CAPITULO 6 DISEOS FACTORIALES 2K

6.1 Generalidades
Los diseos factoriales 2K son una clase especial de los diseos factoriales en los que
se tienen k factores de inters a dos niveles cada uno. Son especialmente tiles en las
etapas iniciales de la investigacin para determinar, de un gran nmero de factores
candidatos, cuales son los que realmente influyen sobre la variable respuesta.
Se llaman diseos factoriales 2k porque se quiere investigar la forma como influyen k
factores sobre una variable respuesta y en cada factor se consideran dos niveles
solamente. La rplica completa de un diseo de este tipo requiere 2 x 2 x x 2 = 2k
observaciones y recibe el nombre de diseo factorial 2k.
El diseo 2k son muy tiles en las primeras etapas del trabajo experimental, cuando se
investiguen muchos factores pero, probablemente todos ellos no influyen realmente
sobre la variable respuesta. Esto diseo proporciona el nmero ms pequeo de
corridas para estudiar simultneamente k factores en un diseo factorial completo.
Dado que slo existen dos niveles para cada factor, es necesario suponer que la
respuesta es aproximadamente lineal sobre el rango de los niveles seleccionados para
el factor. As, este tipo de diseo experimental es la forma ms econmica de estudiar
el efecto combinado de k factores.
Los niveles de cada factor pueden ser cualitativos o cuantitativos y se denotan como
Alto y Bajo o mas (+) y menos (-).
A continuacin se enumeran algunas de las razones por las cuales se estudian los
diseos factoriales 2k por separado:

Es la forma ms econmica y barata de estudiar el efecto de k factores de inters

sobre una variable respuesta.

Existen procedimientos especiales que simplifican los clculos matemticos en los

diseos 2k

Los diseos 2k se pueden fraccionar. Esta caracterstica permite correr solo una
fraccin (la mitad, la cuarta parte, etc) del diseo completo y responder algunas
inquietudes del fenmeno que se estudia.

Constituyen la base de otros diseos ms complejos que se vern ms adelante

en el curso.

El modelo de regresin lineal para un diseo 2k es muy fcil de obtener a partir del
ANOVA. Esto se ver detalladamente ms adelante.

6.1.1 Definiciones y diseo 22

Es el tipo ms sencillo de diseo experimental 2k. En este diseo se tienen dos
factores A y B, cada uno con dos niveles. Lo usual es considerar estos niveles como
los niveles bajo y alto del factor. El diseo 22 se suele representar por un cuadrado
como el que se ilustra en la Figura 6.1

ab

Alto (+)

Bajo (-)

(1)
Bajo (-)

a
Alto (+)

Figura 6.1 Representacin geomtrica del diseo 22

A esta representacin se le conoce como representacin geomtrica del diseo 22. Es

esta representacin, cada vrtice del cuadrado corresponde a una combinacin
diferente de tratamientos (niveles) en el diseo factorial.
En la Figura 6.1 se aprecia una notacin especial para etiquetar las combinaciones de
tratamiento en el diseo 22. Esta notacin de letras minsculas se utiliza, en general,
para todos los diseos 2k y se conoce como notacin de Yates. Si una letra est
presente, el factor correspondiente se corre con el nivel alto en dicha combinacin de
tratamiento; si est ausente, el factor se corre con su nivel bajo. Por ejemplo, la
combinacin de tratamiento a indica que el factor A est en el nivel alto, y el factor B
en el nivel bajo. La combinacin de tratamiento donde ambos factores tienen el nivel
bajo est representado por (1). Esta notacin se emplea en todas las series de
diseos 2k. Por ejemplo, la combinacin de tratamiento en un diseo 24 con A y C en el
nivel alto, y B y D en el nivel bajo, se denota por ac.
Los efectos de inters en el diseo 22 son los efectos principales A y B, y la interaccin
entre los dos factores AB. Si suponemos que las letras (1), a, b y ab representan los
totales de todas las n observaciones tomadas en los puntos de diseo, es sencillo
estimar los efectos de estos factores. Para estimar el efecto principal de A, se
promedian las observaciones del lado derecho del cuadrado de la Figura 6.1, donde A

tiene el nivel alto, y se resta de ste el promedio de las observaciones que estn en el
lado izquierdo del cuadrado, donde A tiene el nivel bajo, o

A = y A+ y A =

a + ab b + (1) 1

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

(6-1)

De igual forma, el efecto principal de B se obtiene al promediar las observaciones de la

parte superior del cuadrado, donde B tiene el nivel alto, y se resta de ste el promedio
de las observaciones que estn en la parte inferior del cuadrado, donde B tiene el nivel
bajo:

B = y B+ y B =

b + ab a + (1) 1

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

(6-2)

Finalmente, la interaccin AB se estima tomando la diferencia en los promedios de la

diagonal de la Figura 6.1, o

AB =

ab + (1) a + b) 1
=

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

(6-3)

Debido a que la cantidad dentro de corchetes cuadrados en las ecuaciones (6-1), (6-2)
y (6-3) aparece con frecuencia en los diseos 22, resulta conveniente hacer las
siguientes definiciones:

Contraste A = [a + ab b (1)]

(6-4)

ContrasteB = [b + ab a (1)]

(6-5)

Contraste AB = [ab + (1) a b]

(6-6)

La manera practica de calcular los contrastes de cualquier efecto (principal o de

interaccin) es a partir de la tabla de signos. Esta tabla, para el diseo 22 se muestra a
continuacin:

AB

Notacin de Yates

(1)

ab

Tabla 6.1 Tabla de signos para el diseo 22 y notacin de Yates

Observe que la tabla de signos (Tabla 6.1)

que la interaccin AB se obtiene

multiplicando la columna con los signos de A por la columna con los signos de B y, el
resultado son los signos del contraste AB [ver ecuacin (6-6)].

Para generar un

contraste a partir de esta tabla, se multiplican los signos de la columna apropiada de la

Tabla 6.1 por las combinaciones de tratamientos que aparecen en la columna de
notacin de Yates, y luego se suma. Por ejemplo, contrasteAB = [(1)] + [-a] + [-b] = ab +
(1) a b. Los contrastes se emplean en el clculo de las estimaciones de los efectos
y en las sumas de cuadrados de A, B y la interaccin AB. Las frmulas para las sumas
de cuadrados son

SC A

2
2
[
a + ab b (1)]
[
Contraste A ]
=
=

(6-7)

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

(6-8)

SC B =

4n

SC AB =

4n

4n

4n

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

4n

4n

(6-9)

Para los diseos 22, tal vez no se ve muy til la tabla de signos. Sin embargo, en la
medida que aumenta la cantidad de factores en el diseo 2k, la utilidad de la tabla de
signos se hace ms evidente.
El Anlisis de Varianza para el diseo 22 se completa con la suma de cuadrados
totales:

SCT = yijk2
i =1 j =1 k =1

y2
4n

Y la suma de cuadrados de los errores que se obtiene por diferencia:

(6-10)

SCE = SCT SC AB SC A SCB

(6-11)

El ANOVA completo para el diseo 22 se muestra en la

Tabla 6.2 a continuacin:

Fuente de
Variacin

Factor A

Factor B

Interaccin
AB

Grados
de

Suma de Cuadrados

libertad

Media de

F0

cuadrados

Valor P

SC A =

[a + ab b (1)]2 = [Contraste A ]2

MC A =

SC A
1

F0 =

MC A
MC E

Probabilidad

SC B =

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

MC B =

SC B
1

F0 =

MC B
MC E

Probabilidad

SC AB =

[ab + (1) a b]2 = [Contraste AB ]2

MC AB =

SC AB
1

F0 =

MC AB
MC E

Probabilidad

MC E =

4n

4n

4n

4n

4n

4n

Error

SCE = SCT SC AB SC A SCB

4(n-1)

