INTRODUCCIN En muchas situaciones experimentales resulta de inters estudiar los efectos producidos por dos o ms factores simultneamente; esto

se logra con la ayuda de los Diseos Factoriales. En general los Diseos Factoriales producen experimentos ms eficientes, ya que cada observacin proporciona informacin sobre todos los factores, y es posible ver las respuestas de un factor en diferentes niveles de otro factor en el mismo experimento. Por lo tanto, se entiende por Diseo Factorial a aquel diseo en el cual se pueden estudiar los efectos de dos o ms factores de variacin a la vez; es decir, que se puede investigar todas las posibles combinaciones de los niveles de los factores en cada ensayo completo o rplica del experimento. Cada uno de los factores en estudio varan en su aplicacin, a esta variacin se le llama Niveles del Factor. Las combinaciones de los niveles de cada factor, forman los respectivos tratamientos. En un diseo factorial, los factores en estudio se representan por letras maysculas (A,B,C,) y los niveles de cada uno por sus respectivas letras minsculas (a,b,c,). Los cuales pueden tomar valores de 2,3,4, Existen experimentos factoriales Balanceados y Desbalanceados; diremos que es balanceado cuando el nmero de rplicas es igual para cada uno de los tratamientos usados en el experimento; en caso contrario es Desbalanceado; tambin se puede dar el caso en que slo exista una sola rplica para cada tratamiento. Los Diseos factoriales se pueden combinar con los Diseos Completamente al Azar (Unifactoriales), o con el Diseo de Bloques Aleatorios, etc., dependiendo de la naturaleza del experimento.

DISEO FACTORIAL Entre las Ventajas de usar un diseo Factorial, se pueden mencionar las siguientes: 1) Ahorro y economa del recurso experimental; ya que cada unidad experimental provee informacin acerca de dos o ms factores, lo que no sucede cuando se realiza con una serie de experimentos simples. 2) Da informacin respecto a las interacciones entre los diversos factores en estudio. 3) Permite realizar estimaciones de las interacciones de los factores, adems de los efectos simples. 4) Permite estimar los efectos de un factor en diversos niveles de los otros factores, produciendo conclusiones que son vlidas sobre toda la extensin de las condiciones experimentales. La nica desventaja es que si el nmero de niveles de algunos de los factores o el nmero de factores es demasiado grande, entonces el nmero de todas las combinaciones posibles de tratamientos de factores llega a ser un nmero grande, en consecuencia la variabilidad en el experimento podra ser grande. Estas dos situaciones, pueden hacer difcil detectar los efectos significativos en el experimento. Se entiende por efecto de un factor al cambio en la respuesta media ocasionada por un cambio en el nivel de ese factor. En los diseos factoriales existen tres efectos, los cuales son: 1) Efecto Simple: son comparaciones entre los niveles de un factor a un slo nivel del otro factor. 2) Efecto Principal: son comparaciones entre los niveles de un factor promediados para todos los niveles del otro factor. 3) Efecto de Interaccin: Miden las diferencias entre los efectos simples de un factor a diferentes niveles de otro factor; es decir, la diferencia en la respuesta entre los niveles de un factor no es la misma en todos los niveles de los otros factores. En un experimento factorial se puede estimar y contrastar hiptesis acerca de las interacciones y los efectos principales. Existe interaccin entre los factores, si la diferencia en la respuesta entre los niveles de un factor no es la misma en todos los niveles de los otros factores. Una interaccin puede ser doble, triple, cudruple, etc. segn el nmero de factores que sean considerados en el experimento. En general, el nmero de efectos principales y las interacciones se pueden determinar:

Tambin se puede utilizar el Tringulo de Pascal para encontrar el nmero de efectos principales y las interacciones

: La interaccin en la cual intervienen tres o ms factores se considera una interaccin de orden superior. Por ejemplo: ABC, ABD, BCD,ADCE., etc. La notacin que se utiliza para indicar el nmero de niveles y el nmero de factores de un experimento factorial es sencilla; y podra simbolizarse en general de la siguiente manera: mxnxoxpx, en donde las letras indican el nmero de niveles de los factores y el nmero de veces que aparecen las letras indican el nmero de factores. En el siguiente cuadro se presentan algunos ejemplos de sta notacin:

En los diseos factoriales se pueden estudiar los efectos de dos, tres y ms factores a la vez, en esta unidad se estudiarn los efectos de dos factores en detalle, tres factores y se har un planteamiento general para el estudio de los diseos de ms de tres factores. DISEO FACTORIAL CON DOS FACTORES PRESENTACIN DEL MODELO El modelo de diseo de experimentos con dos factores tratamiento con interaccin se conoce como modelo completo de dos vas o modelo de anlisis de la varianza de dos vas. Para presentar las formulas generales para el anlisis de varianza de un experimento de dos factores que utiliza observaciones repetidas en un diseo por completo aleatorio, debe considerarse el caso de n repeticiones de las combinaciones del tratamiento, determinadas por niveles del factor A y b niveles del factor B. las observaciones pueden clasificarse usando un arreglo rectangular, donde los renglones representan los niveles del factor A; y las columnas, los factor B. Cada combinacin de tratamiento define una celda del arreglo. As, se tienen ab celdas, cada una de las cuales contiene n observaciones. Se denota con la k-sima observacin en el i-simo nivel del factor A y el j-simo nivel del factor B. Modelo matemtico. El modelo matemtico asociado al diseo de dos factores-tratamiento con interaccin y replicado es el siguiente:

Para cada i = 1,2,...,a; j = 1,2,...,b; k = 1,2,...,n, Con restricciones

Donde: : Es la media general.

: Es el efecto (positivo o negativo) debido al i-simo nivel del factor A. : Es el efecto (positivo o negativo) del j-simo nivel del factor B. : Representa al efecto de interaccin en la combinacin ij. : Es el error aleatorio que supone sigue una distribucin con media cero y varianza constante y son independientes entre si.

ESTIMACIN DE PARAMETROS Los parmetros del modelo se obtienen por mnimos cuadrados, tcnica que se basa en minimizar la suma de los cuadrados de los residuos.

Simblicamente la identidad de cuadrados se escribe as: SST = SSA + SSB +SS(AB) + SSE Donde SSA y SSB denominan la suma de cuadrados para los efectos principales A y B, respectivamente, SS(AB) recibe el nombre de suma de cuadrados de la interaccin para A y B, y SSE es la suma de errores al cuadrado. La participacin de los grados de libertad se efecta de acuerdo con la identidad

*Suma de todas las observaciones

 *Media global

*Total en el nivel i del factor A *Media en el nivel i del factor A *Total en el nivel j del factor B *Media en el nivel i del factor B TABLA ANOVA PARAMETROS Fuente Efecto A Efecto B Suma de cuadrados a1 Suma cuadrados M. de

b1

Efecto AB

(a-1)(b-1)

Error

ab(n-1)

Total

abn-1

Manejo de pruebas de hiptesis *Hiptesis para el efecto A

La hiptesis nula se rechaza al nivel e significancia *Hiptesis para el efecto B

cuando

La hiptesis se rechaza al nivel e significancia *Hiptesis para el efecto AB

cuando

La hiptesis se rechaza al nivel e significancia

cuando

DISEO FACTORIAL CON TRES FACTORES ESTIMACION DE LOS PARAMETROS DEL MODELO DE EFECTOS FIJOS Cuando se tiene tres factores (A B y C) y el numero de niveles de prueba en cada uno de ellos son a, b y c, se puede construir el arreglo factorial a*b*c, que consiste de a*b*c tratamientos o puntos experimentales. Entre los arreglos de este tipo que se utilizan con frecuencia entre aplicaciones diversas se encuentra. El factorial 23, el factorial 33 y los factoriales mixtos con no ms de cuatro niveles en dos de los factores, por ejemplo, el factorial 4*3*2 y el factorial 4*4*2 por mencionar dos de ellos. El estudio factorial de tres factores (A, B y C) permitir investigar los efectos: A, B, C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden estudiarse depende el nmero de niveles utilizado en cada factor. Por ejemplo, si un factor se prueba en dos niveles todo su efecto marginal (individual) es lineal, o sea que su efecto individual no se pueda descomponer; pero si tuviera tres niveles, su efecto marginal se puede descomponer en una parte lineal y otra cuadrtica pura. CUADRO DE ANALISIS DE VARIANZA Tabla ANOVA Para el diseo factorial a*b*c FV Efecto A Efecto B Efecto C Efecto AB Efecto AC Efecto BC Efecto ABC Error Total donde: FV: Fuente de Variacin. SC: Suma de Cuadrados. GL: Grados de Libertad. SC SCA SCB SCC SCAB SCAC SCBC SCABC SCE SCT GL a-1 b-1 c-1 (a-1)(b-1) (a-1)(c-1) (b-1)(c-1) (a-1)(b-1)(c-1) abc(n-1) abcn-1 CM: Cuadrado Medio. FO: f Fisher calculado. CM CMA CMB CMC CMAB CMAC CMBC CMABC CME F0 CMA/CME CMB/CME CMC/CME CMAB/CME CMAC/CME CMBC/CME CMABC/CME Valor-p P(F> F0A) P(F> F0B) P(F> F0C) P(F> F0AB) P(F> F0AC) P(F> F0BC) P(F> F0ABC)

Al efecto cuyo valor-p sea menor al valor especificado para , se declara estadsticamente significativo o se dice que est activo. El ANOVA de tres factores dado en la tabla anterior tiene cuatro renglones adicionales, por los nuevos cuatro efectos que pueden estudiarse. Las sumas de cuadrados son muy similares a las obtenidas para dos factores. FORMULAS Suma de Cuadrados

