Cap tulo

3 Dise nos Factoriales

3.1. Introducci on.

Existen situaciones en la que se esta interesado en estudiar el efecto conjunto de dos o m as factores sobre la respuesta. Si esta es la situaci on ninguno de los dise nos hasta ahora tratados, es apropiado. En estos casos, un dise no en el que se investiguen todas las posibles combinaciones de los niveles de los factores en cada realizaci on del experimento es el ideal. Es decir, un dise no que permita analizar tanto efectos principales como efectos de interacci on, es el apropiado. A este tipo de dise no se le conoce con el nombre de Dise no Factorial. Un dise no factorial es entonces, aquel en el que el conjunto de tratamientos esta conformado por todas las posibles combinaciones de los distintos niveles de los factores involucrados. Supongamos que se desea estudiar el efecto conjunto de P factores sobre on de este la variable respuesta, donde el r- esimo factor tiene ar niveles. Una realizaci experimento contiene a1 a2 ... al ... ap combinaciones de tratamientos.

Ahora bien, dependiendo de los recursos disponibles en cada situaci on en particular, el experimento puede o no ser replicado. Si el experimento no puede ser replicado, 57

58

Cap tulo 3. Dise nos Factoriales

solo se puede conducir un an alisis de varianza para cada efecto principal. Si se desea analizar el efecto de interacci on se requiere de m as de una observaci on por combinaci on de tratamiento, es decir, es necesario replicar el experimento.

Los experimentos factoriales se usan en casi todos los campos de investigaci on. Son de gran valor en el trabajo exploratorio, cuando se sabe poco acerca de los niveles optimos o combinaci on o ptima de los factores. Tambi en, cuando se desconoce cuales de ellos son realmente son importantes. Una replica de un experimento factorial es una realizaci on del mismo que contiene tono se asume das las a1 a2 , ..., al , ... ap combinaciones de tratamientos. En este dise que el orden de experimentaci on es aleatorizado.

3.2.

Efecto de los Factores

El efecto de un factor se dene como el cambio en la respuesta producido por un cambio en el nivel del factor. Con frecuencia se le llama efecto principal porque se reere a los factores de inter es primario en el experimento. Por ejemplo, considere el experimento sencillo en la parte (a) de la gura 3.2. Se trata de un experimento factorial de dos factores en el que los dos factores del dise no tienen dos niveles. A estos niveles se les ha denominado bajo y alto y se denotan como - y +, respectivamente. El efecto principal de cada factor se puede calcular como: El efecto del factor A es la diferencia entre la respuesta promedio con el nivel bajo de A y la respuesta promedio con el nivel alto de A. Esto, es 40 + 52 20 + 30 = 21 2 2

A=

3.2. Efecto de los Factores

59

Es decir, cuando el factor A se incrementa del nivel bajko al nivel alto se produce un incremento de la respuesta promedio de 21 unidades. El efecto principal del factor B es la diferencia entre la respuesta promedio con el nivel bajo de B y la respuesta promedio con el nivel alto de B. Esto es, 30 + 52 20 + 40 = 11 2 2

B=

+ (Alto)

30

52

+ (Alto)

40

12

Factor B

(Bajo)

Factor B
20 40

(Bajo)

20

50

(Bajo) Factor A

+ (Alto)

(Bajo) Factor A

+ (Alto)

(a) Sin Interacci on

(b) Con Interaccion

Figura 3.1: Experimento factorial de dos factores con la respuesta (y) indicada por los v ertices (a) y (b)

Cuando los factores tienen m as de dos niveles, es necesario modicar el procedimiento anterior, ya que existen otras formas de denir el efecto de un factor. En algunos experimentos puede encontrarse que la diferencia en la respuesta entre los niveles de un factor no es la misma para todos los niveles de los otros factores. Cuando esto ocurre, existe una interacci on entre los factores. Por ejemplo, considere el experimento factorial de dos factores que se ilustra en la parte (b) de la gura 3.2. Con el nivel bajo del factor B (o B ), el efecto de A es A = 50 20 = 30

60

Cap tulo 3. Dise nos Factoriales

y con el nivel alto del factor B (o B + ), el efecto de A es A = 12 40 = 28

Puesto que el efecto de A depende del nivel que se elige para el factor B , se observa que existe una interacci on entre A y B . La magnitud del efecto de la interacci on es la diferencia promedio de estos dos efectos de A, o AB = (28 30)/2 = 29. Evidentemente, en este experimento la interacci on es grande. Estas ideas pueden ilustrarse gr acamente. En la parte (a) de la gura 3.2 se gracan los datos de las respuestas de la parte (a) de la gura 3.2 contra el factor A para ambos niveles del factor B . Observe que las rectas B y B + son aproximadamente paralelas,
60 50 60 50

B
B+

Respuesta

40 30 20 10

Respuesta

40 30 20

10

(Bajo) Factor A

+ (Alto)

(Bajo) Factor A

+ (Alto)

(a) Sin Interacci on

(b) Con Interaccion

Figura 3.2: Experimento factorial (a) y (b)

lo cual indica la ausencia de interacci on entre los factores A y B . De manera similar, en la parte (b) de la gura 3.2 se gracan los datos de las respuestas d la parte (b) de la gura 3.2. En este caso se observa que las rectas B y B + no son paralelas. Esto indica una interacci on entre los factores A y B . Gr acas como estas son de gran ayuda para interpretar las interacciones signicativas y para reportar los resultados al personal sin interpretaci on estad stica. Sin embargo, no deber an utilizarse como la u nica t ecnica

3.3. Ventajas y desventajas de un dise no factorial

61

para el an alisis de datos, ya que su interpretaci on es subjetiva y su apariencia con frecuencia es enga nosa.

