DISEO FACTORIAL 2K

Curso:
Diseos y Anlisis de Experimentos II

Docente:
Dra. Jeanette Gonzales Castro

Integrantes:
Arteaga Tello, Karen.
Salinas Luis, Giancarlos.
Villanueva Amaya, Carlos.

Ciclo:
IX

TRUJILLO PER
2013
DISEOS FACTORIALES
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

1. Principios y definiciones bsicas

Muchos experimentos se llevan a cabo para estudiar los efectos producidos por dos o
ms factores. Puede mostrarse que en general los diseos factoriales son los ms
eficientes para este tipo de experimentos. Por diseo factorial se entiende aquel en el que
se investigan todas las posibles combinaciones de los niveles de los factores en cada
ensayo completo o rplica del experimento.

Por ejemplo, si existen a niveles del factor A y b niveles del factor B, entonces cada
rplica del experimento contiene todas las ab combinaciones de los tratamientos. A
menudo, se dice que los factores estn cruzados cuando stos se arreglan en un diseo
factorial.

El efecto de un factor se define como el cambio en la respuesta producida por un cambio

en el nivel del factor. Con frecuencia, ste se conoce como efecto principal porque se
refiere a los factores de inters primordial del experimento. Por ejemplo, consideremos los
datos de la tabla 1. El efecto principal del factor A podra interpretarse como la diferencia
entre la respuesta promedio en el primer y segundo nivel de ese factor. Numricamente:

40+ 52 20+30
A= =21
2 2

Factor B

B1 B2

A1 20 30
Factor A
A2 40 52

Tabla 1: Un experimento factorial

En otras palabras incrementar el factor A del nivel 1 al 2 produce un cambio en la

respuesta promedio de 21 unidades. Similarmente, el efecto principal de B es:

2
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

30+52 20+ 40
B= =1 1
2 2

Si los factores tienen ms de dos niveles, el procedimiento anterior debe ser modificado
ya que las diferencias entre las respuestas promedio pueden expresarse de muchas
formas.

En algunos experimentos puede encontrarse que la diferencia en la respuesta entre los

niveles de un factor no es la misma en todos los niveles de los otros factores. Cuando
esto ocurre existe una interaccin entre los factores. Por ejemplo, considrense los datos
de la Tabla 2.

Factor B

B1 B2

A1 20 40
Factor A
A2 50 12

Tabla 2: Un experimento factorial con interaccin

En el primer nivel del factor B, el efecto de A es:

A = 50 - 20 = 30

Mientras que en el segundo nivel de B, el efecto de A es:

A = 12 - 40 = 28

Puede observarse que existe una interaccin entre los factores A y B porque el efecto de
A depende del nivel elegido de B.

Estas ideas pueden ilustrarse grficamente. En la Fig. 1 se muestra una grfica de la

respuesta de los datos de la Tabla 1 contra los niveles del factor A para ambos niveles del
factor B. Se observa que las rectas B1 y B2 son, aproximadamente, paralelas. Esto indica

3
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

que no hay interaccin entre los factores. De manera similar, en la Fig. 2 se presenta una
grfica de la respuesta de los datos de la Tabla 2.

60
B2
50
B1
40
30 B2
20
B1
10

A1 A2
Factor A

Figura 1: Un experimento factorial sin interacciones

En este caso se ve que las rectas B1 y B2 no son paralelas. Esto muestra que existe una
interaccin entre A y B. Sin embargo, no debe ser la nica tcnica para analizar los datos,
porque su interpretacin es subjetiva y su apariencia, a menudo, es engaosa.

60 B1
50
B2
40
30
20
B1
10 B2

A1 A2
Factor A

Figura 2: Un experimento factorial con interacciones

Hay que notar que cuando una interaccin es grande los correspondientes efectos
principales tienen poco significado prctico. Una estimacin del efecto principal de A de
los datos de la Tabla 2 es:

4
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

50+12 20+40
A= =1
2 2

El cual resulta ser muy pequeo corrindose el riesgo de concluir que no existe un efecto
debido a A. Sin embargo, cuando se examin el efecto de A en niveles diferentes de B se
concluy que ste no era el caso. El factor A tiene un efecto, pero depende del nivel del
factor B. En otras palabras, es ms til conocer la interaccin AB que el efecto principal.
Una interaccin significativa oculta a menudo el significado de los efectos principales.

