12-2 OlSEO FACTORIAL DE DOS FACTORES ALEATORIOS

517

y
U = 1. (MSTralamicnlos

MS E

lZ

1 1)

(12-13b)

F1- a/2 ,a-l,N-a

Observe que L y U son los lmites de confianza inferior y superior del intervalo 100(1- a) por ciento, respectivamente, del cociente a;/if. Por lo tanto, un intervalo de confianza de 100(1 - a) por ciento para
a;/(a; + if) es

a2
U
'
<-l+L - a; +a 2 -l+U
L

--<

(12-14)

Para ilustrar este procedimiento, se encontrar un intervalo de confianza de 95% de a;/(a; + a2)
para los datos de la resistencia del ejemplo 12-1. Recuerde que MSTratamientos = 29.73, MSE = 1.90, a = 4, lZ
=4,Foo025,3,12 = 4.47 YFOo975,3,12 = 1/Foo025,12,3 = 1/14.34 = 0.070. Por lo tanto, por las ecuaciones 12-13a y b,

L=1.4 [(29.73)(_1)-1]=
0.625
1.90 4.47
U =1. [(29.73)(_1_)_1]= 54.883

1.90

0.070

y por la ecuacin 12-12, el intervalo de confianza de 95% para a;/(a; + if) es

a;

0.625
54.883
<-1.625 - a; +a 2 - 55.883

--<

a2
? :50.98
a, +a-

0.39:5 2'

Se concluye que la variabilidad entre los telares explica entre 39 y 98% de la varianza en la resistencia observada del tejido producido. Este intervalo de confianza es relativamente ancho debido al tamao pequeo de la muestra que se us en el experimento. Sin embargo, es evidente que la variabilidad entre los
telares (a;) no es insignificante.

12~2

DISEO FACTORIAL DE DOS FACTORES ALEATORIOS

Suponga que se tienen dos factores, A y B, Y que ambos tienen un gran nmero de niveles de inters
(como en la seccin anterior, se supondr que el nmero de niveles es infinito). Se escogern al azar a niveles del factor A y b niveles del factor B, y estos niveles de los factores se incluirn en un diseo experimental factorial. Si el experimento se hace con lZ rplicas, las observaciones pueden representarse con el
modelo lineal
i = 1, 2, .oo, a
j= 1,2,
b
{
k = 1, 2, .oo, lZ
OO"

(12-15)

donde todos los parmetros del modelo, t,f3j, (tf3)j YSijk' son variables aleatorias independientes. Tambin
se supondr que las variables aleatorias Ti' f3 j, (tf3)j Yspo siguen una distribucin normal con media cero y

518

CAPTULO 12

EXPERIMENTOS CON FACTORES ALEATORIOS

varianzas dadas por V(r)

quier observacin es

= a;, V(f3j) = a~, V[(r,B)ij] = a;p y V(Cjk) = er. Por lo tanto, la varianza de cual(12 -16)

?
V( Yijk ) = a;? +a? +a;
+a-?

ya; ,a~ ,a; ya2 son los componentes de la varianza. Las hiptesis que quieren probarse son Ho:a; = 0,
Ho:a~ = y Ho:a;p = O. Observe la similitud con el modelo de efectos aleatorios de un solo factor.
Los clculos numricos del anlisis de varianza se mantienen sin cambios; es decir, SSA, SSB' SSAB' SSr
y SSE se calculan como en el caso de efectos fijos. Sin embargo, para formar los estadsticos de prueba, deben examinarse los cuadrados medios esperados. Puede demostrarse que

E(MSA) = a- +na; + na;

E(MS B ) = a 2 +na;p +ana~
2
E(MSJB)=a 2 +na .p

(12-17)

y
E(MS E )