3.3.

Ventajas y desventajas de un dise no factorial

Las ventajas de usar un dise no factorial son: Son m as ecientes que los modelos unifactoriales. Producen ahorro y econom a del recurso experimental as como mejoras en la inferencia. Todos los datos son usados en el c alculo de los efectos. El efecto de interacci on puede ser analizado. Las desventajas de usar un dise no factorial son: Al incrementarse el n umero de factores en el estudio, se incrementa r apidamente el numero de combinaciones de tratamientos y as , el n umero de unidades experimentales necesarias para llevar a cabo una realizaci on completa de un dise no factorial, llegando en algunas situaciones a ser imposible su realizaci on. Cuando el n umero de niveles de algunos factores o el n umero de factores es grande, la variabilidad del experimento puede ser grande dado el n umero de posibles combinaciones de tratamientos. Esto puede hacer dif cil la detecci on de efectos signicativos en el experimento. Nota: Considerar solo un subconjunto de todas las posibles combinaciones de tratamientos o, considerar un n umero razonable de factores y restringir bajo alg un criterio el n umero de niveles de cada uno de ellos, son dos formas de superar estas desventajas.

62

Cap tulo 3. Dise nos Factoriales

3.4.

El Modelo

Suponga que se tiene un experimento con P factores, donde el Pr -esimo factor tiene atico apropiado para describir esta situaci on ar niveles, r = 1, ..., p. El modelo matem esta dado por

Yij...l = + i + j + ... + l + ( )ij + ... + (... )ij...l + ij...l;

(3.1)

donde es el efecto general medio, i el efecto del i-esimo nivel del factor A1 , j el efecto del j-esimo nivel del factor A2 , ..., l el efecto del l-esimo nivel factor AP , ( )ij el efecto de la interaccion entre i y j , (... )ij...l el efecto de la interaccion entre i , j , ..., y l y ij...l es un termino de error aleatorio tal que ij...l NID (0 2 ).

En general el n umero de efectos principales y de interacci on presentes en el modelo pueden calcularse mediante la expresi on
P m

, m = 1, 2, 3, 4, 5, .... As , por ejemplo, un

5 1

modelo asociado con experimento que involucre 5 factores contendr a principales, triples,
5 4 5 2

= 5 efectos

= 10 efectos de interacciones dobles,

5 3 5 5

= 10 efectos de interacciones = 1 efectos de interacci on de

= 5 efectos de interacciones cu adruples y

orden cinco. El efecto principal de un factor, representa el cambio promedio en la respuesta cuando el es cambiando a los distintos niveles. El efecto de interacci on, representa el cambio en la respuesta entre los niveles de un factor para los distintos niveles de algunos factores, promediado sobre los niveles de los factores restantes. Si se tienen por ejemplo tres factores, el efecto de interacci on AB , mide el cambio en la respuesta entre los niveles de A para los distintos niveles de B , promediado sobre los niveles de C . Ahora bien, seg un se consideren los factores, efectos jos o efectos aleatorios, se tienen tres variantes:

3.5.

Dise no Factorial de 2 Factores

63

Modelo de efectos jos. Todos los factores se consideran jos y los efectos de los tratamientos se denen como desviaciones de la media general.

Modelo de efectos aleatorios. Todos los factores se consideran aleatorios. Esto es, los niveles de todos los factores se seleccionan en forma aleatoria.

Modelo de efectos mixtos. Modelo en el cual unos factores son jos y otros aleatorios.

En este curso solo se va a tratar el Modelo de efectos jos.

3.5.

Dise no Factorial de 2 Factores

Suponga que se tiene un experimento que involucra dos factores, A y B , con a y b niveles respectivamente. Se decide correr un dise no factorial de efectos jos, el cual se repite n veces. Esto es, se tienen abn observaciones que son tomadas en forma aleatoria.

esima observaci on tomada bajo el i esimo nivel del factor A y el j esimo Sea Yijk la k nivel del factor B . El modelo estad stico matem atico que describe esta observaci on esta dado por i = 1, ..., a Yijk = + i + j + ( )ij + ijk ; b = 1, ..., b k = 1, ..., n donde es el efecto general medio, i el efecto del i-esimo nivel del factor A, j el efecto del j-esimo nivel del factor B , ( )ij el efecto de la interacci on entre i y j , y ijk es (3.2)

64

Cap tulo 3. Dise nos Factoriales

un termino de error aleatorio tal que ijk NID (0 2 ) y

a b a b

i = 0;
i=1 j =1

j = 0;
i=1

( )ij =
j =1

( )ij = 0

(3.3)

Los datos de este modelo pueden arreglarse como en la tabla.

Tabla 3.1: Aspectos de los datos en un dise no factorial

ab

1 Factor A 2 . . .

1 y111 , ..., y11n y211 , ..., y21n . . .

