Diseños2k3k MES

Diseño Factoriales 2k y 3k
Dra. Katia García Alfaro
Maestría en Estadística - UNSAAC
4 de julio de 2017
(Maestría en Estadística - UNSAAC) 4 de julio de 2017 1 / 45

Introducción
En la experimentación cuando se requiere conocer o estudiar los

efectos producidos por dos o más factores sobre una variable
respuesta generalmente se usa el Diseño Factorial en el cual se
investigan todas las posibles combinaciones de los niveles de los
factores en cada ensayo completo o réplica del experimento. El
Diseño Factorial puede necesitar un tamaño tan grande de
observaciones por réplica que lo haga irrealizable. Por ejemplo, un
Diseño con seis factores cada uno con cinco niveles, en el cual se
deben realizar 56 = 3125 observaciones por réplica, para reducir este
número se requiere o bien eliminar factores, o bien disminuir los
niveles a los que se aplican; es decir que el estudio de los Diseños
Factoriales se complican cuando existe un número considerable de
factores y un número bastante grande de niveles de cada factor.

Introducción
Existen varios casos del Diseño Factorial general que resultan

importantes en la práctica y se usan ampliamente en los estudios de
investigación.
El primer caso más importante de estos ocurre cuando se tienen k
factores, fijándoles el número de niveles en dos, llamado Diseño
Factorial 2k .
Estos niveles pueden ser cuantitativos como por ejemplo, dos valores
de Temperatura, dos de presión o dos de tiempo, etc; también pueden
ser cualitativos como dos máquinas, dos operadores, etc. Estos dos
niveles podrían ser considerados como “superior" e “inferior", “alto" o
“bajo", “ausencia" o “presencia"del factor.
En una réplica completa de tal Diseño se necesita que se recopilen
2 × 2 × · · · × 2 = 2k observaciones.
El segundo caso es el Diseño Factorial con k factores con tres niveles
cada uno; el cual se conoce como llamado Diseño Factorial 3k .

Diseño Factorial 22
Este Diseño Factorial es el primero de la serie (2k ), existen dos

factores A y B, cada uno con dos niveles; que se suelen considerar
como “alto"ó “bajo". El nivel alto por el signo mas “+"ó 1 y el nivel bajo
con el signo menos “-"ó 0.
Hay cuatro tratamientos resultado de la combinacion de ambos niveles
de los factores A y B, los cuales se representa por una serie de letras
minúsculas, así los niveles altos de los factores se representan
mediante las letras a y b respectivamente y los niveles bajos se
representan por la ausencia de dichas letras. Si ambos niveles son
bajos se considera un valor igual a (1) de la siguiente forma:
bajo A-bajo B ≡ (0 , 0) =⇒ (1)

alto A-bajo B ≡ (1 , 0) =⇒ a
bajo A-alto B ≡ (0 , 1) =⇒ b
alto A-alto B ≡ (1 , 1) =⇒ ab
Notación
Estas letras minúsculas (1), a, b y ab también se usarán para
representar los totales de las n réplicas de los tratamientos
correspondientes.
Las letras mayúsculas A, B y AB se utilizaran para denotar el efecto de
un factor; por lo tanto:
A: Se refiere al efecto del factor A.
B: Se refiere al efecto del factor B.
AB: Se refiere al efecto de la interacción del factor A y el
factor B.

Presentación de los Datos
Como en los Diseños Factoriales 22 , el número de factores son dos
con dos niveles cada uno y en cada nivel existen n réplicas del
Experimento; entonces la representación de los datos observados es:
Arreglo tabular de los datos del Diseño Factorial 22

Factor B
Factor A bajo B alto B
bajo A Y111 Y121
Y112 Y122
.. ..
. .
Y11n Y12n
total (1) b
alto A Y211 Y221
Y212 Y222
.. ..
. .
Y21n Y22n
total a ab

Modelo Estadístico
El Modelo Estadístico que representan los datos es del Diseño de dos
factores, en el que los subíndices de i y j tomaran valores de 1 hasta 2
yijk = µ + αi + βj + (αβ)ij + εijk (1)

i = 1, 2 , j = 1, 2 , k = 1, · · · , n
El número total de observaciones en el Experimento es de

N = 2 × 2 × n = 4n; ya que se realizan n réplicas.