Total

y2
SCT = y
4n
i =1 j =1 k =1

4n-1

SC E
4(n 1)

2
ijk

Tabla 6.2 Tabla ANOVA para un diseo factorial 22

6.1.2 Diseo 23
En los diseos factoriales 23 se tienen tres factores de inters A, B y C a dos niveles
cada uno. Las ocho corridas o tratamientos del diseo 23 se pueden representar
geomtricamente como un cubo similar al que se muestra en la figura siguiente:

bc

abc

c
Alto +

ac

Factor C

b
ab

Alto +
Factor B

Bajo

Bajo
a

(1)

Bajo

Factor A

+
Alto

Figura 6.2 Representacin geomtrica del diseo 23

Cada arista del cubo corresponde a una corrida o combinacin de tratamientos

diferente. En la Figura 6.2 tambin se puede apreciar la notacin de Yates para los
diseos 23, en esta notacin las ocho corridas se representan por (1), a, b, ab, c, ac,
bc y abc.
Al igual que el los diseos 22, el efecto principal A puede estimarse promediando las
cuatro combinaciones de tratamiento de la cara derecha del cubo, donde el nivel A es
alto, y despus restando de esta cantidad el promedio de las cuatro combinaciones de
tratamientos que estn en la cara izquierda del cubo, donde A tiene el nivel bajo. Al
hacer esto se tiene:

A = y A+ y A

a + ab + ac + abc (1) + b + c + bc

4n
4n
1
[a + ab + ac + abc (1) b c bc]
=
4n

(6-12)

De manera similar, el efecto de B se puede determinar como la diferencia en

promedios entre las cuatro combinaciones de tratamientos de la cara posterior del
cubo (Figura 6.2) y las cuatro combinaciones de la cara anterior. Con esto se tiene que

B = y B+ y B =

1
[b + ab + bc + abc (1) a c ac]
4n

(6-13)

El efecto de C es la diferencia en la respuesta promedio entre las cuatro

combinaciones de tratamientos de la cara superior del cubo (Figura 6.2) y las cuatro
de la cara inferior, esto es,

C = y C+ y C =

1
[c + ac + bc + abc (1) a b ab]
4n

(6-14)

Los efectos de interaccin tambin se pueden obtener con facilidad. La interaccin

entre A y B se puede obtener como la diferencia entre los promedios de los efectos de
A en los dos niveles de B. Es decir:

Efecto de A promedio
B alto (+)

EfectoAPara B + =

B bajo (-)

EfectoAPara B =

[(abc bc ) + (ab b )]
2n

{(ac c ) + [a (1)]}
2n

Luego la interaccin entre A y B es:

AB =

EfectoAPara B + EfectoAPara B [abc bc + ab b ac + c a + (1)]

=
2
4n

(6-15)

De manera analoga se pueden obtener la interaccin AC y BC

AC =

EfectoAPara C + EfectoAPara C [(1) a + b ab + c ac + bc abc ]

=
2
4n

(6-16)

BC =

EfectoBPara C + EfectoBPara C [(1) + a b ab c ac + bc + abc ]

=
2
4n

(6-17)

En la Figura 6.3 se ilustra grficamente los terminos involucrados en el clculo de los

efectos principales y de interaccin en un diseo factorial 23.

bc
c

ac

abc

ac

ab

ab

(1)

(1)

abc

ac

ab

(1)

bc

bc

abc
c

Efectos principales A, B y C
bc

bc

bc

abc

abc
c

(1)

ac

ac

ab
a

abc

ac

ab
(1)

(1)

ab
a

Interacciones de dos factores: AB, AC y BC

bc
c

ac
b

(1)

abc
Corridas
Corridas +
ab

Interaccin
de tres factores
Figura 6.3 Calculo de los efectos principales y de interaccin en un diseo 23

La Figura 6.3 muestra los vrtices del cubo (tratamientos) que deben ir positivos y/o
negativos para el clculo de cada efecto. Estos signos concuerdan con los obtenidos
anteriormente en las ecuaciones de la (6-12) a la (6-17) y los que se vern ms
adelante en la tabla de signos que se ver ms adelante (Tabla 6.4).

Finalmente, la interaccin ABC se obtiene como:

ABC=

[abc-bc -ac+c-ab+b+a-(1)]
4n

(6-18)

A pesar de que para los diseos factoriales 22 y 23 se puede representar

geomtricamente en un cuadrado y un cubo respectivamente, el clculo de los
contrastes y de los efectos se puede obtener ms fcilmente a partir de la tabla de
signos mostrada a continuacin:

Tratamiento
1
2
3
4
5
6
7
8

Yates
(1)
a
b
ab
c
ac
bc
abc

A
+
+
+
+

B C AB AC BC ABC
- - +
+
+
- - +
+
+ - +
+
+ - +
- + +
+
+
- + +
+
+ + +
+
+ + +
-

Tabla 6.3 Tabla de signos para el diseo 23 y notacin de Yates

En la tabla de signos (Tabla 6.4) se puede obtener con facilidad los signos para los
contrastes de interaccin, multiplicando las columnas adecuadas de los efectos
principales. As, por ejemplo, la columna con los signos de interaccin AC se puede
obtener multiplicando la columna de A con la columna C rengln a rengln. Y el
contraste AC, resulta simplemente de multiplicar la columna de Yates en la Tabla 6.4
por la columna de signos AC:

Contraste AC = [(1) a + b ab + c ac + bc abc ]

(6-19)

La suma de cuadrados y efectos para la construccin del ANOVA se pueden obtener a

partir de las formulas:

Efecto =

SC =

Contraste
4n

(Contraste)2
8n

(6-20)

(6-21)

6.1.3 Diseo 2k
Despus de tratar los diseos 22 y 23 con cierto detalle, nos proponemos a explicar el
caso general de los diseos 2k. En estos diseos, tenemos k factores de inters. La
tabla de signos (para k 6) se muestra a continuacin:

Tratamiento Yates
1
(1)
2
a
3
b
4
ab
5
c
6
ac
7
bc
8
abc
9
d
10
ad
11
bd
12
abd
13
cd
14
acd
15
bcd
16
abcd
17
e
18
ae
19
be
20
abe
21
ce
22
ace
23
bce
24
abce
25
de
26
ade
27
bde
28
abde
29
cde
30
acde
31
bcde
32
abcde

A
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

B
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

C
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

D
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

E
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

F
-

Tratamiento
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

Yates
f
af
bf
abf
cf
acf
bcf
abcf
df
adf
bdf
abdf
cdf
acdf
bcdf
abcdf
ef
aef
bef
abef
cef
acef
bcef
abcef
def
adef
bdef
abdef
cdef
acdef
bcdef
abcdef

A
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

B
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

C
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

D
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

E
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

Tabla 6.4 Tabla de signos para el diseo 2k k 6 y notacin de Yates

En la tabla de signos (Tabla 6.4 ) muestra un patrn de construccin bien definido: la

columna del primer factor, A inicia alternando los signos ms (+) y menos (-) iniciando
con el signo menos; la segunda columna alterna dos signos menos con dos signos
ms, iniciando con dos signos menos; la tercera columna (la de C) alterna 4 signos
menos con 4 signos ms iniciando con 4 signos menos, y as sucesivamente.

