CAPTULO 4

Conceptos bsicos en diseos factoriales

4.1. Diseos factoriales con dos factores
4.2. Diseos factoriales con tres factores
4.3. Diseo factorial general
4.4. Modelos de efectos aleatorios
4.5. Uso de un software estadstico

Instituto Tecnolgico de
Ensenada

Biol. Ral Jimnez

Gonzlez

Diseos factoriales 113

Competencias
Explicar cuando un diseo de experimentos es un diseo factorial, describiendo los
conceptos bsicos que estos involucran y mostrado cmo se hace tal experimentacin.
Desarrollar los diseos factoriales de dos y tres factores. Conocer el diseo factorial
general y diferenciar los modelos de efectos fijos con los modelos de efectos aleatorios.
Interpretar correctamente los anlisis grficos y el anlisis de varianza en los diseos
factoriales.

Conceptos bsicos en diseos factoriales

Es frecuente que en muchos procesos existan varios factores de los que es necesario
investigar de manera simultnea su influencia sobre una o varias variables de respuesta,
donde cada factor tiene la misma importancia a priori desde el momento que se decide
estudiarlo, y es poco justificable suponer de antemano que los factores no interactan
entre s. Los diseos experimentales que permiten estudiar de manera simultnea el
efecto de varios factores son los llamados diseos factoriales.
El objetivo de un diseo factorial es estudiar el efecto de varios factores sobre
una o varias respuestas o caractersticas de calidad y determinar una combinacin de
niveles de los factores en la cual el desempeo del proceso sea mejor que en las
condiciones de operacin actuales; es decir, encontrar nuevas condiciones de operacin
del proceso que eliminen o disminuyan ciertos problema de calidad en la variable de
salida.
Los factores pueden ser de tipo cualitativo (mquinas, tipos de material,
operador, la presencia o ausencia de una operacin previa, etc.), o de tipo cuantitativo
(temperatura, humedad, velocidad, presin, etc.). Para poder estudiar la manera en que
incluye cada factor sobre la variable respuesta, es necesario elegir al menos dos niveles
de prueba para cada uno de ellos (tres mquinas, dos operadores, tres velocidades, dos
temperaturas, etc.). Con el diseo factorial completa se corren aleatoriamente en el
proceso todas las posibles combinaciones que pueden formarse con los niveles
seleccionados.
Un diseo de experimentos factorial o arreglo factorial es el conjunto de puntos
experimentales o tratamientos que pueden formarse considerando todas las posibles
combinaciones de los niveles de los factores. Por ejemplo, con k = 2 factores, ambos
con dos niveles de prueba, se forma el diseo factorial
, que consiste de
cuatro combinaciones o puntos experimentales.
Considerando otra vez k = 2 factores, pero ahora uno con tres niveles y el otro
con dos niveles, se pueden construir 3 x 2 combinaciones que dan lugar al diseo
factorial 3 x 2. Observe que en el nombre del diseo factorial va implcita el nmero de
tratamientos que lo componen. Para obtener el nmero de corridas experimentales se
multiplica el nmero de tratamientos por el nmero de rplicas, donde una rplica se
lleva a cabo cada vez que se repite el arreglo completo.
Ms en general, la familia de diseos factoriales consiste de k factores, todos
con dos niveles de prueba; y la familia de diseos factoriales
consiste de k factores

11
4

CAPTULO
4

Diseos
factoriales

cada uno con tres niveles de prueba. Es claro que si los k factores no tienen la misma
cantidad de niveles, entonces no se puede factorizar de esta forma, y debe escribirse el
producto de manera ms explcita: por ejemplo con k = 3 factores, el primero con cuatro
niveles y los dos restantes con dos niveles, se tiene el diseo factorial
, que consiste de 16 combinaciones de niveles diferentes.

4.1. Diseos factoriales con dos factores

El experimento factorial ms sencillo es en el que intervienen solamente dos factores,
por ejemplo, A y B. Hay niveles del factor A y niveles del factor B. El experimento tiene
rplicas y cada rplica contiene todas las combinaciones de tratamientos .
Considere los factores A y B con y ( ) niveles de prueba,
respectivamente. Con ellos se puede construir el arreglo o diseo factorial , que
consiste de tratamientos. Se llama rplica cada repeticin completa del arreglo
factorial. Los diseos factoriales que involucran menos de cuatro factores se corren
replicados para poder tener la potencia necesaria en las pruebas estadsticas sobre los
efecto de inters, de tal forma que si se hacen rplicas, el nmero total de corridas
experimentales es (
).
Efecto principal y efecto de interaccin
El efecto de un factor se define como el cambio observado en la variable de respuesta
debido a un cambio de nivel de tal factor. En particular, los efectos principales son los
cambios en la media de la variable de respuesta que se deben a la accin individual de
cada factor. En trminos matemticos, el efecto principal de un factor con dos niveles es
la diferencia entre la respuesta media observada cuando tal factor estuvo en su primer
nivel, y la respuesta media observada cuando el factor estuvo en su segundo nivel.
Ejemplo
Diseo factorial . Suponga que en un proceso de fermentacin tequilera, se tienen
dos factores A: tipo de levadura y B: temperatura, cada uno con dos niveles denotados
por
respectivamente. La
respuesta de inters es el rendimiento del proceso de fermentacin. En la tabla 4.1 se
muestran los cuatro tratamientos o puntos del diseo factorial , y entre parntesis se ha
indicado cada nivel con los cdigos (1, -1). En el experimento original cada
tratamiento se corri tres veces (tres rplicas), lo cual da un total de 12 corridas del
proceso pero, por simplicidad, en la ltima columna de la tabla 4.1 slo se anotaron los
resultados de la primera rplica.
Tabla 4.1 Diseo factorial

