Vous êtes sur la page 1sur 72

INTRODUCCION A LOS

DISEOS FACTORIALES
SEMANA 7
1
Diseos Factoriales
Referencia en el Texto: Captulo 5
Principios generales de los experimentos factoriales
El factorial con dos factores con efectos fijos
La ANOVA para factoriales
Extensiones a ms de dos factores
Factores Cuantitativos y Cualitativos - curvas y
superficies de respuesta
2
3
Diseos Factoriales
El objetivo de un diseo
factorial es estudiar el efecto
de varios factores sobre una
o varias respuestas, cuando
se tiene el mismo inters en
todos los factores
Los factores pueden
ser cualitativos,
cuantitativos o
mixtos
Es necesario elegir
al menos dos niveles
de prueba para cada
factor.
En el diseo factorial
completo se corren
aleatoriamente todas las
posibles combinaciones
Definiciones Bsicas
Definicin del efecto de un factor: El cambio en la respuesta
promedio cuando el factor es cambiado de nivel bajo a alto.
40 52 20 30
21
2 2
30 52 20 40
11
2 2
52 20 30 40
1
2 2
A A
B B
A y y
B y y
AB
+
+
+ +
= = =
+ +
= = =
+ +
= =
4
Efecto de la Interaccin
Baja
Lneas
paralelas
El caso de la Interaccin
50 12 20 40
1
2 2
40 12 20 50
9
2 2
12 20 40 50
29
2 2
A A
B B
A y y
B y y
AB
+
+
+ +
= = =
+ +
= = =
+ +
= =
5
Efecto de la
Interaccin Alta
Efecto de A depende del nivel
que se elige para el factor B
Lneas se intersecan
6
Un vendedor de plstico para empaques flexibles esta
ayudando a uno de sus clientes, el que reclama que el
plstico que este le vende, no sella bien.

La forma de medir este sello es por medio de la fuerza
requerida para separarlo, y las unidades con las que
esto se mide son: gramos entre centmetros cuadrados.

Problema
Diseos Factoriales (Ejemplo)
7
Diseos Factoriales (Ejemplo)
El proceso de sellado
8
De acuerdo con su experiencia, el vendedor
considera que el cierre de este material
depende de las siguientes caractersticas:
Temperatura
Presin
Grueso del plstico
Tiempo de sellado.
Y ha definido las siguientes variables para
realizar un experimento.


Diseos Factoriales (Ejemplo)
9
Variable respuesta: Y: fortaleza del sello (gr/cm
2
)

Factor Nivel alto (+1) Nivel bajo (-1)
Temperatura (C) 300 250
Presin (psi) 100 80
Grueso del material
Pulgadas)
0.03 0.02
Tiempo sellado (s) 0.2 0.1
Diseos Factoriales (Ejemplo)
Ho: efecto de temperatura = 0
H1: efecto de temperatura = 0

A esto se le conoce por matriz de arreglo
factorial
10
Temperatura Presin Grosor Tiempo Fuerza
-1 -1 -1 -1 150
-1 -1 -1 1 158
-1 -1 1 -1 141
-1 -1 1 1 163
-1 1 -1 -1 160
-1 1 -1 1 164
-1 1 1 -1 147
-1 1 1 1 168
1 -1 -1 -1 153
1 -1 -1 1 159
1 -1 1 -1 149
1 -1 1 1 160
1 1 -1 -1 170
1 1 -1 1 163
1 1 1 -1 171
1 1 1 1 178
Se realiza el experimento en la planta del cliente y se obtuvo los
siguientes datos
Promedio
temperatura
baja: 156.38
Promedio
temperatura
alta: 162.88
Diseos Factoriales (Ejemplo)
11
Diseos Factoriales (Ejemplo)
12
153
T
e
m
p
e
r
a
t
u
r
a


