DISEO DE EXPERIMENTOS

En muchas industrias el uso efectivo del diseo de experimentos es la clave para

obtener altos rendimientos, reducir la variabilidad, reducir los tiempos de entrega, mejorar los
productos, reducir los tiempos de desarrollo de nuevos productos y tener clientes ms
satisfechos.
QU ES EL DISEO DE EXPERIMENTOS (DOE)?
Un diseo de experimentos es una prueba o serie de pruebas en las cuales se hacen cambios
a propsito en las variables de entrada de un proceso, de tal forma que se puedan observar e
identificar cambios en la respuesta de salida.
Los productos resultantes tienen una o ms caractersticas de calidad observables o
respuestas (Crticas para la calidad si el cliente reclama por su no cumplimiento CTQs).
Algunas de las variables del proceso X1, X2, X3,, Xp son controlables o factores de
control, mientras que otras Z1, Z2, Z3, .., Zq no son controlables (a pesar de que pueden ser
controladas durante el desarrollo de las pruebas), y se denominan factores de ruido.

Los objetivos del diseo de experimentos son:

1. Determinar cules variables tienen ms influencia en la respuesta, y.
2. Determinar en donde ajustar las variables de influencia xs, de tal forma que y se acerque
al requerimiento nominal deseado.
3. Determinar donde ajustar las variables de influencia xs de tal forma que la variabilidad en
y sea pequea.
4. Determinar donde ajustar las variables de influencia xs de tal forma que los efectos de las
variables incontrolables z sean minimizados.

Con la aplicacin del DOE durante el desarrollo de los procesos podemos obtener los
beneficios siguientes:
1. Rendimiento mejorado.
2. Variabilidad reducida y comportamiento cercano al valor nominal.
3. Tiempo de desarrollo reducido.
4. Costos totales reducidos.
5. Mejor desempeo y confiabilidad en el campo.

Como ejemplos de aplicaciones del diseo de experimentos tenemos las siguientes:

1. Evaluacin y comparacin de configuraciones bsicas de diseo.
2. Evaluacin de alternativas de material.
3. Evaluacin de diferentes proveedores.
3. Determinacin de parmetros clave de diseo (ej: ngulo, velocidad, mtodo) con impacto
en el desempeo.
GUA PARA EL DISEO DE EXPERIMENTOS
Para tener xito en el diseo de experimentos, es necesario que todos los involucrados
en el experimento tengan una idea clara del objetivo del experimento, de los factores a ser
estudiados, como se realizar el experimento y al menos una idea cualitativa de cmo se
analizarn los datos. El procedimiento recomendado por Montgomery tiene los pasos
siguientes:
1. Reconocimiento y establecimiento del problema.
2. Seleccin de factores y niveles.
3. Seleccin de la variable de respuesta.
4. Seleccin del diseo experimental.
5. Realizacin del experimento.
6. Anlisis de los datos.
7 Conclusiones y recomendaciones.

EXPERIMENTOS FACTORIALES
Los experimentos factoriales se utilizan cuando hay varios factores de inters en un
experimento. En los experimentos factoriales se deben utilizar en cada rplica, todas las
combinaciones de los factores que se estn investigando. Si se tienen dos factores A y B con
niveles a y b respectivamente, cada rplica contendr todas las posibles combinaciones ab.

Definiciones:
Factores: Son las variables controlables en el experimento Ej:Temperatura, Presin,
Velocidad; se designan con letras maysculas A, B,C.
Niveles: Se refiere a la cantidad de valores que tienen los factores del experimento. Ej:
en un experimento tomamos los siguientes valores de Temperatura: 15, 20 ; en este
caso tenemos 2 niveles.
Los niveles se designan con nmeros: 1, 2 o con signos -, + que representan los
niveles bajo y alto en cada caso.
Replica: Es el nmero de repeticiones del experimento.
Efecto de un factor: es el cambio en la respuesta como resultado de un cambio en el
nivel del factor, se denomina efecto principal ya que se refiere a los factores primarios
del estudio.
Ej. Consideremos el siguiente Experimento:
FACTOR B

B1 B2

A1 20 30
FACTOR A

A2 40 52
El calculo de los factores primarios A y B es la diferencia entre la respuesta promedio en el
nivel alto y la respuesta promedio del nivel bajo.
40 52 20 30
A 21
2 2
30 52 20 40
B 11
2 2
Tratamientos: son todas las combinaciones posibles de los factores que se involucran
en un experimento. Ej: a, b, c, ab, ac, bc.
Interaccin: Cuando la diferencia en la respuesta entre los niveles de un factor no es la
misma en todos los niveles de los otros factores.
Respuesta

B2 B2
B1 B1

A1 A2 A1 A2
a) Sin interaccin b) Con interaccin

En la grfica de la izquierda observamos que las lneas B1 y B2 son paralelas lo cual indica
que no hay interaccin. En la siguiente grfica al estar cruzadas las lneas B1 y B2 significa que
existe interaccin.