=a2

Por los cuadrados medios esperados se observa que el estadstico apropiado para probar la hiptesis
de que no hay interaccin, Ho:a;p = O, es
MS
F. = -AB
(12-18)
o
MS E

er,

ya que bajoHo tanto el numerador como el denominador deFotienen valor esperado y slo siHo es falsaE(MSAB) es mayor que E(MSE). El cociente F o se distribuye como F(a -l),ab(n -1)' De manera similar, para
probar Ho:a; = O se usara
MS
F. = - A(12-19)
o
MS AB
que se distribuye como

Fa _ 1, (a _ l)(b _ 1)'

Y para probar Ho:a~

MS
F. = - Bo
MS AB

O el estadstico es

(12-20)

que se distribuye como F b - 1, (a-1)(b -1)' Todas estas pruebas son de una sola cola superior. Observe que estos
estadsticos de prueba no son los mismos que se usaran si ambos factoresA y B fuesen fijos. Los cuadrados medios esperados se usan siempre como gua para construir los estadsticos de prueba.
En muchos experimentos que incluyen factores aleatorios existe al menos inters tanto en estimar los
componentes de la varianza como en la prueba de las hiptesis. Los componentes de la varianza pueden
estimarse con el mtodo del anlisis de varianza, es decir, igualando los cuadrados medios observados de
las lneas de la tabla del anlisis de varianza con sus valores esperados y resolviendo para los componentes
de la varianza. Se obtiene as

(12-21)

12-2 DISEO FACTORIAL DE DOS FACTORES ALEATORIOS

519

como las estimaciones puntuales de los componentes de la varianza en el modelo de efectos aleatorios de
dos factores. En la seccin 12-7 se revisarn otros mtodos para obtener estimaciones puntuales de los
componentes de la varianza y los procedimientos para construir intervalos de confianza.

EJEMPLO 12,2

Estudio de capacidad o aptitud de sistemas de medicin

Con frecuencia se usan experimentos diseados estadsticamente para investigar las fuentes de variabilidad que afectan a un sistema. Una aplicacin industrial comn es usar un experimento diseado para estudiar los componentes de la variabilidad en un sistema de medicin. Estos estudios se conocen
comnmente como estudios de capacidad o aptitud de instrumentos de medicin (calibradores) o estudios de repetibilidad y reproductibilidad (R&R) de instrumentos de medicin (calibradores), ya que stos son los componentes de la variabilidad de inters.
En la tabla 12-3 se muestra un experimento R&R de instrumentos de medicin tpico (de Montgomery [80aD. Se usa un instrumento o calibrador para medir una dimensin crtica de una pieza. Se han seleccionado 20 piezas del proceso de produccin, y tres operadores escogidos al azar miden dos veces cada
pieza con este calibrador. El orden en que se hacen las mediciones est completamente aleatorizado, por
lo que se trata de un experimento factorial de dos factores en el que los factores del diseo son las piezas y
los operadores, con dos rplicas. Las piezas y los operadores son factores aleatorios. Es vlida la identidad del componente de la varianza de la ecuacin 12-15; es decir,

a y2

= a ,2 +a 2f3 +a 'f32 +a 2

donde a ~ es la variabilidad total (que incluye la variabilidad debida a las diferentes piezas, la variabilidad
es el componente de la vadebida a los diferentes operadores y la variabilidad debida al calibrador),
rianza de las piezas, a~ es el componente de la varianza de los operadores, a;f3 es el componente de la va-

a;

Tabla 12-3 El experimento de la capacidad o aptitud del sistema de

medicin del ejemplo 12-2
Nmero de
Operador 1
Operador 2
Operador 3
la pieza
20
1
21
20
19
21
20
24
23
24
24
23
24
2
20
21
19
21
20
22
3
27
28
26
27
28
4
27
18
5
19
18
19
18
21
23
21
24
21
23
22
6
22
22
21
22
24
20
7
18
20
19
8
19
17
18
24
23
25
23
24
24
9
25
23
26
25
24
25
10
21
11
21
20
20
20
20
17
19
18
19
12
18
19
23
25
25
25
25
25
13
14
24
24
23
25
24
25
31
15
29
30
30
28
30
25
26
25
27
16
26
26
20
19
20
20
20
17
20
18
19
21
19
19
21
23
25
19
25
26
25
24
25
19
17
20
19
19
18
17

