SEP SES TecNM

INSTITUTO TECNOLÓGICO DE TOLUCA

“DISEÑOS FACTORIALES”

MATERIA
Estadística Inferencial II

CARRERA
INGENIERÍA INDUSTRIAL A DISTANCIA

PRESENTA:
RUIZ PALAFOX JAVIER
No. CONTROL:
V16281626

ASESOR:
ING. Santiesteban Alcántara Claudia Georgina

METEPEC, ESTADO DE MÉXICO, mayo DE 2020

 Introducción

 en la unidad pasada se estudió los diseños de bloques donde solo se tiene un factor
de tratamiento, y el resto son factores de bloques que tienen una importancia
secundaria en la investigación experimental. El objetivo de un diseño factorial es
estudiar el efecto de varios factores sobre una o varias respuestas, cuando se tiene
el mismo interés sobre todos los factores.

Un arreglo factorial es el conjunto de puntos experimentales o tratamientos que

pueden formarse considerando todas las posibles combinaciones de los niveles de
los factores. Por ejemplo, con K=2 factores, ambos con dos niveles, se forma un
diseño factorial 2X2=22, que consiste en cuatro combinaciones o puntos
experimentales. Si ahora uno tiene tres niveles y el otro dos, se pueden construir 3X2
combinaciones que dan lugar al diseño factorial 3X2. Para obtener el número de
corridas experimentales se multiplica el número de tratamientos por el número de
replicas, donde una de estas se lleva a cabo cada vez que se corre el arreglo
completo.

En general, la familia de diseños factoriales 2k consiste en K factores, todos con dos

niveles de prueba; y la familia de diseños factoriales 3k consiste en k factores cada
uno con tres niveles de prueba. Es claro que, si lo k factores no tienen la misma
cantidad de niveles, debe escribirse el producto de manera explícita; por ejemplo,
con k=3 factores, el primero con cuatro niveles y los dos restantes con dos niveles,
se tiene el diseño factorial 4 x 2 x 2 o 4 x 22.

JAVIER RUIZ PALAFOX 2

 5.1 Diseños factoriales con dos factores.

Considere los factores A y B con a y b (a,b≥2) niveles de prueba, respectivamente.

Con ellos se puede construir el arreglo o diseño factorial a x b, el cual consiste en a x
b tratamientos. Algunos casos particulares de uso frecuente son: el factorial 2 2, el
factorial 32 y el factorial 3 x 2. Se llama replica a cada corrida completa del arreglo
factorial. Los diseños factoriales que involucran menos de 4 factores por lo regular se
corren replicados para tener la potencia necesaria en las pruebas estadísticas sobre
los factores de interés. Si se hacen n replicas, el número total de corridas
experimentales es n(axb).

Ejemplo

Consideremos un experimento en el que se quiere estudiar el efecto de los factores

A: profundidad de corte sobre el acabado de un metal y B: velocidad de alimentación.
Aunque los factores son de naturaleza continua, en este proceso solo se puede
trabajar en 4 y 3 niveles, respectivamente. Por ello, se decide correr un factorial
completo 4 x 3 con 3 réplicas, que permitirá obtener toda la información relevante en
relación al efecto de estos factores sobre el acabado. Al aleatorizar las 36 pruebas se
obtienen los siguientes datos

JAVIER RUIZ PALAFOX 3

El modelo estadístico de efectos para este tipo de diseño esta dado por:

Donde m es la media general, ai es el efecto debido al i-esimo nivel del factor A, bj es

el efecto del j-esimo nivel del factor B, representa al efecto de interacción en la
combinación ij y eijk es el error aleatorio que se supone sigue una distribución normal
con media cero y varianza constante y son independientes entre sí. Para que la
estimación de los parámetros en este modelo sea única, se introducen las

restricciones Es decir, los efectos dados en el

modelo son desviaciones relacionadas con la media global.

En este modelo a=4, b=3 y n=3 réplicas. Las hipótesis de interés para los tres efectos
en el modelo anterior son:

JAVIER RUIZ PALAFOX 4

Estas hipótesis se prueban mediante la técnica de análisis de varianza, que para un
diseño factorial a x b con n replicas resulta de descomponer la variación total como,

Donde los respectivos grados de libertad de cada una de ellas son:

El factor (n-1) en los grados de libertad de la suma de cuadrados del error (SC e)
señala que se necesitan al menos dos replicas del experimento para calcular este
componente y, por ende, para construir una tabla de ANOVA. Recordemos que las
sumas de cuadrados divididas entre sus correspondientes grados de libertad se
llaman cuadrados medios. Al dividir estos entre el cuadrado medio del error se
obtienen estadísticos de prueba con distribución F.

Si el valor -p es menor al nivel de significancia a prefijado, se rechaza la hipótesis

nula y se concluye que el correspondiente efecto esta activo o influye en la variable
de respuesta.