Estimación de los efectos de los factores

El efecto de A se obtiene como la diferencia entre el nivel alto del
factor menos el nivel bajo (en cada caso con los dos valores
correspondientes a los niveles del otro factor):
ab + a b + (1) 1
A = − = (ab + a − b − (1)) (2)
2n 2n 2n
ab + b a + (1) 1
B = − = (ab + b − a − (1)) (3)
2n 2n 2n
El efecto de la interacción AB se define como la diferencia media entre
el efecto de A al nivel alto de B, y el efecto de A al nivel bajo de B :
1 1
AB = [(ab − b) − (a − (1))] = (ab + (1) − a − b) (4)
2n 2n
Del mismo modo se puede definir BA, obteniéndose que AB = BA.

Análisis de Varianza
El Análisis de Varianza en los Diseños 2k puede utilizarse para
determinar cuáles variables es probable que sean importantes.
Las sumas de cuadrados se pueden definir en términos de las
estimaciones anteriores obteniéndose:
" p
#2
1 X
SCuadrados del Contraste = Pp 2
ci yi . (5)
n i=1 ci i=1
En este caso, se puede elaborar una tabla de signos algebraicos

(positivos y negativos)para representar los contrastes, en la cual, en la
primera columna se colocan los efectos principales A y B, la
interacción AB, e I, que representa el total o el promedio de todo el
Experimento.

En este caso, se puede elaborar una tabla de signos algebraicos
(positivos y negativos) para representar los contrastes, en la cual, en
la primera columna se colocan los efectos principales A y B, la
interacción AB, e I, que representa el total o el promedio de todo el
Experimento.
Tabla de signos de los coeficientes de los
contrastes usados para estimar los efectos
Efecto Combinación de Factores
Factorial (1) a b ab
I + + + +
A - + - +
B - - + +
AB + - - +

Por lo tanto, los contrastes para estimar A, B y AB se obtienen:
Contraste A = −(1) + a − b + ab
Contraste B = −(1) − a + b + ab
Contraste AB = (1) − a − b + ab
Como puede observarse que estos contrastes coinciden con los que
se obtuvieron en las expresiones (2), (3) y (4)
Las sumas de cuadrado correspondientes son:
1
SCA = [ab + a − b − (1)]2 ,
4n
1
SCB = [ab + b − a − (1)]2 ,
4n
1
SCAB = [ab + (1) − a − b]2
4n
La tabla de análisis de la varianza es, entonces,
Tabla ANOVA
F. V. G. L. S. C. M. C.
Factor A 1 SCA CMA = SCA
Factor B 1 SCB CMB = SCB
Interacción AB 1 SCAB CMAB = SCAB
Residual 4(n - 1) SCE CME = SCE/4(n - 1)
Total 4n - 1 SCTot
Para investigar cuáles de los tres efectos están activos o son

significativos se procede a probar las hipótesis dadas por:
Hipótesis planteadas
Hipótesis nula Hipótesis alterna Fc
H0 : Efecto A = 0 Ha : Efecto A 6= 0 FcA = CMA/CME
H0 : Efecto B = 0 Ha : Efecto B 6= 0 FcB = CMB/CME
H0 : Efecto AB = 0 Ha : Efecto AB 6= 0 FcAB = CMAB/CME

Ejemplo
Se trata de estudiar la influencia de dos factores Temperatura (1: alta ó
0: baja) y Catalizador (1: se usa ó 0: no se usa) en la dureza de un
material cerámico (variable respuesta). Se obtienen los siguientes
datos:
Arreglo tabular de los datos del Diseño Factorial 22

Réplica
Combinación 1 2 Total Codificación
bajo A - bajo B (0, 0) 86 92 178 (1)
alto A - bajo B (1, 0) 47 39 86 a
bajo A - alto B (0, 1) 104 114 218 b
alto A - alto B (1, 1) 141 153 294 ab