1
520

CAPTULO 12

EXPERIMENTOS CON FACTORES ALEATORIOS

rianza que representa la interaccin entre las piezas y los operadores, y 0 2 es el error experimental
aleatorio. De manera tpica, al componente de la varianza a2 se le llama la repetibilidad del instrumento
de medicin (calibrador), ya que puede considerarse que 0 2 refleja la variacin obtenida cuando la misma
pieza es medida por el mismo operador, y es comn llamar a

la reproductibilidad del instrumento de medicin (calibrador), ya que refleja la variabilidad adicional en

el sistema de medicin que resulta del uso del instrumento por parte del operador. Estos experimentos .
suelen realizarse con el objetivo de estimar los componentes de la varianza.
En la tabla 12-4 se muestra el anlisis de varianza de este experimento. Los clculos se realizaron utilizando la rutina Balanced ANOVA (anlisis de varianza balanceado) de Minitab. Con base en los valores
P, se concluye que el efecto de las piezas es grande, que los operadores quiz tengan un efecto pequeo y
que no hay ninguna interaccin significativa pieza-operador. La ecuacin 12-21 puede usarse para estimar los componentes de la varianza de la siguiente manera:
f2 =
r

f2
fJ
f2
rfJ

62.39- 0.71 = 10.28

(3)(2)

= 1.31- 0.71 = 0.015

(20)(2)

= 0.71- 0.99 = -0.14

2

y
f2

= 0.99

La parte inferior de la salida de Minitab de la tabla 12-4 contiene los cuadrados medios esperados del
modelo aleatorio, con los nmeros entre parntesis representando los componentes de la varianza [(4)
representa a2, (3) representa o;fJ' etc.]. Se presentan tambin las estimaciones de los componentes de la
varianza, junto con el trmino del error que se utiliz para probar ese componente de la varianza en el
anlisis de varianza. Ms adelante se estudiar la terminologa modelo no restringido; sta no tiene relevancia en los modelos aleatorios.
Observe que la estimacin de uno de los componentes de la varianza, f;fJ' es negativa. Desde luego,
esto no tiene sentido, ya que por definicin las varianzas son no negativas. Desafortunadamente, pueden
obtenerse estimaciones negativas de los componentes de la varianza cuando se usa el mtodo de estimacin del anlisis de varianza (lo cual se considera una de sus desventajas). Existen varias maneras de abordar esta situacin. Una posibilidad es suponer que la estimacin negativa significa que el componente de
la varianza en realidad es cero y simplemente se hace cero, dejando sin cambios las dems estimaciones.
no negativas. Otro enfoque es estimar los componentes de la varianza con un mtodo que asegure estimaciones no negativas (este enfoque se revisar brevemente en la seccin 12-7). Por ltimo, podra observarse que el valor P del trmino de interaccin de la tabla 12-4 es muy grande, tomar esto como evidencia de
que o ~fJ es en realidad cero (es decir, que no hay efecto de interaccin) y ajustar un modelo reducido de la
forma
Yijk

= /l+r: +(3j +8ijk

que no incluye el trmino de interaccin. ste es un enfoque relativamente sencillo y que con frecuencia
funciona casi tan bien como los mtodos ms elaborados.

Tabla 12-4 Anlisis de varianza balanceado (Balanced ANOYA de Minitab) del ejemplo 12-2

Anlisis de varianza (diseos balanceados)

Factor
part

Type Levels Values

random
20
1

operator random

11

12
19

13
20

14

16

10
17

2
9

15
1

18

Analys;s of Var;ance for y

Source
part
operator
part*operator
Error
Total
Source

DF
19
2

38
60
119

SS
1185.425
2.617
27.050
59.500
1274.592

Var;ance
component
1 part
10.2798
2 operator
0.0149
3 part*operator -0.1399
4 Error
0.9917

U1
N

......