El clculo de la interaccin AB es la diferencia entre los promedios del nivel alto de A y B y

el nivel bajo de los mismos

40 30 52 20
AB 19
2 2

Principios bsicos del diseo de experimentos:

Normalidad.- Siempre que se conduce un experimento las muestras son tomadas de
poblaciones normales, en el anlisis de los experimentos se verifica que se cumpla con este
principio, de lo contrario los resultados obtenidos no sern confiables.
Replicacin.- Significa la repeticin de un experimento, permitiendo el experimentador la
obtencin de un error experimental. El error es la unidad bsica de medida para determinar si
las diferencias observadas en los datos son realmente diferentes estadsticamente. La
replicacin permite tener una estimacin ms precisa de los efectos.
Aleatoriedad.- Por aleatoriedad entendemos que la posicin del material y el orden en el cual
las corridas se realizan en los experimentos son determinadas aleatoriamente (al azar).
Bloqueo.- Es una tcnica usada para incrementar la precisin de un experimento, Un bloque
es una porcin del material experimental el cual es ms homogeneo que el material restante.
 Diseos factoriales en MINITAB
Supongamos que queremos disear un experimento para probar tres factores: temperatura,
presin y tipo de catlisis. Se trata de un diseo factorial completo 2^3, ya que consta de dos
niveles y tres factores, a continuacin se muestra el diseo:

FACTOR NIVEL BAJO NIVEL ALTO

Temperatura 20C 40C
Presin 1 atmsfera 4 atmsferas
Catlisis A B

Seleccionamos la opcin Stat > DOE > Crear Diseos Factoriales.

La ventana muestra los diferentes tipos de diseos factoriales que pueden ser creados y el
nmero de factores, en este ejemplo seleccionamos en el campo number of factors = 3 y
2-level factorial (default generators) en tipo de diseo.
Tambin tiene diferentes iconos, en el cual encontramos informacin especifica del diseo.
Solamente estn habilitados dos iconos: Display Available Designs y Designs. En la primera
opcin se muestran todos los diseos factoriales que contiene el sistema.
 En la segunda opcin diseos, seleccionamos el diseo factorial completo full
factorial. Y se llenan los siguientes campos, que en este ejemplo los valores son los
siguientes:

Number of center points = 0

Number of replicates = 2
Number of blocks = 1

AL Presionar OK el diseo es seleccionado y se regresa al la pantalla principal. En esta

pantalla todos los iconos quedan habilitados

Se seleccionan las siguientes opciones:

Factores
En esta pantalla se escribe el nombre de los factores as como los diferentes niveles bajo y
alto para cada factor ( estos ltimos son dados por default)
 Opciones:
En la pantalla se escoge la opcin: do not fold (el sistema la da por default)
La opcin randomize no debe de estar seleccionada, de lo contrario se cambia el orden de
todo el experimento.La opcin store design in worksheet: guardar diseo en la hoja de
trabajo, es seleccionada. Presionar OK
Presionar OK en la pantalla principal. El sistema despliega el experimento en la hoja de
trabajo.
En la columna C8 capturamos la respuesta Yield , para cada combinacin del experimento.

Para analizar el experimento se selecciona la siguiente opcin de la barra de herramientas:

STAT > DOE > Analyze Factorial design.
La pantalla tiene las siguientes opciones: Responses, Graphs, Terms, Covariates, Results,
Storage.
En el cuadro de Respuestas Responses seleccinamos la columna C8, correspondiende a
la variable de respuesta del experimento.
 En la opcin Terms trminos, se muestran los factores y sus interacciones, las cuales se
dan por default, en el caso de que se quiera hacer una modificacin el sistema permite
realizarla. Ej.: Ignorar interacciones mayores a grado 2. Si se desea eliminar un factor en
esta pantalla tambin se puede hacer.
En la opcin Graphs, grficas, se seleccionan las grficas de efectos deseadas, as
como las grficas de residuos, estas nos permiten realizar el anlisis del experimento.

