EXPERIMENTOS

FACTORIALES
MVZ, Mgter Jorge Zegarra Paredes
EXPERIMENTOS FACTORIALES

Definiciones.
 Usualmente en los experimentos se desea estudiar el
efecto de dos o más factores.
 Por diseño factorial se entiende que en cada ensayo
o réplica completa del experimento se investigan
todas las combinaciones posibles de los niveles de los
factores.
Por ejemplo.
 Factor A: “a” niveles
 Factor B: “b” niveles

Entonces cada réplica puede contener

todas la ab combinaciones de los
tratamientos.
Efecto de un factor o efecto principal

 Es el cambio en la respuesta media producido por

un cambio en el nivel del factor.
 Por ejemplo. Consideremos el diseño factorial 22.
 Es decir el diseño tiene dos factores y cada factor
tiene dos niveles: bajo (-) y alto(+)
Experimento factorial de dos factores con la respuesta
(y) indicada en los vértices

B+
30 52
+
(Alto)
B+
B-

-
(Bajo) 20 40
B-

- + - +
(Bajo) (Alto) Factor A

Factor A
Prof. Enit Huamán Cotrina
Cálculo del Efecto Principal A

 Cuando el factor A se incrementa del nivel bajo al

alto se produce un incremento de la respuesta
promedio de 21 unidades.

40  52 20  30
A   21
2 2
Cálculo del Efecto Principal B

 Cuando el factor B se incrementa del nivel bajo al

alto se produce un incremento de la respuesta
promedio de 11 unidades.

30  52 20  40
B   11
2 2
Experimento factorial de dos factores con interacción

40 12 B-
+
(Alto) B+

- B+
(Bajo) 20 50 B-

- +
- +
(Bajo) (Alto) Factor A

Factor A
 Con el nivel bajo del factor B (o B-), el efecto de A
es:
A  50  20  30
 Con el nivel alto del factor B (o B+), el efecto de A
es:
A  12  40  28
 El efecto de A depende de los niveles de B, por lo
tanto existe una interacción entre A y B.

(28  30)
AB  29
2
Prof. Enit Huamán Cotrina
DISEÑO FACTORIAL DE DOS FACTORES

 El diseño factorial más simple o sencillo es aquel que

involucra en su estudio sólo dos factores o conjunto de
tratamientos; es decir, que sólo se está interesado en los
efectos que producen estos dos factores. A este tipo de
diseño se le llama Bifactorial.
 Si A y B son los factores que se van ha estudiar en un
diseño factorial, el factor A tendrá "a niveles" y el factor
B tendrá "b niveles", entonces cada repetición o réplica
del experimento contiene todas las "ab" combinaciones de
los tratamientos y en general hay "n" repeticiones.
 El orden en el cual se toman las "abn"
observaciones es aleatorio; de modo que este
es un diseño completamente aleatorizado.
 Si se considera que los niveles del factor A
son a1, a2 y los del factor B son b1, b2
entonces se tiene:
 Los tratamientos estarán formados por las
combinaciones de los niveles de ambos factores;
es decir, que existen cuatro tratamientos los cuales son:
 Tratamiento 1: a1b1 Tratamiento 2: a1b2
 Tratamiento 3: a2b1 Tratamiento 4: a2b2
 Forma Gráfica de observar la Interacción.
 Para observar la interacción entre el factor A y el
factor B, se debe realizar una gráfica de la respuesta
de los datos, contra los niveles del factor A, para
ambos niveles del factor B, de la siguiente manera:
 En la Figura 1, podemos observar que las rectas que
se forman son aproximadamente paralelas lo cual
indica que no existe interacción entre el Factor A y
el Factor B; mientras que en la Figura 2, las dos
rectas que se forman no son paralelas y se
intersectan, lo que significa que existe interacción
entre el Factor A y el Factor B.
 Los "a" niveles del factor A y los "b"
niveles del factor B, pueden ser elegidos
aleatoriamente de poblaciones más grandes,
entonces se dice que el factor A y el factor B
son aleatorios; en este caso las inferencias
pueden generalizarse a todos los niveles de
las poblaciones bajo estudio, porque los niveles
de los factores se eligieron al azar.
 También el experimentador puede elegir
específicamente los " a" niveles del factor A y
los " b" niveles del factor B usados en el
experimento, entonces se dice que el factor A
y el factor B son fijos; por lo tanto las
inferencias hechas con base en el Análisis de
Varianza pueden aplicarse solamente a los
niveles específicos del factor A y el factor B que se
probaron.
 En consecuencia de lo anterior, se pueden dar los
siguientes casos:
 1) El factor A y factor B son fijos, entonces el
Modelo que resulta es el Modelo de Efectos Fijos.
 2) El factor A y factor B son aleatorios,
entonces el Modelo que resulta es el Modelo de
Efectos Aleatorios.
 3) El factor A es aleatorio y el factor B es fijo,
o viceversa, el Modelo que resulta es el Modelo
Mixto.
 Ejemplo. Un ingeniero está diseñando una batería que
se usará en un dispositivo el cuál se someterá a
variaciones de temperatura extrema. El único
parámetro de diseño que puede seleccionar en este
punto es el material de la placa o ánodo de la batería
y tiene tres elecciones posibles. Cuando el dispositivo
esté fabricado y se envíe al campo, el ingeniero no
tendrá control sobre las temperaturas extremas en las
que operará el dispositivo, pero sabe por experiencia
que la temperatura probablemente afectará la vida
efectiva de la batería.
 El ingeniero decide probar los tres materiales de la
placa con tres niveles de temperatura, 15, 70 y
125°F, ya que estos niveles de temperatura son
consistentes con el medio ambiente donde se usará
finalmente el producto. Se prueban cuatro baterías
con cada combinación del material de la placa y la
temperatura, y las 36 pruebas se corren de manera
aleatoria. La tabla siguiente muestra los resultados
obtenidos.
 Datos de la vida (en horas) de las baterías