A: Levadura

B: Temperatura Y: Rendimiento
28
41
63
45

Para los datos de la tabla 4.1, los efectos principales estn dados por

Instituto Tecnolgico de
Ensenada

Biol. Ral Jimnez

Gonzlez

Efecto A =
Efecto B =

por lo que en trminos absolutos el efecto principal de B es mayor. Por otra parte, se
dice que dos factores interactan entre s o tienen un efecto de interaccin sobre la
variable de respuesta, cuando el efecto de un factor depende del nivel en que se
encuentra el otro. Por ejemplo, los factores A y B interactan si el efecto de A es muy
diferente en cada nivel de B, o viceversa. Ahora veamos esto con los datos de la tabla
4.1: el efecto de A cuando B es baja est determinado por
Efecto A (con B bajo) = 41 - 28 = 13
y cuando la temperatura es alta, el efecto de A es
Efecto A (con B alta) = 45 - 63 = 13
Como estos dos efectos de A en funcin del nivel de B son muy diferentes,
entonces es evidencia de que la eleccin ms conveniente del nivel de A depende del
nivel en que est B, y viceversa. Es decir, eso es evidencia de que los factores de A y B
interactan sobre Y. En la prctica, el clculo del efecto A en cada nivel de B no se
hace, y ms bien se calcula el efecto global de la interaccin de los dos factores, que se
denotan por AB y se calculan como la diferencia entre la respuesta media cuando ambos
factores se encuentran en el m ismo nivel: (-1, -1); (1, 1), y la respuesta media cuando
los factores se encuentran en niveles opuestos: (-1, 1) (1, -1). Para el ejemplo, el efecto
de interaccin levadura x temperatura est dado por

Los valores absolutos (sin importar el signo) de los efectos principales y del
efecto de interaccin son una medida de importancia de su efecto sobre la variable de
respuesta. Sin embargo, como se tienen estimaciones muestrales, para saber si los
efectos son estadsticamente significativos (diferentes de coro) se requiere el anlisis de
varianza (ANOVA).
Modelo estadstico
Con un diseo factorial
se pueden estudiar los dos efectos individuales y el efecto
de interaccin de ambos factores. En trminos estadsticos, lo que se afirma es que el
comportamiento de la respuesta Y en el experimento con k rplicas se podra describir
mediante el modelo de efectos:

donde es la media general, es el efecto debido al i-simo nivel del factor es el

efecto del j-simo nivel del factor B,
representa al efecto de interaccin en la

combinacin
es el error aleatorio que supone sigue una distribucin con media
cero y varianza constante
y son independientes entre s. Para que la
estimacin de los parmetros en este modelo sea nica, se introducen las restricciones:

Es decir, los efectos dados en el modelo son desviaciones respecto de la media

global. Puede usarse el anlisis de varianza para probar hiptesis relativas a los efectos
principales de los factores A y B y la interaccin AB.
En este modelo, las hiptesis de inters para los tres efectos son:

Estas hiptesis se prueban mediante la tcnica de anlisis de varianza que para

un diseo factorial
con rplicas resulta de descomponer la variacin total como,

donde los respectivos grados de libertad de cada una de ellas son:

El factor
en los grados de libertad de la suma de cuadrados del error
( ) seala que se necesitan al menos dos rplicas del experimento para calcular ese
componente y, por ende, para construir una tabla de ANOVA. Recordemos que las
sumas de cuadrados divididas entre sus correspondientes grados de libertad se llama
cuadrados medios
. Al dividir stos entre el cuadrado medio del error
se
obtienen estadsticos de prueba con distribucin F. Toda esta informacin se sintetiza
en la siguiente tabla:
ANOVA para el diseo factorial
FV
SC
GL
Efecto A
Efecto B
Efecto AB
Error
Total

CM

Valor-p

Si el valor-p es menor al nivel de significancia prefijado, se rechaza la

hiptesis nula y se concluye que el correspondiente efecto est activo o influye en la
variable de respuesta.

Recordemos la notacin de puntos para representar sumas y medias:

Con esta notacin la suma de cuadrados totales es:

donde N = es el total de observaciones en el experimento. Las sumas de cuadrados

de efectos son:

y al final, al restar stas del total, se obtiene la suma de cuadrados del error como:

Ejemplo
Consideremos un experimento en el que se quiere estudiar el efecto de los factores A:
profundidad de corte sobre el acabado de un metal y B: velocidad de alimentacin.
Aunque los factores son de naturaleza continua, en este proceso slo se puede trabajar
en 4 y 3 niveles, respectivamente. Por ello, se decide correr un factorial completo 4 x 3
con tres rplicas, que permitir obtener toda la informacin relevante en relacin al
efecto de esos factores sobre el acabado. Al aleatorizar las 36 pruebas se obtienen los
datos de la siguiente tabla:

A: Profundidad

Datos del experimento factorial 4 x 3

0,15
0,18
0,21
0,24
Total

0,20
74
64 198
60
79
68 220
73
82
88 262
92
99
104 299
96
979

B: velocidad
0,25
0,30
92
99
86 266
98 299
88
102
98
104
104 290 99 298
88
95
99
108
108 302 110 317
95
99
104
114
110 313 111 332
99
107
1 171
1 246