a
l
t
a

159
149
160
170
163
171
178
162.88 Promedio
150
T
e
m
p
e
r
a
t
u
r
a


b
a
j
a

158
141
163
160
164
147
168
156.38 Promedio
Diseos Factoriales (Ejemplo)
Efecto de un factor: es el cambio observado en la variable de respuesta debido
a un cambio de nivel de tal factor.
El efecto de Temperatura= 162.88 156.38 = 6.5
Efecto principal: Es el efecto de un factor en promedio sobre los niveles de otros
factores
13
Diseos Factoriales (Ejemplo)
14
Diseos Factoriales (Ejemplo)
Temperatura Presin Fuerza
1 -1 153
1 -1 159
1 -1 149
1 -1 160
155.25
15
Diseos Factoriales (Ejemplo)
Temperatura Presin Fuerza
-1 -1
150
-1 -1
158
-1 -1
141
-1 -1
163
153
16
Diseos Factoriales (Ejemplo)
Temperatura Presin Fuerza
-1 1
160
-1 1
164
-1 1
147
-1 1
168
159.75
17
Diseos Factoriales (Ejemplo)
Temperatura Presin Fuerza
1 1 170
1 1 163
1 1 171
1 1 178
170.5
Principios Bsicos
Estudios de los efectos de dos
o ms factores
En cada ensayo o rplica se
estudian todas las posibles
combinaciones de los niveles
de los factores
Diseos
factoriales
18
Principios Bsicos
Son ampliamente utilizados y de gran valor cuando
se sabe poco sobre los niveles ptimos de los
factores o no se sabe qu factores son importantes.

De gran valor en campos de estudio donde se sabe
que la interaccin de los factores es importante.
19
Ventajas y Desventajas
Ventaja de los diseos factoriales
Permite obtener ms informacin que en un experimento de un solo
factor, se estudian efectos principales, efectos cruzados y de interaccin
de los factores.
Desventaja de los diseos factoriales
Se requiere un mayor nmero de unidades experimentales que en
experimentos con un solo factor.
Se obtendrn resultados de combinaciones que pueden no ser de
inters para el investigador.
El anlisis estadstico y la interpretacin de resultados es ms
complicada.




20
Definicin del experimento
factorial
Un experimento factorial queda definido por el
nmero de factores y niveles de cada factor.
Un experimento con 3 niveles del factor A, 4
del factor B y 2 del factor C, puede ser
denotado por:
3A4B2C
3X4X2
21
Tipos de interacciones
Efecto principal: Es el efecto de un factor en promedio
sobre los niveles de otros factores

Efecto simple: Es el efecto de un factor, en un nivel de
los dems factores

Efecto de Interaccin: Est dado por la variacin que
tiene un efecto simple de un factor al pasar de un nivel a
otro de otro factor

Efecto cruzado: Esta dado por las combinaciones
cruzadas de dos factores.
Veamos de
que se trata
22
Tipos de interacciones
Ejemplo: Datos de un experimento factorial 2x2
Niveles factor A
a1 a2
Niveles factor B
b1 b2 b1 b2
Medias
54 38 45 56
23
Tipos de interacciones
Niveles factor A
a1 a2
Niveles factor B
b1 b2 b1 b2
Medias
54 38 45 56
24
Tipos de interacciones
+

25
Tipos de interacciones
26
Tipos de interacciones
Cada lnea corresponde a un efecto simple, y la
interaccin puede notarse cuando las lneas tienen
pendientes diferentes.
Recuerde: Efecto de interaccin sobre la variable de respuesta es el que
se produce cuando el efecto de un factor depende del nivel en que se
encuentra el otro.
27
Tipos de interacciones
Ejemplos en los que NO hay
interaccin
28
Modelo de Regresin y la Superficie de
Respuesta Asociada
0 1 1 2 2
12 1 2
1 2
1 2
1 2
The least squares fit is

35.5 10.5 5.5


0.5
35.5 10.5 5.5
y x x
x x
y x x
x x
x x
| | |
| c
= + +
+ +
= + +
+
~ + +
29
El efecto de la Interaccin en la Superficie de
Respuesta
1 2
1 2

35.5 10.5 5.5


8
y x x
x x
= + +
+
Suponer que se aadi un
trmino de interaccin al
modelo:
Interaccin es en
realidad una forma de
curvatura
30
31
Un ingeniero est diseando una batera que se usar en un
dispositivo que se someter a temperaturas extremas. El nico
parmetro de diseo es el material de la placa o nodo de la batera.