Tipo Temperatura
de 15 °F 70 °F 125 °F
130 155 34 40 20 70
M1 74 180 80 75 82 58
150 188 136 122 25 70
M2 159 126 106 115 58 45
138 110 174 120 96 104
M3 168 160 150 139 82 60
¿Qué efectos tienen el tipo
de material y la
temperatura sobre la vida
de la batería?
 Modelo de los efectos
 Las observaciones de un experimento factorial pueden
describirse con el siguiente modelo.

y ijk    i   j  () ij   ijk

donde :
i  1,2,..., a
j  1,2,..., b
k  1,2,..., n
 Donde  es el efecto promedio global, i es el efecto del
nivel i-ésimo del factor A de las filas, j es el efecto del
nivel j-ésimo del factor B de las columnas, ()ij es el
efecto de la interacción entre i y j, y ijk es un
componente del error aleatorio. Se supone que los
errores tienen distribución normal con media cero y
varianza constante
 Ambos factores son fijos.
 Pruebas de Hipótesis
Efecto de los tratamientos de las filas
H 0 : 1   2  ...  a  0
H1 : al menos un i  0
H :     ...    0
Efecto de los tratamientos0 1
de las columnas
2 a

H : al menos un   0
1 i

H 0 : 1   2  ...   b  0
H1 : al menos un  j  0
Efecto de la interacción fila columna
H 0 : () ij  0  i, j
H1 : al menos un () ij  0
Prof. Enit Huamán Cotrina
 Suma de Suma de cuadrados
cuadrados debida a la
debida a las interacción A y B
filas

SST  SSA  SSB  SSAB  SSE

Suma de
Suma de Suma de cuadrados cuadrados debida
cuadrados debida a las columnas al error
total
Tabla de ANOVA para factoriales
Tabla de ANOVA para la vida de la batería

F.V gl SC CM Fc valor p

Material 2 10683.72 5341.86 7.911 0.0020

Temperatura 2 39118.72 19559.36 28.968 0.0000

Interacción 4 9613.78 2403.44 3.560 0.0186

Error 27 18230.75 675.21

Total 35 77646.97

¡La interacción es
significativa!
 Como la interacción es significativa, las
comparaciones entre las medias de uno de los
factores (por ej. A) pueden ser empañadas por la
interacción AB. Una manera útil es fijar el factor B en
un nivel específico y aplicar alguna prueba de
comparación (ej. Tukey) a las medias del factor A con
ese nivel.