Con el diseño factorial 23 se estudian tres factores en dos niveles

cada uno. Consta de 23 = 2 × 2 × 2 = 8 tratamientos diferentes, los
cuales pueden identificarse con las mismas notaciones introducidas
con el diseño 22 . Notación Geometrica: + y -. Notación binaria: 1 y 0.
Etiquetas con letras minusculas para los tratamientos los que se dan
en el orden estándar.
A B C Tratamientos A B C
- - - (1) 0 0 0
+ - - a 1 0 0
- + - b 0 1 0
+ + - ab 1 1 0
- - + c 0 0 1
+ - + ac 1 0 1
- + + bc 0 1 1
+ + + abc 1 1 1
Con este diseño se pueden estudiar los 23 − 1 = 7 efectos: tres

efectos principales A, B, C; tres interacciones dobles AB, AC, BC y
una interacción triple ABC.
Por lo general, el interés se enfoca en estudiar los efectos principales

y las interacciones dobles.
Para calcular los efectos se puede usar la siguiente tabla o matriz de
diseño:

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

Estimación de los efectos y analisis de Varianza

Para llevar a cabo la Estimación de los efectos y el Análisis de
Varianza se deben obtener los contrastes de los efectos basados en la
tabla anterior.
Contraste A = a + ab + ac + abc − (1) − b − c − bc
Contraste B = b + ab + bc + abc − (1) − a − c − ac
Contraste C = c + ac + bc + abc − (1) − a − b − ab
Contraste AB = (1) − a − b + ab + c − ac − bc + abc
Contraste AC = (1) − a + b − ab − c + ac − bc + abc
Contraste BC = (1) + a − b − ab − c − ac + bc + abc
Contraste ABC = abc − bc − ac + c − ab + b + a − (1)

Estimación de los efectos

Los efectos medios se calculan a partir de los contrastes indicados en
la tabla anterior partidos entre 4n:
1 Contraste A
A = [a − (1) + ab − b + ac − c + abc − bc] =
4n 4n
1 Contraste B
B = [b + ab + bc + abc − (1) − a − c − ac] =
4n 4n
1 Contraste C
C = [c + ac + bc + abc − (1) − a − b − ab] =
4n 4n
1 Contraste AB
AB = [(1) + ab + c + abc − a − b − ac − bc] =
4n 4n
1 Contraste AC
AC = [(1) + b + ac + abc − a − ab − c − bc] =
4n 4n
1 Contraste BC
BC = [(1) + a + bc + abc − b − ab − c − ac] =
4n 4n
1 Contraste ABC
ABC = [abc + a + b + c − ab − ac − bc − (1)] =
4n 4n

Suma de cuadrado
La suma de cuadrado para cualquier efecto de un Diseño 23 con n
réplicas, vendrá dada por el contraste correspondiente al cuadrado
entre el total de las observaciones.
Contraste2
SC Efecto =
8n
Entonces la Suma de Cuadrados para los efectos principales e
interacciones son las siguientes:
(Contraste A)2 (Contraste B)2 (Contraste C)2
SCA = ; SCB = ; SCC = ;
8n 8n 8n
(Contraste AB)2 (Contraste AC)2
SCAB = ; SCAC = ;
8n 8n
(Contraste BC)2 (Contraste ABC)2
SCBC = ; SCABC =
8n 8n

Suma de cuadrado
La suma de cuadrado total y la suma de cuadrados del error se
calcula de forma usual.
2 X
2 X
2 X
n 2
X
2 Y····
SCT = Yijkl − ,
8n
i=1 j=1 k =1 k =1
SCE = SCT − SCA − SCB − SCC − SCAB − SCAC − SCBC − SCABC.
donde
SCT : Tiene 8n − 1 grados de libertad; ya que existe un total de
N = 8n observaciones.
SCE : Tiene 8(n − 1) grados de libertad; porque cada suma de los
efectos principales e interacciones tienen un grado de libertad cada
una.

Analisis de varianza
La tabla del analisis de varianza es:
Tabla ANOVA del Diseño Factorial 23
F. V. G. L. S. C. M. C. Fc
Factor A 1 SCA CMA = SCA FA = CMA/CME
Factor B 1 SCB CMB = SCB FB = CMB/CME
Interacción AB 1 SCAB CMAB = SCAB FAB = CMAB/CME
Factor C 1 SCC CMC = SCC FC = CMC/CME
Interacción AC 1 SCAC CMAC = SCAC FAC = CMAC/CME
Interacción BC 1 SCBC CMBC = SCBC FBC = CMBC/CME
Interacción ABC 1 SCABC CMABC = SCABC FABC = CMABC/CME
Residual 8(n - 1) SCE CME = SCE/8(n - 1)
Total 8n - 1 SCTot

