INTRODUCCION A LOS

DISEOS FACTORIALES
1 SEMANA 7
 Diseos Factoriales
2

Referencia en el Texto: Captulo 5

Principios generales de los experimentos factoriales
El factorial con dos factores con efectos fijos
La ANOVA para factoriales
Extensiones a ms de dos factores
Factores Cuantitativos y Cualitativos - curvas y
superficies de respuesta
 Diseos Factoriales
3

El objetivo de un diseo Los factores pueden

factorial es estudiar el efecto ser cualitativos,
de varios factores sobre una cuantitativos o
o varias respuestas, cuando mixtos
se tiene el mismo inters en
todos los factores

En el diseo factorial
Es necesario elegir
completo se corren
al menos dos niveles
aleatoriamente todas las
de prueba para cada
posibles combinaciones
factor.
 Definiciones Bsicas
4

Definicin del efecto de un factor: El cambio en la respuesta

promedio cuando el factor es cambiado de nivel bajo a alto.

Lneas
paralelas

40 52 20 30
A yA yA 21
2 2
30 52 20 40
B yB yB 11
2 2
52 20 30 40
Efecto de la Interaccin AB 1
Baja 2 2
 El caso de la Interaccin
5

Lneas se intersecan

50 12 20 40 Efecto de A depende del nivel

A yA yA 1 que se elige para el factor B
2 2
40 12 20 50
B yB yB 9
2 2
12 20 40 50 Efecto de la
AB 29 Interaccin Alta
2 2
 Diseos Factoriales (Ejemplo)
6

Problema

Un vendedor de plstico para empaques flexibles esta

ayudando a uno de sus clientes, el que reclama que el
plstico que este le vende, no sella bien.

La forma de medir este sello es por medio de la fuerza

requerida para separarlo, y las unidades con las que
esto se mide son: gramos entre centmetros cuadrados.
 Diseos Factoriales (Ejemplo)
7

El proceso de sellado
 Diseos Factoriales (Ejemplo)
8

De acuerdo con su experiencia, el vendedor

considera que el cierre de este material
depende de las siguientes caractersticas:
Temperatura
Presin

Grueso del plstico

Tiempo de sellado.

Y ha definido las siguientes variables para

realizar un experimento.
 Diseos Factoriales (Ejemplo)
9

Ho: efecto de temperatura = 0 A esto se le conoce por matriz de arreglo

H1: efecto de temperatura 0 factorial

Variable respuesta: Y: fortaleza del sello (gr/cm2)

Factor Nivel alto (+1) Nivel bajo (-1)

Temperatura (C) 300 250

Presin (psi) 100 80

Grueso del material 0.03 0.02

Pulgadas)
Tiempo sellado (s) 0.2 0.1
 Diseos Factoriales (Ejemplo)
10

Se realiza el experimento en la planta del cliente y se obtuvo los

siguientes datos
Temperatura Presin Grosor Tiempo Fuerza
-1 -1 -1 -1 150
-1 -1 -1 1 158 Promedio
-1 -1 1 -1 141 temperatura
-1 -1 1 1 163 baja: 156.38
-1 1 -1 -1 160
-1 1 -1 1 164
-1 1 1 -1 147
-1 1 1 1 168
1 -1 -1 -1 153 Promedio
1 -1 -1 1 159
temperatura
1 -1 1 -1 149
alta: 162.88
1 -1 1 1 160
1 1 -1 -1 170
1 1 -1 1 163
1 1 1 -1 171
1 1 1 1 178
 Diseos Factoriales (Ejemplo)
11
 Diseos Factoriales (Ejemplo)
12

Efecto de un factor: es el cambio observado en la variable de respuesta debido 153

a un cambio de nivel de tal factor. 159

Temperatura alta
El efecto de Temperatura= 162.88 156.38 = 6.5 149
160
Efecto principal: Es el efecto de un factor en promedio sobre los niveles de otros
factores 170
163
171
178
162.88 Promedio

150
158

Temperatura baja
141
163
160
164
147
168
156.38 Promedio
 Diseos Factoriales (Ejemplo)
13
 Diseos Factoriales (Ejemplo)
14