Total
763
808
881
944

El acabado ( ) est en unidades de gramos e interesa minimizar su valor

De acuerdo a esto para obtener el ANOVA para el ejemplo, calculemos los
totales necesarios. De donde:

La suma de cuadrados totales y la suma de cuadrados del error estn dadas por

Con esta informacin se construye el anlisis de varianza de la tabla 4.2. Del

ANOVA se concluye que los tres efectos A: velocidad, B: profundidad y AB estn
activos o influyen en el acabado. Dado que el efecto de integracin AB resulta
significativo, prcticamente toda la informacin relevante del experimento se aprecia en
su representacin grfica (figura 4.1). Ntese que aparecen tantas lneas como niveles
tenga el factor que se dibuja en la parte de arriba, que en este caso es la profundidad
con sus cuatro niveles que se denotan con la escala de -1 a 1. La significancia de la
interaccin detectada por el ANOVA se observa en el hecho de que las lneas en la
figura 5.1 tienen pendientes relativamente diferentes. Como lo que interesa es
minimizar la variable de respuesta, se observa que a mayor velocidad y profundidad hay
una tendencia a obtener peores acabados. Adems se ve que cuando se tiene velocidad

alta ( ) el efecto de profundidad es menor (vase la dispersin de las lneas en la

figura cuando la velocidad es alta). Por lo tanto, las condiciones de operacin o
tratamiento que convienen es profundidad y velocidad bajas (
).
El ANOVA de la tabla 5.2 se dice que no est desglosado, ya que cuando en un
experimento hay factores cuantitativos con ms de dos niveles, el ANOVA se puede
desglosar para estudiar con mayor detalle en el efecto de tal factor.
Tabla 5.2 ANOVA para el ejemplo
FV
SC
GL
3 160.5 2
B: velocidad
A: profundidad 2 125,10 3
557,07
6
AB
689,33
24
Error
6
532,0
35
Total

CM
Valor-p
1 580,25 55,02 0,0000
708,37
24,66 0,0000
92,84
3,23 0,0180
28,72

El planteamiento de hiptesis quedara de la siguiente manera:

Con su nivel de significancia como con sus grados de libertad respectivamente
tenemos que el valor de F crtica es:
y
Se concluye que
Se rechaza
Se rechaza
Se acepta
Resultado arrojado en Minitab para el ejemplo anterior
Factores:
Corridas base:
Bloques base:

2
12
1

Rplicas:
3
Total de corridas: 36
Total de bloques:
1

Nmero de niveles: 4; 3

Modelo lineal general: RESPUESTA vs. PRFUNDIDAD; VELOCIDAD

Factor
PRFUNDIDAD A
VELOCIDAD B

Tipo
fijo
fijo

Niveles
4
3

Valores
0.15; 0.18; 0.21; 0.24
0.20; 0.25; 0.30

Anlisis de varianza para RESPUESTA, utilizando SC ajustada para pruebas

Fuente
PRFUNDIDAD A
VELOCIDAD B
PRF.*VEL. AB
Error
Total

GL
3
2
6
24
35

SC sec.
2125,11
3160,50
557,06
689,33
6532,00

SC ajust.
2125,11
3160,50
557,06
689,33

MC ajust.
708,37
1580,25
92,84
28,72

F
24,66
55,02
3,23

P
0,000
0,000
0,018

Comparacin de
medias

12
0

Comparacin de medias
Las comparaciones de medias se introdujeron en la seccin Diseo completamente al
azar y ANOVA del captulo 2, para despus de un ANOVA en el que se rechaza ,
investigar cules medias causa las diferencias detectadas. El ANOVA slo indica que al
menos un par de niveles del factor significativo son diferentes entre s, pero no dice
cules son. Por facilidad, denotemos los cuatro niveles de la profundidad (A) del
ejemplo anterior como
as como los tres niveles de la velocidad (B)
como
Entonces es, los seis pares de hiptesis para comparar las medias del
factor A son:

mientras que para el factor B se tienen los tres pares de hiptesis,

Para probar estas hiptesis con el mtodo LSD habra que calcular las
diferencias muestrales en el valor absoluto y compararlas con la diferencia mnima
significativa. Cabe aclarar que este anlisis es engaoso cuando el efecto de interaccin
es significativo. Por ello, y slo por ilustrar el mtodo, se prueban las hiptesis del
factor A ignorando por el momento la interaccin. La diferencia mnima significativa
para comparar los niveles
del factor A, est dada por:

Donde
es el punto porcentual 100(
de la distribucin T de
Student,
los grados de libertad del cuadrado medio del error,
y
son el
total de observaciones en los niveles del factor A, que estn comparando. De esta
manera, en el ejemplo, como es un diseo balanceado
= = 9; entonces,

