Anda di halaman 1dari 15

Capítulo 7

Fundamentos de Estadística Aplicada a Plantas de


Procesamiento

Diseño Factorial

L.G. Bergh
Diseño Factorial

En ciertas circunstancias no existe un modelo fenomenológico


claro y más bien se desea saber qué variables o combinación
lineal de variables tienen un efecto en la respuesta.

Ejemplo: Efecto lineal de una variable X en Y.


y   0  1 x  

Se eligen dos niveles,


superior e inferior,
y2

y para una variable.


y1
Implica realizar un diseño
factorial 21
Lím ite Lím ite

2 niveles y una variable.


inferior
x superior

L.G. Bergh
Dos Variables Independientes.

Diseño: 22 factorial. 2 niveles, 2 variables  4 corridas.

Temperatura T 160 – 180 °C


Concentración inicial C 20 – 40 %

160 C 180 C Concentración


final
40 % 54 68
20 % 60 72

L.G. Bergh
Hay dos medidas del efecto de T en Y:

68  54  14 160 C 180 C
Efecto 40 % 54 68
72  60  12
principal 20 % 60 72
13

Hay dos medidas del efecto de C en Y:

Efecto 54  60  6
principal 68  72  4
5

L.G. Bergh
Surgen además otras dudas respecto a la interacción entre
T y C. Es el efecto de C el mismo a T distintos o el efecto de T a
C inferior y superior?

160 C 180 C
Supongamos 85
40 % 54 85
en vez de 68
20 % 60 72

85  54  31
Si esto es así, implica la existencia de interacción. 72  60  12
21 .5

L.G. Bergh
Diseño Punto central

T C
160 20
Tm  170 C
180 20
160 40 C m  30 %
180 40

L.G. Bergh
Por comodidad y mejores condiciones de estimación de los
parámetros, en el modelo se transforman T y C a variables
escaladas:

Nivel Variable - Punto Central


xi 
Rango Variación 2
Ahora el diseño es: Y el modelo:

T C
1 1 y   0  1 x1   2 x2   3 x1 x2 
1 1
1 1
1 1
Y  X  
L.G. Bergh
Matriz del modelo

X0 X1 X 2 X1 X 2
 1 1 1  1 60
 1 1 1  1 72
X   Y  
 1 1 1  1 54 
   
 1 1 1  1 68

L.G. Bergh
Ajuste del modelos por mínimos cuadrados:

n n


ˆ  X T X 
1
X Y T ˆi   xi y  i
x 2

 1  1

ˆ0   y  y  y  y
1 2 3 4
4 ˆ1   y  y  y  y
1 2 3 4
4


Var ˆ   X T X 1
2 2  
x 2
  2
4

Note que la varianza es reducida en un factor de 4.


L.G. Bergh
Si 2 es desconocido se debe estimar mediante s2 o evaluar
desde replicados.

I.C. Asociado:

̂ i  t  s n

Esto permite estimar la exactitud de la estimación antes de


realizar la experiencia.

L.G. Bergh
Tres Variables Independientes.

Diseño: 23 factorial.  8 corridas ; n-p = G.L.

Temperatura T 160 – 180 °C


x3
Concentración inicial C 20 – 40 %
x2
x1 Tipo de catalizador K A-B

Modelo:

   0  1x1   2 x2  3 x3  12 x1x2   13 x1x3    23 x2 x3   123 x1x2 x3 


 X
L.G. Bergh
Ventajas del Diseño 2k Factorial

1- Ortogonal: Estimación de parámetros no correlacionados.


2- Numero relativamente pequeño de experimentos y buen
rango de variabilidad.
3- Diseños ordenados según patrón (matriz) de fácil
comprobación visual.
4- Permite desarrollar las experiencias en bloques.
5- Permite el desarrollo y estudio de muchas variable en
forma secuencial (diseño factorial fraccionado).

L.G. Bergh
Bloqueo de un 23 Diseño Factorial.

Se desea estudiar el efecto de tres variables, pero el material a


ser usado viene en partidas. Cada batch es suficiente solo para
cuatro corridas y se sabe que existen diferencias de una
partida a otra.

¿Cómo se podrá separar el diseño en dos bloques de 4


corridas cada una de manera que cualquier diferencia entre
las partidas no afecte los resultados?

L.G. Bergh
Matriz del diseño.
I 1 2 3 12 13 23 123
       o
     x
     x
     o
     x
     o
     o
     x

Una opción es hacer todas las corridas con - (o) en un block y


aquellas con + (x) en otro block, y siempre tratar de
randomizar.
L.G. Bergh
El efecto de block estará confundido con el efecto de
interacción (123). Esto implica que no se puede decir cuánto
corresponde al efecto de uno u otro.

ˆ123  efecto block  132 

Dado que la columna (123) es ortogonal a todas las otras


columnas, este efecto de bloqueo no influirá la estimación de
otros efectos.

L.G. Bergh