MS
62.391
1.308
0.712
0.992
Error
term
3
3
4

87.65
1 .84

0.000
0.173
0.861

0.72

Expected Mean Square for Each Term

(us;ng unrestr;cted model)
(4) + 2(3) + 6(1)
(4) + 2(3) + 40(2)
(4)

(4 )

2(3)

'l!I

522

CAPTULO 12

Tabla 12-5

EXPERIMENTOS CON FACTORES ALEATORIOS

Anlisis de varianza del modelo reducido, ejemplo 12-2

Anlisis de varianza (diseos balanceados)

Factor
part

Type Levels Values

2
1
random
20
9
8
16
15
1
2
3
operator random

3
10
17
3

6
13
20

5
12
19

4
11
18

7
14

Analysis of Variance for y

Source
part
operator
Error
TotaL

DF
19
2
98
119

Source
1 part
2 operator
3 Error

SS
1185.425
2.617
86.550
1274.592
Variance
component
10.2513
0.0106
0.8832

MS
62.391
1.308
0.883
Error
term
3
3

70.64
1 .48

0.000
0.232

Expected Mean Square for Each Term

(using unrestricted modeL)
(3) + 6( 1)
(3) + 40(2)
(3)

En la tabla 12-5 se muestra el anlisis de varianza del modelo reducido. Puesto que no hay trmino de
interaccin, los dos efectos principales se prueban contra el trmino del error, y las estimaciones de los
componentes de la varianza son
{j2 = 62.39- 0.88 = 10.25
,
(3)(2)

= 1.31- 0.88

{j2

{j2

0.0108

(20)(2)

{3

= 0.88

Por ltimo, la varianza del calibrador podra estimarse como la suma de las estimaciones de los componentes de la varianza {j2 y {j~ como
,

{j2

_ {j2 +{j2

calibrador -

{3

= 0.88+0.0108
= 0.8908
La variabilidad del calibrador parece ser pequea en comparacin con la variabilidad del producto. Se
trata generalmente de una situacin deseable, la cual implica que el calibrador tiene la capacidad de distinguir entre las diferentes gradaciones del producto.
.

12,3

MODELO MIXTO CON DOS FACTORES

Se considera ahora la situacin en que uno de los factores,A, est fijo y el otro, B, es aleatorio. Se le llama
anlisis de varianza del modelo mixto. El modelo estadstico lineal es
i = 1, 2, ,a
(12-22)
Yijk = fl+T +f3 j +(Tf3)ij +t:ijk
j= 1,2, ,b
{
k= 1,2, ,11

523

12-3 MODELO MIXTO CON DOS FACTORES

Aqu T es un efecto fijo, (Jj es un efecto aleatorio, se supone que la interaccin (T(J)j es un efecto aleatorio y
&ijk es un error aleatorio. Se supone tambin que las {T) son efectos fijos tales que L ~=1 Ti = OYque (Jj es
una variable aleatoria NID(O, a~). El efecto de la interaccin, (T(J)j' es una variable aleatoria normal con
media Oy varianza [(a -1 )/a]a;p; sin embargo, la operacin suma del componente de la interaccin en el
rango del factor fijo es igual a cero. Es decir,

(T(J)ij

= (T(J).j = O

j= 1,2, ... ,b

=1

Esta restriccin implica que algunos elementos de la interaccin en diferentes niveles del factor fijo no
son independientes. De hecho, puede demostrarse (ver el problema 12-25) que

e ov[ ((3)
1?
T j,(T(3) }]=-~a;p

l' ;f;

'La covarianza entre (T(J)ij y (T(J)ij' paraj ;f; j' es cero, y el error aleatorio &;jk es NID(O, 02). Puesto que la
suma de los efectos de la interaccin en los niveles del factor fijo es igual a cero, a esta versin del modelo
mixto con frecuencia se le llama modelo restringido.
En este modelo la varianza de (T(J);j se define como [(a -l)/a]a;p en vez de como a;p para simplificar
los cuadrados medios esperados. El supuesto (T(J)j = Otambin tiene un efecto sobre los cuadrados medios esperados, los cuales puede demostrarse que son
a

