Experimentos Factoriales 2K

DISEOS DE EXPERIMENTOS FACTORIALES 2K
P. Reyes / Sept. 2007
EXPERIMENTOS FACTORIALES
2K
Pgina 1 de 16
CONTENIDO
1. Principios y definiciones bsicas
2. Diseo factorial de dos factores
Pgina 2 de 16
DISEOS FACTORIALES
1. Principios y definiciones bsicas
uchos 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
segundo nivel de ese factor. Numricamente:
40 52
2
20 30
2
21
Factor B
B1
B2
A1
20
30
A2
40
52
Factor A
Pgina 3 de 16
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
2
20 40
2
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
Tabla 2. Un experimento factorial con interaccin
Pgina 4 de 16
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
50
B1
40
30
20
10
B2
B1
A1
Factor A
A2
Figura 1 Un experimento factorial sin interacciones

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
60y su apariencia, a menudo, es B1
es subjetiva
engaosa.
50
40
B2
30
20
10
B1
Pgina 5 de 16
A1
Factor A
A2
B2
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 interaccin AB que el efecto
principal. Una interaccin significativa oculta a menudo el significado
de los efectos principales.
Ventajas de los diseos factoriales
as 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 A 2B1 -A1B2. A causa de
Pgina 6 de 16
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.
Los
diseos
interaccin
factoriales
puede
estar
son
necesarios
presente,
para
cuando
evitar
alguna
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
Pgina 7 de 16
l 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 22. 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:
Combinacin de
A
A
A
A
Replica
tratamientos
baja, B baja
alta, B baja
baja, B alta
alta, B alta
I
28
36
18
31
II
25
32
19
30
III
27
32
23
29
Total
80
100
60
90
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
b = 60(18+19+23)
ab = 90(31+30+19)
se denotan
-+ y + respectivamente, en los ejes A y B. As en
Alto (2 por
sacos)
el eje B representa el nivel bajo de catalizador mientras que + denota
el nivel alto.
bajo (1 saco) -
(1) = 80(28+25+27)
bajo (15%)
a = 100(36+32+32)
+
alto (20%)
Concentracion
dedereactivo
A
Pgina 8
16
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
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
Pgina 9 de 16
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)
1
2n
ab b - a (1)
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
1
2n
ab b a (1)
1
2n
ab (1) a (b)
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
Pgina 10 de 16
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
1
2n
b (1)
2n
ab a b (1)
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 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
2n
1
2n
a (1)
2n
ab b a (1)
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
Pgina 11 de 16
ab (1)
AB
2n
2n
ab
2n
ab (1) a b
Con los datos que aparecen en la figura 1, las estimaciones de los

efectos promedio son:
1
2(3)
1
2(3)
AB
90 100 60 80 8.33
90 60 100 80 5.00
1
2(3)
90 80 100 60 1.67
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 2 K 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.
Pgina 12 de 16
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:
aciyi.
SSc 1
2
n a
ci
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)
SSA
n*4
ab b a (1)
SSB
n*4
ab (1) a b
SSAB
n*4
Con los datos de la figura 1, las sumas de cuadrados se pueden

calcular aplicando las ecuaciones anteriores, obtenindose:
Pgina 13 de 16
SSA
SSB
50
2
208.33
4(3)
30
SSAB
4(3)
10
75.00
4(3)
8.33
La suma total de cuadrados se determina de la manera usual

mediante:
SST 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%.
menudo
se
es
conveniente
escribir
las
combinaciones
de
tratamientos en el orden (1), a, b, y ab. Este orden se conoce como
Pgina 14 de 16
orden estndar. Cuando se utiliza es posible apreciar que los

coeficientes de los contrastes usados para estimar los efectos son
Efectos
A:
(1)
-1
a
+1
b
-1
Ab
+1
B:
-1
-1
+1
+1
AB:
+1
-1
-1
+1
Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:

Fuente de
A
variacin
SS
208.33
G.L.
MS
208.33
Fo
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
Efecto Factorial
De
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
Pgina 15 de 16
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.
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.
1
2n
ab b a (1)
1
2n
ab a b (1)
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 16 de 16

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

2. Diseo factorial de dos factores

P. Reyes / Sept. 2007

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

uchos experimentos se llevan a cabo para estudiar los

ms eficientes para este tipo de experimentos. Por diseo factorial se

combinaciones de los niveles de los factores en cada ensayo

segundo nivel de ese factor. Numricamente:

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Tabla 1 Un experimento factorial

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

Tabla 2. Un experimento factorial con interaccin

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

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

Figura 1 Un experimento factorial sin interacciones

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

Figura 2 Un experimento factorial con interacciones

correspondientes efectos principales tienen poco significado prctico.

El cual resulta ser muy pequeo corrindose el riesgo de concluir que

Ventajas de los diseos factoriales

as ventajas de los diseos factoriales pueden ilustrarse

mediante A1, A2, B1 y B1. La informacin acerca de ambos factores

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

que existe error experimental, es conveniente realizar, por ejemplo,

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.

Los diseos factoriales permiten estimar los efectos de un

2. Diseo factorial de dos factores

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

l primer diseo de la serie 22 es aquel en el que solo dos

del factor pueden llamarse bajo y alto.

En la figura 4 siguiente se presentan grficamente las combinaciones

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

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

b representa aquella en la que A se halla en el nivel inferior y

ab representa a ambos factores en el nivel superior.

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

El efecto promedio de un factor se define como el cambio en la

Como se ilustra en la figura 3, las letras minsculas (1), a, b y ab

efecto de A en el nivel B es {a-(1)}/n. Mientras que el nivel superior B

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

es {ab-b}/n. Tomando el promedio de estas dos cantidades se

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

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

Por otro lado se puede definir AB como la diferencia promedio entre el

Las formulas para los efectos de A, B y AB pueden deducirse por otro

DISEOS DE EXPERIMENTOS FACTORIALES 2K

P. Reyes / Sept. 2007

encuentra en el nivel alto) y las dos combinaciones de tratamientos

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

Finalmente el efecto de interaccin AB es el promedio de las

DISEOS DE EXPERIMENTOS FACTORIALES 2K