Seleccionamos las grficas de Efectos: Normal y Pareto, el nivel alfa deseado que en este caso
es de 0.05 y en la opcin Residual for Plots seleccionamos la opcin regular que viene por
default. En el caso de que queramos ms grficos podemos seleccionar las que vienen en la
parte de Residual Plots. Dar click en OK
 En la opcin Results (Resultados) se muestra la siguiente ventana:

Seleccionamos la opcin por default: coefficients, ANOVA Table, and unusual observations.
En el cuadro Available Terms, se muestran los Factores y las interacciones, estos se
seleccionan y se pasan del lado derecho. Click en OK

Pareto Chart of the Standardized Effects

(response is C8, Alpha = .05)

A: Temperat
B: Presin
C C: Catalisi

BC

AC

ABC

AB

0 1 2 3 4 5 6

En la grfica de Pareto observamos que los principales efectos son aquellos que pasan la lnea
punteada: C, B, y BC. Estos son los que ms afectan el experimento.
 Normal Probability Plot of the Standardized Effects
(response is C8, Alpha = .05)

1.5 A: Temperat
B B: Presin
C: Catalisi
1.0

0.5
Normal Score

0.0

-0.5
BC
-1.0

C
-1.5
-6 -5 -4 -3 -2 -1 0 1 2 3

Standardized Effect

La grfica normal de probabilidad muestra los efectos ms significativos que en este

caso son los mismos que en la grfica de pareto: C, B y BC.

En la tabla observamos los coeficientes de los efectos, as como el anlisis de varianza.

Fractional Factorial Fit

Estimated Effects and Coefficients for Yield (coded units)

Term Effect Coef StDev T P

Constant 74.81 2.561 29.21 0.000
Temperat 1.38 0.69 2.561 0.27 0.795
Presin 14.13 7.06 2.561 2.76 0.025
Catalisis -30.37 -15.19 2.561 -5.93 0.000
Temperat*Presin -0.13 -0.06 2.561 -0.02 0.981
Temperat*Catalisis -1.13 -0.56 2.561 -0.22 0.832
Presin*Catalisi -13.38 -6.69 2.561 -2.61 0.031
Temperat*Presin*Catalisi -0.12 -0.06 2.561 -0.02 0.981

Analysis of Variance for Yield (coded units)

Source DF Seq SS Adj SS Adj MS F P

Main Effects 3 4496.19 4496.19 1498.73 14.28 0.001
2-Way Interactions 3 720.69 720.69 240.23 2.29 0.155
3-Way Interactions 1 0.06 0.06 0.06 0.00 0.981
Residual Error 8 839.50 839.50 104.94
Pure Error 8 839.50 839.50 104.94
Total 15 6056.44

Los efectos principales son los menores al nivel de significancia 0.05, P-Values (columna P),
estos estn sombreados en la tabla.
Para generar las grficas que nos permitirn determinar y visualizar cuales son los niveles
ptimos de los efectos (grfica de efectos principales, grfica de interacciones y grfica de
cubo utilizamos la siguiente opcin: Stat > DOE > Factorial plots
Seleccionamos la opcin Main effects y damos click en Setup.

Se despliega la ventana Factorial Plots-Main, en la cual seleccionamos en el cuadro

Responses C8. Posteriormente seleccionamos los Factores principales. Damos click en OK
Repetimos los pasos anteriores para las grficas de interaccin y cubica. Damos click en OK y
obtenemos las grficas deseadas.
En est grfica obtenemos los niveles que maximizan la respuesta.
Temperatura : nivel alto = 40, Presin nivel alto = 4, Catlisis nivel bajo = A

Main Effects Plot (data means) for Yield

20 40 1 4 A B
91

83

Yie
ld 75

67

59
Temperatura Presin Catalisis

En la interaccin Presin*Catlisis el nivel ptimo es: Presin = 4 nivel alto y Catlisis A nivel
Bajo

Interaction Plot (data means) for Yield

1 4 A B

Temperatura 100

40 80

20
60

Presin 100

4 80

1
60

Catalisis
 Cube Plot (data means) for Yield

60.0 60.0

102.5 105.0
4

Presin 59.0 59.5

B

Catalisis
75.0 77.5
1 A
20 40
Temperatura

En la grfica de cubo observamos que la mayor respuesta se encuentra en el vrtice 102.5. De

est grfica tambin podemos saber cuales son los niveles ptimos de cada factor.
Frmulas de clculo para diseos factoriales.