Temperatura Presin Fuerza

1 -1 153

1 -1 159

1 -1 149

1 -1 160

155.25
 Diseos Factoriales (Ejemplo)
15

Temperatura Presin Fuerza

-1 -1
150
-1 -1
158
-1 -1
141
-1 -1
163

153
 Diseos Factoriales (Ejemplo)
16

Temperatura Presin Fuerza

-1 1
160
-1 1
164
-1 1
147
-1 1
168

159.75
 Diseos Factoriales (Ejemplo)
17

Temperatura Presin Fuerza

1 1 170

1 1 163

1 1 171

1 1 178

170.5
 Principios Bsicos
18

Estudios de los efectos de dos

o ms factores

Diseos
factoriales
En cada ensayo o rplica se
estudian todas las posibles
combinaciones de los niveles
de los factores
 Principios Bsicos
19

Son ampliamente utilizados y de gran valor cuando

se sabe poco sobre los niveles ptimos de los
factores o no se sabe qu factores son importantes.

Degran valor en campos de estudio donde se sabe

que la interaccin de los factores es importante.
 Ventajas y Desventajas
20

Ventaja de los diseos factoriales

Permite obtener ms informacin que en un experimento de un solo

factor, se estudian efectos principales, efectos cruzados y de interaccin

de los factores.

Desventaja de los diseos factoriales

Se requiere un mayor nmero de unidades experimentales que en

experimentos con un solo factor.

Se obtendrn resultados de combinaciones que pueden no ser de

inters para el investigador.

 Definicin del experimento
21
factorial
Un experimento factorial queda definido por el
nmero de factores y niveles de cada factor.

Un experimento con 3 niveles del factor A, 4

del factor B y 2 del factor C, puede ser
denotado por:
3A4B2C

3X4X2
 Tipos de interacciones
22

Efecto principal: Es el efecto de un factor en promedio

sobre los niveles de otros factores

Efecto simple: Es el efecto de un factor, en un nivel de

los dems factores

Efecto de Interaccin: Est dado por la variacin que

tiene un efecto simple de un factor al pasar de un nivel a
otro de otro factor

Efecto cruzado: Esta dado por las combinaciones

cruzadas de dos factores.
Veamos de
que se trata
 Tipos de interacciones
23

Ejemplo: Datos de un experimento factorial 2x2

Niveles factor A a1 a2
Niveles factor B b1 b2 b1 b2
Medias 54 38 45 56
 Tipos de interacciones
24

Niveles factor A a1 a2
Niveles factor B b1 b2 b1 b2
Medias 54 38 45 56
 Tipos de interacciones
25

+
 Tipos de interacciones
26
 Tipos de interacciones
27

Recuerde: Efecto de interaccin sobre la variable de respuesta es el que

se produce cuando el efecto de un factor depende del nivel en que se
encuentra el otro.

Cada lnea corresponde a un efecto simple, y la

interaccin puede notarse cuando las lneas tienen
pendientes diferentes.
 Tipos de interacciones
28

Ejemplos en los que NO hay

interaccin
 Modelo de Regresin y la Superficie de
Respuesta Asociada
29

y 0 x
1 1 2 x2
xx
12 1 2

The least squares fit is

y 35.5 10.5 x1 5.5 x2
0.5 x1 x2
35.5 10.5 x1 5.5 x2
 El efecto de la Interaccin en la Superficie de
Respuesta
30

Suponer que se aadi un

trmino de interaccin al
modelo:

y 35.5 10.5 x1 5.5 x2

8x1 x2

Interaccin es en
realidad una forma de
curvatura
 Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175)
31

Un ingeniero est diseando una batera que se usar en un

dispositivo que se someter a temperaturas extremas. El nico
parmetro de diseo es el material de la placa o nodo de la batera.

El ingeniero no tendr control sobre las temperaturas a las que

operar el dispositivo, pero las puede controlar en el laboratorio, para
efectos de experimentacin.
 Ejemplo 5-1 El Experimento de la Vida de una
Batera (pg. 175)
32

A = Tipo Material; B = Temperatura

1. Qu efectos tienen el tipo de material y la temperatura en la
vida til?
2. Existe una escogencia de material que dara larga vida, a
pesar de la temperatura (un producto robusto) ?
 El Experimento General de Dos Factores
33

a niveles de factor A; b niveles de factor B; n rplicas

Este es un diseo completamente aleatorizado
 El Experimento General de Dos Factores
34

