Experimentos Factoriales 2K.

DISEOS DE EXPERIMENTOS FACTORIALES 2K
P. Reyes / Sept. 2007
EXPERIMENTOS FACTORIALES 2K
Pgina 1 de 17
CONTENIDO
1. Principios y definiciones bsicas
2. Diseo factorial de dos factores
Pgina 2 de 17
DISEOS FACTORIALES
1. Principios y definiciones bsicas
Muchos experimentos se llevan a cabo para estudiar los efectos producidos

por dos o ms factores. Puede mostrarse que en general los diseos
factoriales son los ms eficientes para este tipo de experimentos. Por diseo
factorial se entiende aquel en el que se investigan todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o rplica
del experimento. Por ejemplo, si existen a niveles del factor A y b niveles del
factor B, entonces cada rplica del experimento contiene todas las ab
combinaciones de los tratamientos. A menudo, se dice que los factores estn
cruzados cuando stos se arreglan en un diseo factorial.
El efecto de un factor se define como el cambio en la respuesta producida por un

cambio en el nivel del factor. Con frecuencia, ste se conoce como efecto
principal porque se refiere a los factores de inters primordial del experimento.
Por ejemplo, consideremos los datos de la tabla 1. El efecto principal del factor
A podra interpretarse como la diferencia entre la respuesta promedio en el
primer y segundo nivel de ese factor. Numricamente:
40 52
2
20 30
2
21
Pgina 3 de 17
Factor B
B1
B2
A1
20
30
A2
40
52
Factor A
Tabla 1 Un experimento factorial
En otras palabras incrementar el factor A del nivel 1 al 2 produce un cambio en

la respuesta promedio de 21 unidades. Similarmente, el efecto principal de B es:
B
30 52
20 40
11
Si los factores tienen ms de dos niveles, el procedimiento anterior debe ser

modificado ya que las diferencias entre las respuestas promedio pueden
expresarse de muchas formas.
En algunos experimentos puede encontrarse que la diferencia en la respuesta
entre los niveles de un factor no es la misma en todos los niveles de los otros
factores. Cuando esto ocurre existe una interaccin entre los factores. Por ejemplo,
considrense los datos de la Tabla 2.
Factor B
B1
B2
A1
20
40
A2
50
12
Factor A
Pgina 4 de 17
Tabla 2. Un experimento factorial con interaccin
En el primer nivel del factor B, el efecto de A es:
A = 50 - 20 = 30
Mientras que en el segundo nivel de B, el efecto de A es:

A = 12 - 40 = 28
Puede observarse que existe una interaccin entre los factores A y B porque el
efecto de A depende del nivel elegido de B.
Estas ideas pueden ilustrarse grficamente. En la Fig. 1 se muestra una grfica

de la respuesta de los datos de la Tabla 1 contra los niveles del factor A para
ambos niveles del factor B. Se observa que las rectas B1 y B2 son,
aproximadamente, paralelas. Esto indica que no hay interaccin entre los
factores. De manera similar, en la Fig. 2 se presenta una grfica de la respuesta
de los datos de la Tabla 2.
60
B2
Respuesta
50
B1
40
30
20
10
B2
B1
A1
Factor A
A2
Figura 1 Un experimento factorial sin interacciones
Pgina 5 de 17
En este caso se ve que las rectas B1 y B2 no son paralelas. Esto muestra que
existe una interaccin entre A y B. Sin embargo, no debe ser la nica tcnica
para analizar los datos, porque su interpretacin es subjetiva y su apariencia, a
menudo, es engaosa.
60
B1
Respuesta
50
B2
40
30
20
B1
10
B2
A1
Factor A
A2
Figura 2 Un experimento factorial con interacciones
Hay que notar que cuando una interaccin es grande los correspondientes
efectos principales tienen poco significado prctico. Una estimacin del efecto
principal de A de los datos de la Tabla 2 es:
50 12
2
20 40
2
El cual resulta ser muy pequeo corrindose el riesgo de concluir que no existe
un efecto debido a A. Sin embargo, cuando se examin el efecto de A en niveles
diferentes de B se concluy que ste no era el caso. El factor A tiene un efecto,
pero depende del nivel del factor B. En otras palabras, es ms til conocer la
Pgina 6 de 17
interaccin AB que el efecto principal. Una interaccin significativa oculta a