Factor B 2 y121 , ..., y12n y221 , ..., y22n . . . ya21 , ..., ya2n .. .

k y1b1 , ..., y1bn y2b1 , ..., y2bn . . . yab1 , ..., yabn

1 ya11 , ..., ya1n

Las posibles hip otesis a probar son las siguientes:

H0 : i = 0; i = 1, .., a Vs. H1 : al menos un i = 0 H0 : j = 0; j = 1, .., b Vs. H1 : al menos un j = 0 H0 : ( )ij = 0; i, j Vs. H1 : al menos un ( )ij = 0

(3.4) (3.5) (3.6)

La primera hip otesis a probar es la referida al efecto de interacci on. Si esta hip otesis resulta signicativa, las hip otesis acerca de los efectos principales pierden importancia, dado que carecen de sentido si el efecto de un factor depende del otro factor. Para probar dichas hip otesis se realiza un an alisis de varianza.

3.6. An alisis de Varianza

65

3.6.

An alisis de Varianza

La t ecnica de an alisis de varianza es una vez mas, el procedimiento a usar para analizar este tipo de problemas. Considere las siguientes cantidades:
n

Yij. =
k =1 b

Yijk = Total correspondiente a la celda ij-esima en la tabla 1.

Yi.. =
j =1 k =1

Yijk = Total correspondiente a la la i de la tabla 1. Total asociado

con el nivel i-esimo del factor A.

a n

Y.j. =
i=1 k =1

Yijk = Total correspondiente a la columna j de la tabla 1. Total

asociado con el nivel j-esimo del factor B.

a b n

Y... =
i=1 j =1 k =1 Yij. ; Yi.. n

Yijk = Gran total.

ij. = Y

Yi.. ; Y.j. bn

Y.j. ; Y... an

Y... abn

Ahora bien, el An alisis de Varianza en este caso, consiste en descomponer la variaci on total de los datos en cuatro porciones independientes atribuibles al factor A, factor B , interacci on y error.

Una medida de la desviaci on de las observaciones con respecto a la media est a daa b n

da por
i=1 j =1 k =1

(yijk y... )2 , la cu al rest andole y sum andole los promedios de los dos

factores, la interacci on y el promedio general y orden andolo convenientemente se tiene que

66

Cap tulo 3. Dise nos Factoriales

...)2 = (Yijk Y

i.. Y ...) + (Y .j. Y ... ) + (Yijk Y ij.(3.7) [(Y )

i=1 j =1 k =1

i=1 j =1 k =1

i.. Y .j. + Y .. )]2 ij. Y + (Y

(3.8)

Al desarrollar el segundo miembro de la ecuaci on, y teniendo en cuenta que las sumatorias que contienen productos cruzados son iguales a cero se obtiene
a b n a b n a b n

)2 = (Yijk Y... +

i.. Y ...)2 + (Y ij. )2 + (Yijk Y

.j. Y ...)2 (Y
n

i=1 j =1 k =1

i=1 j =1 k =1 a b n

i=1 j =1 k =1 a b

ij. Y i.. Y .j. + Y .. )2 (Y

i=1 j =1 k =1

i=1 j =1 k =1

lo cual representa la descomposici on de la suma de cuadrados total. Esta es la ecuaci on fundamental para el an alisis de varianza asociado con el dise no factorial a b. De aqu se tiene que SCT = SCA + SCB + SCAB + SCE (3.9)

3.6. An alisis de Varianza

67

Para efecto de c alculos, las formulas anteriores usualmente se desarrollan y reescriben de la forma siguiente
a b n 2 Y... abn

SCT = SCA = SCB =

j =1 a

2 Yijk

i=1 j =1 k =1 a 2 2 Y... Yi.. i=1 b

bn

abn

2 Y.j. Y2 ... an abn b 2 Yij. Y2 ... n abn

SCsubt =
i=1 j =1

SCE = SCT SCsubt

Los efectos principales tienen como grados de libertad el n umero de niveles que posee menos 1. Los grados de libertad de la interacci on es la diferencia entre los grados de libertad de las celdas y los grados de libertad de los efectos principales. (ab 1 (a 1) (b 1) = (a 1)(b 1)). Los grados de libertad del error se tienen de sumar los grados de libertad dentro de cada celda (ab(n 1)). Por lo tanto, los grados de libertad est an dados por

GLT = abn 1 GLA = a 1 GLB = b 1 GLAB = (a 1)(b 1) GLE = GLT GLA GLB GLAB = ab(n 1)

68

Cap tulo 3. Dise nos Factoriales

Cada suma de cuadrados dividida entre sus grados de libertad proveen un nuevo estad stico, llamado cuadrado medio. Para determinar las expresiones de los estad sticos de prueba para cada una de las hip otesis que pueden ser planteadas en este caso, debemos simplemente observar el valor esperado de los cuadrados medios asociados con cada fuente de variaci on. Esto nos permitir a construir las relaciones apropiadas. E (CME ) = 2 E (CMA ) = 2 +
2

bn a1

a i=1 b j =1

i2
2 j a b

an E (CMB ) = + b1
2

N E (CMAB ) = + (A 1)(B 1)

( )2 ij

i=1 j =1

Bajo la hip otesis H0 : ( )ij = 0; ij cierta, el valor esperado de el CMAB es igual a 2 . Esto nos indica que la relaci on apropiada entre los cuadrados medios para probar esta hip otesis es
CMAB . CME

Para valores grandes de este cociente se debe tomar la decision

de rechazar la hip otesis acerca de los efectos de interacci on. Esto es, un valor grande de
CMAB CME

nos indicar a que existe efecto de interacci on.