Diseo factorial 22
La siguiente figura muestra la diferentes combinaciones de los tratamientos, as como los
factores A y B en los niveles alto y bajo, para un diseo 22

b ab
+

-
(1) a

- +
A
Clculo de los efectos
Los efectos de inters en el diseo son los efectos principales de A y B y los efectos de la
interaccin AB, se denominan contrastes siendo calculados como sigue:

1
A ab a b 1
2n
1
B ab b a 1
2n
1
AB ab 1 a b
2n
Donde n = nmero de replicas

Las cantidades entre parntesis se denominan contrastes, aqu los coeficientes siempre son
+1 o 1. Tambin se pueden determinar usando una tabla de signos como sigue:

Efectos factoriales
Corrida I A B AB
1 (1) + - - +
2 a + + - -
3 b + - + -
4 ab + + + +
Ejemplo: Para determinar el contraste de A utilizando la tabla de signos obtenemos:

- 1 a - b ab

Suma de cuadrados
Para obtener la suma de cuadrados de A, B, y AB se usa:

(contraste) 2
SS
n (coeficient es.de.contrastes ) 2

SS A
ab a b 12
n*4

SS B
ab b a 1
2

n*4

SS AB
ab 1 a b
2

n*4

2 2 n
y2
SST y ijk
2

i 1 j 1 k 1 4n

SSE SST SS A SSB SS AB

Donde
SST = Suma Total de Cuadrados
SSE = Suma de Cuadrados del Error

Grados de libertad (g.l.)

A=1
B=1
AB = 1
SSE = 4 (n-1)
SST = 4n -1

Cuadrados Medios (M.S.)

SS
MS
gl.

La tabla de Anlisis de varianza (ANOVA) queda como sigue:

Fuente de Suma de Grados de Cuadrado

variacin cuadrados libertad medio Fo .

Factor A SSA a -1 MSA Fo = MSA / MSE

Factor B SSB b- 1 MSB Fo = MSB / MSE
Interaccin SSAB (a 1)(b-1) MSAB Fo = MSAB / MSE
AB
Error SSE ab(n-1) MSE
Total SST abn-1
 Valor crtico

Calculamos el Valor de F en la tabla mediante: F ( , a, n)

Donde: = nivel de significancia.
a = nmero de niveles del factor A
n = tamao de muestra del Factor A

De la misma manera se calcula para los dems factores.

Regla de decisin: Si F0 > F, el factor es significativo.

Anlisis Residual

Para obtener los residuos se utiliza la ecuacin de regresin siguiente:

y 0 1 x1 2 x2

El valor de la interseccin 0 es el promedio del nmero total de observaciones y cada

coeficiente de regresin 1, 2 es la mitad del efecto estimado del factor correspondiente .

Los valores X1 y X2 representan los efectos A y B. Estos valores se codifican en los niveles alto
y bajo del experimento (-1 y +1)
Este modelo es usado para predecir los valores de y en los cuatro puntos del experimento.

Utilizando la ecuacin se buscan todas las combinaciones posibles, que en este tipo de diseo
son cuatro. Al obtener la respuesta ptima, determinamos cuales son los niveles ms
favorables para nuestro experimento.
Ej.
B0 27.5
1 8.33
2 5
El modelo de regresin es:

8.33 5
y 27.5 x1 x2
2 2

Realizando las diferentes combinaciones tenemos:

8.33 5
y 27.5 (1) (1) = 29.165
2 2

8.33 5
y 27.5 (1) (1) 34.165
2 2
 8.33 5
y 27.5 (1) (1) 20.835
2 2

8.33 5
y 27.5 (1) (1) 25.835
2 2

La respuesta ptima es 34.165, por lo cual los nveles ms favorables en este experimento son
x1 = +1 y x2 = -1.

Para obtener los residuos, se resta el valor observado (en la muestra) del valor predicho
( ecuacin de regresin)

Ej:

Tenemos los siguientes valores observados: 28, 25 y 27. utilizando la primera ecuacin donde
y = 29.165 el calculo de residuos sera:

e1 = 28-25.835 = 2.165
e2 = 25-25.835 = -0.835
e3 = 27-25.835 = 1.165

Los dems residuos se calculan de la misma manera, utilizando el valor predicho

correspondiente (de cada ecuacin), existen tantos residuos como nmero de observaciones.

Posteriormente los residuos se grafican en el papel normal de probabilidad. Para determinar si

cumplen con el supuesto de normalidad.