menudo el significado de los efectos principales.
Ventajas de los diseos factoriales
Las
ventajas
de
los
diseos
factoriales
pueden
ilustrarse
fcilmente.
Supongamos que se tienen dos factores, A y B, cada uno con dos niveles. Estos
niveles se representan mediante A1, A2, B1 y B1. La informacin acerca de ambos
factores puede obtenerse variando un factor a la vez como aparece en la tabla
3. El efecto de variar el factor A est dada por A2B1 -A1B2. A causa de que existe
error experimental, es conveniente realizar, por ejemplo, dos observaciones de
cada combinacin de tratamientos y hacer una estimacin de los efectos de los
factores usando las respuestas promedio. Por lo tanto, se requiere un total de
seis observaciones.
Factor B
B1
B2
A1
A1B1
A1B2
A2
A2B1
12
Factor A
Tabla 3 El mtodo de un factor a la vez
Los diseos factoriales poseen algunas ventajas.
Son ms eficientes que los experimentos de un factor a la vez.
Pgina 7 de 17
Los diseos factoriales son necesarios cuando alguna interaccin puede

estar presente, para evitar hacer conclusiones engaosas.
Los diseos factoriales permiten 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.
2. Diseo factorial de dos factores
El primer diseo de la serie 22 es aquel en el que solo dos factores, A y B, cada

uno con dos niveles. Este diseo se conoce como diseo factorial 2 2.
Arbitrariamente, los niveles del factor pueden llamarse bajo y alto.
Ejemplo 1 Considrese una investigacin llevada a cabo para estudiar el efecto

que tiene la concentracin de un reactivo y la presencia de un catalizador sobre
el tiempo de reaccin de un proceso qumico. Sea la concentracin del reactivo
el factor A con dos niveles de inters, 15% y 20%. El catalizador constituye el
factor B; el nivel alto o superior denota el uso de dos sacos de catalizador y el
nivel bajo o inferior denota el uso de un solo saco. El experimento se realiza
(replica o repite) tres veces, y los datos son como sigue:
Replica
Combinacin de
tratamientos
II III Total
A baja, B baja
28 25 27
A alta, B baja
36 32 32 100
A baja, B alta
18 19 23
60
A alta, B alta
31 30 29
90
Pgina 8 de 17
80
En la figura 4 siguiente se presentan grficamente las combinaciones de

tratamiento para este diseo, el efecto de un factor se denota por la letra latina
minscula. De este modo, A se refiere al efecto del factor A, y B se refiere al
efecto del factor B, y AB se refiere a la interaccin entre AB. En el diseo 2 2
los niveles bajo y alto de A y B se denotan por - y + respectivamente, en los
ejes A y B. As en el eje B representa el nivel bajo de catalizador mientras que
Cantidad de catalizador B
+ denota el nivel alto.
Alto (2 sacos) +
bajo (1 saco) -
b = 60(18+19+23)
ab = 90(31+30+19)
(1) = 80(28+25+27)
a = 100(36+32+32)
bajo (15%)
+
alto (20%)
Concentracion de reactivo A
Figura 1: Combinaciones de tratamiento en el diseo factoriall
Fig. 3
Las cuatro combinaciones de tratamientos en el diseo pueden representarse
por letras minsculas, cono se muestra en la figura 3. En esta figura se aprecia
que el nivel superior de cualquier factor de una combinacin de tratamientos
esta representado por la presencia de la letra minscula correspondiente,
mientras que la ausencia de esta ultima representa el nivel inferior del factor.
As
Pgina 9 de 17
a representa la combinacin de tratamientos, en la que A se encuentra
en el nivel superior y B en el nivel inferior;

b representa aquella en la que A se halla en el nivel inferior y B en el
superior, y
ab representa a ambos factores en el nivel superior.
Por convencin (1) se usa para representar a ambos factores en el nivel

inferior.
El efecto promedio de un factor se define como el cambio en la respuesta
producida por un cambio en el nivel de ese factor, promediado sobre los

niveles del otro factor.
Como se ilustra en la figura 3, las letras minsculas (1), a, b y ab tambin se usan
para representar los totales de las n replicas de las combinaciones de
tratamientos correspondientes. Ahora bien, el efecto de A en el nivel B es {a(1)}/n. Mientras que el nivel superior B es {ab-b}/n. Tomando el promedio de
estas dos cantidades se obtiene:
1
2n
ab b a (1) 1 ab a b (1)
2n
El efecto promedio de B se determina a partir de su efecto en el nivel inferior de A