JAVIER RUIZ PALAFOX 5

La notación de puntos para representar sumas y medias: Y… es la suma de todas
las observaciones Y… en la media global, es decir:

Con esta notación la suma de cuadrados totales es:

Donde N = abn es el total de observaciones en el experimento. Las sumas de

cuadrados de efectos son:

Y al final, al restar estas del total, se obtiene la suma de cuadrados del error como:

De acuerdo a esto para obtener el ANOVA se han calculado los totales necesarios.
De donde:

JAVIER RUIZ PALAFOX 6

La suma de cuadrados totales y la suma de cuadrados del error están dadas por

Con esta información se construye el análisis de varianza del ANOVA se concluye

que los tres efectos A: Vel, B: prof, y AB están activos o influyen en el acabado. Dado
que el efecto de interacción AB resulta significativo, prácticamente toda la
información relevante del experimento se aprecia en su representación gráfica.
Nótese que aparecen tantas líneas como niveles tenga el factor que se dibuja en la
parte de arriba, que en este caso es la profundidad con sus 4 niveles que se denotan
con una escala de -1 a 1. La significancia de la interacción detectada por el ANOVA
se observa en el hecho de que las líneas en la siguiente figura.

JAVIER RUIZ PALAFOX 7

Tienen pendientes relativamente diferentes. Como lo que interesa es minimizar la
variable de respuesta, se observa que a mayor velocidad y profundidad hay una
tendencia a obtener peores acabados. Además, se ve que cuando se tiene velocidad
alta el efecto de profundidad es menor. Por lo tanto, las condiciones de operación o
tratamiento que convienen es profundidad y velocidad bajas.

El siguiente ANOVA se dice que no esta desglosado, ya que cuando en un

experimento hay factores cuantitativos con mas de 2 niveles, el ANOVA se puede
desglosar para estudiar con mayor detalle el efecto de tal factor.

5.2 Diseños factoriales con tres factores.

Cuando se quiere investigar la influencia de tres factores (A, B y C) sobre una o más
variables de respuesta, y el número de niveles de prueba en cada uno de los factores
es a,b y c, respectivamente, se puede construir el arreglo factorial a x b x c, que
consiste en a x b x c tratamientos o puntos experimentales. Entre los arreglos de este

JAVIER RUIZ PALAFOX 8

tipo que se utilizan con frecuencia en aplicaciones diversas se encuentran: el factorial
23, el factorial 33 y los factoriales mixtos con no más de cuatro niveles en dos de los
factores, por ejemplo, 4 x 3 x 2 y el factorial 4 x 4 x 2, por mencionar dos de ellos.

Ejemplo

Se desea investigar el efecto del tipo de suspensión (A), abertura de malla (B) y
temperatura de ciclaje (C) en el volumen de sedimentación Y(%) de una suspensión.
Para ello se decide correr un experimento factorial 3 X 2 X 2 con 6 réplicas, y las
observaciones obtenidas en las 72 corridas experimentales se muestran en la
siguiente tabla:

Los niveles de prueba para cada factor, tanto en unidades originales como en
unidades codificadas, se muestran en la siguiente tabla:

En un diseño factorial a x b x c como este ejemplo, se supone que el comportamiento

de la respuesta Y puede describirse mediante el modelo de efectos dado por:

Donde m es la media general, ai es el efecto del nivel i-esimo del factor A, bj es el

efecto del nivel j del factor B y gk es el efecto del nivel k en el factor C; (ab)ij, (ag)ik y

JAVIER RUIZ PALAFOX 9

(bg)jk representan efectos de interacción dobles en los niveles ij, ik, jk
respectivamente, y (abg)ijk es el efecto de interacción triple en la combinación o punto
ijk, eijkl representa el error aleatorio en la combinación ijkl y l son las repeticiones o
replicas del experimento. Todos los efectos cumplen la restricción de sumar cero, es
decir, son desviaciones relacionadas con la media general m. De manera alternativa,
se tiene el modelo de regresión dado por:

El ANOVA para el diseño factorial a x b x c es el siguiente:

Una vez hecho el ANOVA, se procede a interpretar los efectos activos, y luego a
diagnosticar la calidad del modelo.
El análisis de la varianza para este caso se muestra en la siguiente tabla.

1
JAVIER RUIZ PALAFOX
0
De aquí se concluye que no influye los efectos ABC, AC ni A, dado que su valor-p es
mayor que 0.05. Por otra parte, se encuentran activos los efectos B, C, AB y en
menor medida BC. Estos son los cuatro efectos que se deben interpretar. Los efectos
que no influyeron se pueden eliminar mandándolos al termino error. En general se
recomienda interpretar solo los efectos significativos.

Conclusiones personales

En conclusión, el objetivo de un diseño factorial es estudiar el efecto de varios

factores, sobre una o varias respuestas o características de calidad. Su función es
determinar que combinaciones son mejores para eliminar problemas de calidad.
Los mayores beneficios de los diseños factoriales completos se obtiene cuando
deben estudiar pocas variables, el motivo es que el numero de experimentos crece
exponencialmente con el número de factores.
Los diseños factoriales completos son la estrategia experimental óptima para
estudiar simultáneamente el efecto de varios factores sobre la respuesta y sus
interacciones. Por su potencia, rapidez y sencillez y su campo de aplicación es muy
amplio.
Identificar que variables influyen en una reacción, para luego poder optimizarlas
hasta el rendimiento deseado o para disminuir el tiempo de reacción.

1
JAVIER RUIZ PALAFOX
1
 Fuentes bibliográficas
Ruiz, J. (2020, mayo 13). Diseños factoriales. Recuperado 13 de mayo de 2020, de
http://ittoluca.udavinci.edu.mx/pluginfile.php/16912/mod_folder/content/0/DISE
%C3%91OS%20FACTORIALES/U5%20DISE%C3%91OS%20FACTORIALES
%20TRES%20FACTORES.pdf?forcedownload=1

1
JAVIER RUIZ PALAFOX
2