En general, el procedimiento para hallar un contraste es el mismo que se empleo para

los diseos 22 y 23. Por ejemplo, si se tienen 4 factores de inters en un diseo 24 se
toman las 6 primeras columnas de la Tabla 6.4 para obtener la siguiente tabla:

F
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

Tratamiento
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Yates
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd

A
+
+
+
+
+
+
+
+

B
+
+
+
+
+
+
+
+

C
+
+
+
+
+
+
+
+

D AB
+
+
+
+
+ +
+
+
+ +
+ +
+
+
+ +

Tabla 6.5 Tabla de signos para el diseo 24

Si se desea el contraste AB, simplemente se multiplican los signos de la columna A

por los signos de la B rengln a rengln y posteriormente el resultado de esta columna
se multiplica por la columna de Yates. El resultado final es el siguiente:

Contraste AB = [(1) a b + ab + c ac bc + abc

(6-22)

+ d ad bd + abd + cd acd bcd + abcd ]

De la misma forma se pueden obtener los dems contrastes para el clculo de efectos
[Ecuacin (6-23)] y la suma de cuadrados [Ecuacin (6-24)]

para el Anlisis de

Varianza.

Efecto =

SC =

Contraste
n 2 k 1

(Contraste )2
n2 k

(6-23)

(6-24)

6.1.4 Modelo de Superficie de Respuesta para un diseo 2k

Un aspecto interesante de los diseos factoriales 2k es que si se codifican las variables
al intervalo [-1,1] entonces, se puede obtener el modelo de regresin correspondiente
con relativa facilidad. Consideremos por ejemplo el diseo 22. En este diseo se tienen

dos efectos principales, A y B

y la interaccin AB. El modelo de regresin

correspondiste es:

y = 0 + 1 x1 + 2 x2 + 12 x1 x2

(6-25)

Donde x1 representa el factor A, x2 representa el factor B, y el producto entre x1 y x2

representa la interaccin entre A y B. Los parmetros del modelo de regresin, 1, 2,
12 se pueden demostrar que son iguales a la mitad de las estimaciones de los efectos

correspondientes, mientras que 0 es igual a la gran media. En general, se tiene que:

Cualquier Parmetro en el modelo de Regresin =

Efecto en ANOVA
2

(6-26)

0 = gran promedio = promedio de todas las observaciones

(6-27)

Se debe recordar que los valores de las variables en el modelo de regresin estn
codificadas al intervalo [-1, 1]. Esto quiere decir que si se quiere expresar el modelo en
las unidades en las que realmente se mide la variable se debe hacer la transformacin
correspondiste. Esta transformacin se ilustra en la figura siguiente:

Factor en escala
normalizada

+1

Bajo

Factor en
Alto

escala real

-1

Figura 6.4 Transformacin usada para encontrar el modelo de regresin en un diseo 2k

Esto nos lleva a la ecuacin de transformacin:

xcod . =

2 x real Bajo Alto

Alto Bajo

(6-28)

La cual se puede utilizar para obtener el modelo de regresin en las unidades

originales en las que se miden los factores de inters. Esto transforma la ecuacin
(6-25) en el modelo:

2 x A ABajo AAlto
y = 0 + 1

AAlto ABajo

2 x A ABajo AAlto
+ 12

AAlto ABajo

2 x BBajo B Alto
+ 2 B

B B
Alto
Bajo

2 x B BBajo B Alto

B B
Alto
Bajo

(6-29)

Sin embargo, siempre se prefiere trabajar el modelo con las variables codificadas (en
el intervalo [-1,1])

Si los factores son cuantitativos, el modelo de regresin, se puede utilizar, con toda
confianza, para predecir el valor de la variable respuesta para cualquier punto entre -1
y 1 (si el factor o variable est codificado) o desde el valor bajo al alto si la variable o
factor no est codificado. Es decir, el modelo de regresin se puede utilizar para
interpolar cualquier valor intermedio de la variable respuesta sin problemas pero no se
debe utilizar para extrapolar.

6.1.5 Proyeccin de diseos factoriales 2k

Cualquier diseo 2k se contrae o se proyecta sobre cualquier otro diseo 2k con
menos variables si se omiten uno o ms de los factores originales. En ocasiones, esto
puede proporcionar un conocimiento adicional de los dems factores.
Si algn factor en un diseo factorial 2k no es significativo y todas sus interacciones
son despreciables, entonces puede descartarse del experimento convirtiendo el diseo
en un diseo 2K1. En este caso se dice que el diseo 2k se ha proyectado en un
diseo 2k1 con el doble de rplicas denominadas rplicas ocultas.
En general, si se tiene una sola rplica en un diseo 2K y si h (h<k) factores son
insignificantes y pueden descartarse, entonces los datos originales corresponden a un
diseo factorial completo con dos niveles en los hk factores restantes con 2h rplicas
La figura siguiente ilustra la proyeccin de un diseo 24 en uno 23

Factor insignificante D

Figura 6.5 Proyeccin de un diseo 24 a un diseo 23

6.1.6 El algoritmo de Yates

Este procedimiento fue propuesto por Yates para obtener, de una manera sencilla, la
tabla de ANOVA para un diseo factorial 2k. Este procedimiento es una alternativa a la
tabla de signos propuesta anteriormente. Para utilizar el algoritmo de Yates, primero
se construye una tabla con las combinaciones de tratamientos y los correspondientes
totales de tratamiento, en un orden estndar. Por orden estndar se entiende que
cada factor se introduce uno a la vez combinndolo con todos los niveles de los
factores que estn por encima de l. Es as como el orden estndar de un diseo 22 es
(1), a, b, ab, mientras que para un diseo 23 es (1), a, b, ab, c, ac, bc, abc, y para un
diseo 24 es (1), a, b, ab, c, ac, bc, abc, d, ad, bd, abd, cd, acd, bcd, abad. Aqu se
presenta el procedimiento siguiente de cuatro pasos:

1. Se etiqueta la columna adyacente (1). Las entradas en la mitad superior de esta

columna se calculan sumando las respuestas en pares adyacentes de la columna
anterior. Las entradas de la parte inferior de esta columna se calcula cambiando el
signo de la primera entrada de cada par de las respuestas originales y luego
sumando los pares adyacentes.

2. Se etiqueta la columna adyacente (2). La columna (2) se construye con las

entradas de la columna (1), siguiendo el mismo procedimiento utilizado para
generar la columna (1). El proceso contina hasta que se han construido k
columnas. La columna (k) contiene los contrastes designados en los renglones.
3. Se calcula la suma de cuadrados para los efectos elevando al cuadrado cada
entrada de la columna k y dividindolo entre n2k.
4. Se calcula las estimaciones de los efectos dividiendo cada entrada de la columna k
entre n2k-1.

6.1.7 Diseo 2k sin rplica

A medida que crece el nmero de factores de un experimento factorial, el nmero de
efectos que pueden estimarse tambin aumenta. Por ejemplo, un experimento 24 tiene
cuatro efectos principales, 6 interacciones entre dos factores, 4 interacciones entre
tres factores y una interaccin entre cuatro factores, mientras que un experimento 26
tiene 6 efectos principales, 15 interacciones entre dos factores, 20 interacciones entre
tres factores, 15 interacciones entre cuatro factores, 6 interacciones entre cinco
factores y una interseccin entre 6 factores.
En muchas situaciones se aplica el principio de dispersin de los efectos; esto es,
usualmente el sistema est dominado por los efectos principales y las interacciones de
orden inferior. En general, las interacciones entre tres factores y las de orden superior
son

despreciables.