ejemplo
En un Experimento para investigar las propiedades de resistencia a la
compresión de mezcla de Cemento y Tierra, se utilizaron dos períodos
(A) diferentes de curado en combinación con dos Temperaturas (B)
diferentes de curado y dos tierras (C) diferentes. Se hicieron dos
réplicas para cada combinación de niveles de los tres factores, los
datos obtenidos se presentan a continuación:
Temperatura (Factor B)
1 2
Edad Tierra (Factor C) Tierra (Factor C)
(Factor A) 1 2 1 2
1 471 385 485 530
413 434 552 593
2 712 770 712 741
637 705 789 806

Diseño Factorial 2k
El Diseño Factorial 2k , es la generalización de los Diseños Factoriales

de dos niveles que tienen k factores. El Modelo Estadístico del Diseño
Factorial 2k tiene:
k factores principales, k2 interacciones de dos factores, k3

interacciones de tres factores, · · · , y una interacción de k factores; es

decir, que el Modelo completo tiene 2k − 1 efectos.
Las combinaciones de niveles de los factores pueden escribirse en el
orden estándar, introduciendo los factores de uno en uno, combinado
en forma sucesiva cada nuevo factor con aquellos introducidos
anteriormente. Por ejemplo, el orden estándar para un Diseño 24 es :
(1), a, b, ab, c, ac, bc, abc, d, ad, bd, abd, cd, acd, bcd, abcd.
En el cual cd representa la combinación en la que el Factor C y Factor

D se encuentran en el nivel superior, mientras que A y B están en el
nivel inferior.
Analisis del Diseño Factorial 2k
Estimación de Efectos y Analisis de Varianza
Para estimar cualquier efecto o calcular su correspondiente Suma de
Cuadrado es necesario determinar el contraste de cada uno de los
efectos; los cuales se pueden obtener utilizando una tabla de signos
positivos y negativos; pero para un número grande de factores (k
grande), resulta demasiado tedioso o complicado; y por lo tanto, es
preferible utilizar otro método para encontrar los contrastes.
En general, el contraste para el efecto AB....K, se obtiene
desarrollando el segundo miembro de la siguientes ecuación.
ContrasteAB....K = (a ± 1)(b ± 1)....(k ± 1) (6)
Para encontrar un contraste determinado, en la ecuación anterior se

debe usar el signo negativo si el factor esta presente en el efecto y
positivo en caso contrario. Al terminar de desarrollar los productos de
la ecuación, se debe reemplazar el “1"por (1) en la expresión final.
Estimación de Efectos y Analisis de Varianza

Luego de haber obtenido los contrastes para los efectos, la estimación
de los efectos y la Suma de Cuadrado de cada uno de ellos, se puede
determinar mediante las siguientes expresiones generales.
Forma general para obtener los efectos:
2 1
AB....K = [ContrasteAB....K ] = (7)
[ContrasteAB....K ]
n×2k n × 2k −1
Forma general de obtener las sumas de cuadrados:
1
SCAB....K = [ContrasteAB....K ]2 (8)
n × 2k
En las ecuaciones anteriores (7 ) y ( 8 ) n es el número de réplicas.

Tabla de Análisis de Varianza para el Diseño 2k
Fuentes de Variación Grados de Libertad Suma de Cuadrados
k efectos principales
A 1 SCA
.. .. ..
. . .
K 1 SCK
k
2
interacciones de dos factores
AB 1 SCAB
.. .. ..
. . .
JK 1 SCJK
k
3
interacciones de tres factores
ABC 1 SCABC
.. .. ..
. . .
IJK 1 SCIJK
1 interacción de k factores
ABC· · · K 1 SCABC· · · K
Residual 2k (n − 1) SCE
Total 2k n − 1 SCTot

