Vous êtes sur la page 1sur 10

Experimentos factoriales

Es frecuente que en muchos procesos existan varios factores de los que es


necesario investigar de manera simultnea su influencia sobre una o varias
variables de respuesta, donde cada factor tiene la misma importancia a priori
desde el momento que se decide estudiarlo, y es poco justificable suponer
de antemano que los factores no interactan entre s. Los diseos
experimentales que permiten estudiar de manera simultnea el efecto de varios
factores son los llamados diseos factoriales.

El objetivo de un diseo factorial es determinar una combinacin de niveles de los
factores en la cual el desempeo del proceso sea mejor que en las condiciones de
operacin actuales; es decir, encontrar nuevas condiciones de operacin del
proceso que eliminen o disminuyan ciertos problema de calidad en la variable de
salida.

El diseo de experimentos factorial considera todas las posibles combinaciones de
los niveles de los factores.

Ventajas y Desventajas de los experimentos factoriales

1. Economa en el material experimental al obtener informacin sobre varios
factores sin aumentar el tamao del experimento. Todas las unidades
experimentales se utilizan para la evaluacin de los efectos.
2. Se ampla la base de inferencia en relacin a un factor, ya que se estudia
en las diferentes condiciones representadas por los niveles de otros
factores. Por lo tanto se ampla el rango de validez del experimento.
3. Permite el estudio de la interaccin, esto es, estudiar el grado y forma en la
cual se modifica el efecto de un factor por los niveles de los otros factores.

Una desventaja de este tipo de experimentos es que requiere un gran nmero de
unidades experimentales, sobre todo cuando se prueban muchos factores o
muchos niveles de algunos factores, es decir, se tiene un nmero grande de
tratamientos.

Experimentos de tres factores

Cuando se tienen tres factores A, B y C y el nmero de niveles de prueba en cada
uno de ellos son a, b y c, se puede construir el arreglo factorial a x b x c que
consiste de a x b x c tratamientos o puntos experimentales.

Efectos principales y efectos de interaccin

Los efectos principales de un factor son comparaciones entre los niveles de un
factor promediados para todos los niveles de otro factor. Los efectos de
interaccin miden las diferencias entre los efectos simples de un factor a
diferentes niveles de otro. Se dice que los efectos simples son contrastes ya que
son las comparaciones entre los niveles de un factor a un solo nivel de otro.

Interaccin

Desde el punto de vista del experimentador, es necesario llegar a una prueba
significativa sobre la existencia de una interaccin, al separar la variacin del error
verdadero de aquel que se debe a la interaccin. Los efectos principales, A, B y C
adoptan un significado distinto en presencia de la interaccin; en otras palabras,
una interaccin significativa oscurece la significancia de los efectos principales.

Cuando hay una interaccin significativa, se debern examinar los niveles de un
factor, digamos A, con los niveles de los otros factores fijos B y C, para tener
conclusiones acerca del efecto principal A.

La presencia de interaccin, as como su impacto cientfico, se puede interpretar
adecuadamente usando grfica de interaccin. Las grficas proporcionan una
clara imagen de la tendencia de los datos para mostrar el efecto que tiene el
cambio de un factor conforme se pasa de un nivel a otro del segundo y tercer
factor.

Grficas de interaccin del factor A con diferentes niveles del factor B

Las grficas como las anteriores, permiten realizar una interpretacin rpida y
significativa de la interaccin que existe. Es evidente que el paralelismo en la
grfica izquierda indica ausencia de interaccin, mientras que la derecha indica la
presencia de la misma entre A y B.

Modelo estadstico

En los diseos factoriales, los tratamientos se forman combinando los niveles de
los factores en estudio, de manera que el efecto del tratamiento
i
se considera a
su vez compuesto de los efectos de los factores y sus interacciones.
Si son tres factores en estudio, se tiene:


ijkl ijk jk ik ij k j i ijkl
y e + + + + + + + + = ) ( ) ( ) ( ) ( o| | o o| | o


i= 1,2,,a; j= 1,2,,b; k= 1,2,,c; y l=1,2,,n

donde y
ijkl
es la respuesta, es la media general,
i
,
j
y
k
son los efectos
principales, ()
ij
, ()
ik
y ()
jk
son los efectos de la interaccin de dos factores, el
trmino ()
ijk
se denomina efecto de interaccin de tres factores, y representa la
no aditividad de las ()
ij
sobre los diferentes niveles del factor C y
ijkl
representa
el error aleatorio en la combinacin ijkl donde l son las repeticiones o rplicas del
experimento.

