Repblica Bolivariana de Venezuela

Universidad Nacional Experimental de Guayana

Vicerrectorado Pto. Ordaz.
Proyecto de Carrera: Ing. Industrial
Asignatura: Estadstica II.














Prof.: F. Arismendi Integrantes:





Puerto Ordaz, Enero de 2012.
Diseos factoriales
Un experimento factorial completo es un experimento cuyo diseo consta de
dos o ms factores, cada uno de los cuales con distintos valores o niveles, cuyas
unidades experimentales cubren todas las posibles combinaciones de esos niveles
en todo los factores. Este tipo de experimentos permiten el estudio del efecto de
cada factor sobre la variable respuesta, as como el efecto de las interacciones
entre factores sobre dicha variable.

Los diseos factoriales se utilizan para estudiar los efectos en una respuesta o
salida de al menos dos variables o factores cuando stos cambian de valor
simultneamente.

Si tenemos K factores y se elige variar cada uno a

niveles, el nmero de
combinaciones experimentales es de









El concepto de factorial
2 factores a 3 y 5 niveles cada uno




3 factores a 3, 4, 5 niveles cada uno


Generacin de un Diseo Factorial

Determinar el nmero de combinaciones experimentales de acuerdo a los k
factores y a sus niveles.

Tomar el total de combinaciones y dividirlo entre los niveles del 1er. Factor. El
resultado es el nmero de veces que se debe repetir cada nivel (frecuencia de
nivel para el factor 1).

Tomar la frecuencia de nivel para el factor 1 y dividirlo entre el nmero de
niveles del factor 2 (frecuencia de nivel para el factor 2).

En general, tomar la frecuencia de nivel para el factor j y dividirlo entre el
nmero de niveles del factor j+1 (donde j=1,2,,k-1). Seguir as hasta llegar al
k-simo factor:
Construir el diseo repitiendo los bloques generados
Aleatorizar.


Ventajas y Desventajas de los diseos factoriales
Ventajas: Se pueden estimar interacciones y se pueden obtener efectos de un
factor con varios niveles de los factores restantes. Guardan mucha informacin.

1) Ahorro y economa del recurso experimental; ya que cada unidad experimental
provee informacin acerca de dos o ms factores, lo que no sucede cuando se
realiza con una serie de experimentos simples.

2) Da informacin respecto a las interacciones entre los diversos factores en
estudio.

3) Permite realizar estimaciones de las interacciones de los factores, adems de
los efectos simples.

4) Permite 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.

La nica desventaja es que si el nmero de niveles de algunos de los factores
o el nmero de factores es demasiado grande, entonces el nmero de todas las
combinaciones posibles de tratamientos de factores llega a ser un nmero grande,
en consecuencia la variabilidad en el experimento podra ser grande.

Estas dos situaciones, pueden hacer difcil detectar los efectos significativos en
el experimento.

Se entiende por efecto de un factor al cambio en la respuesta media ocasionada
por un cambio en el nivel de ese factor.



En los diseos factoriales existen tres efectos, los cuales son:
Efecto Simple: son comparaciones entre los niveles de un factor a un slo nivel
del otro factor.

Efecto Principal: son comparaciones entre los niveles de un factor promediados
para todos los niveles del otro factor.

Efecto de Interaccin: Miden las diferencias entre los efectos simples de un
factor a diferentes niveles de otro factor; es decir, la diferencia en la respuesta
entre los niveles de un factor no es la misma en todos los niveles de los otros
factores.

En un experimento factorial se puede estimar y contrastar hiptesis acerca de
las interacciones y los efectos principales.

Existe interaccin entre los factores, si la diferencia en la respuesta entre los
niveles de un factor no es la misma en todos los niveles de los otros factores.

Una interaccin puede ser doble, triple, cudruple, etc. segn el nmero de
factores que sean considerados en el experimento.

En general, el nmero de efectos principales y las interacciones se pueden
determinar:










Tambin se puede utilizar el Tringulo de Pascal para encontrar el nmero de
efectos principales y las interacciones.

:
La interaccin en la cual intervienen tres o ms factores se considera una
interaccin de orden superior. Por ejemplo: ABC, ABD, BCD,ADCE., etc.

