5-7 PROBLEMAS

217

a) Existe evidencia (cona = 0.05) que indique que el nivel de dopado del polisilicio o la temperatura de fijacin afecten la corriente fundamental?
b) Construir representaciones grficas como ayuda para interpretar este experimento.
e) Analizar los residuales y comentar la adecuacin del modelo.
d) mI modelo

y= /30 +/31 x l +/32 x 2+/322 x i +/312 x lx 2+8

est apoyado por este experimento (Xl = nivel de dopado, X 2 = temperatura)? Estimar los parmetros de
este modelo y graficar la superficie de respuesta.

\~

'.

:K

Diseo factorial 2k

,:
"

6~1

INTRODUCCIN

Los diseos factoriales se usan ampliamente en experimentos que incluyen varios factores cuando es necesario estudiar el efecto conjunto de los factores sobre una respuesta. En el captulo 5 se presentaron los
mtodos generales para el anlisis de los diseos factoriales. Sin embargo, hay varios casos especiales del
diseo factorial general que son importantes debido a su uso generalizado en el trabajo de investigacin y
porque constituyen las bases de otros diseos de gran valor prctico.
El ms importante de estos casos especiales es el de k factores, cada uno con slo dos niveles. Estos
niveles pueden ser cuantitativos, como dos valores de temperatura, presin o tiempo, o bien cualitativos,
como dos mquinas, dos operadores, los niveles "alto" y "bajo" de un factor, o quiz la presencia o ausencia de un factor. Una rplica completa de este diseo requiere 2 x 2 x ... x 2 = 2k observaciones y se le
llama diseo factorial 2k
Este captulo se enfoca en esta clase en extremo importante de diseos. A lo largo del captulo se supone que 1) los factores son fijos, 2) los diseos son completamente aleatorizados y 3) se satisfacen los supuestos de normalidad usuales.
El diseo 2k es de particular utilidad en las etapas iniciales del trabajo experimental, cuando probablemente se estn investigando muchos factores. Este diseo proporciona el menor nmero de corridas
con las que pueden estudiarse k factores en un diseo factorial completo. Por consiguiente, estos diseos
se usan ampliamente en los experimentos de tamizado o seleccin de factores.
Puesto que slo hay dos niveles para cada factor, se supone que la respuesta es aproximadamente lineal en el rango elegido para los niveles de los factores. En muchos experimentos de tamizado de factores, cuando se acaba de iniciar el estudio del proceso o sistema, este supuesto suele ser razonable. En la
seccin 6-6 se presentar un mtodo simple para verificar este supuesto, y se analizarn las acciones que
debern emprenderse en caso de que se viole.

218

..
I

6-2 EL DISEO 22

6,2

219

EL DISEO 22

El primer diseo de la serie 2k es el que slo tiene dos factores, por ejemplo,A y B; cada uno se corre a dos
niveles. A este diseo se le llama diseo factorial 22 Los niveles de los factores pueden denominarse arbitrariamente "bajo" y "alto". Como un ejemplo, considere la investigacin del efecto de la concentracin
del reactivo y de la cantidad del catalizador sobre la conversin (rendimiento) de un proceso qumico. Sea
la concentracin del reactivo el factor A, y sean 15 y 25 por ciento los dos niveles de inters. El catalizador
es el factor B, con el nivel alto denotando el uso de 2 libras del catalizador y el nivel bajo denotando el uso
de 1 libra. Se hacen tres rplicas del experimento, y los datos son los siguientes:

Factor
B

Combinacin de
tratamientos
A bajo, B bajo
A alto, B bajo
A bajo, Balto
A alto, Balto