Diseño factorial 2k
Formación de bloques en un Diseño factorial 2k
En muchas ocaciones es imposible conseguir replicas homogeneas,
es decir, correr todas las observaciones en un diseño factorial 2k bajo
condiciones homogéneas. La técnica de diseño apropiada para esta
situación general es la formación de bloques. Cada replica es un
bloque y las corridas de cada bloque (replica) se hará en forma
aleatoria.
El esquema de bloques permite la estimación de todos los efectos
principales y de las interacciones y tambien permite corregir la
heterogeneidad de las unidades experimentales.
En general si un experimento factorial de dos factores es conducido
en un diseño bloque completo aleatorio se asume que los bloques no
interaccionan ni con A ni con B y las fuentes de variación del analisis
de varianza son los factores principales A y B, la interaccion AB como
antes y el Error se divide en dos fuentes una es “los bloques” y la otra
es el propio error experimental,
Formación de bloques del Diseño factorial 22
Modelo Estadístico
El modelo lineal aditivo es:
yijk = µ + αi + βj + (αβ)ij + %k + εijk (9)

i = 1, 2 , j = 1, 2 , k = 1, · · · , r

N = 2 × 2 × r = 4r ; cada réplica es un bloque y se tienen r bloques.

Análisis de varianza
Tabla ANOVA
F. V. G. L. S. C. M. C.
Bloques (r-1) SCBloq CMBloq = SCBloq/(r-1)
Residual 3(r - 1) SCE CME = SCE/3(r - 1)
Total 4r - 1 SCTot
Las Sumas de cuadrado de A, B y AB se hallan usando contrastes

como en el diseño factorial 22 visto anteriormente. La suma de
cuadrados total, suma de cuadrado de bloques y la suma de
cuadrados del error son,
2 X
2 X
r 2
Pr 2 2
X
2 Y··· k =1 Y··k Y···
SCTot = Yijk − , SCBloq = − ,
4r 4 4r
i=1 j=1 k =1
SCE = SCT − SCA − SCB − SCAB − SCBloq.

Ejemplo
Un Proceso químico de dos factores a dos niveles se lleva a cabo en
tres bloques y los datos obtenidos se presentan en la siguiente tabla:
Bloque I Bloque II Bloque III

(1) = 28 (1) = 25 (1) = 27
a = 36 a = 32 a = 32
b = 18 b = 19 b = 23
ab = 31 ab = 30 ab = 29
Analice los datos y determine las conclusiones apropiadas.

Total bloques:
Total BlI = (1) + a + b + ab = 28 + 36 + 18 + 31 = 113

Total BlII = (1) + a + b + ab = 25 + 32 + 19 + 30 = 106
Total BlIII = (1) + a + b + ab = 27 + 32 + 23 + 29 = 111
Ejemplo
Total tratamientos
Total (1) = (1)I + (1)II + (1)III = 28 + 25 + 27 = 80

Total a = aI + aII + aIII = 36 + 32 + 32 = 100
Total b = bI + bII + bIII = 18 + 19 + 23 = 60
Total ab = abI + abII + abIII = 31 + 30 + 29 = 90
Analisis de Varianza
Las sumas de cuadrado de los efectos principales y de las
interacciones se calculan con los contrastes, mientras que las sumas
de cuadrado de bloques; del total se hallan de la forma usual y del
error por diferencia.

Ejemplo
Por lo tanto, los contrastes para estimar A, B y AB son:
Contraste A = −(1) + a − b + ab = −80 + 100 − 60 + 90 = 50

Contraste B = −(1) − a + b + ab = −80 − 100 + 60 + 90 = −30
Contraste AB = (1) − a − b + ab = 80 − 100 − 60 + 90 = 10
Las sumas de cuadrado correspondientes son:
1 1
SCA = [Contraste A]2 = [50]2 = 208, 33
4r 12
1 1
SCB = [Contraste B]2 = [−30]2 = 75, 0
4r 12
1 1
SCAB = [Contraste AB]2 = [10]2 = 8, 333
4r 12

Ejemplo
La suma de cuadrados total y la suma de cuadrados del error son,
Pr 2 2
k =1 Blk Y··· (113)2 + (106)2 + (111)2 (330)2
SCBl = − = −
22 4r 4 12
= 9081, 5 − 9075 = 6, 5
2 X 2 X r
X Y2
SCT = 2
Yijk − ···
4r
i=1 j=1 k =1
(330)2
= 282 + 362 + · · · + 232 + 292 − = 9398 − 9075 = 323
12
SCE = SCT − SCBl − SCA − SCB − SCAB
= 323 − 6, 5 − 208, 33 − 75, 0 − 8, 33 = 24, 84