La notacin que se utiliza para indicar el nmero de niveles y el nmero de
factores de un experimento factorial es sencilla; y podra simbolizarse en general
de la siguiente manera: mxnxoxpx, en donde las letras indican el nmero
de niveles de los factores y el nmero de veces que aparecen las letras indican el
nmero de factores. En el siguiente cuadro se presentan algunos ejemplos de sta
notacin:



En los diseos factoriales se pueden estudiar los efectos de dos, tres y ms
factores a la vez, en esta unidad se estudiarn los efectos de dos factores en
detalle, tres factores y se har un planteamiento general para el estudio de los
diseos de ms de tres factores.
Diseo factorial con dos factores
El modelo de diseo de experimentos con dos factores tratamiento con
interaccin se conoce como modelo completo de dos vas o modelo de anlisis de
la varianza de dos vas.
Para presentar las formulas generales para el anlisis de varianza de un
experimento de dos factores que utiliza observaciones repetidas en un diseo por
completo aleatorio, debe considerarse el caso de n repeticiones de las
combinaciones del tratamiento, determinadas por niveles del factor A y b niveles
del factor B. las observaciones pueden clasificarse usando un arreglo
rectangular, donde los renglones representan los niveles del factor A; y las
columnas, los factor B. Cada combinacin de tratamiento define una celda del
arreglo.
As, se tienen ab celdas, cada una de las cuales contiene n observaciones. Se
denota con

la k-sima observacin en el i-simo nivel del factor A y el j-

simo nivel del factor B.
Modelo matemtico.
El modelo matemtico asociado al diseo de dos factores-tratamiento con
interaccin y replicado es el siguiente:

Para cada
i = 1,2,...,a; j = 1,2,...,b; k = 1,2,...,n,
Con restricciones




Donde:
: Es la media general.
: Es el efecto (positivo o negativo) debido al i-simo nivel del factor A.
: Es el efecto (positivo o negativo) del j-simo nivel del factor B.
: Representa al efecto de interaccin en la combinacin ij.

: Es el error aleatorio que supone sigue una distribucin con media cero
y varianza constante y son independientes entre si.


Estimacin de parmetros
Los parmetros del modelo se obtienen por mnimos cuadrados, tcnica que se
basa en minimizar la suma de los cuadrados de los residuos.

Simblicamente la identidad de cuadrados se escribe as:
SST = SSA + SSB +SS(AB) + SSE
Donde SSA y SSB denominan la suma de cuadrados para los efectos
principales A y B, respectivamente, SS(AB) recibe el nombre de suma de
cuadrados de la interaccin para A y B, y SSE es la suma de errores al cuadrado.
La participacin de los grados de libertad se efecta de acuerdo con la identidad




*Suma de todas las observaciones

*Media global

*Total en el nivel i del factor A

*Media en el nivel i del factor A

*Total en el nivel j del factor B

*Media en el nivel i del factor B

TABLA ANOVA PARAMETROS
Fuente Suma de cuadrados Suma de
cuadrados M.

Efecto
A

a 1

Efecto
B

b 1

Efecto
AB


(a-1)(b-
1)

Error

ab(n-1)


Total

abn-1



Manejo de pruebas de hiptesis
*Hiptesis para el efecto A

La hiptesis nula se rechaza al nivel e
significancia cuando
*Hiptesis para el efecto B

La hiptesis se rechaza al nivel e
significancia cuando


*Hiptesis para el efecto AB

Ejemplo de diseo factorial con dos factores
La impureza que contiene un producto qumico es afectada por dos factores,
presin y temperatura. En la tabla 4.2 se muestran los datos de un experimento
factorial con una sola replica.
La suma de cuadrados son:

La suma de cuadrados debida a la no aditividad del modelo se calcula
mediante la ecuacin siguiente, tal como aparece a continuacin.

)]

[ ]

[]

Y la suma de cuadrados del error mediante la ecuacin siguiente es:

El anlisis de varianza completo se muestra en la siguiente tabla. La estadstica
para aprobar la no aditividad es, Fo = 0.0985/0.2716 = 0.36. por lo que se
concluye que estos datos no proporcionan evidencia de una interaccin. Los
efectos principales de la temperatura y la presin son significativos.

Datos de impureza
Tabla 4.2
Temperatura
(
o
F)
Presin
25 30 35 40 45 Yi.
100 5 4 6 3 5 23
125 3 1 4 2 3 13
150 1 1 3 1 2 8
Y.j 9 6 13 6 10 44 = Y..