CMA CME

Bajo an alisis similares a este, se pude concluir que los cocientes

CMB , CME

son

los cocientes apropiados para probar las hip otesis H0 : ( )i = 0; i y H0 : ( )j = 0; j , respectivamente. Para valores grandes de estos cocientes se rechazar a la hip otesis correspondiente. El gran dilema ahora es, como decidir cuando un cociente es lo sucientemente grande como para rechazar la hip otesis nula, es decir, a partir de que valor del cociente debemos

3.6. An alisis de Varianza

69

rechazar H0 . Para ello debemos identicar las propiedades distribucionales de estos cocientes y entonces, seleccionar el valor asociado con dicha distribuci on y que permitan tomar las decisiones correspondientes. A ese valor se le denomina valor cr tico. Bajo H0 cierta, SCA 2 (a1) 2 SCB 2 (b1) 2 SCAB 2 (a1)(b1) 2 SCE 2 ab(n1) 2

De esta forma, podemos indicar que CMA CMB CMAB F(a1);ab(n1) FB = F(b1);ab(n1) FAB = F(a1)(b1);ab(n1) CME CME CME

FA =

Luego, para rechazar a un nivel de signicaci on del 100(1 ) %, en cada caso debe cumplirse que: Rechazamos H0 : ( )ij = 0i, j , si y s olo si FAB =
CMAB CME CMA CME CMB CME

F(a1)(b1);ab(n1) F(a1);ab(n1) F(b1);ab(n1)

Rechazamos H0 : i = 0i = 1, .., a, si y s olo si FA = Rechazamos H0 : j = 0j = 1, .., b, si y s olo si FB =

Todo lo anteriormente expuesto puede resumirse como en la tabla 3.2, la cual representa la tabla de an alisis de varianza para un dise no factorial (a b). Obs ervese que si tenemos una sola replica no es posible estimar la varianza , lo que imposibilita la realizaci on de las pruebas antes planteadas.

Ejemplo 3.1 Se desea estudiar la supervivencia de cuatro animales a los que se ha asignado al azar tres venenos y cuatro tratamientos. Ya que ambos factores, venenos y tratamientos son de igual inter es, podr a interesar si existe interacci on entre ellos. A

70

Cap tulo 3. Dise nos Factoriales

Tabla 3.2:

Tabla de An alisis de Varianza para el Dise no Factorial Suma de Cuadrados SCA SCB SCAB SCE SCT Grado de Libertad a-1 b-1 (a-1)(b-1) ab(n-1) abn 1 Cuadrado Medio CMA CMB CMAB CME FA FB FAB F

Fuente de Variaci on A B AB Error Total

continuaci on se muestra el Tiempo de supervivencia (unidad igual a 10 horas) de los animales con 4 repeticiones. Veneno A 0.31 0.45 0.46 0.23 0.36 0.29 0.40 0.23 0.22 0.21 0.18 0.23 Tratamientos B C 0.82 0.43 1.10 0.45 0.88 0.63 0.72 0.76 0.92 0.44 0.61 0.35 0.49 0.31 1.24 0.40 0.30 0.23 0.37 0.25 0.38 0.24 0.29 0.22 D 0.45 0.71 0.66 0.62 0.56 1.02 0.71 0.38 0.30 0.36 0.31 0.33

II

III

Soluci on: El dise no utilizado en esta investigaci on es un dise no factorial de dos factores con tres y cuatro niveles respectivamente, donde: Factor A: Tratamiento con 4 niveles (A,B,C y D) Factor B: Veneno con tres niveles (I, II y III)

3.6. An alisis de Varianza

71

Variable Respuesta: Tiempo de supervivencia

Las hip otesis a probar son:

H0 : i = 0; i = 1, 2, 3, 4 Vs. H1 : al menos un i = 0 H0 : j = 0; j = 1, 2, 3 Vs. H1 : al menos un j = 0 H0 : ( )ij = 0; i, j Vs. H1 : al menos un ( )ij = 0

(3.10) (3.11) (3.12)

Para hallar las sumas de cuadrados se procede de la siguiente manera:

1. De la tabla de los datos se obtiene que

a b n

2 Yijk = 0,452 + 1,102 + ... + 0,332 = 13,9035

i=1 j =1 k =1 a b n

Yijk = 0,45 + 1,10 + ... + 0,33 = 22,81

i=1 j =1 k =1

2. Tambi en a partir de la tabla se construye la tabla de los totales de los factores

n

y de los subtotales, la cual est a dada por donde 1,45 = Y11. =

k =1

Yijk = 0,31 +

Veneno I II III Y.j. 0,45 + 0,46 + 0,23.

