Unidad III Disenos Factoriales

2 niveles es un comportamiento lineal. Las k son factores.

3.1.1 Conceptos básicos

El diseño factorial permite estudiar de manera simultánea el efecto de varios factores. Se busca centrar
la media de la respuesta de interés y con variabilidad mínima.

 Factores cualitativos: máquinas, operadores

 Factores cuantitativos: temperatura, humedad, velocidad

La H0 ahora es decir que no va a haber efecto en el experimento. Queremos que si haya un efecto al
modificar los factores. Es necesario elegir al menos dos niveles y repeticiones. Se corre aleatoriamente
todos los experimentos. Se va a trabajar mucho con el promedio de la muestra.

Experimento factorial: Conjunto de tratamientos posibles al combinar los niveles de todos los
factores.

Con k = 2 factores cada uno con dos niveles, se forma 2x2 cuatro posibles combinaciones.

Un k = 2 factores cada uno con tres niveles se forma 3x2 seis posibles combinaciones. Con dos
repeticiones son 12 combinaciones.

Los diseños 2k son experimentos con varios (k) factores con dos niveles. 3k con varios (k) factores todos
con tres niveles.

Efecto principal: El efecto de un factor es el cambio observado en la variable de respuesta debido a un

cambio en el nivel de tal factor. Es el valor absoluto de la diferencia entre la respuesta media observada
cuando el factor estuvo en su nivel alto y la respuesta media observada cuando el factor estuvo en su
nivel bajo.

Ejemplo 1.
Se tienen dos factores: A (tiempo), B (velocidad). Cada uno con dos niveles: A1 = 3 min A2 = 6 min
B1 = 600 rpm B2 = 1000 rpm

La respuesta es y (la cantidad de aditivo).

A B y
A1 3 B1 600 17.10
A2 6 B1 600 16.26
A1 3 B2 1000 18.76
A2 6 B2 1000 18.16

16.26+18.16 17.10+18.76
𝑬𝒇𝒆𝒄𝒕𝒐 𝑨 = 2
− 2
= −𝟎. 𝟕𝟐 Cuando A tiene los valores altos (A2 - A1)
 18.76+18.16 17.10+16.26
𝑬𝒇𝒆𝒄𝒕𝒐 𝑩 = 2
− 2
= 𝟏. 𝟕𝟖 Cuando B tiene los valores altos menos los
bajos (B2 - B1)

Efecto de interacción: Dos factores tienen un efecto de interacción sobre la variable de respuesta
cuando el efecto de un factor depende del nivel del otro.

𝑬𝒇𝒆𝒄𝒕𝒐 𝑨 (𝒄𝒐𝒏 𝑩 𝒃𝒂𝒋𝒐) = 16.26 − 17.10 = −𝟎. 𝟖𝟒

𝑬𝒇𝒆𝒄𝒕𝒐 𝑨 (𝒄𝒐𝒏 𝑩 𝒃𝒂𝒋𝒐) = 18.16 − 18.76 = −𝟎. 𝟔

Efecto global de interacción: Se denota como AB, es la diferencia entre la respuesta media cuando
ambos factores se encuentran en el mismo nivel y la respuesta media cuando ambos factores se
encuentran en niveles opuestos.

17.10 + 18.16 16.26 + 18.76

𝑬𝒇𝒆𝒄𝒕𝒐 𝑨𝑩 = − = 𝟎. 𝟏𝟐
2 2

Representación del Efecto de Interacción (se denotan los niveles alto y bajo con valor 1 y -1).
Cuando son dos niveles es 1 y -1.

Cuando son 3 niveles es -1, 0 y 1.

En el eje vertical se pone una

escala que represente la
respuesta:

En el eje vertical se pone una

escala que represente la
respuesta, uno de los dos
factores se representa en el
eje horizontal con sus dos
niveles, en dirección vertical se
coloca el promedio de la
respuesta en cada nivel del
otro factor, cada punto del
lado izq. Se une con su punto
del lado derecho. En este
ejemplo no tienene
interacción las líneas al tener
pendientes similares.

El mejor valor es con A alto y

con B bajo:
Cuando existe interacción las líneas tienen pendiente muy diferente.

3.1.2 Diseño Factorial con dos factores

Se tienen dos factores A y B. Los niveles a y b ≥ 2. Con ellos se puede construir el arreglo o diseño
factorial a x b. Los experimentos factoriales con menos de 4 factores se corren por réplicas (n). El
número total de corridas experimentales es n(a x b).

Modelo Estadístico
𝑌𝑖𝑗𝑛 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝑒𝑖𝑗𝑛

i = 1, 2, …, ; j = 1, 2, …, ; n = 1, 2,… n.

 es la media general.

i es el efecto debido al i-ésimo nivel del factor A.

j es el efecto debido al j-ésimo nivel del factor B.

()ij es el efecto de interacción en la combinación ij.

n son las repeticiones del experimento.

eijn es el error aleatorio.

Suposiciones
Distribución Normal con media cero y varianza constante e independencia.