Modelo estadstico (efectos):

i 1, 2,..., a
yijk i j ( )ij ijk j 1, 2,..., b
k 1, 2,..., n
Otros modelos (modelo de medias, modelo de regresin) pueden ser tiles
 Extensin de ANOVA a Factoriales (Caso de
Efectos Fijos) pg. 178
35

a b n a b
( yijk y... ) 2 bn ( yi .. y... ) 2 an ( y. j . y... ) 2
i 1 j 1 k 1 i 1 j 1
a b a b n
2
n ( yij . yi.. y. j . y... ) ( yijk yij . ) 2
i 1 j 1 i 1 j 1 k 1

SST SS A SS B SS AB SS E
df breakdown:
abn 1 a 1 b 1 (a 1)(b 1) ab (n 1)
 Tabla ANOVA Caso Efectos Fijos
36

Texto da detalles del clculo manual ver pp. 180 & 181
 Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175)
37

Fuentes de Cuadrado
Variacin Suma de Cuadrados Grados de Libertad Medio F0 Valor P

Tipos de
Materiales SSA 10683.72 a-1 2 5341.86 7.91 0.002

Temperatura SSB 39118.72 b-1 2 19559.36 28.97 0.0001

Interaccin SAB 9613.78 (a-1)(b-1) 4 2403.445 3.56 0.0186

Error SSE 18230.75 ab(n-1) 27 675.212963

Total SST 77646.97 abn-1 35

 Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175) Resuelto con Minitab
38

Se debe definir la interaccin de

las variables en el modelo (A*B)
 Ejemplo 5.1 Salida Minitab
39

Modelo lineal general: Vida de la batera vs. Tipo de Mate,

Temperatura
Factor Tipo Niveles Valores
Tipo de Material fijo 3 A1, A2, A3
Temperatura fijo 3 15, 70, 125

Anlisis de varianza para Vida de a batera, utilizando SC ajustada para

pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P Conclusione

Tipo de Material 2 10683.7 10683.7 5341.9 7.91 0.002
Temperatura 2 39118.7 39118.7 19559.4 28.97 0.000 s?
Tipo de Material*Temperatura 4 9613.8 9613.8 2403.4 3.56 0.019
Error 27 18230.8 18230.8 675.2
Total 35 77647.0

S = 25.9849 R-cuad. = 76.52% R-cuad.(ajustado) = 69.56%

Observaciones inusuales de Vida de a batera

Vida de a Residuo
Obs batera Ajuste Ajuste SE Residuo estndar
3 74.000 134.750 12.992 -60.750 -2.70 R
4 180.000 134.750 12.992 45.250 2.01 R

R denota una observacin con un residuo estandarizado grande.

 Ejemplo 5.1 Salida Minitab
40
 Anlisis Residual Ejemplo 5-1
41

DESIGN-EXPERT Plot Normal plot of residuals

Life DESIGN-EXPERT Plot Residuals vs. Predicted
Life
45.25
99

95
90 18.75
Norm al % probability

80
70

Res iduals
50 -7.75

30
20

10
-34.25
5

-60.75

49.50 76.06 102.62 129.19 155.75

-60.75 -34.25 -7.75 18.75 45.25

Predicted
Res idual
Conclusiones?
 Anlisis Residual Ejemplo 5-1
42

DESIGN-EXPERT Plot Residuals vs. Material

Life
45.25

Conclusiones?
18.75

Res iduals
-7.75

DESIGN-EXPERT Plot Residuals vs. Run

Life
-34.25
45.25

-60.75 DESIGN-EXPERT Plot Residuals vs. Temperature

18.75 Life
45.25
1 2 3
Res iduals

Material
18.75
-7.75

Res iduals
-7.75

-34.25

-34.25

-60.75

-60.75

1 6 11 16 21 26 31 36
1 2 3

Run Num ber Tem perature

 Ejemplo 5.1 Salida Minitab
43

La temperatura posee una

relacin indirectamente
proporcional con respecto a
la vida til, cuando aumenta
la temperatura la vida de la
batera disminuye

Cul es la mejor
combinacin ?
Podramos decir que el material
A3 y la temperatura a 15?
El tipo de Material es un factor significativo en
el diseo de las bateras
 Ejemplo 5.1 Salida Minitab
44

Hay que tomar en cuenta que si

el lugar a donde se va a utilizar
es mayor a 70 grados
centgrados el material
adecuado es el 3

Analizando el efecto de la interaccin, el cul no se logra analizar en el grfico

de efectos principales se puede concluir para los datos evaluados que la
combinacin que maximiza la vida de la batera es el tipo de material 2 a 15
 Factores Cuantitativos y Factores
Cualitativos
45