El ingeniero no tendr control sobre las temperaturas a las que
operar el dispositivo, pero las puede controlar en el laboratorio, para
efectos de experimentacin.
Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175)
Ejemplo 5-1 El Experimento de la Vida de una
Batera (pg. 175)
A = Tipo Material; B = Temperatura
1. Qu efectos tienen el tipo de material y la temperatura en la
vida til?
2. Existe una escogencia de material que dara larga vida, a
pesar de la temperatura (un producto robusto) ?
32
El Experimento General de Dos Factores
a niveles de factor A; b niveles de factor B; n rplicas
Este es un diseo completamente aleatorizado
33
El Experimento General de Dos Factores
Modelo estadstico (efectos):
1, 2,...,
( ) 1, 2,...,
1, 2,...,
ijk i j ij ijk
i a
y j b
k n
t | t| c
=

= + + + + =

Otros modelos (modelo de medias, modelo de regresin) pueden ser tiles


34
Extensin de ANOVA a Factoriales (Caso de
Efectos Fijos) pg. 178
35
2 2 2
... .. ... . . ...
1 1 1 1 1
2 2
. .. . . ... .
1 1 1 1 1
( ) ( ) ( )
( ) ( )
a b n a b
ijk i j
i j k i j
a b a b n
ij i j ijk ij
i j i j k
y y bn y y an y y
n y y y y y y
= = = = =
= = = = =
= +
+ + +


breakdown:
1 1 1 ( 1)( 1) ( 1)
T A B AB E
SS SS SS SS SS
df
abn a b a b ab n
= + + +
= + + +
Tabla ANOVA Caso Efectos Fijos
36
Texto da detalles del clculo manual ver pp. 180 & 181
37
Fuentes de
Variacin Suma de Cuadrados Grados de Libertad
Cuadrado
Medio F0 Valor P
Tipos de
Materiales SSA 10683.72 a-1 2 5341.86 7.91 0.002
Temperatura SSB 39118.72 b-1 2 19559.36 28.97 0.0001
Interaccin SAB 9613.78 (a-1)(b-1) 4 2403.445 3.56 0.0186
Error SSE 18230.75 ab(n-1) 27 675.212963
Total SST 77646.97 abn-1 35
Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175)
38
Ejemplo 5-1 El Experimento de la Vida de
una Batera (pg. 175) Resuelto con Minitab
Se debe definir la interaccin de
las variables en el modelo (A*B)
39
Ejemplo 5.1 Salida Minitab
Modelo lineal general: Vida de la batera vs. Tipo de Mate,
Temperatura

Factor Tipo Niveles Valores
Tipo de Material fijo 3 A1, A2, A3
Temperatura fijo 3 15, 70, 125

Anlisis de varianza para Vida de a batera, utilizando SC ajustada para
pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P
Tipo de Material 2 10683.7 10683.7 5341.9 7.91 0.002
Temperatura 2 39118.7 39118.7 19559.4 28.97 0.000
Tipo de Material*Temperatura 4 9613.8 9613.8 2403.4 3.56 0.019
Error 27 18230.8 18230.8 675.2
Total 35 77647.0

S = 25.9849 R-cuad. = 76.52% R-cuad.(ajustado) = 69.56%

Observaciones inusuales de Vida de a batera

Vida de a Residuo
Obs batera Ajuste Ajuste SE Residuo estndar
3 74.000 134.750 12.992 -60.750 -2.70 R
4 180.000 134.750 12.992 45.250 2.01 R