La restriccin es que la suma de todos los efectos principales es igual a cero, y la
suma sobre cualquiera de los subndices de los efectos de interaccin entre dos y
tres factores es tambin igual a cero.

Modelo de regresin

Una manera alternativa de la representacin de un experimento factorial de tres
factores es mediante un modelo de regresin.


i= 1,2,,a; j= 1,2,,b; k= 1,2,,c; y l=1,2,,n

donde y
ijkl
es la respuesta, las son parmetros cuyos valores deben
determinarse, x
1i
es una variable que representa al factor A, x
2j
es una variable
que representa al factor B, x
3k
es la variable representante al factor C y
ijkl

es el tmino del error aleatorio, x
1i
x
2j
x
3k
representa la interaccin entre x
1i
, x
2j
y x
3k
.

Las estimaciones de los parmetros en este modelo de regresin resultan estar
relacionados con las estimaciones de los efectos. El parmetro de
0
se estima
con el promedio de las respuestas.

Hiptesis

El estudio factorial de tres factores (A, B y C) permite investigar los efectos A, B,
C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden
estudiarse depende del nmero de niveles de determinado factor.

Las hiptesis por probar son las siguientes:





1.
2.
3.
4.
5.
6.
7.
0 :
0 :
1
0
=
=
ABC H
ABC H
0 :
0 :
1
0
=
=
AC H
AC H
0 :
0 :
1
0
=
=
A H
A H
0 :
0 :
1
0
=
=
C H
C H
0 :
0 :
1
0
=
=
BC H
BC H
0 :
0 :
1
0
=
=
AB H
AB H
0 :
0 :
1
0
=
=
B H
B H
ijkl k j i k j k i j i k j i ijkl
x x x x x x x x x x x x y e + + + + + + + + =
3 2 1 123 3 2 23 3 1 13 2 1 12 3 3 2 2 1 1 0
| | | | | | | |
Tomando como base el modelo estadstico, las hiptesis por probar son las
siguientes:












Es importante alertar acerca del problema de enmascaramiento de los efectos
principales cuando la interaccin contribuye de manera importante en el modelo.

Es recomendable considerar primero el resultado de la prueba de interaccin y,
luego, la interpretacin de la prueba del efecto principal; la naturaleza de la
conclusin depende de si se encontr interaccin. Si sta se descarta, entonces
se pueden probar las hiptesis 1,2 y 3 y la interpretacin es muy sencilla. Sin
embargo, si se descubre que hay interaccin, la interpretacin puede ser ms
complicada.

Las pruebas de hiptesis anteriores se basarn en la comparacin de estimados
independientes de
2
.

Suma de cuadrados

La suma de cuadrados se divide en ocho trminos, donde cada uno representa
una fuente de variacin de los que se obtienen estimados independientes de
2
cuando todos los efectos principales y de la interaccin son iguales a cero. Si los
efectos de cualquier factor dado o interaccin no son iguales a cero, entonces el
cuadrado medio estimar la varianza del error ms un componente debido al
efecto sistemtico en cuestin.




1.
2.
3.
4.
5.
6.
7.
0 :
0 ... :
1
2 1 0
=
= = = =
i
a
las de una menos Al H
H
o
o o o
0 :
0 ... :
1
2 1 0
=
= = = =
j
b
las de una menos Al H
H
|
| | |
0 :
0 ... :
1
2 1 0
=
= = = =
k
c
las de una menos Al H
H


0 ) ( :
0 ) ( ... ) ( ) ( :
1
12 11 0
=
= = = =
ij
ab
las de una menos Al H
H
o|
o| o| o|
0 ) ( :
0 ) ( ... ) ( ) ( :
1
12 11 0
=
= = = =
ik
ac
las de una menos Al H
H
o
o o o
0 ) ( :
0 ) ( ... ) ( ) ( :
1
12 11 0
=
= = = =
jk
bc
las de una menos Al H
H
|
| | |
0 ) ( :
0 ) ( ... ) ( ) ( :
1
112 111 0
=
= = = =
ijk
abc
las de una menos Al H
H
o|
| o| o|

=
=
a
i
i
y y bcn SCA
1
2
... ...
) (

=
=
b
j
j
y y acn SCB
1
2
... .. .
) (

=
=
c
k
k
y y abn SCC
1
2
... ...
) (

+ =
i j
j i ij
y y y y cn AB SC
2
... .. . ... ..
) ( ) (

+ =
i k
k i k i
y y y y bn AC SC
2
... . .. ... . .
) ( ) (

+ =
j k
k j jk
y y y y an BC SC
2
... . .. ... . . .
) ( ) (




Los promedios en las frmulas se definen como sigue:

=promedio de todas las abcn observaciones

i...
=promedio de las observaciones para el i-simo nivel del factor A

.j..
=promedio de las observaciones para el j-simo nivel del factor B

.k.
=promedio de las observaciones para el k-simo nivel del factor C

ij..
=promedio de las observaciones para el i-simo nivel de A y el j-simo nivel B

i.k
=promedio de las observaciones para el i-simo nivel de A y el k-simo nivel C

.jk
=promedio de las observaciones para el i-simo nivel de B y el k-simo nivel C

ijk
=promedio de las observaciones para la (ijk)-sima combinacin de
tratamientos


Anlisis de la varianza (ANOVA)

Los clculos en una tabla de anlisis de varianza para un problema de tres
factores con n rplicas de corridas para cada combinacin de factores se resumen
en la siguiente tabla:


Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrado
medio

f calculada
Efecto principal:
A SCA a-1 S
1
2
f1= S
1
2
/ S
2

B SCB b-1 S
2
2
f2= S
2
2
/ S
2

C SCC c-1 S
3
2
f3= S
3
2
/ S
2

Interaccin de 2
factores:

AB SC(AB) (a-1)(b-1) S
4
2
f4= S
4
2
/ S
2

AC SC(AC) (a-1)(c-1) S
5
2
f5= S
5
2
/ S
2

BC SC(BC) (b-1)(c-1) S
6
2
f6= S
6
2
/ S
2

Interaccin de 3
factores:

ABC SC(ABC) (a-1)(b-1)(c-1) S
7
2
f7= S
7
2
/ S
2

Error SCE abc(n-1) S
2

Total STC abcn-1

Para el experimento de tres factores con una sola corrida experimental por
combinacin se podra utilizar el anlisis de la tabla anterior con n=1 y usando la

+ + + + =
i j k
k j i jk k i ij ijk
y y y y y y y y n ABC SC
2
... . .. .. . ... . . . . ... .
) ( ) (

=
i j k l
ijkl
y y STC
2
...
) (

=
i j k l
ijk ijkl
y y SCE
2
.
) (
suma de cuadrados de la interaccin ABC para SCE. En este caso suponemos
que los efectos de la interaccin ()
ijk
son todos iguales a cero, de modo que




Es decir, SC(ABC) representa la variacin que slo se debe al error experimental.
Por lo tanto, su cuadrado medio proporciona un estimado no sesgado de la
varianza del error.

Con n=1 y SCE= SC(ABC), la suma de cuadrados del error se obtiene restando la
suma de cuadrados de los efectos principales y las interacciones de 2 factores a la
suma de cuadrados total.

Agrupamientos en modelos multifactoriales

El modelo de tres factores y su anlisis se describi de la manera ms general
mediante la inclusin en el modelo de todas las interacciones posibles. Por
supuesto, hay muchas situaciones en las que a priori se sabe que el modelo no
debera contener ciertas interacciones. As, es posible aprovechar este
conocimiento al combinar o agrupar las sumas de cuadrados correspondientes a
interacciones despreciables con las suma de cuadrados del error para formar un
nuevo estimador de
2
con un nmero ms grande de grados de libertad.

La suma de cuadrados SCA, SCB, SCC y SC(BC) se calculan usando las frmulas
antes descritas. Todos los cuadrados medios de los efectos restantes ahora se
estimarn de manera independiente la varianza del error
2
. Por lo tanto se
introduce el nuevo cuadrado medio del error agrupando SC(AB), SC(AC),
SC(ABC) y SCE junto con los grados de libertad correspondientes. El
denominador resultante de las pruebas de significancia es, entonces, el cuadrado
medio del error dado por






Por supuesto, con una resta se obtienen la suma de cuadrados agrupada y los
grados de libertad agrupados, una vez que se calcula la STC y las sumas de
cuadrados para los efectos existentes.

La tabla de anlisis de varianza (ANOVA) sin interaccin del factor A adoptara as
la forma de la tabla que se presenta a continuacin.