+
+

Rplica
1

II

III

Total

28
36
18
31

25
32
19
30

27
32
23
29

80
100
60
90

Las combinaciones de los tratamientos se ilustran grficamente en la figura 6-1. Por convencin, el
efecto de un factor se denota con una letra mayscula latina. Por 10 tanto, "A" se refiere al efecto del factorA, "B" al efecto del factor B, y "AB" alainteraccinAB. En el diseo 22, los niveles bajoy alto deAy B
se denotan por "-" y "+", respectivamente, en los ejesA y B. Por lo tanto, - en el ejeA representa el nivel
bajo de la concentracin (15%), mientras que + representa el nivel alto (25%), Y- en el eje B representa
el nivel bajo del catalizador, mientras que + denota el nivel alto.
Las cuatro combinaciones de tratamientos suelen representarse con letras minsculas, como se
muestra en la figura 6-1. Por la figura se observa que el nivel alto de cualquiera de los factores en una combinacin de tratamientos se denota por la letra minscula correspondiente y que el nivel bajo de un factor
.en una combinacin de tratamientos se denota por la ausencia de la letra respectiva. Por lo tanto, a repre-

+ 19 + 23)

ab = 90
(31 + 30 + 29)

(1) = 80
+ 25 + 27)

a= 100
(36 + 32 + 32)

b =60
Alto + (18
(2 libras)

Bajo _
(1 libra)
(28

Bajo
(15%)

Alto
(25%)
Concentracin
del reactivo,

Figura 61
seo 22,

Combinaciones de los tratamientos en el di-

I
I

"'1"

L,

220

CAPTULO 6

DISEO FACTORIAL 21<

senta la combinacin de tratamientos conA en el nivel alto y B en el nivel bajo, b representaA en el nivel
bajo yB en el nivel alto, y ab representa ambos factores en el nivel alto. Por convencin, se usa (1) para denotar que ambos factores estn en el nivel bajo. Esta notacin se utiliza en todas las series 2k
En un diseo factorial con dos niveles, el efecto promedio de un factor puede definirse como el cambio en la respuesta producido por un cambio en el nivel de ese factor promediado para los niveles del otro
factor. Asimismo, los smbolos (1), a, by ab representan ahora el total de las n rplicas hechas con la combinacin de los tratamientos, como se ilustra en la figura 6-1. Ahora el efecto deA en el nivel bajo deB es
[a - (1) ]/n y el efecto deA con el nivel alto de Bes [ab - b]/n.Al promediarse estas dos cantidades se obtiene el efecto principal de A:

1
A= -([ab-b]+[a-(l)]}
2n
1

= -[ab+a- b- (1)]
2n

(6-1)

El efecto principal promedio deB se encuentra a partir del efecto deB con el nivel bajo deA (es decir,
[b - (l)]/n) y con el nivel alto de A (o sea, [ab - a]/n) como

1
B= -{[ab-a]+[b-(l)]}
2n
1

= -[ab+b- a- (1)]
2n

(6-2)

El efecto de la interaccinAB se define como la diferencia promedio entre el efecto deA con el nivel
alto de B y el efecto de A con el nivel bajo de B. Por lo tanto,
1

AB= 2n ([ab-b]-[a-(l)]}
1

= 2n [ab+(l)-a-b]

(6-3)

De manera alternativa, AB puede definirse como la diferencia promedio entre el efecto de B con el
nivel alto de A y el efecto de B con el nivel bajo de A. Esto llevar tambin a la ecuacin 6-3.
Las frmulas de los efectos deA, ByAB pueden deducirse con otro mtodo. El efecto deA puede encontrarse como la diferencia en la respuesta promedio de las dos combinaciones de tratamientos situadas
a la derecha del cuadrado de la figura 6-1 (a este promedio se le llamay>, porque es la respuesta promedio con las combinaciones de tratamientos dondeA est en el nivel alto) y las dos combinaciones de tratamientos situadas a la izquierda del cuadrado de la figura 6-1 (o YA-). Es decir,

A= YA +

YA -

ab+a _ b+(l)
2n
2n
1

= -[ab+a-b-(l)]
2n
Se trata exactamente del mismo resultado que el de la ecuacin 6-1. El efecto de B, ecuacin 6-2, se
encuentra como la diferencia entre el promedio de las dos combinaciones de tratamientos de la parte su-

..
6-2 EL DISEO 22

221

perior del cuadrado (YB+) y el promedio de las dos combinaciones de tratamientos de la parte inferior
(JB-), o

B= YB +

YB -

= ab+b _ a+(l)
2n

2n

= 2n[ab+b-a-(1)]
Por ltimo, el efecto de la interaccinAB es el promedio de las combinaciones de tratamientos de la diagonal de derecha a izquierda del cuadrado [ab y (1)] menos el promedio de las combinaciones de tratamientos de la diagonal de izquierda a derecha (a y b), o

AB= ab+(l)
2n

a+b
2n

=-[ab+(l)-a- b]
2n

resultado que es idntico a la ecuacin 6-3.