R denota una observacin con un residuo estandarizado grande.
Conclusione
s?
40
Ejemplo 5.1 Salida Minitab
Anlisis Residual Ejemplo 5-1
41
DESIGN-EXPERT Pl ot
Li fe
Residual
N
o
r
m
a
l

%

p
r
o
b
a
b
i
l
i
t
y
Normal plot of residuals
-60.75 -34.25 -7.75 18.75 45.25
1
5
10
20
30
50
70
80
90
95
99
DESIGN-EXPERT Pl ot
Li fe
Predicted
R
e
s
i
d
u
a
l
s
Residuals vs. Predicted
-60.75
-34.25
-7.75
18.75
45.25
49.50 76.06 102.62 129.19 155.75
Conclusiones?
42
DESIGN-EXPERT Pl ot
Li fe
Run Number
R
e
s
i
d
u
a
l
s
Residuals vs. Run
-60.75
-34.25
-7.75
18.75
45.25
1 6 11 16 21 26 31 36
DESIGN-EXPERT Pl ot
Li fe
Material
R
e
s
i
d
u
a
l
s
Residuals vs. Material
-60.75
-34.25
-7.75
18.75
45.25
1 2 3
DESIGN-EXPERT Pl ot
Li fe
Temperature
R
e
s
i
d
u
a
l
s
Residuals vs. Temperature
-60.75
-34.25
-7.75
18.75
45.25
1 2 3
Anlisis Residual Ejemplo 5-1
Conclusiones?
43
Ejemplo 5.1 Salida Minitab
La temperatura posee una
relacin indirectamente
proporcional con respecto a
la vida til, cuando aumenta
la temperatura la vida de la
batera disminuye
El tipo de Material es un factor significativo en
el diseo de las bateras
Cul es la mejor
combinacin ?
Podramos decir que el material
A3 y la temperatura a 15?
44
Ejemplo 5.1 Salida Minitab
Analizando el efecto de la interaccin, el cul no se logra analizar en el grfico
de efectos principales se puede concluir para los datos evaluados que la
combinacin que maximiza la vida de la batera es el tipo de material 2 a 15
grados centgrados
Hay que tomar en cuenta que si
el lugar a donde se va a utilizar
es mayor a 70 grados
centgrados el material
adecuado es el 3
45
Factores Cuantitativos y Factores
Cualitativos
El procedimiento bsico ANOVA trata cada factor como si
fueran cualitativos
Algunas veces un experimento involucra factores
cuantitativos y cualitativos, como el Ejemplo 5.1
Esto puede ser tomado en cuenta en el anlisis para producir
un modelo de regresin para los factores cuantitativos en
cada nivel (o combinacin de niveles) de los factores
cualitativos.
Estas curvas de respuesta y/o superficies de respuesta son
de considerable ayuda en las interpretaciones prcticas de
los resultados.
46
Factoriales con ms de dos factores
Procedimiento bsico es similar al caso de dos
factores; todos los abckn combinaciones de
tratamientos son corridos en orden aleatorio
ANOVA es tambin similar:



Ejemplo completo de tres factores en Seccin
5-4 del texto
T A B AB AC
ABC AB K E
SS SS SS SS SS
SS SS SS
= + + + + +
+ + + +
Otras consideraciones para el diseo
factorial de dos factores
Cuando se concluye que una interaccin de dos factores tiene un efecto
estadsticamente importante sobre la respuesta, su interpretacin tiene
prioridad sobre los efectos principales, aunque estos tambin sean
significativos.
La verificacin de la adecuacin del modelo: mediante el anlisis residual
ya conocido (supuestos de normalidad, varianza constante e
independencia de los residuos)
En el caso de no asegurarse la normalidad y homogeneidad en los
residuos, se pueden utilizar mtodos de anlisis alternativos: no
paramtricos; modelos lineales generalizados y de anlisis de respuesta
transformada. Estas situaciones exceden el alcance del curso, pero
pueden ser objeto de estudio individual posterior.