A 1.45 1.28 0.84 3.57

Tratamientos B C 3.52 2.27 3.26 1.5 1.34 0.94 8.12 4.71

Yi.. D 2.44 9.68 2.67 8.71 1.30 4.42 6.41 22.81

72

Cap tulo 3. Dise nos Factoriales

3. Por lo tanto las sumas de cuadrados son

a b n 2 Yijk 2 Y... 22,812 = 13,9035 = 3,064 abn 48

SCT o = SCV =

i=1 j =1 k =1 a 2 2 Yi.. Y... i=1 b

bn

abn

9,682 + 8,712 + 4,422 22,812 = 0,9794 16 48

SCT r =
j =1 a

2 Y.j. Y2 3,572 + 8,122 + 4,712 + 6,412 22,812 ... = = 0,9898 an abn 12 48 b 2 Yij. Y2 1,452 + 3,522 + ... + 4,422 22,812 ... = = 2,2403 n abn 4 48

SCsubt =
i=1 j =1

SCV T r = SCsubt SCV SCT r = 2,2403 0,9794 0,9898 = 0,2711 SCE = SCT SCsubt = 3,064 2,2403 = 0,8237

De aqu se puede construir la siguiente tabla de An alisis de Varianza: Si se usa un

Tabla 3.3:

Tabla de An alisis de Varianza para el Dise no Factorial Suma de Cuadrados 0.9794 0.9898 0.2711 0.8237 3.064 Grado de Libertad 2 3 6 36 47 Cuadrado Medio 0.3299 0.4897 0.0452 0.0229 14.42 21.40 1.97 F

Fuente de Variaci on Veneno (A) Tratamiento(B) A*B Error Total

nivel de signicaci on del 5 %, se obtiene que los valores cr ticos son Para la interacci on:F6,36,0,05 = 2,36 Para Veneno:F2,36,0,05 = 3,26 Para tratamiento:F3,36,0,05 = 2, 87

3.7. Dise no factorial

2K

73

Si se analiza primero la interacci on, se observa que no se rechaza la hip otesis de que la interacci on no tiene efecto, por lo tanto es necesario considerar los efectos principales. Al comparar los estad sticos calculador con los tabulados se concluye que ambos factores inuyen en el tiempo de supervivencia de los animales pero de manera independiente.

3.7.
3.7.1.

Dise no factorial 2K
Introducci on

Como se dijo en el cap tulo anterior, los dise nos factoriales son ampliamente utilizados en experimentos en los que se tienen varios factores y se desea estudiar el efecto conjunto de estos sobre la respuesta. Existen varios casos especiales del dise no factorial general de gran importancia, dado que son ampliamente utilizados en el trabajo de investigaci on y constituyen la base para otros dise nos de gran valor pr actico. Estos casos ocurren cuando se tienen k factores cada uno con dos o, tres niveles. En el primer caso, cada factor con dos niveles, no se conoce una r eplica completa de tal dise no requiere de 2k observaciones. Este dise no factorial como dise no factorial 2k . En el segundo caso, el cual se conoce como dise 3k , cada factor tiene tres niveles y se requiere de 3k observaciones para llevar a cabo una r eplica completa de tal dise no. El dise no factorial 2k es de gran utilidad en las primeras fases del trabajo experimental, fundamentalmente cuando hay muchos factores por investigar.

74

Cap tulo 3. Dise nos Factoriales

3.7.2.

Dise no factorial 2k

Dise no factorial 22 Consideremos el caso m as sencillo del dise no factorial 2k , un experimento que involucra 2 factores, cada uno con dos niveles. Los niveles de cada factor pueden denotarse como alto y bajo. El n umero de condiciones experimentales o tratamientos para el cual se necesita coleccionar informaci on es igual a 22 . Las cuatro condiciones experimentales o tratamientos, se listan en la tabla 3.4. En la tabla 3.4, se muestra el total de las n Condiciones experimental de un dise no 22 Tratamiento 1 2 3 4 A a0 a1 a0 a1 B b0 b0 b1 b1 AB a0 b0 a1 b0 a0 b1 a1 b1

Tabla 3.4:

observaciones correspondientes a cada tratamiento. a0 b0 representa la condici on experon experimental imental en la que los dos factores est an en su nivel bajo, a1 b0 la condici en la que el factor A esta en su nivel alto y B en su nivel bajo, a0 b1 la condici on en la que el factor A se encuentra en su nivel bajo y el B en su nivel alto y a1 b1 , aquella en la que los dos factores est an en su nivel alto. Nosotros podemos estimar el efecto de pasar el factor A de un nivel a otro en cada nivel del factor B . De esta forma tenemos que, Efecto de A en el nivel bajo de B es igual a a1 b0 a0 b0 Efecto de A en el nivel alto de B es igual a a1 b1 a0 b1

3.7. Dise no factorial

2K

75

Como una aproximaci on del efecto de A, podemos promediar los dos resultados anteriores, obteni endose 1 1 [(a1 b1 a0 b1 ) + (a1 b0 a0 b0 )] = (a1 a0 )(b1 + b0 ) 2n 2n

A=

(3.13)

De la misma forma el efecto de B estar a dado por 1 1 [(a1 b1 a1 b0 ) + (a0 b1 a0 b0 )] = (a1 + a0 )(b1 b0 ) 2n 2n

B=

(3.14)

El efecto de interacci on de A y B , usando el mismo procedimiento es entonces, 1 [efecto de A en el nivel alto de B - efecto de A en el nivel bajo de B ] 2n (3.15)

AB =

o, 1 [efecto de B en el nivel alto de A - efecto de B en el nivel bajo de A] 2n (3.16)