Ejemplo
La tabla de análisis de la varianza es,
Tabla ANOVA
F. V. G. L. S. C. M. C.
Bloques r-1 = 2 SCBl = 6,5 CMBl = SCBl/(r-1)=3,25
Factor A 1 SCA = 208,33 CMA = 208,33
Factor B 1 SCB = 75,0 CMB = 75,0
Interac. AB 1 SCAB = 8,33 CMAB = 8,33
SCE
Residual (4-1)(r-1) = 6 SCE = 24,84 CME = (4−1)(r −1)
= 4, 14
Total 4r - 1 = 11 SCTot = 323,0
Hipótesis planteadas
Hipótesis nula Hipótesis alterna Fc
H0 : Efecto A = 0 Ha : Efecto A 6= 0 FcA = CMA/CME = 50, 32
H0 : Efecto B = 0 Ha : Efecto B 6= 0 FcB = CMB/CME = 18, 12
H0 : Efecto AB = 0 Ha : Efecto AB 6= 0 FcAB = CMAB/CME = 2, 01

Diseño Factorial 3k
El diseño factorial 3k considera k factores con tres niveles cada uno y

tiene 3k tratamientos. La primera desventaja de los diseños 3k es que
al aplicarse requieren mayor cantidad de pruebas que el diseño 2k .
Para estudiar cuatro factores en una sola una repetición, el diseño 34
requiere en total 81 pruebas, una para cada tratamiento; mientras que
el diseño 24 necesita 16 pruebas.
El diseño factorial 3k es una de las alternativas experimentales que
permite estudiar efectos de curvatura, además de efectos lineales y de
interacción

Este diseño consiste en 32 = 9 tratamientos diferentes, que

corresponden a todas las posibles maneras en que se pueden
combinar dos factores en tres niveles cada uno. Sean A y B los
factores, cada uno con tres niveles, a los cuales se les suele llamar
bajo, medio y alto. Los nueve tratamientos se pueden escribir de varias
maneras, algunas de las cuales se muestran en la siguiente tabla.
Tratamiento A B A B A B
1 a1 b1 bajo bajo 0 0 -1 -1
2 a2 b1 medio bajo 1 0 0 -1
3 a3 b1 alto bajo 2 0 1 -1
4 a1 b2 bajo medio 0 1 -1 0
5 a2 b2 medio medio 1 1 0 0
6 a3 b2 alto medio 2 1 1 0
7 a1 b3 bajo alto 0 2 -1 1
8 a2 b3 medio alto 1 2 0 1
9 a3 b3 alto alto 2 2 1 1

Análisis del diseño factorial 32
modelo estadístico
El modelo estadístico para el diseño 32 se puede escribir
considerando el efecto individual de cada factor y de la interacción
entre ambos, y queda como sigue:
yijk = µ + αi + βj + (αβ)ij + εijk (10)

i = 1, 2, 3 , j = 1, 2, 3 , k = 1, · · · , n

N = 3 × 2 × n = 9n; ya que se realizan n réplicas.
donde αi es el efecto del factor A en su nivel i,
βj representa el efecto del factor B en su nivel j ( (αβ)ij es el efecto de
interacción de ambos en los niveles ij y n es el número de repeticiones
de cada tratamiento.

Las hipótesis que se desean probar son:
H0 : αi = 0 (no hay efecto significativo del factor A sobre la variable
respuesta),
H0 : βj = 0(no hay efecto del factor B sobre la variable respuesta) y
H0 : (αβ)ij = 0 (no hay efecto de interacción de los factores A y B
sobre la variable respuesta).
Estas hipótesis se probarán con el ANOVA;
Tabla ANOVA
F. V. G. L. S. C. M. C.
Residual 32 (n − 1) SCE CME = SCE/4(n - 1)
Total 32 n - 1 SCTot
Este diseño requiere al menos de dos repeticiones para que haya

grados de libertad para el error.
Las sumas de cuadrados para los tres efectos incluidos en la expesión
10 están dadas por:
Pa Pb 2
2
j=1 Y·j·
Y Y 2 Y2
···
SCA = i=1 i··
− ; SCB = − ···
3n 9n 3n 9n
" Pa Pb 2
#
i=1 Y
j=1 ij· Y 2
SCAB = − ··· − SCA − SCB
n 9n
Las sumas de cuadrados para el total y el error son;