Por

consiguiente,

cuando

el

nmero

de

factores

es

moderadamente grande (por ejemplo, k 4 o 5), una prctica comn es correr slo
una rplica del diseo 2k y luego combinar las interacciones de orden superior como
una estimacin del error. En ocasiones, una nica rplica de un diseo 2k se conoce
como diseo factorial 2k sin rplica.
Cuando se analizan datos que provienen de diseos factoriales sin rplica, en
ocasiones se presentan interacciones reales de orden superior. En estos casos resulta
inapropiado utilizar la media de cuadrados del error obtenida al combinar las
interacciones de orden superior. Para resolver este problema puede emplearse un
mtodo de anlisis ms sencillo. Para ello se construye una grfica de las
estimaciones de los efectos sobre una escala de probabilidad normal. Los efectos que
son despreciables tienen una distribucin normal, con media cero y varianza 2, y
tienden a caer a lo largo de una lnea recta sobre esta grfica, mientras que los efectos
significativos tienen medias distintas de cero y no se alinean a los largo de la lnea
recta.

6.2 Adicin de puntos centrales en un diseo 2k

Un aspecto muy importante en el empleo de diseos factoriales de dos niveles es la
hiptesis de linealidad en los efectos de los factores. Claro est que la linealidad
perfecta es innecesaria, y el sistema 2k trabaja muy bien aun cuando la suposicin de
linealidad es slo aproximada. Sin embargo, existe un mtodo para replicar ciertos
puntos en el diseo 2k factorial que proporciona proteccin contra la curvatura y
permite una estimacin independiente del error que ha de obtenerse. El mtodo
consiste en aadir puntos centrales al diseo 2k. stos coinciden de nC rplicas de
las corridas en el punto xi = 0 (i= 1, 2,, k). Una razn importante para aadir rplicas
de las corridas en el centro del diseo es que los puntos centrales no tienen impacto
en las estimaciones usuales de los efectos en un diseo 2k. Se supone que los k
factores son cuantitativos.

ab

b
Alto (+)

Corrida
Central
Medio

Bajo (-)

(1)
Bajo (-)

Medio

a
Alto (+)

Figura 6.6 Representacin geomtrica del diseo 22 con corridas centrales o puntos centrales

Para ilustrar este enfoque, considrese un diseo 22 con una observacin en cada uno
de los puntos factoriales (-, -), (+, -), (-, +) y (+, +), y nC observaciones en los puntos
centrales (0, 0). La Figura 6.6 ilustra esta situacin. Sean y F y y C los promedios de
las cuatro corridas en los cuatro puntos factoriales y el promedio de las nC corridas en
el punto central, respectivamente. Si la diferencia y F - y C es pequea, entonces los
puntos centrales se encuentran sobre el plano que pasa por todos los puntos
factoriales, o cerca de l, y no hay curvatura. Por otra parte, si

y F - y C es grande,

entonces la curvatura est presente. Una suma de cuadrados de un grado de libertad

para la curvatura est dada por:

SS Curvatura

n n (y y C )
= F C F
nF + nC

(6-30)

donde, en general, nF es el nmero de puntos en el diseo factorial. Esta cantidad

puede ser comparada con el error cuadrtico medio para probar la curvatura. De
manera ms especfica, cuando se aaden puntos al centro del diseo 2k, entonces el
modelo que se considera es
k

Y = 0 + j x j + ij xi x j + jj x 2 +
j =1

i< j i< j

(6-31)

j =1

donde las jj son efectos cuadrticos puros. La prueba de curvatura consiste, en

realidad, de la prueba de las hiptesis
k

H 0 : jj = 0
j =1
k

(6-32)

H 1 : jj 0
j =1

Por otra parte, si los puntos factoriales en el diseo no estn replicados, entonces
pueden emplearse los nC puntos centrales para construir una estimacin del error con
nC -1 grados de libertad.

6.3 Formacin de bloques y confusin en diseos 2k

A menudo es imposible correr todas las observaciones en un diseo factorial 2k bajo
condiciones homogneas. La tcnica de diseo apropiada para esta situacin general
es la formacin de bloques. Sin embargo, en muchas situaciones, el tamao del
bloque es ms pequeo que el nmero de corridas en la rplica completa. En estos
casos, la confusin es un procedimiento til para correr el diseo 2k en bloques 2p,
donde el nmero de corridas en un bloque es menor que el nmero de combinaciones
de tratamientos en una rplica completa. La tcnica provoca que ciertos efectos de
interaccin sean indistinguibles de los bloques, o que sean confundidos con
bloques. A continuacin se ilustra la confusin en el diseo factorial 2k en bloques 2p,
con p < k.
Considrese un diseo 22. Supngase que cada una de las 22 = 4 combinaciones de
tratamientos requiere cuatro horas de anlisis de laboratorio. Por tanto, se requieren
dos das para efectuar el experimento. Si los das se consideran como bloques,
entonces deben asignarse dos de las cuatro combinaciones de tratamientos a cada
da.

Tratamiento
(1)
a
b
ab

A
+
+

B AB
- +
- + + +

Contraste AB = [(1) a b + ab ]
b

ab
Corridas Bloque 1

(1)
ab

a
b

Bloque 1

Bloque 2

Corridas Bloque 2

(1)

Figura 6.7 Formacin de bloques en un diseo 22

Este diseo se muestra en la Figura 6.7. Ntese que el bloque 1 contiene las
combinaciones de tratamientos (1) y ab, y que el bloque 2 contiene a a y b. Los
contrastes para estimar los efectos principales de los factores A y B son

ContrasteA = ab + a b (1)
ContrasteB = ab + a b (1)

Observe que estos contrastes no se ven afectados por la formacin de bloques puesto
que en cada uno de ellos existe slo una combinacin de tratamientos ms y una
menos de cada uno de los bloques. Esto es, cualquier diferencia entre el bloque 1 y el
bloque 2 que aumente las lecturas en un bloque por una constante aditiva, ser
cancelada. El contraste para la interaccin AB es

ContrasteAB = ab + (1) a b
Puesto que las dos combinaciones de tratamientos con los signos ms, ab y (1), estn
en el bloque 1 y las dos con los signos menos, a y b, estn en el bloque 2, los efectos
del bloque y la interaccin AB son idnticos. Esto es, la interaccin AB queda
confundida con bloques.
La razn de esto es evidente en la tabla de signos ms y menos del diseo 22 que
aparece en la Figura 6.7. De sta se observa que todas las combinaciones de
tratamientos que tienen un signo ms en AB estn asignadas al bloque 1, mientras
que todas las combinaciones de tratamientos que tienen un signo menos en AB estn
asignadas al bloque 2.
Este esquema puede emplearse para confundir cualquier diseo 2k en dos bloques.
Como segundo ejemplo considrese un diseo 23, efectuado en dos bloques. De la
tabla de signos ms y menos (Figura 6.8), se asignan las combinaciones de

tratamientos que son menos en la columna ABC al bloque 1, y las que son ms en la
columna ABC al bloque 2. El diseo resultante se muestra en la Figura 6.8.