AB =

Es decir, el efecto de la interacci on se dene como la diferencia promedio entre el efecto del factor A (B ) al nivel alto del factor B (A) y el efecto de A (B ) al nivel bajo del factor B (A). Ahora bien, por lo general se usa la siguiente notaci on para expresar las condiciones experimentales. Los factores A y B en su nivel bajo = (1) El factor A en su nivel alto y B en su nivel bajo = a El factor A en su nivel bajo y B en su nivel alto = b

76

Cap tulo 3. Dise nos Factoriales

Los factores A y B en su nivel alto = ab Usando esta notaci on, las expresiones anteriores entonces, se pueden reescribir de la siguiente manera: A= B= AB = 1 [(ab b) + (a (1))] 2n 1 [(ab a) + (b (1))] 2n (3.17) (3.18) (3.19)

1 1 [(ab b) (a (1))] = [(ab a) (b (1))] 2n 2n

La interacci on puede darse si se da una variaci on en la magnitud de la respuesta o, por un cambio en la direcci on de la respuesta. Si la interacci on es signicativa indica que los factores no act uan en forma independiente. Los efectos simples de un factor dieren y la magnitud de un efecto simple depende del nivel del otro factor involucrado en la interacci on. An alisis sobre efectos principales carecen por lo tanto, de inter es. Ahora bien, si la interacci on no es signicativa, los factores son independientes entre si. Los efectos simples de un factor son los mismos para los distintos niveles del otro factor. Analizar los efectos principales, es lo m as apropiado. Obs ervese que los numeradores de las ecuaciones (3.17), (3.18) y (3.19) se pueden expresar de la siguiente manera: [(ab-b)+(a-(1))]=ab+a-b-(1)=(a-(1))(b+(1)) [(ab-a)+(b-(1))]=ab+b-a-(1)=(a+(1))(b-(1)) [(ab-b)-(a-(1))]=[(ab-a)-(b-(1))]=ab+(1)-b-a=(a-(1))(b-(1)) Recordemos que a,b,ab y (1) representan el total de las n observaciones para condici on experimental. Este numerador por lo tanto, no es m as que un contraste. Esto es, para

3.7. Dise no factorial

2K

77

estimar A, B y AB se usan contrastes, los cuales son ortogonales y se denotan por LA , LB y LAB . En general, el contraste asociado con el efecto de interacci on AB........K esta dado por LAB...K = (a (1))(b (1))...(k (1))

(3.20)

Donde, el signo es negativo si el factor se encuentra en la interacci on y positivo en caso contrario. El efecto de interacci on est a dado por 1 LAB...K n2k1

AB...K =

(3.21)

De acuerdo a lo anteriormente expuesto, las ecuaciones (3.17), (3.18) y (3.19) est an dadas por: A= B= AB = 1 LA 2n 1 LB 2n 1 LAB 2n (3.22) (3.23) (3.24)

Ordenando las condiciones experimentales en forma est andar y considerando su signo en cada efecto se obtiene la tabla 3.5, la cual puede ser f acilmente generalizada a el caso de tres o m as factores. Obs ervese que el efecto de interacci on es obtenido multiplicando las columnas correspondientes a los efectos de A y B . En general el producto de cualquier par de columnas produce otra columna perteneciente a la tabla, simplemente tomando modulo 2 sobre el exponente de tales productos. Si se tiene por ejemplo, un dise no 24 , el cual contiene 16 combinaciones de tratamientos, el producto de las columnas correspondientes a los efectos ABC y BCD, dan como

78

Cap tulo 3. Dise nos Factoriales

Tabla 3.5:

Tabla de signos para calcular los efectos en un Dise no 22 Condici on Experimental (1) a b ab A + + Efecto B + + AB + +

resultado la columna correspondiente a el efecto AD . Esto es, ABC BCD = AB 2C 2D = AD (2modulo2 = 0y 1modulo2 = 1)

3.8.

M etodo de Yates

Es una t ecnica de c alculo ecaz propuesta por Yates (1937), la cual se usa para estimar los efectos principales e interacciones y determinar las correspondientes sumas de ecnica consiste en los siguientes pasos: cuadrados en un dise no factorial 2k . La t 1. Dise nar una tabla de k + 5 columnas (k es el numero de factores). 2. En la primera columna, llamada tratamiento, se presentan los tratamientos en el orden est andar o normalizado. Este orden es el siguiente: Para 2 factores: (1) a b ab Para 3 factores: (1) a b ab c ac bc abc Para 4 factores: (1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd El orden est andar se obtiene por la tabla de signos. Para el primer factor los signos se alternan de - a +, Para el siguiente factor se alternan de - a + pero en

3.8. M etodo de Yates

79

parejas, es decir dos negativos dos positivos, luego dos negativos y dos positivos: para el tercer factor se alternan cada cuatro, y as sucesivamente. 3. En la columna 2, llamada respuesta, se introduce el resultado o la respuesta observada para cada tratamiento de la columna 1. 4. En la mitad superior de la columna 3, llamada (1), introducir por orden las sumas de los pares consecutivos de los valores de la columna 2. En la mitad inferior, introducir por orden las diferencias entre esos mismos pares consecutivos de valores, es decir, segundo valor menos primero, cuarto menos tercero, y as sucesivamente. 5. Repetir el paso anterior en las columnas siguientes a la (1) llamadas (2), (3), ..., (k ). 6. Dise nar la columna llamada efecto, la cual contiene los s mbolos que representan los efectos principales y las interacciones en el orden est andar. (la la (1) se representa por I). 7. En la siguiente columna, llamada estimaci on del efecto, dividir los valores de la columna (k ) por n 2k1 8. La u ltima columna contiene las sumas de cuadrados, la cu al est a dada por el valor de la columna (k ) elevado al cuadrado dividido por n 2k Para la comprobaci on de los c alculos podemos observar que: 1. La suma de los valores de la segunda columna (columna de respuestas) es igual al primer elemento de la columna k . 2. Para cualquier efecto principal los valores de la columna k es igual a la suma de las respuestas en las que ese factor est a a su nivel m as alto menos las respuestas en las que ese factor est a a su nivel m as bajo.

