Captulo 6

Diseos factoriales con dos factores

En primer lugar vamos a estudiar los diseos ms simples, es decir aquellos en los que intervienen slo dos factores. Supongamos que hay a niveles para el factor A y b niveles del factor B , cada rplica del experimento contiene todas las posibles combinaciones de tratamientos, es decir contiene los ab tratamientos posibles.

6.1.

El modelo sin replicacin

El modelo estadstico para este diseo es:

yij = + i + j + ( )ij + uij

i = 1, 2, , a ; j = 1, 2, , b , donde

yij : Representa la observacin correspondiente al nivel (i) del factor A y al nivel (j ) del factor B. : Efecto constante denominado media global. i : Efecto producido por el nivel i-simo del factor A, ( j : Efecto producido por el nivel j -simo del factor B , ( )ij : Efecto producido por la interaccin entre AB , uij son vv aa. independientes con distribucinN (0, ). 1
i i

= 0).

j = 0 . =
j

i ( )ij

( )ij = 0 .

Diseos factoriales con dos factores

Supondremos que se toma una observacin por cada combinacin de factores, por tanto, hay un total de N = ab observaciones. Parmetros a estimar: Parmetros i j ( )ij 2 Total Nmero 1 a1 b1 (a 1)(b 1) 1 ab + 1 A pesar de las restricciones impuestas al modelo,
i i

j =

i ( )ij

( )ij = 0,

el nmero de parmetros (ab + 1) supera al nmero de obsevaciones (ab). Por lo tanto, algn parmetro no ser estimable.

6.1.1.

Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de los parmetros del modelo son =y .. , i = y i. y .. , j = y .j y .. y = yij y i. y .j + y .. =0 .

ij

Los residuos de este modelo son: eij = yij yij = yij i j

ij

Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no se pueden contrastar la signicatividad de los efectos de los factores. Dichos contrates slo pueden realizarse si: i. y .j + y .. . a) Suponemos que la interaccin entre A B es cero. Entonces eij = yij y b) Replicamos el experimento (Tomamos varias observaciones por cada combinacin de factores).

6.2.

El modelo con replicacin

El modelo estadstico para este diseo es:

yijk = + i + j + ( )ij + uijk ; i = 1, 2, , a ; j = 1, 2, , b ; k = 1, 2, , r donde r es el nmero de replicaciones y n = abr es el nmero de observaciones. El nmero de parmetros de este modelo es, como en el modelo de dos factores sin replicacin, ab + 1 pero en este caso el nmero de observaciones es abr.

6.2 El modelo con replicacin

6.2.1.

Estimacin de los parmetros del modelo

Los estimadores mximo verosmiles de los parmetros del modelo son =y ... , i = y i.. y ... , j = y .j. y ... y = yij. y i.. y .j. + y ...
ij

donde ) y ij. es la media de las r observaciones en la celdilla ij : y ij. = ( ) y i.. es la media de las observaciones del nivel i del factor A : y i.. =
j,k yijk k yijk ) /r

/(br) ; i = 1, , a

) y .j. es la media de las observaciones del nivel j del factor B : y .j. =

i,k yijk

/(ar) ; j = 1, , b
i,j,k yijk

) y ... es la media total de las observaciones : y ... = Los residuos de este modelo son:

/r .

eijk = yijk yijk = yij i j

ij

= yijk y ij. .

Se verica que todos los residuos de una celdilla deben sumar cero es decir, en cada celdilla hay r 1 residuos independientes. Por lo tanto, en total habr ab(r 1) residuos independientes. Se verican las mismas propiedades para los estimadores mximo-verosmiles que en los modelos anteriores. La varianza residual tiene la siguiente expresin
a b r

e2 ijk
2 SR = i=1 j =1 k=1

ab(r 1)

6.2.2.

Descomposicin de la variabilidad
La ecuacin bsica del anlisis de la varianza es:
a b

(yijk y ... )
i,j,k

= br
i=1

( yi.. y ... ) + ar
j =1

( y.j. y ... )2 + (yijk y ij. )2

i,j,k

r
i,j

(yijs y i.. y .j. + y ... )2 +

que simblicamente podemos escribir: SCT = SCA + SCB + SC (AB ) + SCR. Estas sumas de cuadrados tambin se pueden expresar como:

Diseos factoriales con dos factores

SCT = SCA = SCB = SC (AB ) =

y2 i,j,k ijk y2 i i..

j

2 /r : Suma total de cuadrados. y...

2 /(abr ) : S. C. entre niveles de A. /(br) y...