Combinacin de
Tratamientos
(1)
a
b
ab
c
ac
bc
abc

I
+
+
+
+
+
+
+
+

A
+
+
+
+

Efectos Factoriales
B AB C AC BC ABC
- + - + +
- - - - +
+
+ - - +
+
+ + - - + + +
- - + +
+ - + - +
+ + + + +
+

Contraste ABC = [ (1) + a + b ab + c ac bc + abc ]

bc
abc
Corridas (Bloque 1)

ac
Corridas + (Bloque 2)

b
ab

(1)

(1)
ab
ac
bc

a
b
c
abc

Bloque 1

Bloque 2

Figura 6.8 Formacin de bloques en un diseo 22

En general, lo que se busca es que el efecto de bloque se confunda con las

interacciones de orden superior. La Figura 6.8 se observa que el efecto de bloque se
confunde con el efecto de interaccin ABC. El cual, por el principio de los efectos
esparcidos se puede asumir despreciable. Sin embargo, si la interaccin entre los tres
factores llega a ser significativa entonces no podremos saber si realmente se debe a la
interaccin a al efecto de bloque.
Existe un mtodo ms general para construir bloques. sta utiliza un contraste de
definicin, por ejemplo,

L= 1x1 + 2x2 + + kxk

donde xi es el nivel del i-simo factor que aparece en una combinacin de tratamientos
y i es el exponente que aparece sobre el i-simo factor en el efecto que va a
confundirse con bloques. Para el sistema 2k, se tiene que i = 0 o 1, y xi = 0 (nivel bajo)
o xi = 1 (nivel alto). Las combinaciones de tratamientos que producen el mismo valor
de L (md. 2) son colocadas en el mismo bloque, Puesto que los nicos valores
posibles de L (md. 2) son 0 y 1, esto asigna las combinaciones de tratamientos 2k
exactamente en dos bloques.
Como ejemplo, considrese el diseo 23 con ABC confundido con bloques. En este
caso, xi corresponde a A, x2 a B, x3 a C, con 1 = 2 = 3 = 1. Por tanto, el contraste de
definicin que se utilizar para confundir ABC con bloques es

L = x1 + x2 + x3

Para asignar las combinaciones de tratamientos a los bloques, se sustituyen stas en

el contraste de definicin, de la manera siguiente:

(1): L = 1(0) + 1(0) + 1(0) = 0 = 0 (md 2)

a:

L = 1(1) + 1(0) + 1(0) = 1 = 1 (md 2)

b:

L = 1(0) + 1(1) + 1(0) = 1 = 1 (md 2)

ab: L = 1(1) + 1(1) + 1(0) = 2 = 0 (md 2)

c:

L = 1(0) + 1(0) + 1(1) = 1 = 1 (md 2)

ac: L = 1(1) + 1(0) + 1(1) = 2 = 0 (md 2)

bc: L = 1(0) + 1(1) + 1(1) = 2 = 0 (md 2)

Es as como (1), ab, ac, y bc se corren en el bloque 1, y a, b, c y abc se corren en el

bloque 2. Este mismo diseo se muestra en la figura 12-32.
Existe un til mtodo corto para construir estos diseos. El bloque que contiene la
combinacin de tratamientos (1) recibe el nombre de bloque principal. Cualquier
elemento [con excepcin de (1)] en el bloque principal puede generarse haciendo la
multiplicacin mdulo 2 de los exponentes de cualquier par de elementos del bloque
principal. Por ejemplo, considrese el bloque principal del diseo 23 con ABC
confundido, el cual se muestra en la figura 12-32. Ntese que
ab ac = a2bc = bc
ab bc = ab2c = ac
ab bc = abc2 = ab

Las combinaciones de tratamientos del otro bloque (o bloques) pueden generarse al

hacer la multiplicacin mdulo 2 de los exponentes de un elemento del bloque nuevo
por cada elemento del bloque principal. Para el diseo 23 con ABC confundido, puesto
que el bloque principal es (1), ab, ac y bc, se sabe que la combinacin de tratamientos
b est en el otro bloque. Por tanto, los elementos de este segundo bloque son

b (1)

=b

b ab = ab2 = a
b ac

= abc
2

b bc = b c = c

6.4 Diseos 2k fraccionados

A medida que aumenta el nmero de factores en un diseo factorial 2k, el nmero de
corridas requeridas se aumenta con rapidez. Por ejemplo, un diseo 25 requiere 32
corridas. En este diseo, slo cinco grados de libertad corresponden a los efectos
principales, y 10 a las interacciones entre dos factores. Diecisis de los 31 grados de
libertad se utilizan para estimar interacciones de orden superior esto es, interacciones
entre tres factores y de orden superior-. A menudo existe poco inters en estas
interacciones de orden superior, en particular cuando se comienza a estudiar por
primera vez un proceso o sistema. Si es posible suponer que ciertas interacciones de
orden superior son despreciables, entonces puede emplearse un diseo factorial
fraccionaria con menos corridas que el conjunto completo de corridas 2 k, para
obtener informacin sobre los efectos principales y las interacciones de orden inferior.
Aqu se presentan las rplicas fraccionarias del diseo 2k.
Uno de los principales usos de los diseos fraccionarios se encuentran en
experimentos de deteccin. stos son experimentos en los que se consideran muchos
factores con la finalidad de identificar aquellos (si es que los hay) que tienen efectos
grandes
Normalmente los experimentos de deteccin se realizan en las primeras etapas de un
proyecto, cuando es probable que muchos de los factores considerados al inicio
tengan poco o ningn efecto sobre la respuesta. Los factores identificados como
importantes son los que se investigan con ms profundidad en experimentos
subsecuentes.

6.4.1 Fraccin un medio de un diseo 2k

La fraccin un medio del diseo 2k-1 corridas y a menudo se conoce como diseo
factorial fraccionario 2k-1. Como ejemplo considrese el diseo 23-1, la fraccin un
medio del diseo 23. Este diseo tiene slo cuatro corridas, en contraste con el diseo
completo que requiere ocho.

Combinacin de
Tratamientos
a
b
c
abc
ab
ac
bc
(1)

I
+
+
+
+
+
+
+
+

A
+

+
+
+

Efectos Factoriales
B C AB AC BC ABC
+
+
+ +
+
+ +
+
+ + + + +
+
+ +

+ +

+ + +

+ + +

bc
abc
c

Fraccin principal, I=ABC

ac

Fraccin alterna, I= ABC

b
ab

(1)

Figura 6.9 Diseo factorial 2 fraccionado a la mitad.

Relacin de
definicin
del diseo

La Figura 6.9 presenta la tabla de signos ms y menos para el diseo 23 fraccionado.

Supngase que se escogen las cuatro combinaciones de tratamientos a, b, c y abc
como la fraccin un medio. Estas combinaciones aparecen en la parte superior de la
Figura 6.9 en color azul claro. Observe que la combinacin de tratamientos escogida
para esta fraccin tiene signo mas para la interaccin ABC, por lo tanto, el efecto ABC
se conoce como generador de la fraccin. Adems, debido a que el signo es el mismo
para la interaccin ABC, esta interaccin es indetectable usando esta fraccin.
Adems observe que la combinacin de signos utilizada para encontrar el efecto de
cualquier factor principal se repite en una interaccin doble. Para encontrar los efectos
principales se usa:
A = [a b c + abc]
B = [-a + b c + abc]
C = [-a b + c + abc]
Los cuales se repiten en el clculo de las interacciones dobles:
BC = [a b c + abc]
AC = [-a + b c + abc]
AB = [-a b + c + abc]
Estos resultados se aprecian en la Figura 6.9, donde se colocan con un recuadro del
mismo color las parejas de efectos que son iguales.
Por tanto, la combinacin lineal de las observaciones en la columna A de la Figura 6.9
no solo estima el efecto principal de A sino la interaccin BC. O mejor dicho, esta
combinacin estima la suma de los efectos A+BC. De la misma forma, la columna
correspondiente a B no solo estima este efecto sino tambin la interaccin AC o lo que
se mejor, estima la suma B+AC. En la Tabla 6.6 se resumen las consecuencias del
fraccionamiento a la mitad de un diseo 23 completo.