80

Cap tulo 3. Dise nos Factoriales

Ejemplo 3.8.1 Los datos en la siguiente tabla trata sobre tratamientos retardadores del fuego para tejidos. El experimento tiene 4 factores, cada uno con dos niveles, es decir, se trata de un experimento factorial 24 .

A0 B0 C0 D0 D1 D0 D1 B1 B0

A1 B1

4.2 4.5 3.1 2.9 4.0 5.0 3.0 2.5 3.9 4.6 2.8 3.2 4.0 5.0 2.5 2.3

C1

Los factores y niveles experimentales son los siguientes:

Factor A: Tejido

Nivel Sat en Pa no X

B: Tratamiento Y Antes de un lavado C: Condiciones de lavado Despu es de un lavado Urdimbre B: Sentido de la prueba Trama

La tabla de Yates es la siguiente:

3.8. M etodo de Yates

81

tratamiento Respuesta (1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd 4.2 3.1 4.5 2.9 3.9 2.8 4.6 3.2 4.0 3.0 5.0 2.5 4.0 2.5 5.0 2.3

(1) 7.3 7.4 6.7 7.8 7.0 7.5 6.5 7.3 -1.1 -1.6 -1.1 -1.4 -1.0 -2.5 -1.5 -2.7

(2)

(3)

(4) 57.5

Efecto I A B AB C AC BC ABC D AD BD ABD CD ACD BCD ABCD

Efec. Est. 7.1825 -1.6125 0.3125 -0.4375 -0.1125 -0.0625 0.1625 0.0625 -0.1125 -0.3125 0.0125 -0.2375 -0.0625 -0.1125 -0.0875 0.0125

S.C. 206.64 10.40 0.39 0.77 0.05 0.02 0.11 0.02 0.05 0.39 0.00 0.23 0.02 0.05 0.03 0.00

14.7 29.2

14.5 28.3 -12.9 14.5 13.8 -2.7 -2.5 -3.5 -4.2 0.1 1.1 0.5 0.8 -0.5 -0.3 -1.5 -1.2 -5.2 -7.7 1.2 1.3 -0.8 -2.7 -0.2 -0.7 0.2 -0.7 1 0.3 0.2 0.3 2.5 -3.5 -0.9 -0.5 1.3 0.5 -0.9 -2.5 0.1 -1.9 -0.5 -0.9 -0.7 0.1

82

Cap tulo 3. Dise nos Factoriales

3.9.

Ejercicios

1. Se lleva a cabo un experimento para determinar el crecimiento de plantas de frijol de acuerdo a tres factores: la profundidad de plantado de la semilla (.5 pulgadas y 1.5 pulgadas), la frecuencia de riego (una o dos veces diarias) y el tipo de frijol sembrado (peque no o grande). Se hacen tres r eplicas del experimento y se obtienen los siguientes datos: Tipo de semilla Peque na Dos veces Una vez Grande Dos veces Frecuencia de riego Una vez Profundidad Rep 1 Rep 2 0.5 6 7 1.5 4 5 0.5 10 9 1.5 7 7 0.5 4 5 1.5 3 3 0.5 8 7 1.5 5 5 Rep 3 7 5 8 6 4 1 7 4

Calcule los efectos correspondientes a los factores y a las interacciones. Interprete los resultados obtenidos y sugiera condiciones ideales para sembrar. 2. Un ingeniero est a interesado en el efecto de la velocidad de corte (A),la dureza del metal (B) y el angulo de corte (C) sobre la duraci on de una herramienta de corte. Para ello se eligen dos niveles para cada factor y se corren dos r eplicas del dise no factorial 2x3. La tabla siguiente presenta los datos de tiempo de duraci on (en horas) de la herramienta. a ) Calcule los efectos correspondientes a cada uno de los factores. b ) Determine cu ales de estos efectos son importantes usando la tabla de an alisis de varianza. Reporte las conclusiones obtenidas.

3.9. Ejercicios

83

Combinaci on de tratamientos (1) a b ab c ac bc abc

R eplica I 221 325 354 552 440 406 605 392

II 311 435 348 472 453 377 500 419

3. Un producto qu mico es elaborado en un tanque presi on. Un experimento factorial fue realizado en la planta piloto para estudiar los factores que se piensa pueden inuenciar la tasa de inltraci on de este producto: la temperatura (A), la presi on (B), la concentraci on del reactante (C) y la tasa de mezclado (D). Los resultados de un experimento 24 completo y sin r eplicas se presentan a continuaci on: B C C+ 45 68 43 75