Diseo factorial 2k

El diseo de 3 factores es un cubo con ocho combinaciones factoriales, permite estimar

tres efectos principales (A, B, y C), tres interacciones de dos factores (AB, BC, y AC) y una
interaccin de tres factores (ABC). Considerando que las letras minsculas representan la
suma de las n replicas de cada uno de los ocho experimentos, se tiene:
1
A (a ab ac abc b c bc (1))
4n
1
B (b ab bc abc a c ac (1))
4n
1
C (c ac bc abc a b ab (1))
4n
1
AB (ab (1) abc c b a bc ac)
4n
1
AC (ac (1) abc b a c ab bc)
4n
1
BC (bc (1) abc a b c ab ac)
4n
1
ABC (abc bc ac c ab b a (1))
4n
Las cantidades entre parntesis se denominan contrastes de las ocho combinaciones de
niveles y factores. Tambin pueden obtenerse de la tabla siguiente:

Tabla de Signos para los efectos en el diseo 23

Combinacin del Efectos factoriales

Tratamiento I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +

Propiedades de la tabla:
1. Excepto por la columna identidad I, cada columna tiene un nmero igual de signos ms y
menos.
2. La suma de productos de los signos con cualquier par de columnas es cero, o sea que se
trata de una tabla ortogonal.
3. Al multiplicar cualquier columna por la columna I se obtiene la misma columna, entonces I es
el elemento identidad.
4. El producto de cualquier par de columnas resulta en otra columna en la tabla, AxB = AB,
ABxABC = A2B2C = C dado que una columna multiplicada por si misma da la columna
identidad.

El estimado de cualquier efecto principal o interaccin se determina como sigue:

Contraste
Efecto
n2 k 1

La suma de cuadrados de cualquier efecto es:

(contraste) 2
SS
n2 k
Ejemplo Se realiz un experimento para investigar el acabado superficial de una parte de
metal. El experimento es un diseo factorial 23 con los factores Velocidad de ataque (A),
profundidad de corte (B) y ngulo de corte (C), con n = 2 rplicas. En la tabla siguiente se
observan los resultados del acabado superficial.

Datos del experimento

Factores de Diseo Acabado
Corrida A B C Superficial Total
1 (1) -1 -1 -1 9,7 16
2 a +1 -1 -1 10,12 22
3 b -1 +1 -1 9,11 20
4 ab +1 +1 -1 12,15 27
5 c -1 -1 +1 11,10 21
6 ac +1 -1 +1 10,13 23
7 bc -1 +1 +1 10,8 18
8 abc +1 +1 +1 16,14 30

Los efectos principales se calculan como sigue, por ejemplo para el factor A:

A =(22 + 27 +23 + 30 20 21 18 16) / 4(2) = 3.375

De la misma forma
B = 1.625
C = 1.375
AB = 1.375
AC = 0.125
BC = -0.625
ABC = 1.125

Calculando la suma de cuadrados como sigue:

SSA
ContrasteA^2 45.56
2 *8
gl.SSA = 1
De la misma forma para los dems factores, se tiene:
SSB = 10.5625 todos con gl. = 1
SSC = 3.065
SSAB = 7.5625
SSAC = 0.0625
SSBC = 1.5625
SSABC = 5.5625
SSErr = 19.500 con (16 7 ) = 8 gl. MSE = 2.4375
SST = 92.9375 con 15 gl.

Formando la tabla ANOVA y calculando los valores de Fc para cada factor se tiene (Fcrtica
(0.1, 1, 8) = 3.45

Fuente Fc
A 18.69
B 4.33
C 1.26
AB 3.1
AC 0.03
BC 0.64
ABC 2.08

Por tanto slo son significativos los factores A y B por ser Fc > Fcrtica.

Para probar normalidad se puede utilizar la ecuacin de regresin anterior para las dos
variables A y B, con sus niveles codificados en (-1, +1), tomando la media general y los
estimados de los efectos de los factores A y B y de su interaccin, se tiene:

3.375 1.625 1.375

y 0 1 x1 2 x 2 3 x1 x 2 11.0625 x1 x2 x1 x 2
2 2 2

Con esta ecuacin se pueden evaluar los residuos, que se calculan para cada
combinacin de las dos variables A y B ya que la C no fue relevante. Por ejemplo para el caso
de
A = -1 y B = -1 se tiene:

Yest = 9.25

Los valores observados para A = -1, B = -1 y

C = -1, corresponden a las respuestas 7 y 9. Obteniendo los residuos contra el valor estimado
de 9.25 se tiene:
r1 = 9 9.25 = - 0.25
r2 = 7 9.25 = - 2.25
Graficando estos residuos en papel normal no se observan anormalidades mayores.
Como el menor valor se obtiene al tener A y B en nivel bajo, esta es la solucin que se
recomienda.
Tcnica de confusin en los diseos 2k
Existen muchos problemas en los cuales es imposible desarrollar replicas completas de un
diseo factorial en un solo bloque,
La confusin es una tcnica de diseo que sirve para arreglar un experimento factorial
completo en bloques, donde el tamao del bloque es ms pequeo que el nmero de
combinaciones del tratamiento en una rplica. La tcnica origina informacin acerca de ciertos
efectos del tratamiento (usualmente de mayor orden que las interacciones) que son
confundidas con los bloques.

Diseos factoriales 2k en dos bloques.-

Supongamos que deseamos dividir en dos bloques un diseo 2 2 . La figura muestra un posible
diseo para este problema. Aqu observamos que las combinaciones de los tratamientos en
diagonales opuestas son asignados a los diferentes bloques.

= corrida en el bloque 1
B
= corrida en el bloque 2

-
- +
A
Notamos que el bloque 1 est compuesto por las combinaciones de los tratamientos (1) y ab,
el bloque 2 esta compuesto por a y b.

Bloque 1 Bloque 2

(1) a

ab b

Dado que las dos combinaciones con el signo positivo [ (1) y ab] estn en el bloque uno, y las
dos combinaciones [ a y b] estn en el bloque 2, el efecto de los bloques y la interaccin AB
son idnticas. Esto significa que AB es confundida con los bloques.

Los signos de las combinaciones mencionadas los encontramos en la columna AB de la tabla.

(1) y ab tienen signo positivo, a y b tienen signo negativo.

Corrida I A B AB
1 (1) + - - +
2 a + + - -
3 b + - + -
4 ab + + + +
 Este mtodo puede ser usado para confundir cualquier efecto (A, B o AB) en bloques. Por
ejemplo, si (1) y b hubieran sido asignados al bloque 1, a y ab al bloque 2, entonces el efecto
principal A hubiera sido confundido en bloques.

Mtodo de combinacin lineal

Otro mtodo para construir este tipo de diseos consiste en el uso de la combinacin lineal:

L 1 x1 2 x2 ................. k xk

donde
xi = nivel del factor que aparece en una combinacin particular del tratamiento.
xi = 0 (nivel bajo) 1 nivel alto.

i es el exponente del factor en el efecto que es confundido.

i = 0 1

Las combinaciones del tratamiento que producen el mismo valor de L sern acomodadas en el
mismo bloque. Dado que los valores de L pueden ser 0 1 el nmero de bloques en un diseo
2k son dos.

Ejemplo:

Consideremos un diseo 23 con ABC confundida en bloques.

X1 corresponde a A, X2 corresponde a B, X3 corresponde a C, y a1 2 3 1

La combinacin lineal correspondiente a ABC es:

L = X1+ X2+ X3

Para determinar los valores Xi de la combinacin lineal L utilizamos la tabla de signos del
diseo 23 , Donde el signo - = 0 y + = 1

Combinacin del Efectos factoriales

Tratamiento I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +
Para obtener la combinacin del tratamiento (1) procedemos de la siguiente manera:
Observando el rengln del tratamiento (1) y tomando los signos de los efectos A, B, y C
obtenemos los valores de X1, X2, X3. = 000. Por tanto:

L = 1(0)+1(0)+1(0) = 0
De la misma manera la combinacin del tratamiento a sera:

L = 1(1) + 1(0) + 1(0) = 1

Calculando las dems combinaciones tenemos:

b: L = 1(0)+1(1)+1(0) = 1 = 1
ab: L = 1(1)+1(1)+1(0) = 2 = 0
c: L = 1(0)+1(0)+1(1) = 1 = 1
ac: L = 1(1)+1(0)+1(1) = 2 = 0
bc: L = 1(0)+1(1)+1(1) = 2 = 0
abc: L = 1(1)+1(1)+1(1) = 3 = 1

Nota cuando el valor de L>1 entonces L= 0, por ejemplo en la combinacin ab obtuvimos L = 2,

entonces L = 0

Para formar el bloque 1, tomamos todas las combinaciones L = 0, el bloque dos se forma con
las combinaciones L = 1, resultando:

Bloque 1 Bloque 2

(1) a
ab b
ac c
bc abc