Ventajas de los diseos factoriales

L
as ventajas de los diseos factoriales pueden ilustrarse fcilmente. Supongamos
que se tienen dos factores, A y B, cada uno con dos niveles. Estos niveles se
representan mediante A1, A2, B1 y B1. La informacin acerca de ambos factores
puede obtenerse variando un factor a la vez como aparece en la tabla 3. El efecto de
variar el factor A est dada por A2B1 -A1B2. A causa de que existe error experimental, es
conveniente realizar, por ejemplo, dos observaciones de cada combinacin de
tratamientos y hacer una estimacin de los efectos de los factores usando las respuestas
promedio. Por lo tanto, se requiere un total de seis observaciones.

Factor B

B1 B2

A1 A1 B1 A1 B2
Factor A
A2 A2 B1 A2 B2

Tabla 3 El mtodo de un factor a la vez

Los diseos factoriales poseen algunas ventajas:

Son ms eficientes que los experimentos de un factor a la vez.

Los diseos factoriales son necesarios cuando alguna interaccin puede estar
presente, para evitar hacer conclusiones engaosas.

5
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

Los diseos factoriales permiten estimar los efectos de un factor en diversos niveles
de los otros factores, produciendo conclusiones que son vlidas sobre toda la
extensin de las condiciones experimentales.

2. Diseo factorial 22

E
l primer diseo de la serie 2 2 es aquel en el que slo tiene dos factores, A y B,
cada uno con dos niveles. Este diseo se conoce como diseo factorial 2 2.
Arbitrariamente, los niveles del factor pueden llamarse bajo y alto.

Ejemplo 1:

Considrese una investigacin llevada a cabo para estudiar el efecto que tiene la
concentracin de un reactivo y la presencia de un catalizador sobre el tiempo de reaccin
de un proceso qumico. Sea la concentracin del reactivo el factor A con dos niveles de
inters, 15% y 25%. El catalizador constituye el factor B; el nivel alto o superior denota el
uso de dos sacos de catalizador y el nivel bajo o inferior denota el uso de un solo saco. El
experimento se realiza (replica o repite) tres veces, y los datos son como sigue:

Factor Combinacin de Replica

A B tratamientos I II III Total
- - A baja, B baja 28 25 27 80
En la figura siguiente
+ - A alta, B baja 36 32 32 100
se - + A baja, B alta 18 19 23 60 presentan
+ + A alta, B alta 31 30 29 90
grficamente las combinaciones de tratamiento para este diseo, el efecto de un factor se
denota por la letra latina mayscula. De este modo, A se refiere al efecto del factor A, y
B se refiere al efecto del factor B, y AB se refiere a la interaccin entre AB. En el
diseo 22, los niveles bajo y alto de A y B se denotan por - y + respectivamente, en los
ejes A y B. Por lo tanto, en el eje A representa el nivel bajo de la concentracin (15%),
mientras que + representa el nivel alto (25%), y en en el eje B representa el nivel bajo
del catalizador, mientras que + denota el nivel alto.

6
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

b = 60(18+19+23) ab = 90(31+30+19)
Alto (2 sacos) +

bajo (1 saco) -
(1) = 80(28+25+27) a = 100(36+32+32)

- +
bajo (15%) alto (20%)
25%)
Concentracion de reactivo A

Figura
Fig. 31: Combinaciones de tratamiento en el diseo factoriall

Las cuatro combinaciones de tratamientos en el diseo pueden representarse por letras

minsculas, como se muestra en la figura 3. En esta figura se aprecia que el nivel superior
de cualquier factor de una combinacin de tratamientos est representado por la
presencia de la letra minscula correspondiente, mientras que la ausencia de esta ltima
representa el nivel inferior del factor.