a X
b X
n 2
X
2 Y···
SCTot = Yijk −
9n
i=1 j=1 k =1
a X
b X
n Pa Pb 2
i=1 j=1 Yij·
X
2
SCE = Yijk −
n
i=1 j=1 k =1
Descomposición de los efectos
El ANOVA considera los efectos A, B y AB de manera global, es
decir,sin especificar si influyen de manera lineal, cuadrática o de
ambas formas.
Las sumas de cuadrados de cada efecto se pueden descomponer en
sumas de cuadrados con un grado de libertad.
Por ejemplo, la suma de cuadrados del efecto A con 2 grados de
libertad se puede desglosar en los componentes AL y AQ (efecto lineal
y cuadrático) cada uno con un grado de libertad. El subíndice L indica
que es la parte lineal del efecto global A, y el subíndice Q denota la
parte cuadrática. Asimismo, la suma de cuadrados de AB dada en la
tabla se puede partir en cuatro componentes con un grado de libertad:
AL BL , AL BQ , AQ BL y AQ BQ . Así, para tener información más detallada
de cómo es que afectan los factores, es necesario separar los ocho
componentes con un grado de libertad y construir un ANOVA que
muestre la significancia de cada uno de ellos.
Descomposición de los efectos

Este ANOVA desglosado se muestra en la tabla
Tabla ANOVA
F. V. G. L. S. C. C. M. Fc Valor-p
AL 1 SCAL CMAL CMAL /CME P(F>Fc)
BL 1 SCBL CMBL CMBL /CME P(F>Fc)
AQ 1 SCAQ CMAQ CMAQ /CME P(F>Fc)
BQ 1 SCBQ CMBQ CMBQ /CME P(F>Fc)
AL BL 1 SCAL BL CMAL BL CMAL BL /CME P(F>Fc)
AQ BL 1 SCAQ BL CMAQ BL CMAQ BL /CME P(F>Fc)
AL BQ 1 SCAL BQ CMAL BQ CMAL BQ /CME P(F>Fc)
AQ BQ 1 SCAQ BQ CMAQ BQ CMAQ BQ /CME P(F>Fc)
Error 32 (n − 1) SCE CME = SCE/9(n - 1)
Total 32 n - 1 SCTot

Contraste de los efectos
Un contraste es una suma algebraica de combinaciones de
tratamientos tales que la suma de los coeficientes positivos es igual a
la suma de los coeficientes negativos. Dos contrastes son
ortogonales, si el resultados de multiplicarlos es otro contraste.
El siguiente es un conjunto de contrastes ortogonales, que sirven para
medir los efectos. Este conjunto constituye la Matriz de Diseño del
experimento 32 .
Tabla de contrastes
Tratamiento I AL AQ BL BQ AL BL AL BQ AQ BL AQ BQ total trat
a1b1 1 -1 1 -1 1 1 -1 -1 1 a1 b1
a2b1 1 0 -2 -1 1 0 0 2 -2 a2 b1
a3b1 1 1 1 -1 1 -1 1 -1 1 a3 b1
a1b2 1 -1 1 0 -2 0 2 0 -2 a1 b2
a2b2 1 0 -2 0 -2 0 0 0 4 a2 b2
a3b2 1 1 1 0 -2 0 -2 0 -2 a3 b2
a1b3 1 -1 1 1 1 -1 -1 1 1 a1 b3
a2b3 1 0 -2 1 1 0 0 -2 -2 a2 b3
a3b3 1 1 1 1 1 1 1 1 1 a3 b3
Suma de cuadrado
En la Matriz de Diseño del experimento 32 , podemos ver que el
primer contraste AL , sirve para comparar el efecto del nivel 1 con el
efecto del nivel 3 del factor A. El segundo contraste AQ , compara el
efecto del nivel 2 con los efectos de los niveles 1 y 3 en promedio, del
mismo factor. Por eso, los dos primeros contrastes miden el efecto del
factor A.
P
c ab
SCEfecto = Pij i j (11)
n cij 2