De los totales marginales dados en el rengln inferior de la tabla donde se

representan los datos del experimento factorial 4 x 3, se obtienen las medias del factor
A, al dividir entre 9, que son el nmero de mediciones involucradas en cada total. As,
las seis posibles diferencias muestrales en valor absoluto resultan ser:

donde slo la primer diferencia resulta no significativa, es decir, se acepta

; en cambio, en las cinco comparaciones restantes se rechaza .
Ejercicios
1.- La pintura tapaporo de aviones se aplica en superficies de aluminio utilizando dos
mtodos: por inmersin y por aspersin. El objeto de la pintura tapaporo es mejorar la
adherencia de la pintura, y en algunas partes puede aplicarse utilizando cualquiera de los
dos mtodos. Al grupo de ingenieros responsable del proceso de esta operacin le
interesa saber si tres pinturas tapaporo diferentes difieren en sus propiedades de
adherencia. Se realiz un experimento factorial para investigar el efecto que tiene el tipo
de pintura tapaporo y el mtodo de aplicacin sobre la adherencia de la pintura. Se
pintaron tres ejemplares de prueba con cada pintura utilizando cada uno de los mtodos
de aplicacin, se aplico la pintura final, y se midi la fuerza de adherencia. Probemos la
hiptesis apropiada y saquemos conclusiones
Inmersin
Aspersin
Tipo de
tapaporo
1
4.0, 4,5 4.3 12.8 5.4, 4.9, 5.6 15.9
2
5.6, 4.9, 5.4 15.9 5.8, 6.1, 6.3 18.2
3
3.8, 3.7, 4.0 11.5 5.5, 5.0, 5.0 15.5
40.2
49.6
Resultado en Minitab
Diseo factorial de mltiples niveles
Factores:
Corridas base:
Bloques base:

2
6
1

Rplicas:
Total de corridas:
Total de bloques:

3
18
1

Nmero de niveles: 3; 2

Modelo lineal general: Respuesta vs. Tapaporo; Adherencia

Factor
Tapaporo

Tipo
fijo

Niveles
3

Valores
1; 2; 3

28.7
34.1
27.0
89.8 =

12
2

CAPTULO
4

Adherencia

Diseos
factoriales

fijo

Inmersin; Aspersin

Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Fuente
Tapaporo
Adherencia
Tapaporo*Adherencia
Error
Total
S = 0,286744

GL
2
1
2
12
17

SC sec.
4,5811
4,9089
0,2411
0,9867
10,7178

R-cuad. = 90,79%

SC ajust.
4,5811
4,9089
0,2411
0,9867

MC ajust.
2,2906
4,9089
0,1206
0,0822

F
27,86
59,70
1,47

P
0,000
0,000
0,269

R-cuad.(ajustado) = 86,96%

Dado que utilizamos un = 0.05 y puesto que el valor de tanto para el factor
A (tipo de pintura) como para el factor B(tipo de aplicacin), con su nivel de
significancia como con sus grados de libertad respectivamente tenemos
y
. Se concluye que los efectos principales del tipo de pintura
tapaporo y del mtodo de aplicacin afectan la fuerza de adherencia. Adems, puesto
que 1,5
, no hay indicios de interaccin entre estos factores. En la
ltima columna del ANOVA se muestra el valor P para cada cociente F. Obsrvese que
los valores P de los dos estadsticos de prueba para los efectos principales son
considerablemente menores que 0,05 mientras que el valor P para el estadstico de
prueba de la interaccin es mayor que 0,05.
Se rechaza

Se rechaza

Se acepta

2.- Se presentan los resultados de un experimento en el que interviene una batera de

almacenamiento usada en el mecanismo de lanzamiento de un misil tierra-aire para
cargar al hombro. Pueden usarse tres tipos de materiales para hacer las placas de la
batera. El objetivo es disear una batera que se mantenga relativamente sin
alteraciones por la temperatura ambiente. La respuesta de salida de la batera es la vida
efectiva en horas. Se seleccionan tres niveles de temperatura y se corre un experimento
factorial con cuatro replicas. Los datos son los siguientes:
Material
1
2
3

Temperatura (
Baja
Media
130 155 34 40
74 180 80 75
150 188 136 122
159 126 106 115
138 110 174 120
168 160 150 139

Alta
20 70
82 58
25 70
58 45
96 104
82 60

a) Pruebe las hiptesis apropiadas y saque conclusiones utilizando el anlisis de

b) varianza con = 0.05

c) Analice grficamente la interaccin
d) Analice los residuales de este experimento
3.- En un artculo se describe un experimento para investigar el efecto de dos factores
(tipo de cristal y tipo de fsforo) sobre la brillantez de un cinescopio. La variable de
respuesta media es la corriente (en microamperes) necesaria para obtener un nivel
especifico de brillantez. Los datos se presentan en la siguiente tabla:
Tipo de Tipo de fsforo
cristal
1
2
3
1
280 300 290
290 310 285
285 295 290
230 260 220
2
235 240 225
240 235 230
a) Enuncie las hiptesis de inters en este experimento
b) Pruebe las hiptesis anteriores y saque conclusiones utilizando anlisis de
varianza con = 0.05
c) Analice los residuales de este experimento
4.- Se condujo un experimento para determinar si la temperatura del fuego o la posicin
en el horno afectan la densidad de endurecimiento de un nodo de carbono. Los datos
son los siguientes:
Posicin Temperatura ( )
800 825
850
570 1 063 565
1
565 1 080 510
583 1 043 590
2
528 988
526
547 1 026 538
521 1 004 532
a) Enuncie las hiptesis de inters
b) Pruebe las hiptesis anteriores utilizando el anlisis de varianza con = 0.05.
A qu conclusiones se llega?
c) Utilizando el mtodo de la LSD de Fisher, investigar las diferencias entre la
media de la densidad del endurecimiento de los nodos en los tres diferentes
niveles de temperatura
4.2. Diseos factoriales con tres factores
Cuando se quiere investigar la influencia de tres factores (A, B y C) sobre una o ms
variables de respuesta, y el nmero de niveles de prueba en cada uno de los factores es
a, b y c, respectivamente, se puede construir el arreglo factorial
, que consiste
de
tratamientos o puntos experimentales. Entre los arreglos de este tipo que se
utilizan con frecuencia en aplicaciones diversas se encuentran: el factorial
, el