47
Diseo factorial general
49
Diseo factorial general
Los resultados del diseo factorial de dos factores pueden aplicarse
al caso general:
a niveles del factor A, b niveles del factor B, c niveles del factor C.
Dispuestos en un diseo general.
Habr abcn observaciones totales si se hacen n rplicas del
experimento total.
Se necesitan al menos n2 para determinar una suma de
cuadrados debida al error si todas las interacciones estn
incluidas en el modelo (si n=1 la varianza del error es no
estimable, es decir, no se puede separar el efecto de la
interaccin del del error experimental)
50
Diseo factorial general
El Modelo del anlisis de varianza de tres
factores es

y
ijkl
= +t
i
+|
j
+
k
+ t|
( )
ij
+ t
( )
ik
+ |
( )
jk
+ t|
( )
ijk
+cijk
Dnde:
i = 1,2,3, , a.
j = 1,2,3, , b.
k = 1,2,3, , c.
l = 1,2,3, , n.

51
Tabla del anlisis de varianza del modelo de tres factores
con efectos fijos
Tabla de la pgina 195 del Montgomery, Tabla 5-
12.
52
Prctica en grupos para la casa
A continuacin se presenta los tiempos de supervivencia en horas de
animales asignados aleatoriamente a tres venenos (v1, v2, v3) y tres
antdotos (a1, a2, a3). El experimento fue parte de una investigacin
para combatir los efectos de ciertos agentes txicos y fue un diseo
completamente al azar.
53
Prctica en grupos para la casa
a) Efecte el anlisis de varianza y analice sus efectos
con respecto al enunciado.
b) Realice el anlisis grfico de la interaccin.
c) Se cree que el antdoto a2 es ms efectivo que el a1
para contrarrestar el veneno v1, verifquelo.
54
Superficies de respuesta
Modelos de efectos aleatorios

55
Superficie de respuesta
Hasta el momento nos hemos enfocado en
experimentos que permiten:

Identifican unas pocas variables importantes de
un gran nmero de candidatos.
Asegurar cmo unas pocas variables impactan
una respuesta.
Pero, cules son los niveles de estas variables que
generan una respuesta ptima?..
Responder esto es lo que se busca con las superficies de
respuesta.
56
Superficie de respuesta
Cuando varios de los factores de un experimento
factorial son cuantitativos, puede utilizarse una
superficie de respuesta para modelar la relacin entre
y y los factores de diseo.

Las grficas se obtienes por medio de ecuaciones
lineales o cuadrticas. La forma ms fcil de obtener
estas ecuaciones es por medio de software
especializado.
57
Superficie de respuesta
Cuando al menos dos de
los factores son
cuantitativos, resultan tiles
para predecir la respuesta a
niveles intermedios entre
los factores
58
59
Se desea conocer el % de conversin de una sustancia
qumica como consecuencia de tres factores
(temperatura, tiempo y % de catalizador.

Superficie de respuesta
(Ejemplo)
El ingeniero desea conocer a
profundidad el impacto de los factores
en la variable respuesta.
60
Superficie de respuesta
(Ejemplo)
Comentarios
?
Cmo se predice el comportamiento de la
variable respuesta ?
61
Design-Expert Software
Factor Coding: Actual
Conversin
Design Points
97
51
X1 = A: Tiempo
X2 = B: Temperatura
Actual Factor
C: Catalizador = 2.50
40.00 42.00 44.00 46.00 48.00 50.00
80.00
82.00
84.00
86.00
88.00
90.00
Conversin
A: Tiempo
B
:

T
e
m
p
e
r
a
t
u
r
a
78
80
80
82
84
86
88
6
Superficie de respuesta (Grfico de
Contorno)
Nos ayuda a entender
el impacto de los
factores en la variable
respuesta, la
simbologa de los
colores representan el
impacto en la variable
respuesta
Es la proyeccin de
la superficie de
respuesta
Qu pasa cuando el % del catalizador pasa de 2.50 a 3?
62
Design-Expert Software
Factor Coding: Actual
Conversin
Design Points
97
51
X1 = A: Tiempo
X2 = B: Temperatura
Actual Factor
C: Catalizador = 3.00
40.00 42.00 44.00 46.00 48.00 50.00
80.00
82.00
84.00
86.00
88.00
90.00
Conversin
A: Tiempo
B
:

T
e
m
p
e
r
a
t
u
r
a
70
80
90
Superficie de respuesta (Grfico de
Contorno)
Se puede observar en
la grfica de contorno
como los colores ms
clidos se alcanza ms
rpido, con los mismos
niveles de tiempo y
temperatura.
El % de Canalizacin
es significativo e
interacta con los
dems factores
63
Superficie de respuesta (Grfico de
Contorno)
64
Design-Expert Software
Factor Coding: Actual
Conversin
Design points above predicted value
Design points below predicted value
97
51
X1 = A: Tiempo
X2 = B: Temperatura
Actual Factor
C: Catalizador = 2.50
40.00
42.00
44.00
46.00
48.00
50.00 80.00
82.00
84.00
86.00
88.00
90.00
75
80
85
90
95


C
o
n
v
e
r
s
i

n


A: Tiempo
B: Temperatura
Superficie de respuesta
65
Design-Expert Software
Factor Coding: Actual
Conversion
X1 = A: time
X2 = B: temperature
X3 = C: catalyst
Cube
Conversion
A: time
B
:

t
e
m
p
e
r
a
t
u
r
e
C: catalyst
A-: 40.00 A+: 50.00
B-: 80.00
B+: 90.00
C-: 2.00
C+: 3.00
75.6805
73.0885
87.2617
69.1696
50.7374
93.6454
70.8186
98.2265
6
Superficie de respuesta (Cubo)
66
Cmo se maneja el experimento factorial si la
programacin de produccin del ejemplo de la
selladora, no permite correr todas las muestras
en la misma mquina?

Formacin de Bloques en un diseo
Factorial
Cuando no es factible o prctico hacer la
aleatorizacin completa de las corridas,
utilizamos bloques.


67
Formacin de bloques en un
diseo factorial
Las mquinas de sellado se convierten en una
restriccin sobre la aleatorizacin o un bloque.
El modelo de los efectos para este nuevo diseo
es:

y
ijkl
= +t
i
+|
j
+
k
+ t|
( )
ij
+ t
( )
ik
+ |
( )
jk
+ t|
( )
ijk
+o
m
+c
ijkm
Donde:

m
: es el efecto del m-simo bloque.

Es importante que dentro de cada bloque el orden en que
se corren las combinaciones de los tratamientos est
totalmente aleatorizadas
68
Formacin de bloques en un
diseo factorial
Se supone que la interaccin entre los bloques y los
tratamientos es insignificante.

Si estas interacciones existen no pueden separarse del
error.
69
Tabla del anlisis de varianza de un diseo factorial de
dos factores en bloques completos aleatorizados
Tabla de la pgina 208 del Montgomery, Tabla 5-
18.
70
Prctica en grupos para la casa
Se realiz un experimento con un arreglo factorial 2A3B en
4 campos de cultivo, para evaluar el efecto en el
rendimiento de maz obtenido con dos tipos de abono (a1 y
a2) y tres dosis (b1=20, b2=30, b3=40 kg/ha). Los
resultados obtenidos en TM/ha se presentan a
continuacin:
71
Realice el anlisis de los efectos y el anlisis de
varianza para este caso.
A qu conclusiones se puede llegar?
Prctica en grupos para la casa
72
GRACIA
S
SEMANA 7
73