2 2 2
) (
) 1 )( 1 )( 1 ( ) 1 )( 1 )( 1 (
) (
o o| o

=

+ =
(


a
i
b
j
c
k
ijk
c b a
n
c b a
ABC SC
E
) 1 ( ) 1 )( 1 )( 1 ( ) 1 )( 1 ( ) 1 )( 1 (
) ( ) ( ) (
2
+ + +
+ + +
=
n abc c b a c a b a
SCE ABC SC AC SC AB SC
S
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrado
medio

f calculada
Efecto principal:
A SCA a-1 S
1
2
f1= S
1
2
/ S
2

B SCB b-1 S
2
2
f2= S
2
2
/ S
2

C SCC c-1 S
3
2
f3= S
3
2
/ S
2

Interaccin de 2
factores:

BC SC(BC) (b-1)(c-1) S
4
2
f4= S
4
2
/ S
2

Error SCE Resta S
2

Total STC abcn-1


Experimentos factoriales para efectos aleatorios

En un experimento de 3 factores con efectos aleatorios se tiene el modelo


i= 1,2,,a; j= 1,2,,b; k= 1,2,,c;
donde A
i
, B
j
, C
k
, (AB)
ij
, (AC)
ik
, (BC)
jk
, (ABC)
ijk
y
ijk
son variables aleatorias
independientes con medias igual a cero y varianzas
2

,
2

,
2

,
2

,
2

,
2

y
2
, respectivamente.

En la tabla siguiente se presentan los cuadrados medios esperados para el
experimento de tres factores con efectos aleatorios en un diseo completamente
aleatorizado.

Fuente de
variacin
Grados de
libertad
Cuadrado
medio


Cuadrado medio esperado
A a-1 S
1
2

2
+ n
2

+ cn
2

+ bn
2

+ bcn
2


B b-1 S
2
2

2
+ n
2

+ cn
2

+ an
2

+ acn
2


C c-1 S
3
2

2
+ n
2

+ bn
2

+ an
2

+ abn
2


AB (a-1)(b-1) S
4
2

2
+ n
2

+ cn
2


AC (a-1)(c-1) S
5
2

2
+ n
2

+ bn
2


BC (b-1)(c-1) S
6
2

2
+ n
2

+ an
2


ABC (a-1)(b-1)(c-1) S
7
2

2

+ n
2


Error abc(n-1) S
2

2

Total abcn-1

A partir de los cuadrados medios esperados de la tabla anterior, es evidente que
se pueden formar razones f adecuadas para probar todos los componentes de la
varianza de la interaccin de dos y tres factores. Sin embargo, para probar una
hiptesis de la forma
ijk ijk jk ik ij k j i ijk
ABC BC AC AB C B A Y e + + + + + + + + = ) ( ) ( ) ( ) (
0 :
0 :
2
1
2
0
=
=
o
o
o
o
H
H

parece que no hay razn f apropiada, a menos que se encontrara que uno o ms
de los componentes de la varianza de interacciones de dos factores no es
significativo.






















Ejemplo - Aplicacin de un diseo factorial de tres factores

Un cientfico recaba datos experimentales sobre el radio de un grano de
combustible propulsor, y, en funcin de la temperatura del polvo, la tasa de
extrusin y la temperatura del molde. Los resultados de los 3 factores del
experimento son los siguientes:

Temperatura del polvo
150 190
Temperatura del molde Temperatura del molde
Tasa 220 250 220 250
12 82 124 88 129
24 114 157 121 164

No se dispone de recursos para hacer experimentos repetidos con las 8
combinaciones de factores. Se cree que la tasa de extrusin no interacta con la
temperatura del molde, y que la interaccin entre los tres factores es despreciable.
As, esas dos interacciones pueden agruparse para producir un trmino de error
con 2 grados de libertad.
a) Haga un anlisis de varianza que incluya los tres efectos principales e
interacciones de dos factores. Determine cuales efectos influyen en el radio
del grano de combustible.
b) Construya grficas de interaccin para la temperatura del polvo usando la
temperatura del molde y la del polvo mediante interacciones de la tasa de
extrusin.
c) Comente acerca de la consistencia de la apariencia de las grficas de
interaccin y las pruebas sobre las 2 interacciones en el ANOVA.

Solucin

a) ANOVA

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrado medio

f calculada Valor P
Efecto principal:
Temperatura
del polvo (A)
78.125 1 78.125 125 0.0079
Temperatura
del molde (B)
3570.125 1 3570.125 5712.2 0.0002
Tasa de
extrusin (C)
2211.125 1 2211.125 3537.8 0.0003
Interaccin de 2
factores:

AB 0.125 1 0.125 0.20 0.6985
AC 1.125 1 1.125 1.80 0.3118
Error 1.25 2 0.625
Total 5861.875 7

El anlisis de la varianza muestra que los efectos principales son significantes
mientras que las interacciones de los factores son insignificantes.

b) Grficas de interaccin



















c) Las grficas de interaccin son consistentes con lo encontrado en el
ANOVA, no hay interaccin entre los factores. Es por eso el paralelismo en
las grficas.




Temperatura del
molde
R
a
d
i
o

Temperatura del polvo
R
a
d
i
o

Temperatura del polvo
Tasa de extrusin

Vous aimerez peut-être aussi