y Analisis

Metodos
de Diseno
de
Experimentos
Patricia Isabel Romero Mares
Departamento de Probabilidad y Estadstica
IIMAS UNAM

marzo 2013

1 / 27

 Factoriales
Disenos

2 / 27


Introduccion

El termino
experimento factorial o arreglo factorial se refiere
de los tratamientos que se quieren comparar.
a la constitucion
de los factores a
de tratamientos es la seleccion
Diseno
de ellos.
estudiar, sus niveles y la combinacion
de tratamientos es independiente del diseno

El diseno
experimental que indica la manera en que los tratamientos se
aleatorizan a las diferentes u.e. y las formas de controlar la
variabilidad natural de las mismas.
experimental puede ser completamente al azar,
As, el diseno
bloques al azar, bloques al azar generalizados, cuadro latino,
se puede tener arreglo
etc. y para cada uno de estos disenos
factorial de los tratamientos, si estos se forman por la
de niveles de varios factores.
combinacion

A ambos tipos de disenos,

el de tratamientos y el experimental,

les corresponde un modelo matematico.

3 / 27


Introduccion

experimental es bloques al azar,

As, por ejemplo, si el diseno
el modelos es:
yij = + i + j + ij
respuesta = media general + efecto de tratamiento + efecto de
bloque + error
factorial, los tratamientos se forman
Si se trata de un diseno
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.
Por ejemplo, si son dos factores en estudio se tiene:
i = kl = k + l + kl
AB
tratamiento = factor A + factor B + interaccion
4 / 27


Introduccion

Haciendo una equivalencia entre los valores de i y los de k y l

suponiendo que el factor A tiene K niveles y el factor B L:
i
1
2
3
..
t

k
1
1
1
..
K

l
1
2
3
..
L

Y el modelo resultante es:

yklj = + k + l + kl + j + klj
experimentales muy complicados
Es poco usual tener disenos

en los experimentos factoriales, ya que se dificulta el analisis

y

la interpretacion.
5 / 27


Introduccion

La necesidad de estudiar conjuntamente varios factores

obedece a la posibilidad de que el efecto de un factor cambie
segun
los niveles de otros factores, esto es, que los factores

interactuen,
o exista interaccion.

se utilizan los arreglos factoriales cuando se quiere

Tambien
optimizar la respuesta o variable dependiente, esto es, se
de niveles de los factores que
quiere encontrar la combinacion

producen un valor optimo

de la variable dependiente.
(superficie de respuesta)
Si se investiga un factor por separado, el resultado puede ser
difcil describir el
diferente al estudio conjunto y es mucho mas

comportamiento general del proceso o encontrar el optimo.

6 / 27


Introduccion

Las ventajas de los experimentos factoriales son:

1
Economa en el material experimental al obtener
sobre varios factores sin aumentar el tamano

informacion
del experimento. Todas las u.e.se utilizan para la
de los efectos.
evaluacion
2
a un factor,
Se ampla la base de la inferencia en relacion
ya que se estudia en las diferentes condiciones
representadas por los niveles de otros factores. Se ampla
el rango de validez del experimento.
3
esto es, estudiar el
Permite el estudio de la interaccion,
grado y forma en la cual se modifica el efecto de un factor
por los niveles de los otros factores.
Una desventaja de los experimentos factoriales es que
requiere un gran numero
de u.e., sobre todo cuando se

prueban muchos factores o muchos niveles de algunos

factores, es decir, se tiene un numero
grande de tratamientos.

(factoriales fraccionales)
7 / 27


Interaccion

con dos factores: A con a niveles y B con b

Suponga un diseno
completamente al azar. (Factorial a b
niveles, en diseno
completo, balanceado, efectos fijos)

Sea yijk la respuesta para la k-esima

u.e. del nivel i de A y j de
B.
yijk = + i + j + ij + ijk
i = 1, . . . , a j = 1, . . . , b k = 1, . . . , n

Las hipotesis
que se prueban son:
ij = 0 i, j
H02 : i + i. = 0 i
H03 : j + .j = 0 j

H01 :

8 / 27


Interaccion

Ejemplo de un factorial 2 2 sin y con interaccion.

9 / 27


Interaccion

es mas
util
Conocer la interaccion
que conocer los efectos
significativa frecuentemente
principales. Una interaccion
oscurece la significancia de los efectos principales.
significativa, se deberan
examinar los
Cuando hay interaccion
niveles de un factor, digamos A, con los niveles del o de los
otros factores fijos, para tener conclusiones acerca del efecto
principal A.
Dos factores: A con a niveles y B con b niveles. Se dice que se
completamente al azar
tiene un factorial a b, con diseno
(bloques, etc.). Se tienen ab tratamientos.