Combinacin

Efecto

Explicacin

[a b c + abc]

A+BC

A se confunde con BC o es alias de l

[-a + b c + abc]

B+AC

B se confunde con AC o es alias de l

[-a b + c + abc]

C+AB

C se confunde con AB o es alias de l

Tabla 6.6 Confusin en un diseo factorial 23 fraccionado a la mitad

La consecuencia adicional de este fraccionamiento es que la interaccin triple, ABC no

se puede detectar. Es decir, con un diseo 23-1 no se puede evaluar la posible

interaccin ABC. Sin embargo, las interacciones de orden superior, usualmente, son
despreciables en el mundo real.
En general, la fraccin a realizar se escoge de tal suerte que los efectos principales y
las interacciones de orden inferior que son de inters formen alias slo con
interacciones de orden superior (las que probablemente son despreciables).

La estructura de alias para este diseo puede encontrarse utilizando la relacin de

definicin I = ABC. La multiplicacin de cualquier efecto por esta relacin proporciona
los alias para tal efecto. En el ejemplo, el alias de A es A=A (ABC) = A2BC = BC. Note
que se ha eliminado A2 debido a que representa una columna de signos ms que no
altera el producto final. Es decir A2 = I, e I es la columna identidad.
De la misma manera se pueden encontrar los alias de B y C.

Supngase que en lugar de escoger la mitad superior de la Figura 6.9 para fraccionar
al diseo 23, se hubiera escogido la mita inferior. Es decir la combinacin de
tratamientos en los que ABC tiene signo negativo. Estas cuatro corridas se muestran
en color amarillo en la Figura 6.9. La relacin de definicin para este diseo es I = ABC. Los alias son A =-BC, B = -AC, y C = -AB. Por tanto, las estimaciones de A, B y
C que se obtienen de esta fraccin en realidad estiman A BC, - B AC y C AB. En
la prctica, usualmente no es importante la fraccin un medio que se escoja pues
ambas son lleva a resultados equivalentes. La fraccin con el signo ms en la relacin
de definicin se conoce como fraccin principal, y la otra como fraccin alternativa.

Ntese que si se hubiera seleccionado AB como el generador del diseo factorial

fraccionario (Buscando todos los ms en la columna correspondiente de la Figura 6.9),
entonces A sera alias de B, lo cual conlleva a una prdida de informacin muy
importante. Como regla general, se escoge la fraccin en la que se confundan las
interacciones de orden superior. Ms adelante, se explica un procedimiento prctico
para escoger la fraccin ms adecuada, en el caso general de los diseos 2k-1
Un comentario final de los diseos factoriales fraccionados a la mitad es que
combinando las estructuras de alias de ambas fracciones se pueden obtener los
efectos principales y de interaccin. Por ejemplo, el efecto A se obtiene:

A=

( A + BC ) fraccin + ( A BC ) fraccin
principal

alternativa

Y la interaccin doble BC se obtiene como:

(6-33)

BC =

( A + BC ) fraccin ( A BC ) fraccin
principal

alternativa

(6-34)

Una alternativa equivalente hubiera sido analizar el experimento como si se hubiera

corrido completo desde el principio. Sin embargo, al correr la segunda fraccin
posteriormente, se debe tener mucho cuidado en que las condiciones bajo las cuales
se realizan los experimentos sean las mismas de cuando se corri la primera fraccin.
Si no se pudieron mantener las mismas condiciones se debe utilizar un efecto de
bloque haciendo que el efecto de bloque se confunda con la interaccin triple, ABC, y
los efectos principales y de interacciones dobles se calculen sin ninguna confusin

6.4.2 Resolucin en un diseo fraccionado

Al correr un diseo factorial fraccionado los efectos no pueden estimarse de manera
individual, sino que se estiman sumas o restas de efectos que son alias entre s. La
interpretacin de estas sumas o restas se hace sencilla si se supone que todos los
trminos, excepto uno, son despreciables. Por lo tanto el efecto de esta suma (o
resta), se puede atribuir a un nico factor. Por esta razn siempre se busca un diseo
factorial fraccionado en el cual los efectos principales importantes sean alias de otros
efectos que no son muy importantes.
El supuesto lgico en este caso consiste en asumir que los efectos principales son
ms importantes que las interacciones de dos factores, y estas a su vez son ms
relevantes que los de tres factores, y as sucesivamente. Este concepto se maneja
buscando un diseo factorial fraccionado que tenga la mxima resolucin posible.
Se dice que un diseo factorial fraccionado tiene resolucin R si las interacciones de
P factores no son alias de interacciones que tengan menos de R P factores. Cuan
ms alta sea la resolucin de un diseo factorial fraccionado mejor se pueden apreciar
los efectos potencialmente importantes. A continuacin se dan las definiciones de los
diseos con resolucin III, IV y V.

Diseos de Resolucin III. En estos diseos los efectos principales no son alias entre
s, pero si pueden ser alias con alguna interaccin doble. El diseo 23-1 pertenece a
esta clase. Lo usual es utilizar un nmero romano como subndice para indicar la
resolucin 2 3III1
Diseos de Resolucin IV. Son diseos en los que ningn efecto principal tiene alias
con otro efecto principal o con interacciones entre dos factores, pero estas pueden

tener alias entre s. El diseo 24-1 con relacin de definicin I = ABCD (o I = - ABCD) es
de resolucin IV. Este diseo se denota como 2 4IV1
Diseos de Resolucin V. En estos diseos los efectos principales y las
interacciones dobles son alias con interacciones triples o de orden superior, es decir,
los efectos principales y las interacciones dobles se pueden determinar limpiamente.
Un ejemplo de un diseo con esta resolucin es el diseo 25-1 ( 2V51 ) con relacin de
definicin I = ABCDE (o I = - ABCDE).

En general la resolucin de un diseo factorial fraccionado esta dado por la longitud de

la palabra en la relacin de definicin con el menor nmero de letras posible. Por
esta razn los diseos factoriales fraccionados 23-1, 24-1 y 25-1 tienen resolucin III, IV y
V respectivamente, porque sus correspondientes generadores se componen de 3, 4 y
5 letras.

6.4.3 Construccin de fracciones 2k-1

Una manera sencilla de construir diseos factoriales fraccionados 2k-1 con la ms alta
resolucin posible es la siguiente:

1. Se construye la tabla de signos para un diseo factorial completo con k-1 factores
y de esta forma se tienen las primeras k-1 columnas de la fraccin deseada.

2. La columna faltante (la k-sima) se construye multiplicando entre s las columnas

anteriores. Si se desea la fraccin complementaria o alternativa se cambian los
signos de esta ltima columna.
El diseo que resulta es un diseo factorial fraccionado, 2k-1 con la mxima resolucin
posible, R = k.
Como ejemplo veamos la construccin de un diseo factorial fraccionado 24-1 con
resolucin IV y con generador I = ABCD.
1. Se parte del diseo factorial completo 24-1 = 23 dado por:
A

2. La columna restante (la cual corresponde a D) se obtiene al multiplicar las

columnas A, B y C

D= ABC

Si se desea la fraccin alternativa, con generador I = - ABC, se cambia el signo de la

ltima columna en el segundo paso.