As:

a representa la combinacin de tratamientos, en la que A se encuentra en el nivel

superior y B en el nivel inferior;
b representa aquella en la que A se halla en el nivel inferior y B en el superior, y
ab representa a ambos factores en el nivel superior.
Por convencin (1) se usa para representar a ambos factores en el nivel inferior.
El efecto promedio de un factor se define como el cambio en la respuesta producida
por un cambio en el nivel de ese factor, promediado sobre los niveles del otro factor.

Como se ilustra en la figura 3, las letras minsculas (1), a, b y ab tambin se usan para
representar los totales de las n rplicas de las combinaciones de tratamientos

7
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

correspondientes. Ahora bien, el efecto de A en el nivel B es {a-(1)}/n. Mientras que el

nivel superior B es {ab-b}/n. Tomando el promedio de estas dos cantidades se obtiene:

1 1
A=
2n
{ [ abb ] + [ a (1 ) ] }= [abab( 1 ) ]
2n

El efecto promedio de B se determina a partir de su efecto en el nivel inferior de A (esto

es, {b-(1)}/n, y de su efecto en el nivel superior de A (que es igual a [ab-a]/n obtenindose:

1 1
B=
2n
{ [ aba ] + [ b( 1 ) ] }= [abba( 1 ) ]
2n

El efecto de la interaccin AB se define como la diferencia promedio entre el efecto de A

en el nivel superior de B y su efecto en el nivel inferior de B, as:

1
AB=
2n
{[ abb ] + [ a( 1 ) ] }= 21n [ ab+ ( 1 )ab ]

Por otro lado se puede definir AB como la diferencia promedio entre el efecto de B en el
nivel superior de A y el efecto de B en el nivel inferior de A.

Las frmulas para los efectos de A, B y AB pueden deducirse por otro mtodo. El efecto
de A puede hallarse como la diferencia en la respuesta promedio de las dos

Y
combinaciones de tratamiento en la mitad derecha (que llamaremos , puesto que es la
A+

respuesta promedio para las combinaciones de tratamientos a las que A que se encuentra

Y
en el nivel alto) y las dos combinaciones de tratamientos en la mitad izquierda (o A ). Esto
es:

8
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

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

Este es exactamente el mismo resultado, el efecto de B se encuentra como la diferencia

entre el promedio de las dos combinaciones de tratamientos en la parte superior del

Y
cuadrado ( ) y el promedio de las dos combinaciones de tratamientos en la parte
B+

Y
inferior ( ), o
B-

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

Finalmente el efecto de interaccin AB es el promedio de las combinaciones de

tratamientos en la diagonal de derecha a izquierda del cuadrado ab y (1) menos el
promedio de las combinaciones de tratamientos en la diagonal de izquierda a derecha (a y
b), o

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

Con los datos que aparecen en la figura 1, las estimaciones de los efectos promedio son:

1
A= [ 90+1006080 ] =8.33
2(3)

1
B= [ 90+6010080 ] =5.00
2(3)

9
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

1
AB= [ 90+8010060 ]=1. .67
2( 3)

El efecto de A (concentracin de reactivo) es positivo; esto sugiere que al elevar A del

nivel bajo (15%) al nivel alto (25%) incrementar el rendimiento. El efecto de B
(catalizador) es negativo; esto sugiere que elevar la cantidad del catalizador agregada al
proceso reducir el rendimiento. Al parecer, el efecto de interacciones es pequeo
comparado con los dos efectos principales.

En muchos experimentos que implican diseos 2K se examina la magnitud y la direccin

de los efectos de los factores para determinar cules variables es probable que sean
importantes. Por lo general puede emplearse el anlisis de varianza para confirmar esta
interpretacin. En el diseo 2k existen algunos mtodos rpidos especiales para realizar
los clculos del anlisis de varianza.