Restricciones:

𝑌𝑖𝑗𝑛 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽12 𝑋1 𝑋2 + 𝑒𝑖𝑗𝑛

0 Representa la media general

1 Es el efecto del factor X1 = A

2 Es el efecto del factor X2 = B

12 Es el efecto de interacción X1X2 = AB

eijn Es el error aleatorio N(0, 2)

Hipótesis y análisis de varianza

Con un diseño factorial a x b se analizan los efectos A, B y AB.

H0: efecto A = 0 H: efecto A ≠ 0

H0: efecto B = 0 H: efecto B ≠ 0

H0: efecto AB = 0 H: efecto AB ≠ 0

Anova para un diseño factorial a x b

La variación total es:

SCT = SCA + SCB + SCAB + SCE

Los grados de libertad:

nab-1 = ((a-1) + (b-1) + (a-1)(b-1) + ab(n-1) [a = niveles del factor A] Los CM de cada uno es SC/(grados
de libertad), ej. SCA/(a-1).

Con al menos dos replicas.

Las sumas de cuadrados entre los correspondientes grados de libertad son los cuadrados medios (CM) al
dividir CM entre CME se obtiene el estadístico F.

Si el valor-p es menor al nivel de significancia  prefijado, se concluye que la hipótesis es significativa, es

decir que el efecto influye a la variable de respuesta. Si el efecto está activo debe tomarse en cuenta en
la interpretación de resultados.

FV SC Grados de Libertad CM F0
A SCA a–1 CMA CMA/CME
B SCB b–1 CMB CMB/CME
 AB SCAB (a – 1)(b – 1) CMAB CMAB/CME
Error SCE ab(n – 1) CME
Total SCT abn – 1 CMT

𝑎 𝑏 𝑛
2 𝑌…2
𝑆𝐶𝑇 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑛 −
𝑁
𝑖=1 𝑗=1 𝑛=1

𝑎
𝑌𝑖.2 𝑌…2
𝑆𝐶𝐴 = ∑ −
𝑏𝑛 𝑁
𝑖=1

𝑏
𝑌𝑗.2 𝑌…2
𝑆𝐶𝐵 = ∑ −
𝑎𝑛 𝑁
𝑗=1

𝑎 𝑏 2
𝑌𝑖𝑗. 𝑌…2
𝑆𝐶𝐴𝐵 = ∑ ∑ − − 𝑆𝐶𝐴 − 𝑆𝐶𝐵
𝑛 𝑁
𝑖=1 𝑗=1

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐴𝐵

Ejemplo:
Se quiere estudiar el efecto de dos factores: velocidad de alimentación y profundida de corte sobre el
acabado de un metal. Se trabajará en 4 y 3 niveles respectivamente, se realizarán tres réplicas. Se corren
los experimentos aleatoriamente. Interesa minimizar el acabado.

𝑖 = 1, 2, 3, 4 𝑗 = 1, 2, 3 𝑛 = 1, 2, 3 𝑎=4 𝑏=3 𝑛=3

Hay interacción en velocidades altas, no hay interacción en velocidades bajas, al no tocarse. El mejor
tratamiento es el 1 y a velocidades altas el efecto no se nota tanto.

120

110

100
A: Profundidad

90 1

80 2
3
70
4
60

50
0 1 2
B: Velocidad
 B: Velocidad
-1 0 1 Yi..
74 92 99
1 64 198/66 86 266/88.6 98 299/99.6 763
60 88 102
79 98 104

A: Profundidad
2 68 220/73.3 104 290/96.6 99 298/99.3 808
73 88 95
82 99 108
3 88 262/87.3 108 302/100.6 110 317/105.6 881
92 95 99
99 104 114
4 104 299/99.6 110 313/104.3 111 332/110.6 944
96 99 107
Total Y.j. 979 1171 1246 Y… 3396

7632 + 8082 + 8812 + 9442 33962

𝑆𝐶𝐴 = − = 2,125.11
3∗3 36

9792 + 11712 + 12462 33962

𝑆𝐶𝐵 = − = 3,160.5
4∗3 36

1982 + 2202 + 2622 + 2992 + 2662 + 2902 + 3022 + 3132 + 2992 + 2982 + 3172 + 3322
𝑆𝐶𝐴𝐵 =
3
2
3396
− − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 = 557.05
36

33962
𝑆𝐶𝑇 = 742 + 642 + 602 + ⋯ − = 6,532
36

𝑆𝐶𝐸 = 6,532 − 2,125.11 − 3,160.5 − 557.05 = 689.34

Entrar en la tabla con F, n-1, N-n en el ejercicio es F0.05, 2, 33. Hay efecto de A y B, pero no hay interacción
entre AB.

FV SC Grados de Libertad CM F0 Valor-p

A 2,125.11 4-1 708.37 24.66
B 3,160.5 3-1 1,580.25 55.01 3.35
AB 557.05 (4-1)(3-1) 92.841 3.23
Error 689.34 4*3(3-1) 28.722
Total 6,532 36-1 186.62