E(MS )= a 2 +na 2 +
A

TP

bnL T;
;=1

a-1

E(MS B )= a 2 +ana~
E(MSAB ) = a 2 + na;p

(12-23)

E(MS E )= a 2
Por lo tanto, el estadstico de prueba apropiado para probar que las medias de los efectos del factor fijo
son iguales, o Ha:r:; = O, es
MS
F = - Aa
MS AB
que tiene la distribucin de referenciaFa _ 1, (a-1)(b-1)' Para probar Ha: a~, el estadstico de prueba es
MS B
F =-a
MS E
con la distribucin de referencia
Ha: a;p = O, se usara

F b _ 1, aben _ 1)'

Por ltimo, para probar la hiptesis de la interaccin

MS
MS E

F = -AB
a

que tiene la distribucin de referencia F(a _ l)(b _ 1), aben _ 1)'

En el modelo mixto es posible estimar los efectos del factor fijo como

p, = Y...
i = y;.. - Y...

i = 1, 2, ... ,a

(12-24)

--,'.

~'

'

"j--

,;,:I;

'1".

~:v

, I

:;-:1\

'1'

I
524

CAPTULO 12

EXPERIMENTOS CON FACTORES ALEATORIOS

Los componentes de la varianza a~, a;p ya 2 pueden estimarse aplicando el mtodo del anlisis de varianza. Al eliminar la primera ecuacin de las ecuaciones 12-23 quedan tres ecuaciones con tres incgnitas,
cuyas soluciones son
(12-25)

y
{}2

= MS E

Este enfoque general puede emplearse para estimar los componentes de la varianza en cualquier modelo
mixto. Despus de eliminar los cuadrados medios que contienen factores fijos, siempre quedar un sistema de ecuaciones que puede resolverse para los componentes de la varianza.
En los modelos mixtos, el experimentador puede tener inters en probar hiptesis o en construir intervalos de confianza para las medias de tratamientos individuales del factor fijo. Al utilizar estos procedimientos, deber tenerse cuidado de usar el error estndar apropiado de la media de los tratamientos. El
error estndar de la media de los tratamientos del efecto fijo es
Cuadrado medio para probar el efecto fijo
]1/2
[ Nmero de observaciones en la media de cada tratamiento

~ MS AB

=---,;;;-

Observe que esto es simplemente el error estndar que se usara si ste fuera un modelo con efectos fijos,
salvo porqueMSE se ha reemplazado con el cuadrado medio que se us en la prueba de la hiptesis.

EJEMPLO

12~3

..........................................................

Retomando el experimento de la capacidad o aptitud del sistema de medicin

Considere de nuevo el experimento R&R del calibrador descrito en el ejemplo 12-2. Suponga ahora que
slo tres operadores usan este calibrador, de tal modo que los operadores son un factor fijo. Sin embargo,
puesto que las piezas se eligen al azar, se trata ahora de un experimento con un modelo mixto.
El anlisis de varianza del modelo mixto se muestra en la tabla 12-6. Los clculos se realizaron utilizando la rutina Balanced ANOVA (anlisis de varianza balanceado) de Minitab. Se especific el uso del
modelo restringido en el anlisis de Minitab, el cual gener tambin los cuadrados medios esperados para
este modelo. En la salida de Minitab, la ca)ltidad Q[2] indica una expresin cuadrtica que incluye aloperador del efecto de factor fijo. Es decir, Q[2] = L ~=1f3~ / (b -1). Las conclusiones son similares al ejemplo
12-2. Los componentes de la varianza pueden estimarse con la ecuacin 12-25 como

= MSPiezas -MSE = 62.39-0.99 = 10.23

{}2

an

PIezas

A?