10 / 27

Tabla de ANOVA
F.V.
A
B
AB
error
total

g.l.
a1
b1
(a 1)(b 1)
ab(n 1)
abn 1

SS
SSA
SSB
SSAB
SSE
SST
a

SST

SSA =
SSB =
SSAB =

CM
SSA /(a 1)
SSB /(b 1)
SSAB /(b 1)
SSE /ab(n 1)
n

F
CMA
CME
CMB
CME
CMAB
CME

E(CM)
2 + rba2
2 + rab2
2
2 + rab
2

y2

...
y2ijk abn

i=1 j=1 k=1

1 a 2
y
bn i=1 i..
1 b 2
y
an j=1 .j.

y2...
abn

y2...
abn

1 a b 2
y2...
y

ij. abn SSA SSb

n i=1
j=1

SSE = SST SSAB SSA SSB

11 / 27

Tabla de ANOVA

Si FAB > F(a1)(b1),ab(n1)

se rechaza H01 : ij = 0 i, j y se
tendra que fijar cada nivel de un factor y analizar los niveles
del otro.

Solo en el caso en que no se rechace H01 se procede con las

siguientes pruebas de hipotesis.

Si FA > Fa1,ab(n1)
se rechaza H02 : i = 0 i

Si FB > Fb1,ab(n1)
se rechaza H03 : j = 0 j

12 / 27

Ejemplo

Un ingeniero esta disenando

una batera para usarse en un
aparato que estara sujeto a variaciones extremas de
temperatura. Tiene tres opciones para el material de la placa
para la batera, y como sabe que la temperatura afecta la vida
de la batera decide probar tres temperaturas:
15 F, 70 F, 125 F.
de material y
Se prueban 4 bateras en cada combinacion
temperatura y las 36 pruebas (3 3 4) se corren en orden
aleatorio (completamente al azar).
Los datos son vida (en horas) de las bateras.

13 / 27

Ejemplo

tipo de
material
1
2
3

Temperatura( F)
15
70
125
130 155 34
40 20 70
74 180 80
75 82 58
150 188 136 122 25 70
159 126 106 115 58 45
138 110 174 120 96 104
168 160 150 139 82 60

El ingeniero quiere contestar las siguientes preguntas:

1
Que efectos producen el material y la temperatura en la
vida de la batera?
2
larga
Existe un material que produzca uniformemente mas
vida a la batera sin importar la temperatura?
completamente al azar, experimento balanceado,
diseno
completo, factores fijos. ej fact3x3.jmp
14 / 27

 por celda
Una observacion

Suponga un experimento con dos factores A con a niveles y B

en cada celda (tratamiento).
con b niveles y una sola repeticion
es:
El modelo con interaccion
yij = + i + j + ( )ij + ij i = 1, . . . , a j = 1, . . . , b
F.V.
A
B
AB
Error
Total

g.l.
a1
b1
(a 1)(b 1)
0
ab 1

E(CM)
2 + ba2
2 + ab2
2
2 + ab
2

2 no se puede estimar, por lo tanto no hay prueba para los

y
efectos principales a menos que no haya interaccion,
entonces el modelo es
yij = + i + j + ij
Este es el caso de bloques al azar.
15 / 27

 Factorial General. Balanceado

El Diseno

factorial de dos factores se puede generalizar a tener

El diseno
p factores:
A con a niveles
B con b niveles
..............
En general, habra abc n observaciones si hay n repeticiones
del experimento completo.
Debe haber por lo menos 2 repeticiones (n 2) para poder
incluidas
calcular 2 si todas las posibles interacciones estan
en el modelo.

16 / 27

Tres factores

El modelo para un factorial de tres factores en diseno

completamente al azar:
yijkl = + i + j + k + ( )ij + ()ik + ( )jk + ( )ijk + ijkl
i = 1, . . . , a; j = 1, . . . , b; k = 1, . . . , c; l = 1, . . . , n
Ejemplo:
uniformidad en el llenado de botellas de
Se desea obtener mas

refresco. La maquina
de llenado teoricamente
llena cada

y
botella a la altura correcta, pero en la practica
hay variacion,
la embotelladora desea entender mejor las fuentes de esta
variabilidad para eventualmente reducirla.
El ingeniero de procesos puede controlar tres factores durante
el proceso de llenado:
del llenado (B) y las botellas
El % de carbonato (A), la presion
llenadas por minuto (velocidad de la lnea) (C).
17 / 27