factorial y los factoriales mixtos con no ms de cuatro niveles en dos de los factores,
por ejemplo, el factorial 4 x 3 x 2 y el factorial 4 x 4 x 2, por mencionar dos de ellos.
Hiptesis de inters
El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B, C,
AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden estudiarse
depende del nmero de niveles utilizando 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 puede descomponer; pero, si tuviera tres niveles su efecto marginal se
puede descomponer en una parte lineal y otra cuadrtica pura.
En resumen, se tienen siete efectos de inters sin considerar desglose, y con ellos
se pueden plantar las siete hiptesis nulas

cada una aparejada con su correspondiente hiptesis alternativa. El ANOVA para probar
estas hiptesis se muestran en la siguiente tabla.
ANOVA para el diseo a x b x c
FV
SC
GL
Efecto A
Efecto B
Efecto C
Efecto AB
Efecto AC
Efecto BC
Efecto ABC
Error
Total

CM

Valor-p

Al efecto cuyo valor-p sea menor al valor especificado para alfa, se declara
estadsticamente significativo o se dice que est activo. Las sumas de cuadrados son
muy similares a las obtenidas para dos factores; habr que considerar un subndice
adicional para el tercer factor, y comenzando otra vea, por la suma total de cuadrados,
stas resultan ser:

donde N =

es el total de observaciones en el experimento. Las sumas de cuadrados

Diseos factoriales con tres

factores

12
5

de efectos son:

Al restar stas del total, la suma de cuadrados del error resulta ser

cuyos respectivos grados de libertad se dan en la tabla 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.
Ejemplo
El experimento. Se desea investigar el efecto del tipo de suspensin (A), abertura de
malla (B) y temperatura de ciclaje (C) en el volumen de sedimentacin Y(%) de una
suspensin. Para ello se decide correr un experimento factorial 3 x 2 x 2 con seis
rplicas, y las observaciones obtenidas en las 72 corridas experimentales se muestran en
la siguiente tabla:

60, 75, 75
86, 70, 70
55, 53, 53
55, 55, 55

67, 73, 73
67, 68, 68
52, 52, 57
52, 54, 54

62, 68, 65
76, 65, 65
44, 44, 45
48, 48, 45

71, 80, 80
72, 80, 80
60, 60, 60
67, 67, 65

76, 71, 75
70, 68, 73
52, 51, 50
52, 48, 54

75, 75, 75
75, 75, 77
56, 55, 57
59, 50, 55

Los niveles de prueba para cada factor, tanto en unidades originales como en
unidades codificadas, se muestran en la siguiente tabla

Factor

U. originales
U. codificadas
Bajo Medio Alto Bajo Medio Alto
-1
0
1
A: Tipo de suspensin
-1
1
40
60
B: Abertura de malla
-1
1
0
30
C: Temperatura
El anlisis de varianza para este ejemplo se muestra en la siguiente tabla. De
aqu se concluye que no influyen los efectos ABC, AC ni A, dado que su valor-p es
mayor que
. Por otra parte, se encuentran activos los efectos B, C, AB y en
menor medida BC. stos son los cuatro efectos que se deben interpretar. Los efectos
que no influyeron se pueden eliminar mandndolos al trmino error. El ANOVA
simplificado, pero con el efecto A note que el en ambos ANOVAS es
prcticamente igual. En general se recomienda interpretar slo los efectos significativos.
Diseo factorial de mltiples niveles
Factores:
Corridas base:
Bloques base:

3
12
1

Rplicas:
Total de corridas:
Total de bloques:

6
72
1

Nmero de niveles: 3; 2; 2

Modelo lineal general: Respuesta vs. Suspensin; Abertura de malla; ...

Factor
Tipo
Suspensin
fijo
Abertura de malla fijo
temperatura
fijo

Niveles
3
2
2

Valores
A1; A2; A3
B1; B2
C1; C2

Anlisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Fuente
Suspensin
Abertura de malla
temperatura
Suspensin*Abertura de malla
Suspensin*temperatura
Abertura de malla*temperatura
Suspensin*Abertura de malla*
temperatura
Error
Total

S = 3,74537

GL
2
1
1
2
2
1
2

SC sec.
13,86
480,50
6086,72
788,25
40,86
56,89
31,03

60
71

841,67
8339,78

R-cuad. = 89,91%

SC ajust.
13,86
480,50
6086,72
788,25
40,86
56,89
31,03
841,67

MC ajust.
6,93
480,50
6086,72
394,13
20,43
56,89
15,51

F
0,49
34,25
433,90
28,10
1,46
4,06
1,11

14,03

R-cuad.(ajustado) = 88,06%

Observaciones inusuales de Respuesta

Obs
23
36
52

Respuesta
60,0000
76,0000
86,0000

Ajuste
72,6667
66,8333
72,6667

Ajuste SE
1,5290
1,5290
1,5290

Residuo
-12,6667
9,1667
13,3333

Residuo
estndar
-3,70 R
2,68 R
3,90 R

R denota una observacin con un residuo estandarizado grande.