Ejemplo
Para estudiar la influencia de la temperatura y la presión sobre el
rendimiento de un proceso químico se ha realizado un experimento
con 3 niveles de presión y 3 temperaturas. Los resultados se muestran
en la tabla siguiente.
Presión Temperatura (Factor B)
(Factor A) 20 30 40
1 96,7 101,5 124,2 130,3 156,6 161,3
2 99,8 104,1 134,6 138,5 160,5 163,8
3 112,2 110,7 143,5 141,7 166,9 170,8

Ejemplo
En un proceso de fabricación de cajas se utiliza pegamento; con la
idea de mejorar el desempeño de las cajas se realiza un experimento
para estudiar la fuerza de adhesión del pegamento en diferentes
condiciones de humedad y temperatura. La variable de respuesta es
la fuerza necesaria en li bras para despegar la caja. Los datos
obtenidos en cada una de las nueve combinaciones de un diseño
factorial 32 con n = 2 réplicas, se muestran a continuación:
Presión Humedad (Factor B)

(Factor A) Frío Ambiente Caliente
50 % 1,5 1,2 3,2 3,5 4,0 4,2
70 % 1,4 1,3 2,9 2,5 3,8 3,4
90 % 0,8 1,2 1,8 2,0 2,7 3,0


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

Diseños2k3k MES

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseños2k3k MES

Uploaded by

Copyright:

Available Formats

Diseño Factoriales 2k y 3k

Dra. Katia García Alfaro

Maestría en Estadística - UNSAAC

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 1 / 45

En la experimentación cuando se requiere conocer o estudiar los

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 2 / 45

Existen varios casos del Diseño Factorial general que resultan

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 3 / 45

Este Diseño Factorial es el primero de la serie (2k ), existen dos

bajo A-bajo B ≡ (0 , 0) =⇒ (1)

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 5 / 45

Arreglo tabular de los datos del Diseño Factorial 22

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 6 / 45

yijk = µ + αi + βj + (αβ)ij + εijk (1)

El número total de observaciones en el Experimento es de

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 7 / 45

Estimación de los efectos de los factores

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 8 / 45

En este caso, se puede elaborar una tabla de signos algebraicos

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 9 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 10 / 45

Para investigar cuáles de los tres efectos están activos o son

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 12 / 45

Arreglo tabular de los datos del Diseño Factorial 22

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 13 / 45

Con el diseño factorial 23 se estudian tres factores en dos niveles

Con este diseño se pueden estudiar los 23 − 1 = 7 efectos: tres

Por lo general, el interés se enfoca en estudiar los efectos principales

Tabla de signos de los coeficientes de los

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 15 / 45

Estimación de los efectos y analisis de Varianza

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 16 / 45

Estimación de los efectos

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 17 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 18 / 45

SCE = SCT − SCA − SCB − SCC − SCAB − SCAC − SCBC − SCABC.

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 19 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 20 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 21 / 45

El Diseño Factorial 2k , es la generalización de los Diseños Factoriales

interacciones de tres factores, · · · , y una interacción de k factores; es

En el cual cd representa la combinación en la que el Factor C y Factor

ContrasteAB....K = (a ± 1)(b ± 1)....(k ± 1) (6)

Para encontrar un contraste determinado, en la ecuación anterior se

Estimación de Efectos y Analisis de Varianza

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 24 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 25 / 45

yijk = µ + αi + βj + (αβ)ij + %k + εijk (9)

El número total de observaciones en el Experimento es de

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 27 / 45

Las Sumas de cuadrado de A, B y AB se hallan usando contrastes

SCE = SCT − SCA − SCB − SCAB − SCBloq.

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 28 / 45

Bloque I Bloque II Bloque III

Analice los datos y determine las conclusiones apropiadas.

Total BlI = (1) + a + b + ab = 28 + 36 + 18 + 31 = 113

Total (1) = (1)I + (1)II + (1)III = 28 + 25 + 27 = 80

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 30 / 45

Contraste A = −(1) + a − b + ab = −80 + 100 − 60 + 90 = 50

Las sumas de cuadrado correspondientes son:

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 31 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 32 / 45

(Maestría en Estadística - UNSAAC) 4 de julio de 2017 33 / 45

El diseño factorial 3k considera k factores con tres niveles cada uno y