6.4.4

Diseos factoriales fraccionados 2k-2

Un diseo factorial 2k-2 representa la cuarta parte del diseo factorial completo. Para
generar este diseo se necesitan dos efectos generadores, los cuales se toman de las
interacciones de orden superior y que al mismo tiempo su producto sea tambin una
interaccin de orden superior.

Estos diseos tendrn tres generadores: los dos

primeros que se escogieron y el que resulta del producto entre ellos y ninguno de ellos
se puede estimar. La estructura de alias se obtiene a partir de los dos generadores
iniciales y su producto. Por lo tanto cada efecto tiene tres alias. En general, el nmero
de palabras de la relacin definidora indica el nmero de alias que tendr cada efecto,
y multiplicando un efecto cualquiera por esta relacin se determinan sus alias.
Una forma sencilla de construir un diseo factorial 2k-2 es:

1. Se escribe el diseo 2k-2 como si fuera un diseo factorial completo con k-2
factores y de esta forma se obtienen los primeros k-2 factores.

2. Los niveles que corresponden a los factores de las dos ltimas columnas (factores
k-1 y k) se obtienen multiplicando columnas previas de acuerdo a los generadores
escogidos.
Veamos este procedimiento de dos pasos para construir un diseo factorial 25-2:
1. Se parte del diseo factorial completo 23 para los tres factores A, B y C

2. Los niveles para los factores D y E se obtienen al seleccionar de manera

adecuada los generadores. Una opcin es tomar I = ABD e I = ACE, y el tercer
generador es el producto ABD ACE = A2 BCDE = BCDE. De esta manera se
puede obtener que D = AB y E = AC.
A

La estructura de alias completo se puede obtener como se explico anteriormente. Por

ejemplo, los alias de A se obtienen multiplicando este por los tres generadores as:

A = A (Primer generador) = A ABD = BD

A = A (Segundo generador) = A ACE = CE
A = A (Tercer generador) = A BCDE = ABCDE
El resto de alias para los dems factores se muestra en la siguiente tabla:
A+BD+CE+ABCDE
B+AD+ABCE+CDE
C+ABCD+AE+BDE
D+AB+ACDE+BCE
E+ABDE+AC+BCD
BC+ACD+ABE+DE
BE+ADE+ABC+CD
+ABD+ACE+BCDE
Tabla 6.7 Estructura de alias completa para un diseo

2 5III2

Se observa en la Tabla 6.7 que cada efecto principal tiene al menos una interaccin
doble como alias que es lo que conduce a un diseo de resolucin III.
De la Tabla 6.7 se puede asumir que las interacciones de orden superior son
despreciables y por lo tanto eliminarlas del modelo para obtener una estructura de
alias reducida (ver Tabla 6.8)
A + BD + CE
B + AD
C + AE
D + AB
E + AC
BC + DE
BE + CD
Tabla 6.8 Estructura de alias reducida para un diseo

2 5III2

Cuando se alan efectos con la misma jerarqua, como en el caso de BD + CE, debe
decidirse con base en el conocimiento del proceso, a que interaccin se atribuye el
efecto observado en el caso que resulte significativo. Otra manera es fijarse en qu
efectos principales resultan significativos ya que estos tienen ms probabilidad de
estar activos en sus interacciones.

6.4.5 Ejercicios propuestos.

1. A continuacin se muestran los resultados de un diseo factorial. Conteste los
siguientes incisos sin utilizar un software computacional, haga las operaciones que
se le piden de manera manual.
Rplica
A

II

III

Total

82

80

84

(1) = 246

78

82

79

(a) = 239

71

70

66

(b) = 207

89

88

93

(ab) = 270

a. Qu nombre recibe este diseo y por qu?

b. Cuntos tratamientos tiene este diseo, cuntas rplicas?
c. En total son 12 corridas experimentales las que se realizaron, seale en
qu orden debieron correrse y explique por qu.
d. Seale los efectos que se pueden estudiar a travs de este diseo.
e. Obtenga los contrastes para los efectos principales de A y B, y para la
interaccin.
f.

Calcule los efectos principales y el efecto de interaccin.

g. Haga las grficas de los efectos principales de A y B, e interprtelas.

h. Realice la grfica de la interaccin entre los factores de A y B, e interprtela
con detalle.
i.

Desde su punto de vista el factor B parece tener influencias sobre Y?

Argumente.

2. Suponga un diseo factorial 23, y conteste las siguientes preguntas.Utilizando la

notacin de (-, +) para los niveles de los factores, escriba todos los tratamientos
que forman este diseo.
a. Represente en forma geomtrica este diseo y resalte la regin de
experimentacin.
b. Cules son todos los posibles efectos que se pueden estu diar con este
diseo?
c. Para cada uno de los efectos anteriores, obtenga su contraste.

d. Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.
e. Cmo aplicara los tres principios bsicos del diseo de experimentos en
este caso para cada uno de los efectos anteriores?
3. A continuacin se muestran los resultados obtenidos en un diseo factorial 23 no
replicado. Conteste los siguientes incisos sin utilizar un software computacional, es
decir, haga las operaciones que se le piden de forma manual.
Cdigo?

25

12

30

10

10

14

31

17

a. En la primera columna de la matriz del diseo especifique el cdigo de cada

uno de los tratamientos, de acuerdo a la notacin de Yates.
b. Calcule los efectos principales de A y B.
c. Haga la grfica de los efectos principales de A y B, e interprtelas.
d. Calcule el efecto de la interaccin AB.
e. Realice la grfica de la interaccin entre los factores A y B; e interprtela
con detalle.
f.

Qu tendra que hacer para saber si los efectos que clculo en los incisos
anteriores, afectan de manera significativa a la variable de respuesta?

g. Calcule la suma de cuadrados para el efecto principal de A y para la

interaccin.
4. Suponga un diseo factorial 24, y conteste las siguientes preguntas.
a. Anote la matriz de diseo, es decir, haga una lista de todos los tratamientos
que forman este diseo.
b. Por qu este diseo recibe tal nombre?
c. Cules son todos los posibles efectos que se pueden estudiar con este
diseo?
d. Refirindose al anlisis, en qu consiste y cul es el objetivo de obtener el
mejor ANOVA?

e. Cmo se calculan los coeficientes de determinacin R2 y R2AjS?

f.

Si despus de obtener el mejor ANOVA, se obtiene que estos R2aj

coeficientes tienen un valor de alrededor 90, qu significa esto?

g. Si por el contrario, tales coeficientes tienen un valor de alrededor 20, qu

significa esto?
h. Obtenga el contraste para el efecto principal de D y para el efecto de
interaccin CD.
i.

Seale en forma especfica cmo utilizara los contrastes para calcular los
efectos y la suma de los cuadrados.

j.

Puede darse el caso de que el efecto principal de A no sea significativo, y

el efecto de la interaccin AB si lo sea?