Anlisis de varianza para el ejemplo anterior
Tabla 4.3
FUENTE DE
VARIACION
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
MEDIA DE
CUADRADOS
F
O

TEMPERATURA 23.33 2 11.67 42.97
PRESION 11.60 4 2.90 10.68
NO ADITIVIDAD 0.0985 1 0.0985 0.36
ERROR 1.9015 7 0.2716
TOTAL 36.93 14



Diseo factorial con tres factores


Estimacin de los parmetros del modelo de efectos fijos

Cuando se tiene tres factores (A B y C) y el numero de niveles de prueba en
cada uno de ellos son a, b y c, se puede construir el arreglo factorial a*b*c, que
consiste de a*b*c tratamientos o puntos experimentales. Entre los arreglos de este
tipo que se utilizan con frecuencia entre aplicaciones diversas se encuentra. El
factorial 2
3
, el factorial 3
3
y los factoriales mixtos con no ms de cuatro niveles en
dos de los factores, por ejemplo, el factorial 4*3*2 y el factorial 4*4*2 por
mencionar dos de ellos.

El estudio factorial de tres factores (A, B y C) permitir investigar los efectos: A,
B, C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden
estudiarse depende el nmero de niveles utilizado en cada factor. Por ejemplo, si
un factor se prueba en dos niveles todo su efecto marginal (individual) es lineal, o
sea que su efecto individual no se pueda descomponer; pero si tuviera tres
niveles, su efecto marginal se puede descomponer en una parte lineal y otra
cuadrtica pura.






CUADRO DE ANALISIS DE VARIANZA

Tabla ANOVA Para el diseo factorial a*b*c

FV SC GL CM F
0
Valor-p
Efecto A SC
A
a-1 CM
A
CM
A
/CM
E
P(F> F
0
A
)
Efecto B SC
B
b-1 CM
B
CM
B
/CM
E
P(F> F
0
B
)
Efecto C SC
C
c-1 CM
C
CM
C
/CM
E
P(F> F
0
C
)
Efecto AB SC
AB
(a-1)(b-1) CM
AB
CM
AB
/CM
E
P(F> F
0
AB
)
Efecto AC SC
AC
(a-1)(c-1) CM
AC
CM
AC
/CM
E
P(F> F
0
AC
)
Efecto BC SC
BC
(b-1)(c-1) CM
BC
CM
BC
/CM
E
P(F> F
0
BC
)
Efecto ABC SC
ABC
(a-1)(b-1)(c-1) CM
ABC
CM
ABC
/CM
E
P(F> F
0
ABC
)
Error SC
E
abc(n-1) CM
E

Total SC
T
abcn-1

donde:
FV: Fuente de Variacin.

SC: Suma de Cuadrados.

GL: Grados de Libertad.

CM: Cuadrado Medio.

F
O
: f Fisher calculado.
Formulas

Suma de Cuadrados
Las sumas de cuadrados son muy similares a las obtenidas para dos factores;
habr que considerar un subndice adicional para el tercer factor, comenzando
otra vez por la suma de cuadrados total, stas resultan ser:

a
i
b
j
c
k
n
l
ijk T
N
SC
1 1 1 1
2
...
2
,

donde:
N = abcn es el total de observaciones en el experimento; el subndice k representa
ahora el tercer factor y l las repeticiones. Las sumas de cuadrados de efectos son:




Restando stas del total, la suma de cuadrados del error resulta ser:

ABC BC AC AB C B A T E
SC SC SC SC SC SC SC SC SC

Cuyos respectivos grados de libertad se dan en la tabla ANOVA anterior. Una
vez hecho el ANOVA, se procede a interpretar los efectos activos, y luego (aunque
no necesariamente despus) a diagnosticar la calidad del modelo.

Cuadrado Medio

Donde: CM = Cuadrado Medio del efecto SC = Suma de cuadrado

del efecto GL = Grados de libertad del efecto

Modelo estadstico
En un diseo factorial a*b*c se supone que el comportamiento de la respuesta
Y puede describirse mediante el modelo de efectos dado por:
Y
ijkl
= +a
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
; I=1,2,,a; j=1,2,,b;
k=1,2,,c; l=1,2,,n

Donde:
= media general
i
= efecto del nivel i-simo del factor A
j
= efecto del nivel j
del factor B
k
= efecto del nivel k en el factor C ()
ij
, ()
ik,
()
jk
= efectos de
interacciones dobles (de dos factores) en los niveles ij, ik, jk, respectivamente.
()
ijk
: efecto de interaccin triple en la combinacin o punto ijk
ijkl
: error
aleatorio en la combinacin ijkl l : repeticiones o replicas del experimento

Todos los efectos cumplen la restriccin de sumar cero, es decir, son
desviaciones respecto a la medida general .