(esto es, {b-(1)}/n, y de su efecto en el nivel superior de A (que es igual a [ab-a]/n
obtenindose:
1
2n
ab a b (1)
ab b - a (1)
2n
Pgina 10 de 17
El efecto de la interaccin AB se define como la diferencia promedio entre el

efecto de A en el nivel superior de B y su efecto en el nivel inferior de B, as:
AB
ab b a (1)
2n
ab (1) a (b)
2n
Por otro lado se puede definir AB como la diferencia promedio entre el efecto
de B en el nivel superior de A y el efecto de B en el nivel inferior de A.
Las formulas para los efectos de A, B y AB pueden deducirse por otro mtodo.
El efecto de A puede hallarse como la diferencia en la respuesta promedio de
las dos combinaciones de tratamiento en la mitad derecha (que llamaremos
Y
A+,
puesto que es la respuesta promedio para las combinaciones de
tratamientos a las que A que se encuentra en el nivel alto) y las dos

combinaciones de tratamientos en la mitad izquierda (o
Y A).
Esto es,
A YA YA
ab a
2n
b (1)
2n
ab a b (1)
2n
Este es exactamente el mismo resultado, el efecto de B se encuentra como la

diferencia entre el promedio de las dos combinaciones de tratamientos en la
Pgina 11 de 17
parte superior del cuadrado ( Y B+) y el promedio de las dos combinaciones de

tratamientos en la parte inferior ( Y B-), o
B YB YB
ab b
a (1)
2n
2n
ab b a (1)
2n
Finalmente el efecto de interaccin AB es el promedio de las combinaciones de

tratamientos en la diagonal de derecha a izquierda del cuadrado ab y (1)
menos el promedio de las combinaciones de tratamientos en la diagonal de
izquierda a derecha (a y b), o
AB
ab (1)
2n
ab
2n
ab (1) a b
2n
Con los datos que aparecen en la figura 1, las estimaciones de los efectos
promedio son:
90 100 60 80 8.33
2(3)
Pgina 12 de 17
90 60 100 80 5.00
2(3)
AB
90 80 100 60 1.67
2(3)
El efecto de A (concentracin de reactivo) es positivo; esto sugiere que al elevar

A del nivel bajo (15%) al nivel alto (25%) incrementar el rendimiento. El efecto
de B (catalizador) es negativo; esto sugiere que elevar la cantidad del
catalizador agregada al proceso reducir el rendimiento. Al parecer, el efecto
de interacciones es pequeo comparado con los dos efectos principales.
En muchos experimentos que implican diseos 2K se examina la magnitud y la

direccin de los efectos de los factores para determinar cuales variables es
probable que sean importantes. Por lo general puede emplearse el anlisis de
varianza para confirmar esta interpretacin. En el diseo 2k existen algunos
mtodos rpidos especiales para realizar los clculos del anlisis de varianza.
Consideremos la suma de cuadrados para A, B y AB. Obsrvese la primera

ecuacin que se utiliza un contraste para estimar A; esto es,
ContrasteA ab a b (1)
Este contraste suele llamarse efecto total de A. A partir de la segunda y tercera
ecuacin, puede apreciarse que tambin se utilizan contraste para estimar B y
AB. Adems, estos tres contrastes son ortogonales. La suma de cuadrados de
cualquiera de ellos puede calcularse usando la siguiente ecuacin:
Pgina 13 de 17
aciyi. 2 na ci 2
SSc 1
a
.
Esta ecuacin establece que la suma de cuadrados de contraste es igual al
contraste elevado al cuadrado entre el producto del nmero de las
observaciones de cada total del contraste por la suma de cuadrados de los
coeficientes del mismo. En consecuencia, se obtiene que las sumas de
cuadrados de A, B y AB sean:
ab a b (1)
SS A
n*4
2
ab b a (1)
SS B
n*4
2
ab (1) a b
SS AB
n*4
Con los datos de la figura 1, las sumas de cuadrados se pueden calcular

aplicando las ecuaciones anteriores, obtenindose:
SS A
50
2
208.33
4(3)
SS B
30
2
75.00
4(3)
SS AB
10
2
8.33
4(3)
La suma total de cuadrados se determina de la manera usual mediante:

Pgina 14 de 17
SS T i21 2j1 n
k 1 Y ijk
2
Y ...
4n
En general SST tiene 4n 1 grados de libertad. La suma de cuadrados del error,

con 4(n-1) G.L. se puede calcular en la forma usual, por diferencia, mediante.
2
2 2 3
Y
2
SS E Yijk
9398.00 9075.00 323.00
i1j1k 1
4(3)
SS E SS T SS A SS B SS AB
323.00 208.33 75.00 8.33 31.34