Sigue ejemplo tres factores

10 %
12 %
A=

14 %

25psi
B=
30psi

200bpm
C=
250bpm
factorial en estos
Decide correr dos repeticiones de un diseno
tres factores, con las 24 corridas realizadas en orden aleatorio.
de la altura objetivo.
La variable de respuesta es la desviacion

18 / 27

Sigue ejemplo tres factores

% carbonato
(A)
10
12
14

(B)
Presion
25psi
30psi
Velocidad (C) Velocidad (C)
200
250
200
250
-3
-1
-1
1
-1
0
0
1
0
2
2
6
1
1
3
5
5
7
7
10
4
6
9
11

fact3x2x2.jmp

19 / 27

Factoriales desbalanceados

Hay situaciones en que el numero

de observaciones

(repeticiones) en cada tratamiento es diferente. Esto ocurre por

varias razones.

Por ejemplo, el experimentador pudo haber disenado

un
experimento balanceado inicialmente, pero debido a problemas
del experimento que no se previeron, se
durante la ejecucion
perdieron algunas observaciones lo que provoco terminar con
desbalanceado.
un diseno
desbalanceados se disenan

Por otro lado, algunos disenos

as,
caros o con
por ejemplo, algunos tratamientos pueden ser mas
dificultad para aplicarse, por lo que se toman menos
mas
observaciones en ellos.

20 / 27

Factoriales desbalanceados

Alternativamente, algunos tratamientos pueden ser de gran

para el investigador porque pueden representar
interes

condiciones nuevas o inexploradas, por lo que toma mas

observaciones en ellos.
La ortogonalidad entre efectos principales e interacciones ya
desbalanceados. Esto significa que
no funciona en los disenos

no se aplican las tecnicas

del ANOVA usual.

21 / 27

Factoriales desbalanceados

Caso del modelo con dos factores con interaccion:

yijk = + i + j + ij + ijk
i = 1, . . . , a; j = 1, . . . , b; k = 1, . . . , nij
Se definen otros tipos de sumas de cuadrados. El primero
involucra ajustar modelos de una manera secuencial:
1

Ajustar yijk = + ijk y obtener SSE1

Ajustar yijk = + i + ijk y obtener SSE2

Ajustar yijk = + i + j + ijk y obtener SSE3

Ajustar yijk = + i + j + ij + ijk y obtener SSE4

22 / 27

Factoriales desbalanceados

Sea
R(|) = SSE1 SSE2
debida a ajustada por . Es la
R(|) es la reduccion
cantidad en la que se reduce la suma de cuadrados del error

del modelo en el paso 1 al incluir en el modelo el termino

i .
grande sea R(|) mas
importante es tener a i
Mientras mas
en el modelo. Es decir, R(|) es una medida del efecto del
factor A.
R( |, ) = SSE2 SSE3
debida a ajustada por y . Es una medida
es la reduccion
del efecto del factor B dado que ya se tiene a y a i en el
modelo.
R(|, , ) = SSE3 SSE4
debida a ajustada por , y .
es la reduccion
23 / 27


Tabla de Analisis
de Varianza tipo I

F.V.
A
B
AB
Error
Total

g.l.
a1
b1
(a 1)(b 1)
n.. ab
n.. 1

SS
R(|)
R( |, )
R(|, , )
SSE4
SSE1

CM
SSA /glA
SSB /glB
SSAB /glAB
SSE /glE

F
CMA /CME
CMB /CME
CMAB /CME

donde, n.. = ai=1 bj=1 nij

24 / 27


Tabla de Analisis
de Varianza tipo II

F.V.
A
B
AB
Error
Total

g.l.
a1
b1
(a 1)(b 1)
n.. ab
n.. 1

SS
R(|, )
R( |, )
R(|, , )
SSE4
SSE1

CM
SSA /glA
SSB /glB
SSAB /glAB
SSE /glE

F
CMA /CME
CMB /CME
CMAB /CME

25 / 27

Analisis
tipo III, Regresion

Se generan a 1 variables dummy (0,1) para los a niveles

del factor A. Se generan b 1 variables dummy para los b
niveles del factor B.
A B se representa por los productos de
La interaccion
sus variables dummy correspondientes.

Se ajusta el modelo con todas las variables dummy y se

obtiene SSE.

Se ajusta el modelo con todas las variables dummy

excepto aquellas que corresponden a los efectos
siendo probadas. La
principales o interacciones que estan
diferencia entre esta SSE y la del modelo completo es la SS
correspondiente a este efecto.

26 / 27

Ejemplo factorial 2x3 desbalanceado

Suponga un experimento factorial 2 3 en un diseno

completamente al azar.

T1

T2

B1
19
20
21
25
27

B2
24
26
21
24
24

B3
22
25
25
31
32
33

ej9 1 messy.jmp

27 / 27