El procedimiento bsico ANOVA trata cada factor como si

fueran cualitativos
Algunas veces un experimento involucra factores
cuantitativos y cualitativos, como el Ejemplo 5.1
Esto puede ser tomado en cuenta en el anlisis para producir
un modelo de regresin para los factores cuantitativos en
cada nivel (o combinacin de niveles) de los factores
cualitativos.
Estas curvas de respuesta y/o superficies de respuesta son
de considerable ayuda en las interpretaciones prcticas de
los resultados.
 Factoriales con ms de dos factores
46

Procedimiento bsico es similar al caso de dos

factores; todos los abckn combinaciones de
tratamientos son corridos en orden aleatorio
ANOVA es tambin similar:
SST SS A SSB SS AB SS AC
SS ABC SS ABK SSE
Ejemplo completo de tres factores en Seccin
5-4 del texto
 Otras consideraciones para el diseo
factorial de dos factores
47

Cuando se concluye que una interaccin de dos factores tiene un efecto

estadsticamente importante sobre la respuesta, su interpretacin tiene
prioridad sobre los efectos principales, aunque estos tambin sean
significativos.

La verificacin de la adecuacin del modelo: mediante el anlisis residual

ya conocido (supuestos de normalidad, varianza constante e
independencia de los residuos)

En el caso de no asegurarse la normalidad y homogeneidad en los

residuos, se pueden utilizar mtodos de anlisis alternativos: no
paramtricos; modelos lineales generalizados y de anlisis de respuesta
transformada. Estas situaciones exceden el alcance del curso, pero
pueden ser objeto de estudio individual posterior.
49 Diseo factorial general
 Diseo factorial general
50

Los resultados del diseo factorial de dos factores pueden aplicarse

al caso general:

a niveles del factor A, b niveles del factor B, c niveles del factor C.

Dispuestos en un diseo general.

Habr abcn observaciones totales si se hacen n rplicas del

experimento total.

Se necesitan al menos n2 para determinar una suma de

cuadrados debida al error si todas las interacciones estn
incluidas en el modelo (si n=1 la varianza del error es no
estimable, es decir, no se puede separar el efecto de la
interaccin del del error experimental)
 Diseo factorial general
51

El Modelo del anlisis de varianza de tres

factores es
yijkl i j k ij ik jk ijk
ijk

Dnde:
i = 1,2,3, , a.
j = 1,2,3, , b.
k = 1,2,3, , c.
l = 1,2,3, , n.
 Tabla del anlisis de varianza del modelo de tres factores
con efectos fijos
52

Tabla de la pgina 195 del Montgomery, Tabla 5-

12.
 Prctica en grupos para la casa
53

A continuacin se presenta los tiempos de supervivencia en horas de

animales asignados aleatoriamente a tres venenos (v1, v2, v3) y tres
antdotos (a1, a2, a3). El experimento fue parte de una investigacin
para combatir los efectos de ciertos agentes txicos y fue un diseo
completamente al azar.
 Prctica en grupos para la casa
54

a) Efecte el anlisis de varianza y analice sus efectos

con respecto al enunciado.
b) Realice el anlisis grfico de la interaccin.
c) Se cree que el antdoto a2 es ms efectivo que el a1
para contrarrestar el veneno v1, verifquelo.
55 Superficies de respuesta
Modelos de efectos aleatorios
 Superficie de respuesta
56

Hasta el momento nos hemos enfocado en

experimentos que permiten:

Identifican
unas pocas variables importantes de
un gran nmero de candidatos.
Asegurar cmo unas pocas variables impactan
una respuesta.

Pero, cules son los niveles de estas variables que

generan una respuesta ptima?..
Responder esto es lo que se busca con las superficies de
respuesta.
 Superficie de respuesta
57

Cuando varios de los factores de un experimento

factorial son cuantitativos, puede utilizarse una
superficie de respuesta para modelar la relacin entre
y y los factores de diseo.

Las grficas se obtienes por medio de ecuaciones

lineales o cuadrticas. La forma ms fcil de obtener
estas ecuaciones es por medio de software
especializado.
 Superficie de respuesta
58

Cuando al menos dos de

los factores son
cuantitativos, resultan tiles
para predecir la respuesta a
niveles intermedios entre
los factores
 Superficie de respuesta
59
(Ejemplo)
Se desea conocer el % de conversin de una sustancia
qumica como consecuencia de tres factores
(temperatura, tiempo y % de catalizador.
El ingeniero desea conocer a
profundidad el impacto de los factores
en la variable respuesta.
 Superficie de respuesta
60 (Ejemplo)
Comentarios
?