Consideremos la suma de cuadrados para A, B y AB. Obsrvese la primera ecuacin que

se utiliza un contraste para estimar A, esto es:

ContrasteA=ab+ ab( 1)

Este contraste suele llamarse efecto total de A. A partir de la segunda y tercera ecuacin,
puede apreciarse que tambin se utilizan contraste para estimar B y AB. Adems, estos
tres contrastes son ortogonales. La suma de cuadrados de cualquiera de ellos puede
calcularse usando la siguiente ecuacin:

ciyi
a

1

2


SS C =

10
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

Esta ecuacin establece que la suma de cuadrados de contraste es igual al contraste

elevado al cuadrado entre el producto del nmero de las observaciones de cada total del
contraste por la suma de cuadrados de los coeficientes del mismo. En consecuencia, se
obtiene que las sumas de cuadrados de A, B y AB sean:

2
[ab+ab( 1 ) ]
SS A =
4n

SS B =
[ ab+ba( 1 ) ]
4n

[ab+ ( 1 )ab ]2
SS A =
4n

Con los datos de la figura 1, las sumas de cuadrados se pueden calcular aplicando las
ecuaciones anteriores, obtenindose:

502
SS A = =208.33
4(3)

302
SS B = =75.00
4 (3)

2
10
SS AB= =8.33
4 (3)

La suma total de cuadrados se determina de la manera usual mediante:

2 2 n 2
Y 2
SS T = Y ijk
i=1 j=1 k=1 4n

En general SST tiene 4n 1 grados de libertad. La suma de cuadrados del error, con 4(n-1)
G.L. se puede calcular en la forma usual, por diferencia, mediante.

11
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

2 2 3
Y2
SS E = Y 2ijk =9398.009075.99=323.00
i=1 j=1 k=1 4 (3 )

SS E =SST SS A SS B SS A B=323.00208.3375.008.33=31.34

El anlisis de varianza completo se presenta en la tabla siguiente. Ambos efectos

principales son significativos al 1%.

A menudo se es conveniente escribir las combinaciones de tratamientos en el orden (1),

a, b, y ab. Este orden se conoce como orden estndar. Cuando se utiliza es posible
apreciar que los coeficientes de los contrastes usados para estimar los efectos son

Efectos (1) a b Ab
A: -1 +1 -1 +1
B: -1 -1 +1 +1
AB: +1 -1 -1 +1

Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:

F. de V. S.C. G.L. C.M. F p
A 208.33 1 208.33 53.15a 0.0001
B 75.00 1 75.00 19.13a 0.0024
AB 8.33 1 8.33 2.13 0.1826
Error 31.34 8 3.92
Total 323.00 11
a
significativo al 1%

Signos algebraicos para calcular los efectos en un diseo 22

Combinacin de Efecto Factorial

Tratamientos I A B AB
(1) + - - +
a + + - -
b + - + -
ab + + + +

12
DISEOS DE EXPERIMENTOS FACTORIALES 2K UNT 2013

Observe que los coeficientes de los contrastes usados para estimar la interaccin son
iguales al producto de los coeficientes correspondientes a los dos efectos principales. Los
coeficientes de los contrastes siempre son +1 o 1 y se puede usar una tabla de signos
positivos y negativos como la mostrada en la de signos algebraicos para determinar el
signo apropiado de cada combinacin de tratamientos. En el encabezado de las columnas
de tabla se encuentran los efectos principales (A y B), la interaccin AB, e I, que
representa el total el total o el promedio de todo el experimento. Se observa que la
columna encabezada por I se compone de solo de signos positivos. Los renglones
corresponden a las combinaciones de tratamientos.

Para encontrar un contraste con el fin de estimar cualquier efecto, simplemente se

multiplican los signos de la columna apropiada de la tabla por la correspondiente
combinacin de tratamientos, y se suma. Por ejemplo, el contraste para estimar A es -(1)
+ a b + ab, lo cual concuerda con la ecuacin.

1 1
A=
2n
{[ abb ] + [ a (1 ) ]}= 2n [abab( 1 ) ]

Los tipos ms sencillos de diseos factoriales implican slo dos factores o conjuntos de
tratamientos. Haya a niveles del factor A y b niveles del factor B, dispuestos en un
diseo factorial; esto es, cada A repeticin o rplica del experimento contiene todas las
combinaciones de tratamiento ab. En general, hay n repeticiones.

13