D D+

B+ C C+ 48 80 45 70

B C C+ 71 60 100 86

A+

B+ C C+ 65 65 104 96

a ) Calcule los efectos y decida cuales son signicativos. b ) Cu ales son las condiciones que maximizan la tasa de inltraci on, y cu al es la respuesta promedio que se espera obtener? Cu al ser a su respuesta si la concentraci on del reactante debe mantenerse en nivel alto? 4. Se estudia el rendimiento de un proceso qu mico. Se cree que las dos variables m as importantes son la presi on y la temperatura. se seleccionan tres niveles de cada factor y se realiza un experimento factorial con dos r eplicas. Se recopilan los siguientes datos:

84

Cap tulo 3. Dise nos Factoriales

Temperatura Baja Media Alta

200 90.4 90.2 90.1 90.3 90.5 90.7

Presi on 215 230 90.7 90.2 90.6 90.4 90.5 89.9 90.6 90.1 90.8 90.4 90.9 90.1

a ) Analice los datos y obtenga las conclusiones. b ) Prepare las gr acas apropiadas de los residuos y comente la adecuaci on del modelo c ) En qu e condiciones debe operarse el proceso?. 5. Un ingeniero de manufactura sospecha que el acabado supercial de una pieza met alica depende de la alimentaci on y de la profundidad de corte. Selecciona tres niveles de alimentaci on y cuatro niveles de profundidad del corte. A continuaci on, realiza un experimento factorial y recopila los siguientes datos: Rapidez de alimentaci on (plg/min) 0.20 Profundidad de corte (plg) 0.15 0.18 0.20 0.25 74 79 82 99 64 68 88 104 60 73 92 96 92 98 99 104 86 104 108 110 88 88 95 99 99 104 108 114 98 99 110 111 102 95 99 107

0.25

0.30

a ) Analice los datos y obtenga las conclusiones. b ) Prepare las gr acas apropiadas de los residuos y comente la adecuaci on del modelo

3.9. Ejercicios

85

6. Se realiz o un experimento para investigar el efecto de tipo de vidrio y el tipo de f osforo sobre la brillantez de un cinescopio de televisor. La variable respuesta es la corriente necesaria (en micro amperios) para obtener un nivel de brillantez especicado. los datos son como sigue: Tipo de vidrio 1 Tipo 1 280 290 285 230 235 240 de F osforo 2 3 300 290 310 285 295 290 260 220 240 225 235 230

a ) Existe indicaci on de que algunos de los factores inuya en la brillantez? b ) Interact uan entre s ambos factores? c ) Analice los residuos de este experimento. 7. Se est an estudiando los factores que inuyen en la resistencia de ruptura de una bra sint etica. Para ello se tienen cuatro m aquinas y tres operadores y se realiza un experimento usando bras de un mismo lote de producci on. Los resultados se muestran a continuaci on. Operario 1 2 3 1 109 110 110 112 116 114 M aquina 2 3 110 108 115 109 110 111 111 109 112 114 115 119 4 110 108 114 112 120 117

a ) Analice los datos y obtenga las conclusiones apropiadas.

86

Cap tulo 3. Dise nos Factoriales

b ) Prepare las gr acas apropiadas de los residuos y comente la adecuaci on del modelo 8. Un ingeniero est a interesado en los efectos de la velocidad de corte (A), la geometr a de la herramienta (B ) y el angulo de corte (C ) sobre la vida (en horas) de una m aquina. Se eligen dos niveles de cada factor y se corren tres r eplicas. Los resultados fueron los siguientes: A + + + + B + + + + C + + + + Combinaci on de Tratamientos I Replica (1) 22 a 32 b 35 ab 55 c 44 ac 40 bc 60 abc 39 II 31 43 34 47 45 37 50 41 III 25 29 50 46 38 36 54 47

a ) Estimar los efectos de los factores. Qu e efectos parecen ser grandes? b ) Usar el an alisis de varianza para conrmar las conclusiones del inciso a. c ) Analizar los residuales. Hay alg un problema evidente? d ) Con base en el an alisis de las gr acas de los efectos principales y las interacciones, cu ales ser an los niveles de A, B y C que se recomendar a utilizar?. 9. En un art culo de AT& T Technical Journal (vol 65, pp. 39-50) se describe la aplicaci on de dise nos factoriales de dos niveles en la fabricaci on de circuitos integrados. Un paso b asico del procesamiento es hacer crecer una capa epitaxial sobre obleas de silicio pulidas. Las obleas se montan en un susceptor, se colocan en el interior de una campana de cristal y se introducen vapores qu micos. El susceptor se hace girar y se aplica calor hasta que la capa epitaxial tiene el espesor

3.9. Ejercicios

87

suciente. Se corri o un experimento utilizando dos factores: rapidez de ujo de ars enico (A) y tiempo de deposici on (B ). Se corrieron cuatro replicas y se midi o el espesor de la capa epitaxial (en m). Los datos se muestran a continuaci on: A + + I - 14,037 - 13,880 + 14,821 + 14,888 B Replicas II III 16,165 13,972 13,860 14,032 14,757 14,843 14,921 14,415 IV 13,907 13,914 14,878 14,932

Los niveles de los factores son Niveles de factores Bajo(-) Alto(+) 55 % 59 % Corto (10 min) Largo (15 min)

A B

a ) Estimar los efectos de los factores. b ) Conducir un an alisis de varianza.Qu e factores son importantes? c ) Analizar los residuales. Se observa alg un residual que debiera causar preocupaci on?