Cmo se predice el comportamiento de la

variable respuesta ?
 Superficie de respuesta (Grfico de
Contorno)
61

Qu pasa cuando el % del catalizador pasa de 2.50 a 3?

Design-Expert Software
Factor Coding: Actual Conversin
Conversin 90.00
Design Points 88
97

51 86
88.00
84
X1 = A: Tiempo
X2 = B: Temperatura
B : T e m p e ra tu ra

Actual Factor
C: Catalizador = 2.50 86.00 82

6
Nos ayuda a entender
el impacto de los 84.00
80
factores en la variable
respuesta, la 80

simbologa de los 82.00

colores representan el 78
impacto en la variable
respuesta 80.00
Es la proyeccin de 40.00 42.00 44.00 46.00 48.00 50.00
la superficie de
respuesta A: Tiempo
 Superficie de respuesta (Grfico de
Contorno)
62
Design-Expert Software
Factor Coding: Actual Conversin
Conversin 90.00
Design Points
97

51
88.00

X1 = A: Tiempo
X2 = B: Temperatura
B : T e m p e ra tu ra

Actual Factor 70
C: Catalizador = 3.00 86.00
90
80
Se puede observar en
la grfica de contorno 84.00

como los colores ms

clidos se alcanza ms
rpido, con los mismos 82.00

niveles de tiempo y
temperatura.
El % de Canalizacin 80.00

es significativo e 40.00 42.00 44.00 46.00 48.00 50.00

interacta con los

dems factores A: Tiempo
 Superficie de respuesta (Grfico de
Contorno)
63
 Superficie de respuesta
64
Design-Expert Software
Factor Coding: Actual
Conversin
Design points above predicted value
Design points below predicted value
97

51
95
X1 = A: Tiempo
X2 = B: Temperatura
90
Actual Factor
C: Catalizador = 2.50
C o n v e rs i n

85

80

75

90.00
40.00 88.00
42.00 86.00
44.00
84.00
46.00
48.00 82.00 B: Temperatura
A: Tiempo 50.00 80.00
 Superficie de respuesta (Cubo)
65

Design-Expert Software
Factor Coding: Actual Cube
Conversion
X1 = A: time Conversion
X2 = B: temperature
X3 = C: catalyst
69.1696 98.2265

B+: 90.00 87.2617 70.8186

B : te m p e ra tu re

73.0885 93.6454 C+: 3.00

C: catalyst

B-: 80.00 75.6805 50.7374 C-: 2.00

A-: 40.00 A+: 50.00
A: time
66

Cmo se maneja el experimento factorial si la

programacin de produccin del ejemplo de la
selladora, no permite correr todas las muestras
en la misma mquina?
67
Formacin de Bloques en un diseo
Factorial

Cuando no es factible o prctico hacer la

aleatorizacin completa de las corridas,
utilizamos bloques.
 Formacin de bloques en un
68
diseo factorial

Las mquinas de sellado se convierten en una

restriccin sobre la aleatorizacin o un bloque.
El modelo de los efectos para este nuevo diseo
es:
yijkl i j k ij ik jk ijk m ijkm

Donde:
m: es el efecto del m-simo bloque.
Es importante que dentro de cada bloque el orden en que
se corren las combinaciones de los tratamientos est
totalmente aleatorizadas
 Formacin de bloques en un
69
diseo factorial

Se supone que la interaccin entre los bloques y los

tratamientos es insignificante.
Si estas interacciones existen no pueden separarse del
error.
 Tabla del anlisis de varianza de un diseo factorial de
dos factores en bloques completos aleatorizados
70

Tabla de la pgina 208 del Montgomery, Tabla 5-

18.
 Prctica en grupos para la casa
71

Se realiz un experimento con un arreglo factorial 2A3B en

4 campos de cultivo, para evaluar el efecto en el
rendimiento de maz obtenido con dos tipos de abono (a1 y
a2) y tres dosis (b1=20, b2=30, b3=40 kg/ha). Los
resultados obtenidos en TM/ha se presentan a
continuacin:
 Prctica en grupos para la casa
72

Realice el anlisis de los efectos y el anlisis de

varianza para este caso.
A qu conclusiones se puede llegar?
 GRACIA
S

73 SEMANA 7