P
0,613
0,000
0,000
0,000
0,241
0,049
0,338

Dado que utilizamos un = 0.05 y puesto que el valor de , con su nivel de

significancia como con sus grados de libertad en tablas respectivamente tenemos
y
.
;
Se acepta
;
Se rechaza
;
Se rechaza
,
Se rechaza
;
Se acepta
,
Se rechaza

Ejercicios
1.- Se investigan el porcentaje de la concentracin de madera dura en la pulpa cruda, la
libertad de orientacin de la fibra o lof, y el tiempo de coccin de la pulpa en cuanto a
sus efectos sobre la resistencia del papel. En la siguiente tabla se muestran los datos de
un experimento factorial con tres factores.
Porcentaje de la
Concentracin de
Madera dura
10
15
20

1.5 horas de tiempo de coccin

lof
350 500 650
96.6 97.9 99.4
96.0 96.0 99.8
98.5 96.0 98.4
97.2 96.9 97.6
97.5 95.6 97.4
96.6 96.2 98.1

2.0 horas de tiempo de coccin

lof
350 500 650
98.4
99.6 1000.6
98.6
100.4 100.9
97.5 98.7 99.0
98.1 96.0 99.0
97.6 97.0 98.5
98.4 97.8 99.8

a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos
los factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a
2.- El departamento de control de calidad de una planta de acabados textiles estudia los
efectos de varios factores sobre el teido de una tela combinada de algodn y fibra
sinttica que se usa para hacer camisas. Se seleccionan tres operadores, tres duraciones
del ciclo y dos temperaturas, y tres ejemplares de prueba pequeos de tela se tieron
bajo cada conjunto de condiciones. La tela terminada se compar con un patrn y se
asigno una puntuacin numrica. Los resultados se presentan en la tabla siguiente

Duracin del ciclo

40
50
60

Temperatura
300
350
Operador
Operador
1
2
3
1
2
23 27 31
24 38 34
24 28 32
23 36 36
25 26 28
28 35 39
36 34 33
37 34 34
35 38 34
39 38 36
36 39 35
35 36 31
28 35 26
26 36 28
24 35 27
29 37 26
27 34 25
25 34 34

a) Enuncie y pruebe las hiptesis apropiadas usando el anlisis de varianza con

3.- Un ingeniero mecnico estudia la rugosidad superficial de una pieza producida en
una operacin de corte de metal. Son de inters tres factores: la rapidez de alimentacin
(A), la profundidad del corte (B) y el ngulo de la herramienta (C). A los tres factores se
les ha asignado dos niveles, y se corren dos rplicas de un diseo factorial

Rapidez de
alimentacin
30 pulg/min
30 pulg/min

Profundidad del corte

0.025 pulgada 0.04 pulgada
ngulo de la herramienta
15
25
15
25
9
11
9
10
7
10
11
8
10
10
12
16
12
13
15
14

a) Analice los datos usando el anlisis de varianza bajo el supuesto de que todos
los factores son fijos. Use
b) Encuentre los valores de P de los cocientes F del inciso a

4.3. Diseo factorial general

Lo que se ha dicho para los dos diseos factoriales con 2 y 3 factores puede extenderse
fcilmente para cuando se tienen ms factores. Considerarse factores A, B, C,, K
con niveles
respectivamente, donde la letra K denota al -simo o ltimo
factor del conjunto a estudiar, no necesariamente el undcimo, que es el lugar de esta
letra en el alfabeto. Con estos niveles y factores se puede construir el diseo factorial
general
que consiste de
tratamientos o puntos de prueba.
Con este diseo se pueden estudiar
efectos principales,
interacciones
dobles,
interacciones triples, y as sucesivamente hasta la
nica interaccin de los factores (ABCK). El clculo del nmero de interacciones
de cierta cantidad de factores se hace mediante la operacin combinaciones de
en
que cuenta el nmero de diferentes maneras de seleccionar

factores de los , donde

Por ejemplo, el diseo factorial tiene cinco efectos principales, 10

interacciones dobles, 10 interacciones triples, cinco interacciones cudruples y una
interaccin quntuple, lo cual da un total de 31 efectos. Por su parte, el factorial
tambin tiene este mismo nmero de efectos, pero al contar con tres niveles en cada
factor, cada efecto principal se puede descomponer en su parte lineal y cuadrtica. Cabe
destacar que mientras el diseo factorial tiene 32 tratamientos, el factorial tiene
243, una cantidad de tratamientos difcil de manejar. Aun si pudiera correrse, representa
una opcin muy ineficaz; adems, existen arreglos experimentales ms pequeos y
eficientes.

Diseo factorial
general

12
9

De acuerdo con lo antes dicho, en el factorial general

se pueden
plantear
hiptesis que se prueban mediante el anlisis de varianza. Si se tienen
rplicas. Las primeras tres columnas de este ANOVA se muestran en la siguiente tabla
ANOVA para el diseo factorial general
FV

SC

GL

Error
Total

La suma de cuadrados totales est dada por:

donde N = es el total de observaciones en el experimento. Las sumas de

cuadrados de efectos son:

Al final, la suma de cuadrados del error se calcula por sustraccin,

En el ANOVA para el factorial general

se observa la necesidad de contar
con al menos dos rplicas del experimento para calcular la suma de cuadrados del error (
), y completar toda la tabla ANOVA. Sin embargo, esta necesidad de rplicas (
,
que se ha mencionado,. Es para el caso irreal de que interesan los efectos. Pero
resulta que, con excepcin del factorial , en un factorial completo prcticamente nunca
interesan todos sus posibles efectos, puesto que en trminos generales slo algunos de
ellos estn activos. El principio de ftareto, que en este contexto tambin se llama
principio de esparcidad de efectos, dice que la mayora de la variabilidad observada se
debe a unos pocos de los efectos posibles; por lo comn se debe a algunos efectos
principales e interacciones dobles.