5. En una empresa lechera se ha tenido problemas con la viscosidad de cierta bebida

de chocolate. Se cree que tres ingredientes que se agregan en pequeas
cantidades son con los que se puede resolver este problema, por lo que es
necesario explorar la situacin; para ello se corre un experimento 23 con dos
rplicas. En seguida se aprecian los resultados obtenidos.
Ingrediente A

Ingrediente B

Ingrediente C

Viscosidad

-1

-1

-1

13.3, 13.7

+1

-1

-1

14.7, 14.4

-1

+1

-1

14.6, 14.5

+1

+1

-1

14.3, 14.1

-1

-1

+1

16.9, 17.2

+1

-1

+1

15.5, 15.4

-1

+1

+1

17.0, 17.1

+1

+1

+1

18.9, 19.0

a. Estime todos los posibles efectos y diga cules son significativos.

b. Realice un anlisis de varianza de estos datos y obtenga conclusiones
generales.
c. Hay un tratamiento ganador para minimizar?
d. Verifique residuos, qu observa de destacado?

6. Se quiere aumentar el rendimiento de un proceso, y para ello se estudian tres

factores con dos niveles cada uno. Se hacen tres repeticiones en cada tratamiento
del diseo factorial 23 resultante. La variable de respuesta que se mide es
rendimiento. Los datos son los siguientes:

Repeticin

Tratamiento

(1)

22

31

25

32

43

29

35

34

50

ab

55

47

46

44

45

38

ac

40

37

36

bc

60

50

54

abc

39

41

47

a. Cules efectos estn activos?

b. Si obtuvo una interaccin importante, interprtela con detalle.
c. Determine las condiciones de operacin que maximizan el rendimiento.
d. Cul es la respuesta esperada en el mejor tratamiento?
e. Verifique los supuestos del modelo.

7. Se hace un experimento para mejorar el rendimiento de un proceso, controlando

cuatro factores en dos niveles cada uno. Se corre una rplica de un diseo factorial
24, con los factores tiempo (A), concentracin (B), presin (C) y temperatura (D), y
los resultados son los siguientes:
A0

A1

B0

B1

B0

B1

C0

C1

C0

C1

C0

C1

C0

C1

D0

12

17

13

20

18

15

16

15

D1

10

19

13

17

25

21

24

23

a. Analice estos datos con el uso de todos los criterios existentes para
encontrar el mejor ANOVA. En las figuras considere de entrada los 15
efectos posibles.
b. Cules efectos estn activos?
c. Determine el mejor tratamiento.
d. Prediga el rendimiento esperado en el mejor tratamiento y d un intervalo
de confianza para el rendimiento futuro.
e. Compruebe los supuestos del modelo.
f.

Puede este diseo colapsarse en uno 23 con dos rplicas? De ser posible,
hgalo y repita los incisos anteriores para este nuevo diseo.

8. En una empresa panificadora existen problemas con la simetra y el color del pan
integral. Los responsables del proceso sospechan que el problema se origina
desde la fase de fermentacin. En sta se combina agua, harina, cierta cantidad
de levadura ms una serie de ingredientes como fosfato, sal, etc. Al final de la
fermentacin se obtiene lo que se llama esponja lquida la cual debe cumplir una
serie de parmetros de calidad: una acidez total titulable (ATT) mayor a 6.0 y un
pH mayor a 4.8. Sin embargo, no se ha cumplido con dichas exigencias de calidad;
se han hecho algunos intentos experimentales con un factor a la vez, pero los
resultados han sido malos. En busca de una mejor estrategia experimental, se
decide utilizar un diseo factorial fraccionado 26-2 para investigar el efecto de seis
factores en las variables ATT y pH. Los primeros cinco factores se refieren a cierta
cantidad que se agrega en la fermentacin: A: levadura (17,19), B: sal (2.5, 3.7), C:
fosfato (2.0, 3.6), D: sulfato (1.5, 2.2), E: cloruro (0.89, 1.20); el sexto factor es F:
temperatura inicial del agua (22, 26). Los datos obtenidos se muestran en la tabla
siguiente.
Orden de

Variables de

Matriz de diseo

corrida
9

respuesta

ATT

pH

6.2

4.86

5.6

4.86

5.8

4.85

5.8

4.99

14

5.7

4.94

10

6.4

4.74

13

6.4

4.83

12

6.6

4.85

11

5.3

4.81

6.6

4.81

15

5.2

4.98

16

5.5

4.98

6.9

4.84

7.1

4.85

6.7

4.96

6.9

4.84

a. Observe los datos con cuidado, sobre todo los correspondientes al pH,
qu observa de destacado? A qu puede deberse eso?

b. Cul es la resolucin de este diseo y qu significa sta? Escriba la

estructura alias reducida. Cmo se pueden interpretar efectos de
interaccin que son alias?
c. Cules efectos explican el comportamiento de cada una de las
respuestas? Encuentre el mejor ANOVA para cada respuesta e interprete
utilizando = 0.05.
d. Determine las condiciones de operacin que maximizan a ambas
respuestas simultneamente. Es posible dar una solucin simultnea al
problema con los anlisis individuales? Argumente.
e. Verifique los supuestos para cada variable de respuesta.

9. Se piensa que cuatro factores tienen influencia sobre el sabor de un refresco: tipo
de endulzante (A), proporcin jarabe/agua (B), nivel de carbonatacin (C) y
temperatura (D). Cada factor puede correrse en dos niveles, lo que produce un
diseo 24. En cada corrida del diseo, se dan muestras de la bebida a un grupo
de prueba formado por 20 personas. Cada una de ellas asigna un puntaje a la
bebida, que va de 1 a 10. El puntaje total es la variable de respuesta, y el objetivo
es encontrar una frmula que maximice el puntaje total. Se corren dos rplicas de
este diseo, y los resultados se muestran a continuacin. Analice los datos y
obtenga conclusiones. Utilice = 0.05 y las prueba estadsticas.
Combinacin
de

Rplica

Rplica

Combinacin de

II

tratamientos

II

(1)

159

163

164

159

168

175

ad

187

189

158

163

bd

163

159

ab

166

168

abd

185

191

175

178

cd

168

174

ac

179

183

acd

197

199

bc

173

168

bcd

170

174

abc

179

182

abca

194

198

tratamientos

10. En un estudio del rendimiento en el desarrollo de un proceso, se analizan cuatro

factores, cada uno con dos niveles: tiempo (A), concentracin (B), presin (C), y
temperatura (D). Se corre slo una replica del diseo 24, y los datos resultantes
son los que aparecen en la tabla siguiente:

Orden real

Nmero
de corrida

de la

A B C D

Rendimiento

corrida

Niveles de los factores

(lbs)

Bajo (-)

Alto
(+)

12

A (h)

2.5

18

B (%)

14

18

13

C (psi) 60

80

13

16

D (C)

250

17

15

14

20

15

10

10

11

25

11

13

12

15

24

13

19

14

16

21

15

10

17

16

12

23

225

a. Haga una grfica de las estimaciones de los efectos sobre una escala
de probabilidad normal. Qu factores son los que aparentemente
tienen los efectos ms grandes?
b. Realice un anlisis de varianza utilizando la grfica de probabilidad
normal del inciso a) como gua para formar el trmino del error. Cules
son sus conclusiones?
c. Analice los residuos de este experimento. El anlisis de stos indica
algn problema en potencia?
d. Puede reducirse este diseo en un diseo 23 con dos rplicas? Si es
as, esboce el diseo con el promedio y el rango del rendimiento den
cada punto de un cubo. Interprete los resultados.
11. Considere el experimento descrito en el ejercicio anterior. Encuentre intervalos de
confianza del 95% sobre los efectos de los factores que parezcan importantes.
Utilice la grfica de probabilidad normal como gua con respecto a los efectos que
pueden combinarse para proporcionar una estimacin del error.