Las sumas de cuadrados son muy similares a las obtenidas para dos factores; habr que considerar un subndice adicional para el tercer factor, comenzando otra vez por la suma de cuadrados total, stas resultan ser:

SCT
i 1 j 1 k 1 l 1

2 ijk

2 ...

donde:

N = abcn es el total de observaciones en el experimento; el subndice k representa ahora el tercer factor y l las repeticiones. Las sumas de cuadrados de efectos son:

Restando stas del total, la suma de cuadrados del error resulta ser:

SCE SCT SC A SCB SCC SC AB SC AC SCBC SC ABC

Cuyos respectivos grados de libertad se dan en la tabla ANOVA anterior. Una vez hecho el ANOVA, se procede a interpretar los efectos activos, y luego (aunque no necesariamente despus) a diagnosticar la calidad del modelo. Cuadrado Medio

Donde: CM = Cuadrado Medio del efecto SC = Suma de cuadrado del efecto GL = Grados de libertad del efecto Modelo estadstico En un diseo factorial a*b*c se supone que el comportamiento de la respuesta Y puede describirse mediante el modelo de efectos dado por: Yijkl = +ai + j + k + ()ij + ()ik + ()jk + ()ijk + ijkl; I=1,2,,a; j=1,2,,b; k=1,2,,c; l=1,2,,n Donde: = media general i = efecto del nivel i-simo del factor A j = efecto del nivel j del factor B k = efecto del nivel k en el factor C ()ij, ()ik, ()jk = efectos de interacciones dobles (de dos factores) en los niveles ij, ik, jk, respectivamente. ()ijk : efecto de interaccin triple en la combinacin o punto ijk ijkl : error aleatorio en la combinacin ijkl l : repeticiones o replicas del experimento Todos los efectos cumplen la restriccin de sumar cero, es decir, son desviaciones respecto a la medida general .

DISEO FACTORIAL GENERAL Todos los Anlisis hechos para los Diseos de dos y tres Factores pueden extenderse al caso General en el que existen "a" niveles del Factor A, "b" niveles del Factor B, "c" niveles del Factor C,., y as sucesivamente, ordenados en un Experimento Factorial. Por lo tanto, en general habr un total de abcn observaciones si existen n rplicas en el Experimento Completo. Una generalizacin del Modelo Lineal del Diseo Factorial General estara dado por:

REGLAS PARA LAS SUMAS DE CUADRADOS Las reglas que se presentan a continuacin son utilizadas para encontrar las frmulas matemticas de las Sumas de Cuadros, cuando se analizan diseos experimentales de tres o ms factores; ya que a medida aumenta el nmero de factores estas expresiones o frmulas no se pueden determinar fcilmente. A continuacin se plantean estas Reglas tomando como ejemplo el caso de tres factores, para encontrar la suma de cuadrados del factor C:

Regla 3 Los subndices de cada trmino del Modelo deben dividirse en tres partes: i) Activos: son aquellos que se hallan en el trmino y no estn entre parntesis. ii) Pasivos: son los subndices que estn presentes en el Modelo pero que se encuentran entre parntesis. iii) Ausentes: son aquellos subndices que estn presentes en el Modelo pero que no ocurren en ese trmino en particular.

Regla 4. Grados de Libertad Los grados de libertad de cualquier trmino del Modelo corresponden al producto del nmero de niveles asociados con cada subndice pasivo, y el nmero de niveles menos uno, asociados con cada subndice activo. REGLAS PARA LAS MEDIAS DE CUADRADOS Estas reglas son muy tiles para encontrar las Medias de Cuadrados para cualquiera de los Modelos que resultan de un Diseo Factorial de tres o ms factores. A continuacin se presentan estas reglas, que sern aplicadas a un Diseo con tres factores.

c) En las restantes columnas de los renglones se escribe el nmero de niveles correspondientes al encabezado de esa columna. d) Para obtener el valor esperado de la media de cuadrados de cualquier componente del Modelo, primero se cubren todas las columnas encabezadas por los subndices activos de ese componente. A continuacin, en cada rengln que contenga al menos los mismos subndices que el componente considerado, se calcula el producto de los nmeros visibles y se multiplica por el factor fijo o aleatorio apropiado, obtenido mediante la Regla 1. La suma de estas cantidades corresponden al valor esperado de la media de cuadrados del componente del Modelo considerado. Estas reglas pueden ser aplicadas a los Modelos que se van estudiando, para obtener los valores esperados de un Modelo de Efectos Mixtos de tres Factores, considerando que el factor A es fijo, el factor B y factor C es aleatorio. Se tiene:

Utilizando estas mismas reglas se obtienen las Medias de Cuadrados Esperados para un Modelo de Efectos Fijos.