4.4. Modelos de efectos aleatorios

Hasta aqu los modelos de efectos que se han utilizado son modelos de efectos o
factores fijos, lo cual significa que todos los niveles de prueba en cada factor son todos
los disponibles para ese factor, o bien, se estudian todos los niveles de inters en ese
factor; es en este sentido que los niveles estn fijos. ste es el caso, por ejemplo, cuando
en el factor operador se toman los tres nicos operadores como los niveles de prueba, o
cuando los niveles del factor mquinas son las cuatro mquinas existentes. O bien,
cuando se comparan tres tipos de material porque son los que interesa comprar aunque
existan otros materiales de ese tipo. Con factores fijos, las conclusiones obtenidas slo
son validas para los niveles de prueba que se estudian en el experimento.
En ocasiones, los niveles de prueba son una muestra aleatoria de la poblacin de
niveles posibles. En este caso es ms apropiado utilizar un modelo de efectos o factores
aleatorios. Un ejemplo de esta situacin es cuando se prueban cinco instrumentos de
medicin, pero la poblacin de los mismos es de 100 instrumentos; obviamente, no es
posible experimentar con todos los equipos. Entonces se experimenta slo con cinco de
ellos elegidos al azar, y las conclusiones obtenidas se infieren como vlidas para la
poblacin entera de instrumentos.
La aplicacin de un modelo de efectos aleatorios conlleva la necesidad de
considerar la incertidumbre asociada con la eleccin aleatoria de los niveles de prueba.
Es decir, ya no tiene sentido, para un factor A, preocuparse por el efecto
del nivel

Modelo de efectos
aleatorios

13
1

como en efectos fijos. Lo que ahora (con efectos aleatorios) tiene sentido es hablar de la
varianza con la que el factor aleatorio contribuye a la variacin total; es decir, es preciso
estimar dicha varianza y probar si su contribucin a la variabilidad total es significativa.
El caso de dos factores aleatorios.
Si se consideran dos factores aleatorios A y B, de los cuales se prueban niveles
elegidos de una poblacin grande de niveles, entonces si los tratamientos se
replican veces, el modelo de efectos aleatorios es

donde es la media general,

es el efecto debido al
nivel del factor A,
es el efecto del
nivel del factor B,
representa al efecto de interaccin
en la combinacin y es el error aleatorio que se supone sigue una distribucin
normal con media cero y varianza constante,
y son independientes entre s. El
aspecto de este modelo es igual al de efectos fijos, pero el hecho de que los efectos sean
aleatorios implica que no tiene sentido probar hiptesis directamente sobre tales efectos
(medidas), sino que ahora el inters se enfoca en estudiar la varianza de dichos efectos.
Para ello, se supone que los trminos
son variables aleatorias
independientes normales, con media cero y varianzas
,
,
, y ,
respectivamente.
De esta manera, si se calcula la varianza en ambos lados del modelo anterior, se
obtiene el modelo de componentes de varianza dado por:
+

donde , , son las contribuciones de cada efecto a la variacin total y se llaman

componentes de varianza; es el componente de varianza debido al error aleatorio.
Las hiptesis de inters son

Los clculos necesarios para probar estas hiptesis involucran las mismas sumas
de cuadrados del modelo de efectos fijos (diseos factoriales con dos factores), de las
cuales se obtienen los correspondientes cuadrados medios. Para obtener los estadsticos
de prueba apropiados debe tomarse en cuenta que los valores esperados de los
cuadrados medios son

de tal forma que para probar la hiptesis mencionadas, los estadsticos de prueba
apropiados en el ANOVA son

respectivamente. Observe que en el modelo de efectos aleatorios los cuadrados medios

de los efectos principales se comparan con el cuadrado medio de la interaccin, y no
con el cuadrado medio del error, como se hace en el modelo de efectos fijos. En caso de
rechazar alguna de las hiptesis sobre las varianzas, se concluye que el efecto
correspondiente contribuye de manera significativa a la variacin de la respuesta. La
conclusin prctica no consiste en determinar el mejor tratamiento, sino que
generalmente se traduce en tomar medidas para que la contribucin del componente de
varianza se reduzca.
Al resolver las ecuaciones dadas por los valores esperados de cuadrados medios
para los componentes de varianza, se obtienen estimadores de stos en funcin de los
cuadrados medios del error, esto es,

Ejemplo
En una compaa dedicada a la fabricacin de bombas y vlvulas, algunos componentes
crticos tienen tolerancias muy estrechas que son difciles de cumplir. De aqu que sea
necesario estimar el error de medicin con el fin de ver la posibilidad de reducirlo para
cumplir con las especificaciones. El ancho de una pieza particular es una caracterstica
de calidad crtica, cuyas especificaciones son 69 0,4mm. Se eligen dos inspectores al
azar y siete piezas para correr un experimento, a fin de estimar la contribucin de los
inspectores, de las piezas y del error aleatorio (repetibilidad) en la variabilidad total
observada. El experimento utilizado se muestra en la siguiente tabla:

Nmero de
piezas
1
2
3
4
5
6
7

Inspector Z
1
2
69,38 69,60
39,72 69,80
69,58 69,70
69,50 69,50
69,48 69,40
69,56 69,40
69,90 70,02

Inspector W
1
2
69,62 69,52
69,78 69,90
69,70 69,92
69,46 69,50
69,50 69,42
69,68 69,64
69,94 69,88

Ntese que cada inspector mide dos veces cada pieza. Sean los inspectores el
factor A y las piezas el factor B, el primero con dos niveles y el segundo con siete
niveles, en ambos casos seleccionados al azar. El modelo de componentes de varianza
propuesto para describir estos datos es donde
es el componente de varianza de los
inspectores,
es el componente debido a las piezas,
es el componente de
interaccin de ambos factores y
es el componente aleatorio.
Interesa probar las hiptesis:

y estimar los componentes de varianza. El ANOVA para probar estas hiptesis se

muestran en la siguiente tabla.
FV
A: Insp.
B: Pieza
AB
Error
Total

SC
0,00036
0,7516
0,0313
0,097
0,8803

GL
1
6
6
14
27

CM
Valor-p
0,00036 0,069 0,8043
0,1252 24,07 0,0000
0,0052 0,75 0,6169
0,0069

Las tres primeras columnas se obtienen igual que el modelo de efectos fijos,
pero las dos ltimas deben corregirse de acuerdo con el estadstico de prueba apropiado
para un modelo de efectos aleatorios (
y
). Los valor-p indican que la variabilidad de las
piezas es
estadsticamente diferente a cero, mientras que la variabilidad de los inspectores y de la
interaccin inspector x pieza no es significativa (es igual a cero). Desde el punto de
vista del objetivo del experimento, los resultados del ANOVA son los deseados: la
reproducibilidad ( + ) es estadsticamente igual a cero, es decir, los inspectores no
afectan el proceso de medicin. La estimacin de los componentes de varianza, a partir
de los cuadros medios, queda como:

De aqu se concluye que la reproducibilidad (

+
) no tiene
contribucin y la repetibilidad expresada como 5.15 es igual a 0,428. Si este valor se
compara con la tolerancia de 0.8, se encuentra que ocupa 53% de sta, cuando lo
deseable es que este porcentaje sea menor al 10%, por lo que el instrumento es
inadecuado para discriminar entre piezas buenas y malas.

4.5. Uso de un software estadstico

Utilizando Minitab
1.El primer paso consisten en seleccionar la opcin Estadsticas del Men Principal de
Minitab y, dentro de esa opcin, seleccionar la opcin DOE luego Factorial y Crear
diseo factorial como se presenta en la siguiente Figura.

2. Como consecuencia de la accin anterior le debe aparecer la siguiente pantalla

<<Crear diseo factorial>>. El paso en esta pantalla ser seleccionar en Tipo de
diseo la casilla de Diseo factorial completo general luego escoger el nmero de
factores considerados en el experimento (en nuestro ejemplo son dos factores: A y B),
por tanto en la casilla <<Nmero de factores>> usted deber tener el nmero 2. Luego

Uso de
software

13
5

debe oprimir el botn de la opcin <<Diseos>> para poder escoger su diseo, nmero
de repeticiones y otras opciones.
3.En la siguiente ventana escribir el nombre de nuestros factores A y B, adems de indicar
el numero de niveles para ambos (4 y 3 respectivamente), tambin indicar que
realizamos tres repeticiones por tratamiento, para esto en la casilla <<Nmero de
replicas>>, usted deber tener el valor de 3. Finalice esta pantalla oprimiendo
<<Aceptar>>. Esto lo devolver a la pantalla anterior <<Crear diseo factorial>>.

4.De vuelta en la pantalla <<Crear diseo factorial>>. Seleccionar factores y aparecer

una siguiente ventana.

En la casilla <<Tipo>> seleccionar texto para ambos factores, <<Valores de nivel>> ,

indicar los valores correspondientes tanto para el factor A as como para el factor B,
luego indicar aceptar, lo que lo llevara nuevamente a la pantalla <<Crear diseo
factorial>>.
5.De vuelta a la pantalla <<Crear diseo factorial>> oprima <<Aceptar>>. MINITAB le
crear la siguiente pantalla. Minitab crea las columnas de los tratamientos, lo nico que
usted tiene que ingresar a MINITAB es una columna
con la respuesta del experimento. Proceda entonces a ingresar los datos en la columna
C7

6.Una vez capturados los datos (estos datos debern corresponder al factor A con respecto a
factor B de acuerdo a la tabla original) en su correspondiente rengln. El siguiente paso
es regresar al paso 1.

slo que esta vez seleccionara la secuencia: <<Estadsticas>> seguida de <<DOE>>,

<<Factorial>> y <<Analizar diseo factorial>>.

Esta accin resultar en la pantalla donde slo es necesario indicar la columna de

la variable de respuesta <<Respuesta>> seguido de aceptar y MINITAB le ofrecer el
resultado correspondiente.

Para capturar los datos en Minitab, de tres factores, es idntico al de dos

factores, solo que en la ventana correspondiente indicar que se trata de tres factores, y
se aplica la misma secuencia.