Utilizando el experimento de la figura 6-1, los efectos promedio pueden estimarse como
A

= 2(3) (90+ 100~ 60- 80) = 8.33

1
B= 2(3)(90+60-100-80)=-5.00

..

,';olr

AB = 2(3) (90+ 80-100- 60) = 1.67

'o

ID
l'

El efecto de A (concentracin del reactivo) es positivo; esto sugiere que al incrementar A del nivel bajo
(15%) al nivel alto (25%), el rendimiento se incrementar. El efecto de B (catalizador) es negativo; esto
sugiere que al incrementar la cantidad del catalizador que se agrega al proceso se reducir el rendimiento. El efecto de la interaccin parece ser pequeo en comparacin con los dos efectos principales.
En muchos experimentos que incluyen diseos 2\ se examinar la magnitud y la direccin de los efectos de los factores a fin de determinar las variables que son de posible importancia. En la mayora de los
casos puede usarse el anlisis de varianza para confirmar esta interpretacin. Hay varios paquetes de sofware de estadstica excelentes que son tiles para establecer y analizar diseos 2k Se cuenta tambin con
mtodos especiales que ahorran tiempo cuando los clculos se hacen manualmente.
Considere las sumas de cuadrados deA, By AB. Observe, por la ecuacin 6-1, que se us un contraste
para estimar A, a saber
Contraste A

= ab+a- b- (1)

(6-4)

A este contraste suele l1amrsele el efecto total deA. A partir de las ecuaciones 6-2 y 6-3, se observa que
tambin se usan contrastes para estimar B y AB. Adems, estos tres contrastes son ortogonales. La suma
de cuadrados de cualquier contraste puede calcularse con la ecuacin 3-29, la cual establece que la suma
de cuadrados del contraste es igual al cuadrado del contraste dividido por el nmero de observaciones en

"
I

222

CAPTULO 6 DISEO FACTORIAL 2k

cada total del contraste multiplicado por la suma de cuadrados de los coeficientes del contraste. Por Consiguiente, se tienen

ss = [ab+a-b-(1)]2
4n

= [ab+b-a-(1)]2

SS

4n

(6-5)
(6-6)

_ [ab+(1)-a-b]2

SAB -

4n

(6-7)

como las sumas de cuadrados de A, B YAB.

A! utilizar el experimento de la figura 6-1, las sumas de cuadrados de las ecuaciones 6-5, 6-6 Y6-7 pueden encontrarse como

ss

= (50)2 = 208 33

4(3)
(-30)2
SSB = 4(3)
A

= 75.00

(6-8)

ss = (10)2 = 8.33
AB

4(3)

La suma de cuadrados total se encuentra como de costumbre, es decir,

22n
2
y'~
SST =
Yijk-4

2:2:2:

(6-9)

i=1 j=1 k=1

En general, SST tiene 4n -1 grados de libertad. La suma de cuadrados del error, con 4(n -1) grados de libertad, suele calcularse por sustraccin como
SS E

= SST -

SS A - SSB - SS AB

Para el experimento de la figura 6-1, se obtiene

2 2 3
SST

= t;#~

(6-10)

Y~k - ~'3)

= 9398.00- 9075.00 = 323.00

y
SS E

= SST -

SS A - SSB - SS AB

= 323.00- 208.33-75.00- 8.33

= 31.34

al utilizar SSA' SSB y SSAB de la ecuacin 6-8. En la tabla 6-1 se resume el anlisis de varianza completo.
Con base en los valores P, se concluye que los efectos principales son estadsticamente significativos y que
no hay interaccin entre estos factores. Esto confirma la interpretacin de los datos que se hizo originalmente con base en las magnitudes de los efectos de los factores.
Con frecuencia resulta conveniente escribir las combinaciones de los tratamientos en el orden (1), a,