El anlisis de varianza completo se presenta en la tabla siguiente. Ambos efectos
principales son significativos al 1%.
A menudo se es conveniente escribir las combinaciones de tratamientos en el

orden (1), a, b, y ab. Este orden se conoce como orden estndar. Cuando se
utiliza es posible apreciar que los coeficientes de los contrastes usados para
estimar los efectos son
Efectos (1) a
Ab
A:
-1 +1 -1 +1
B:
-1 -1 +1 +1
AB:
+1 -1 -1 +1
Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:
Pgina 15 de 17
Fuente de
variacin
SS
G.L.
MS
Fo
208.33 1
208.33 53.15a
75.00
75.00
19.13a
AB
8.33
8.33
2.13
Error
31.34
3.92
Total
323.00 11
a
significativo al 1%
Signos algebraicos para calcular los efectos en un diseo 22
Combinacin
De
Efecto Factorial
Tratamientos I A B AB
(1)
+ - - +
+ + - -
+ - + -
ab
+ + + +
Observe que los coeficientes de los contrastes usados para estimar la

interaccin son iguales al producto de los coeficientes correspondientes a los
dos efectos principales. Los coeficientes de los contrastes siempre son +1 o 1
y se puede usar una tabla de signos positivos y negativos como la mostrada en
la de signos algebraicos para determinar el signo apropiado de cada
combinacin de tratamientos. En el encabezado de las columnas de tabla y se
encuentran los efectos principales (A y B), la interaccin AB, e I, que representa
el total el total o el promedio de todo el experimento. Se observa que la
columna encabezada por I se compone de solo de signos positivos. Los
renglones corresponden a las combinaciones de tratamientos.
Pgina 16 de 17
Para encontrar un contraste con el fin de estimar cualquier efecto, simplemente

se multiplican los signos de la columna apropiada de la tabla por la
correspondiente combinacin de tratamientos, y se suma. Por ejemplo, el
contraste para estimar A es (1) + a b + ab, lo cual concuerda con la ecuacin.
ab b a (1)
2n
ab a b (1)
2n
Los tipos ms sencillos de diseos factoriales implican slo dos factores o

conjuntos de tratamientos. Haya a niveles del factor A y b niveles del factor
B, dispuestos en un diseo factorial; esto es, cada A repeticin o rplica del
experimento contiene todas las combinaciones de tratamiento ab. En general,
hay n repeticiones.
Pgina 17 de 17

Experimentos Factoriales 2K.

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Experimentos Factoriales 2K.

Загружено:

Авторское право:

Доступные форматы

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

DISEOS DE EXPERIMENTOS FACTORIALES 2K

1. Principios y definiciones bsicas

2. Diseo factorial de dos factores

P. Reyes / Sept. 2007

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Muchos experimentos se llevan a cabo para estudiar los efectos producidos

El efecto de un factor se define como el cambio en la respuesta producida por un

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Tabla 1 Un experimento factorial

En otras palabras incrementar el factor A del nivel 1 al 2 produce un cambio en

Si los factores tienen ms de dos niveles, el procedimiento anterior debe ser

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Tabla 2. Un experimento factorial con interaccin

En el primer nivel del factor B, el efecto de A es:

Mientras que en el segundo nivel de B, el efecto de A es:

Estas ideas pueden ilustrarse grficamente. En la Fig. 1 se muestra una grfica

Figura 1 Un experimento factorial sin interacciones

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Figura 2 Un experimento factorial con interacciones

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

interaccin AB que el efecto principal. Una interaccin significativa oculta a

Ventajas de los diseos factoriales

Tabla 3 El mtodo de un factor a la vez

Los diseos factoriales poseen algunas ventajas.

Son ms eficientes que los experimentos de un factor a la vez.

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Los diseos factoriales son necesarios cuando alguna interaccin puede

Los diseos factoriales permiten estimar los efectos de un factor en diversos

2. Diseo factorial de dos factores

El primer diseo de la serie 22 es aquel en el que solo dos factores, A y B, cada

Ejemplo 1 Considrese una investigacin llevada a cabo para estudiar el efecto

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

En la figura 4 siguiente se presentan grficamente las combinaciones de

+ denota el nivel alto.

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

a representa la combinacin de tratamientos, en la que A se encuentra

en el nivel superior y B en el nivel inferior;

ab representa a ambos factores en el nivel superior.

Por convencin (1) se usa para representar a ambos factores en el nivel

producida por un cambio en el nivel de ese factor, promediado sobre los

El efecto promedio de B se determina a partir de su efecto en el nivel inferior de A

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

El efecto de la interaccin AB se define como la diferencia promedio entre el

puesto que es la respuesta promedio para las combinaciones de

tratamientos a las que A que se encuentra en el nivel alto) y las dos

Este es exactamente el mismo resultado, el efecto de B se encuentra como la

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

parte superior del cuadrado ( Y B+) y el promedio de las dos combinaciones de

Finalmente el efecto de interaccin AB es el promedio de las combinaciones de

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007