
Vidrio
Plstico

1
3.12
5.98
4.95
4.27

2
4.89
5.00
4.43
4.25

6.65
5.49
5.28
4.75

6.24
5.55
4.91
4.71

Fuente: Montgomery,D.C. Diseo y Anlisis de Experimentos. Grupo Editorial Iberoamrica

mircoles, 16 de marzo de 2016

25

SNTESIS
Diseo factorial
til cuando se tienen dos o ms factores que requieren ser evaluados.
Requiere un mayor nmero de unidades experimentales.
Es posible apreciar las respuestas de un factor en los diferentes niveles del otro
factor.
Si los factores actan en las unidades experimentales en forma independiente, se
dice que no hay interaccin entre ellos.
Componentes del modelo lineal aditivo.

METACOGNICIN
Qu aspectos te han parecido interesantes?
Qu contenido consideras ms importante del tema trabajado?
Qu competencias del tema podras aplicar en tu vida diaria?

PARA REFORZAR LO APRENDIDO

RESOLVER LOS PROBLEMAS DE LA GUA DE TRABAJO.

REFERENCIAS BIBLIOGRFICAS
1. Referencias bsicas:

Anderson, D. (2012) Estadstica para Negocios y Economa.

Mxico: CENGAGE Learning.
Chue, J. (2012) Estadstica Descriptiva y Probabilidades. Lima:
Universidad de Lima.

2. Referencias de lectura obligatoria:

Lind, D. (2012) Estadstica Aplicada a los Negocios y la

Economa. Mxico: Mc Graw Hill.
Prez, C. (2013) Diseo de experimentos: tcnicas y
herramientas. Madrid: Garceta.