6-2 EL DISEO 22

Tabla 6-1 Anlisis de varianza del experimento de la figura 6-1

Suma de
Grados de
Fuente de
cuadrados
libertad
variacin
208.33
1
A
75.00
1
B
8.33
1
AB
31.34
8
Error
323.00
11
Total

Cuadrado
medio
208.33
75.00
8.33
3.92

223

Fo

ValorP

53.15
19.13
2.13

0.0001
0.0024
0.1826

b, abo Se hace referencia a esto como el orden estndar (u orden de Yates, por el Dr. Frank Yates). Al
utilizar este orden estndar, se observa que los coeficientes de los contrastes usados para estimar los
efectos son
Efectos

(1)

A:

-1

B:

-1

+1

AB:

+1

+l
-1
-1

ab
+1
+1
+1

-1
-1

Observe que los coeficientes de los contrastes para estimar el efecto de la interaccin son slo el producto
de los coeficientes correspondientes de los dos efectos principales. El coeficiente de un contraste es siempre + 1 o -1, y puede usarse una tabla de signos positivos y negativos como la tabla 6-2 para determinar el
signo correcto para cada combinacin de tratamientos. Los encabezados de las columnas de la tabla 6-2
son los efectos principales (Ay B), la interaccinAB e J, que representa el total o promedio del experimento completo. Observe que la columna que corresponde a J incluye nicamente signos positivos. Las
etiquetas de los renglones son las combinaciones de los tratamientos. Para encontrar el contraste para estimar cualquier efecto, simplemente se multiplican los signos de la columna apropiada de la tabla por la
combinacin de tratamientos correspondiente y se hace la suma. Por ejemplo, para estimarA, el contraste es -(1) + a - b + ab, que concuerda con la ecuacin 6-1.
El modelo de regresin

En un diseo factorial2 k es sencillo expresar los resultados del experimento en trminos de un modelo de
regresin. Puesto que 2k es tan slo un diseo factorial, podra usarse un modelo de los efectos o de las
medias, pero el enfoque del modelo de regresin es mucho ms natural e intuitivo. Para el experimento
del proceso qumico de la figura 6-1, el modelo de regresin es
y= {Jo +{JIXI +{J2 X2 +.s

donde Xl es una variable codificada que representa la concentracin del reactivo y x 2 es una variable codificada que representa la cantidad del catalizador y las {J son los coeficientes d regresin. La ,relacin enTabla 6-2 Signos algebraicos para calcular los
efectos en el diseo 22
Efecto factorial

Combinacin de
tratamientos

(1)
a
b
ab

+
+
+
+

+
+

AB

+
+
+

224

CAPTULO 6 DISEO FACTORIAL 2k

tre las variables naturales -la concentracin del reactivo y la cantidad de catalizador- y las variables
codificadas es
Concentracin - (Concentracin baa + Concentracin alta) / 2

(Concentracin alta

Concentracin baja) / 2

x2

Catalizador - (Catalizadorbajo + Catalizadoralto ) / 2

(Catalizadoralto

Catalizadorbajo ) / 2

Cuando las variables naturales slo tienen dos niveles, esta codificacin producir la familiar notacin 1 para los niveles de las variables codificadas. Para ilustrar esto en el ejemplo tratado, observe que
Concentracin - (15 + 25) / 2
x =
1
(25-15)/2
Concentracin - 20

Por lo tanto, si la concentracin est en el nivel alto (Concentracin = 25%), entonces Xl

centracin est en el nivel bajo (Concentracin = 15%), entonces Xl = -1. Adems,
Catalizador- (1 + 2) /2
X = -----~--<--2
(2-1)/2
Catalizador-1.5
0.5

= + 1; si la con-

Por lo tanto, si el catalizador est en el nivel alto (Catalizador = 2 libras), entoncesx2 = + 1; si el catalizador est en el nivel bajo (Catalizador = 1 libra), entonces X 2 = -1.
El modelo de regresin ajustado es

y= 27.5+ (28.33) Xl + (-5.00)