2 2 /(abr ): S. C. entre niveles de B . y.j. /(ar) y... 2 2 /(abr) SCA SCB : S. C. de la interaccin A B yij. /r y...

i,j

SCR = SCT SCA SCB SC (AB ) : S. C. del error. A partir de la ecuacin bsica del ANOVA se pueden construir los cuadrados medios denidos como: Cuadrado medio total: CMT = (SCT ) /(n 1) Cuadrado medio de A: CM A = (SCA) /(a 1) Cuadrado medio de B : CMB = (SCB ) /(b 1) Cuadrado medio de la interaccin A B : CM (AB ) = (SC (AB )) / ((a 1)(b 1)) Cuadrado medio residual: CMR = (SCR) / (ab(r 1))

6.2.3.

Anlisis estadstico
El objetivo del anlisis es realizar los contrastes de hiptesis nula:

i) H0A 1 = = a = 0. Es decir, considerando la presencia de las interacciones con el factor B , contrastar si los efectos de los niveles del factor A son nulos. El estadstico de contraste es FA = (SCA) /(a 1) CMA = (SCR) / (ab(r 1)) CMR
H0A

F(a1),ab(r1)

Se rechaza H0A al nivel si F(exp) > F(a1),ab(r1) ii) H0B 1 = = b = 0. Es decir, considerando la presencia de las interacciones con el factor A, contrastar si los efectos de los niveles del factor B son nulos. El estadstico de contraste es FB = (SCB ) /(b 1) CMB = (SCR) / (ab(r 1)) CMR
H0B

F(b1),ab(r1)

6.2 El modelo con replicacin

Se rechaza H0B al nivel si F(exp) > F(b1),ab(r1) . para todo i, j. Es decir, contrastar si los efectos de las iii) H0(AB ) ( )ij = 0 interacciones entre los factores A y B son nulos. El estadstico de contraste es F(AB ) = (SC (AB )) / ((a 1)(b 1)) CM (AB ) = (SCR) / (ab(r 1)) CMR
H0(AB )

F(a1)(b1),ab(r1)

Se rechaza H0(AB ) al nivel si F(exp) > F(a1)(b1),ab(r1) . Tabla ANOVA para el modelo bifactorial con replicacin F. V. S. C. G. L. C. M. Fexp Factor A SCA a1 CMA CMA/CMR Factor B SCB b1 CMB CMB/CMR Interaccin SC (AB ) (a 1)(b 1) CM (AB ) CM (AB )/CMR Residual SCR ab(r 1) CMR TOTAL SCT abr 1 CMT La diagnosis y validacin del modelo se realiza igual que en los modelos anteriores. Ejemplo 6.1 En unos laboratorios se est estudiando los factores que inuyen en la resistencia de un tipo particular de bra. Se eligen al azar cuatro mquinas y tres operarios y se realiza un experimento factorial usando bras de un mismo lote de produccin. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Tipos de mquinas B C D 110 108 110 115 109 108 110 111 114 111 109 112 112 114 120 115 119 117

Operario 1 2 3

A 109 110 110 112 116 114

Para realizar el anlisis organizamos los datos en forma tabular de la manera siguiente:

Diseos factoriales con dos factores

Operario 1 2 3 y.j.

A 109 219 110 110 222 112 116 230 114 671

Tipos de mquinas B C 110 108 225 217 115 109 110 111 221 220 111 109 112 114 227 233 115 119 673 670

D 110 218 108 114 226 112 120 237 117 681

yi.. 879 889 927 2695

Las Sumas de Cuadrados y la Tabla ANOVA se muestran a continuacin SCT = 1092 + 1172 SCA = SCB = (2695)2 = 262,97 24

8792 + 8892 + 9272 (2695)2 = 12,46 32 24 6712 + 6732 + 6702 + 6812 (2695)2 = 160,33 42 24 2192 + + 2372 (2695)2 12,46 160,33 = 44,67 y SCR = 45,5. 2 24 F. V. Factor A Factor B Interaccin Residual TOTAL S. C. 12,46 160,34 44,67 45,50 262,97 G. L. 3 2 6 12 23 C. M. 4,15 80,17 7,45 3,79 Fexp 1,10 21,14 1,96

SC (AB ) =

Realizando los contrastes al nivel de signicacin del 5 %, se concluye que es signicativo el efecto principal del operario (factor B ) (F0,05,2,12 = 3,49), pero no son signicativos el efecto principal del tipo de mquina (factor A) (F0,05,3,12 = 3,89) y la interaccin entre el tipo de mquina y operario (factor A B ) (F0,05,6,12 = 3,00). Bibliografa utilizada Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Varianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto Sur de Ediciones.