a Piezas X operadores
{}2

MSPiezns x operadores
n

(3)(2)
-

MS E

= 0.71- 0.99 = -0.14

2

= MS E = 0.99

Estos resultados tambin se muestran en la salida de Minitab. De nueva cuenta, resulta una estimacin
negativa del componente de la varianza de la interaccin. Un curso de accin apropiado sera ajustar un

Tabla 12.6

SiR"

ii-

-"i:Wit5"r""Y&te'-'",~$"=\;~:'~;~~IA

Anlisis de varianza (Minitab) del modelo mixto del ejemplo 12). Se supone el modelo restringido

Anlisis de varianza (diseos balanceados)

Type Levels Values

random
20
1
2
8
9
16
15
operator f;xed
3
1
2
Factor
part

"1

3
10
17
3

4
11
18

5
12
19

6
13
20

7
14

Analys;s of Var;ance for y

Source
part
operator
part*operator
Error
Total

DF
19
2
38
60
119

Source

1
2
3
4

lJ1
N
lJ1

part
operator
part*operator
Error

SS
1185.425
2.617
27.050
59.500
1274.592
Var;ance
component
10.2332

-0.1399
0.9917

MS
62.391
1.308
0.712
0.992
Error
term
4
3
4

F
62.92
1 .84
0.72

0.000
0.173
0.861

Expected Mean Square for Each Term

(us;ng restr;cted model)
(4 ) + 6 (1 )
(4) + 2(3) + 4oQ[2J
(4) + 2(3)
(4 )

526

CAPTULO 12

EXPERIMENTOS CON FACTORES ALEATORIOS

modelo reducido, como se hizo en el ejemplo 12-2. En el caso de un modelo mixto con dos factores, esto
lleva a los mismos resultados del ejemplo 12-2.

......................................................................... .

Modelos mixtos alternativos

Sehan propuesto varias versiones diferentes del modelo mixto. Estos modelos difieren de la versin restringida del modelo mixto estudiado anteriormente en los supuestos establecidos acerca de los componentes aleatorios. A continuacin se revisa brevemente uno de estos modelos alternativos.
Considere el modelo

Yijk = ;.+a +y j +(aY)ij +cijk

donde a (i = 1,2, ..., a) son efectos fijos tales que L~=la = 0YYj' (aY)j y Cijk son variables aleatorias no correlacionadas que tienen media cero y varianzas V(Yj) = o~, V[(aY)ij] = o~, y V(Cijk) = er. Observe que
aqu no se usa la restriccin impuesta anteriormente sobre el efecto de la interaccin; por consiguiente, a
esta versin del modelo mixto se le llama con frecuencia modelo mixto no restringido.
Es posible demostrar que los cuadrados medios esperados para este modelo son (referirse al material
suplementario del texto de este captulo)
a

E(MS A) = 0 2 +noa2, +
E( MS B )

bnL a
=1

a-1

= 0 2 + no ~ + ano ~

E(MS AB )= 0 2 +no~

(12-26)

Al comparar estos cuadrados medios esperados con los de la ecuacin 12-23, se observa que la nica diferencia evidente es la presencia del componente de la varianza o~ en el cuadrado medio esperado del
efecto aleatorio. (En realidad, hay otras diferencias debido a las definiciones diferentes de la varianza del
efecto de la interaccin en los dos modelos.) Por consiguiente, se probara la hiptesis de que el componente de la varianza del efecto aleatorio es igual a cero (Ho:o~ = O) usando el estadstico

MS
MS AB

B
F=--

en contraste con probar H o : o~ con Fo = MSB/MSE en el modelo restringido. La prueba deber ser ms
conservadora cuando se emplee este modelo porque por lo general MSAB ser mayor que MS E
Los parmetros de los dos modelos guardan una relacin cercana. De hecho, puede demostrarse que

f3 j =yj+(aY).j
(rf3)ij
2

0 1,

= (aY)ij +(aY).j
2

=Op+-Oay
a

y
2

O,p - 0a,