-2- x2
donde la ordenada al origen es el gran promedio de las 12 observaciones, y los coeficientes de regresin '/31
y '/3 2 son la mitad de las estimaciones de los efectos de los factores correspondientes. La razn de que el
coeficiente de regresin sea la mitad de la estimacin del efecto es que un coeficiente de regresin mide el
efecto de un cambio unitario enx sobre la media de y, y la estimacin del efecto se basa en un cambio de
dos unidades (de -1 a + 1). Se demostrar ms adelante que este mtodo simple para estimar los coeficientes de regresin consiste en producir las estimaciones de mnimos cuadrados de los parmetros. Ver
tambin el material suplementario de este captulo.
Residuales y adecuacin del modelo

El modelo de regresin puede usarse para obtener el valor predicho o ajustado de y en los cuatro puntos
del diseo. Los residuales son las diferencias entre el valor observado y el valor ajustado de y. Por ejemplo, cuando la concentracin del reactivo est en el nivel bajo (Xl = -1) Yel catalizador est en el nivel bajo
(x 2 = -1), el rendimiento predicho es

y= 27.5+ (28.33) (-1)+ (-5.00)

- 2 - (-1)

= 25.835

6-2 EL DISEO 22

225

Hay tres observaciones en esta combinacin de tratamientos, y los residuales son

= 28-25.835= 2.165
e2 = 25- 25.835= -0.835
e3 = 27- 25.835= 1.165

el

Los valores predichos y los residuales restantes se calculan de manera similar. Para el nivel alto de la concentracin del reactivo y el nivel bajo del catalizador,

8.33) (+1)+ (-5.00)

y= 27.5+ (-2- 2 - (-1)
= 34.165
y

e4 = 36- 34.165 = 1.835

es = 32- 34.165= -2.165
e 6 = 32- 34.165= -2.165
Para el nivel bajo de la concentracin del reactivo y el nivel alto del catalizador,

8.33) (-1)+ (-5.00)

y= 27.5+ (-2- 2 - (+1)
= 20.835
y

e 7 = 18- 20.835= -2.835

es = 19- 20.835= -1.835

eg = 23- 20.835= 2.165

Por ltimo, para el nivel alto de ambos factores,

8.33) (+1)+ (-5.00)

y= 27.5+ (-2- 2 - (+1)
= 29.165
y
elO = 31- 29.165 = 1.835

en = 30-29.165= 0.835
el2 = 29- 29.165 = -0.165
En la figura 6-2 se presenta una grfica de probabilidad normal de estos residuales y una grfica de los residuales contra el rendimiento predicho. Estas grficas parecen ser satisfactorias, por lo que no hay razn
para sospechar problemas con la validez de las conclusiones.
La superficie de respuesta

El modelo de regresin

8.33) Xl + (-5.00)
y= 27.5+ (-2-2- x2

226

CAPTULO 6

DISEO FACTORIAL 2k

99.-......- - ; - - - - r - -.....- - , . . - - - - , . . - - - , - - ,

95
90

~ 80
o 70
c:

-o

;g 50

:c

J!l 30

.t 20

10

al Grfica de probabilidad normal

2.167 -

IX

1.333 -

i:
/:

",
.:~r

;;~;

0.500 w
ro'"

.g
'00

-0.333 f--

ce

-1.167f--

EL:;

....1

:2

-2.000

f-

-2.833

"-

20.83

23.06

25.28

27.50

29.72

31.94

34.17

Rendimiento predicho
b) Residuales contra el rendimiento predicho

Figura 6-2 Grficas de los residuales para el experimento del proceso qumico.

puede usarse para generar grficas de superficie de respuesta. Si se desea construir estas grficas en trminos
de los niveles de los factores naturales, entonces simplemente las relaciones entre las variables naturales y las
codificadas que se dieron anteriormente se sustituyen en el modelo de regresin, de donde se obtiene

y= 27.5+ (8;3)(Concentr;cin - 20)+(-5~OO)(Cataliz~.~or-1.5)

= 18.33+ O. 8333Concentracin -

5.00Catalizador

En la figura 6-3a se presenta la grfica de superficie de respuesta tridimensional del rendimiento de

este modelo, y la figura 6-3b es la grfica de contorno. Puesto que el modelo es de primer orden (es decir,
contiene nicamente los efectos principales), la superficie de respuesta ajustada es un plano. Al examinar